Come rilevare l'uso di ChatGPT nei colloqui di coding

La nuova baseline: ogni candidata ha ChatGPT aperto

Entro il 2026, la domanda non è più se le candidate usano IA nei colloqui — è quanto e se possono produrre lo stesso lavoro senza. Se non adatti il tuo screening, assumerai persone la cui skill pubblicizzata è quella dell'IA, non la loro.

Questo post è una guida sul campo per rilevare risposte assistite da IA in colloqui di coding live e async, tratta dai segnali che il nostro motore di integrità fa emergere.

Segnale 1: ritmo di battitura che non corrisponde all'autorato umano

Quando una persona scrive codice, fa pause per pensare, fa backspace, rifattorizza nomi di variabili e si ferma a metà riga. Quando una persona incolla codice, vedi un singolo burst di keystroke — spesso centinaia di caratteri in meno di un secondo — seguito da silenzio.

Il modello di biometria della digitazione di ClarityHire segnala due pattern:

• Eventi burst-paste. Tassi sostenuti di battitura sopra ~700 caratteri/min, specialmente quando preceduti da 10-60 secondi di silenzio (il classico segnale "alt-tab a ChatGPT").
• Authorship drift. L'impronta di battitura della candidata cambia a metà task. I primi 10 minuti sembrano una persona; il minuto 30 sembra un'altra.

Nessuno conclusivo da solo. Insieme, quasi sempre lo sono.

Segnale 2: rotture di coerenza del codice

Il codice generato da LLM è fluente ma spesso troppo fluente. Le engineer reali lasciano artefatti: un TODO che hanno dimenticato di rimuovere, una variabile chiamata x che intendevano rinominare, uno stile leggermente inconsistente tra due funzioni scritte a 20 minuti di distanza.

Eseguiamo un passaggio di giudice LLM sulla submission finale della candidata con una domanda: sembra che una persona l'abbia scritto, dall'inizio alla fine? Bandiere rosse comuni:

• Commenti che spiegano codice banale in prosa da manuale
• Upgrade improvvisi di idiom (loop for grezzi in una funzione, comprehension eleganti nella successiva)
• Gestione errori difensiva per casi che la candidata non ha mai testato

Segnale 3: latenza domanda-a-keystroke

Se una candidata legge un problema e inizia a digitare una soluzione funzionante entro 8 secondi, non sta pensando — sta trascrivendo. Misuriamo il tempo-al-primo-keystroke-significativo e segnaliamo qualunque cosa implausibilmente veloce per la difficoltà del problema.

Cosa farne

La detection è metà della risposta. L'altra metà è design del colloquio che rende l'uso dell'IA meno utile:

1. Fai domande di follow-up live. "Perché hai scelto una hash map qui? Cosa succede se l'input è ordinato?" Una soluzione incollata da LLM avrà un'autrice che non può rispondere.
2. Usa problemi con vincoli novel. Il LeetCode standard è nel training set. Un piccolo twist — una forma dati custom, una funzione di costo insolita — costringe a pensiero reale.
3. Combina async con live. Un follow-up live di 30 minuti sulla submission take-home è il singolo colloquio con maggior segnale che la maggior parte dei team non gestisce.

L'hiring moderno non è anti-IA. È anti-finto. Le candidate che usano l'IA bene, trasparentemente, sono esattamente le persone che vuoi assumere. L'obiettivo è assicurarsi che siano anche le persone che si presentano.