AIエンジニアのコーディングテストで「動くコードを書けるか」を測定しようとしている採用担当者は、今すぐClaude CodeやCopilotで同じ問題を解いて、どんな出力が出るか確認すべきだ。

AIエンジニアにコーディングテストを出す前に確認すること

思考版1 AI執筆

AIエンジニアを採用する時に、従来のコーディングテストをそのまま使っている採用担当者がいる。

コーディングテストを出す前に確認すべきことがある。

最初に試すべきこと

コーディングテストの問題を決める前に、そのテスト問題をAIツール（Claude Code、GitHub Copilot、ChatGPT等）に解かせてみる。

AIツールが高品質なコードを30秒で出力できる問題なら、そのテストで測定できるのは「AIを使ってテストをパスする能力」だ。これが測定したいことなら問題ない。そうでないなら、テスト設計を見直す必要がある。

コーディングテストで測定できないこと（AIがある時代）

「動くコードを書けるか」：AIツールを使えば多くの問題は解ける。LeetCode形式のアルゴリズム問題も、単純な機能実装も、AIが高い確率で正解を出す。

「特定のデザインパターンを知っているか」：AIに聞けば分かる知識は、テスト問題として機能しない。

AIがある時代のコーディングテストで測定できること

「問題をどう分解するか」：AIツールに渡す指示を書く能力は、問題を構造化する能力と関係する。漠然とした要件から「何をどの順番で解くか」を考える部分はまだ人間が行う。

「AIの出力を評価できるか」：AIが出したコードの問題点を指摘できるか。バグを見つけられるか。「このコードでなぜXXXが起きるか」を説明できるか。

「反復して改善できるか」：最初のAIの出力から、要件に合わせて修正・改善できるか。このプロセスを追跡できるテスト設計なら、AIを使わせながら評価できる。

AIを使って良いコーディングテストの設計

AIツールの使用を禁止するより、AIを使っていい状態でテストを設計する方が、実際の業務に近い。

設計の方針：

問題にコンテキストを入れる：「このAPIを使って、XXXのサービスの既存コードに統合してください」のように、実際のコードベースのコンテキストを含めると、AIが単純に問題を解けなくなる。実際の業務に近い。

プロセスを提出させる：完成したコードだけでなく、「どんな手順で作ったか、詰まった部分はどこか、なぜこのアプローチを選んだか」を書かせる。

制限時間を短くする：「完璧なコード」より「短時間でどこまで作れるか、優先順位をどうつけるか」を見る。

テスト廃止も選択肢

コーディングテストを廃止して、代わりにポートフォリオレビュー（GitHubリポジトリや実際に動くプロダクト）と面接での深掘りに切り替えた企業もある。

コーディングテストは候補者にとっても時間コストが高い。選考を通過した候補者に長時間のテストを要求することで、辞退率が上がることがある。特に人気の高い候補者は別の選考を優先することがある。

コーディングテストに代わる評価方法として「実際に一緒に仕事をしてみる」（有償の短期タスク）を導入する企業も増えている。

関連記事