HackerRank 推出 AI 面试官 Chakra

HackerRank 近日宣布，其 AI 面试官产品 Chakra 正式向客户全面开放。这款工具在经历约六个月的测试后进入商用阶段，官方披露其在此期间已经完成了超过 50 万场面试。Snowflake、Snorkel 与 Capgemini 等企业参与了试用，HackerRank 也在内部对其进行了验证。对于一家长期服务于开发者评估与招聘的平台来说，这意味着它的角色正在从“出题与判分的工具”向“参与面试过程的智能体”延伸。

与以往把 AI 用在简历筛选或语音初筛不同，Chakra 的定位是直接坐到面试官的位置上。它会在候选人解题的过程中持续观察，记录对方如何拆解问题、如何尝试、如何修正，并在此基础上给出评价。换言之，评估对象从答案本身转向了抵达答案的路径。HackerRank 联合创始人兼首席执行官 Vivek Ravisankar 在采访中表示，过去的评估方式本质上是在评估产出，而因为 AI 的存在，如今任何人都可以生成一份成品，雇主真正需要判断的，是这份成品背后包含了怎样的思考与取舍。

这种思路也决定了 Chakra 想测量什么。除了候选人是否给出正确答案，它更关注一些难以量化的信号，例如批判性思维与判断力，以及 HackerRank 称之为“AI 应用素养”的能力，即候选人能否把问题清晰地表述给 AI、能否判断 AI 输出的质量、能否把 AI 逐步引导到可行的解法上。当编写代码这一动作本身被大幅加速之后，如何提问、如何校验、如何在多个方案之间做选择，正在变成新的能力区分点。

在实际流程设计上，一场 Chakra 面试更像是在做真实的工作，而不是参加一场传统的编程测验。候选人会拿到一个基于真实代码仓库的任务，并在一个内置 AI 助手的画布中推进它。由于 Chakra 能够感知候选人当下的操作上下文，它可以随时提出追问，例如为什么在某两个方案中选择了其中一个，或者当引入一项新的约束条件时，现有解法需要如何调整。这种追问把静态的题目变成了一段有来有回的对话，也让面试官得以看到候选人在压力与变化下的反应。

Ravisankar 认为，Chakra 正在改变招聘流程的基本结构。原本需要三轮才能完成的环节，包括招聘人员的初步沟通、带回家完成的作业评估，以及与工程师的后续面试，如今可以合并为一场 Chakra 面试。对于企业而言，这意味着更短的招聘周期与更低的协调成本；对于候选人而言，则意味着不必在多次往返中反复展示同一批信息。

允许候选人在面试中使用 AI，乍看之下似乎会让作弊变得更容易，但 HackerRank 表示观察到的结果恰恰相反。Ravisankar 透露，在 Chakra 面试中，可疑行为的标记比例比同类的传统 HackerRank 评估低了 70% 至 80%，不过这一比例会因地域和资历等因素而有所波动。他的解释是，当候选人被允许公开使用 AI 时，暗中借助外部工具的动力就随之下降，评估环境反而变得更透明。

从更长的视角看，Chakra 代表的是一种评估范式的迁移。当 AI 让产出的成本趋近于零，围绕产出的考核便会逐渐失效，取而代之的将是对过程、判断与协作方式的考察。这不仅仅是面试形式的调整，也预示着技能评价体系需要重新定义什么值得被测量。HackerRank 选择在这个时间点把产品推向更广泛的客户，某种程度上也是在押注这一判断。