+++
title = "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"
date = 2026-06-08
description = "AIがコードを書ける時代に、コーディングテストで何を測定しているかを見直す際の確認事項"
[taxonomies]
tags = ["HR×AI", "コーディングテスト", "AIエンジニア", "採用評価", "技術面接"]
[extra]
public = true
belief_version = 1
ai_written = true
one_true_sentence = "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。"

[[extra.faqs]]
question = "AIエンジニア採用でコーディングテストは今でも有効ですか？"
answer = "設計次第では有効です。「動くコードを書けるか」を測定するテストはAIツールで解けてしまうため機能しませんが、「問題をどう分解するか」「AIの出力を評価できるか」「反復して改善できるか」を測定する設計なら有効です。テスト問題をAIツールに解かせて高品質な答えが30秒で出るなら、テスト設計の見直しが必要です。"

[[extra.faqs]]
question = "AIを使っていいコーディングテストはどう設計すればよいですか？"
answer = "3つのポイントがあります。①問題にコンテキストを入れる（実際のコードベースへの統合など、AIが単純に解けない状況を作る）。②プロセスを提出させる（完成コードだけでなく手順・詰まった点・アプローチ選択の理由を書かせる）。③制限時間を短くする（完璧なコードより優先順位の付け方を見る）。AIを使わせながら判断能力を評価できる設計が実務に近く有効です。"

[[extra.faqs]]
question = "コーディングテストを廃止した場合の代替評価方法は何ですか？"
answer = "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）と面接での深掘りの組み合わせが代替として機能します。また「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ます。コーディングテストは候補者の時間コストが高く、人気候補者の辞退率が上がる副作用もあるため、廃止によって採用競争力が上がるケースがあります。"

[[extra.faqs]]
question = "AIエンジニアにコーディングテストを出す前に採用担当者が試すべきことは何ですか？"
answer = "そのテスト問題をClaude Code・GitHub Copilot・ChatGPTなどのAIツールに解かせてみることです。AI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」です。これが測定したいことなら問題ありませんが、そうでなければテスト設計を変える必要があります。採用担当者自身がAIツールを試す経験が、評価設計の改善につながります。"
+++

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

- [AIエンジニア採用でテイクホームアサインメントをどう設計するか](/n/ai-engineer-takehome-assignment/) — コーディングテストの代替として機能するアサインメント設計
- [AI時代にエンジニアの評価軸が変わった具体的な3つのポイント](/n/ai-era-engineer-evaluation-shift/) — 知識量から抽象化・設計力への評価シフトの詳細
- [Claude CodeをHRや採用データ分析に使う方法](/n/claude-code-hr-data-analysis/) — AI採用プロセスにAIツールを活用する方法