Felix Rieseberg cuestiona los ejercicios tradicionales de programación para contratar en su equipo. Su propuesta pone el foco en los prototipos útiles, aunque reconoce que todavía no tiene una evaluación definitiva para el trabajo con IA.
Cuando resolver el ejercicio deja de distinguir al candidato
Si una herramienta de IA resuelve una prueba de programación, ¿qué debería demostrar la persona que aspira al puesto? Felix Rieseberg, responsable de ingeniería en Anthropic, plantea esa pregunta en un artículo publicado el 27 de octubre de 2026.
Rieseberg explica que ha dejado de utilizar las entrevistas tradicionales de código en su equipo. Considera que los pequeños ejercicios ya no le ayudan a identificar a quienes tendrán más impacto trabajando con IA.
Su planteamiento favorece la iniciativa: comprender un problema, elegir una solución y convertirla en una demostración convincente.
Qué significa «junior» en su argumento
Rieseberg no utiliza el término únicamente para hablar de personas que empiezan a programar. También se refiere a profesionales sin influencia, posición o una red de contactos dentro de su organización.
Su consejo es identificar un objetivo importante para el negocio y construir un prototipo centrado en una sola idea. Según su experiencia, una mirada nueva puede detectar problemas que el equipo ha terminado aceptando como inevitables.
Por ahora, busca en los portfolios señales de criterio, empatía y decisiones fundamentadas. También reconoce que aún no ha resuelto cómo entrevistar a quienes trabajan bien con IA.
No es una política general de Anthropic
El alcance de estas declaraciones importa. La página pública de empleo de Anthropic sigue describiendo entrevistas técnicas con herramientas de programación en directo, como Colab y CodeSignal.
Además, su guía para candidatos indica que las pruebas para realizar en casa y las entrevistas en directo deben completarse sin ayuda de IA, salvo que se autorice expresamente.
Por tanto, quien participe en un proceso de selección debe seguir las instrucciones de esa vacante. Las opiniones de un responsable de equipo no sustituyen las condiciones comunicadas por la empresa.
Qué aporta un prototipo a una conversación de trabajo
Un prototipo permite discutir una propuesta con algo visible. En lugar de explicar durante veinte minutos cómo podría funcionar una mejora, se puede mostrar un recorrido y observar dónde aparecen las dudas.
Pensemos en una herramienta interna para clasificar solicitudes de clientes. Una primera versión podría demostrar cómo agrupa los mensajes y qué casos deja pendientes de revisión. Esa demostración permite preguntar si las categorías son útiles y si realmente ahorra trabajo.
El ejemplo es ilustrativo. La idea editorial es que una propuesta gana fuerza cuando permite comprobar una hipótesis concreta. Añadir muchas funciones puede dificultar esa comprobación si oculta el problema principal.
El criterio técnico sigue teniendo trabajo que hacer
Una demostración convincente todavía necesita convertirse en un producto fiable. En el ejemplo anterior, habría que comprobar qué ocurre con mensajes ambiguos, datos incompletos, permisos incorrectos o un volumen de solicitudes mucho mayor.
También habría que decidir qué errores son tolerables y cuáles requieren intervención humana. Si una clasificación equivocada deja sin atender una petición importante, la calidad de la interfaz no compensa el fallo.
Estas preguntas muestran por qué generar código y responsabilizarse de una solución son tareas relacionadas, pero diferentes. El conocimiento técnico ayuda a evaluar los límites de lo construido y a corregirlos.
Cómo presentar un proyecto para que muestre tus decisiones
Para quien esté preparando un portfolio, estas son propuestas de presentación, no requisitos oficiales de Anthropic:
- Explica el problema. Identifica quién lo tiene y qué dificultad concreta quieres resolver.
- Muestra un recorrido completo. Una función bien delimitada permite entender mejor la propuesta.
- Describe tu aportación. Aclara qué decisiones tomaste y cómo utilizaste la IA.
- Documenta las comprobaciones. Incluye qué probaste, qué falló y qué cambiaste.
- Reconoce los límites. Distingue lo que funciona en una demostración de lo que faltaría para utilizarlo en producción.
Una explicación así permite valorar el razonamiento detrás del resultado. También ofrece más información que una captura de pantalla o una lista de tecnologías.
Evaluar iniciativa sin confundirla con disponibilidad
Dar más peso a los proyectos personales también plantea una cuestión para quienes contratan: no todas las personas disponen del mismo tiempo, recursos o acceso a herramientas para construir fuera de su jornada.
Un proceso de evaluación debería distinguir la iniciativa profesional de la posibilidad de dedicar horas adicionales a una candidatura. Un ejercicio acotado y con condiciones claras puede ayudar a comparar decisiones sin convertir el tiempo libre en una ventaja oculta.
La pregunta pendiente para la contratación técnica
Las declaraciones de Rieseberg abren un debate sobre qué evidencia necesita una empresa para contratar bien. Un ejercicio breve, un portfolio y una conversación sobre un proyecto muestran aspectos diferentes de una persona.
Si el puesto incluye trabajar con IA, tendrá sentido observar cómo el candidato formula el problema, comprueba los resultados y responde cuando la herramienta se equivoca. La dificultad está en evaluar esas capacidades de forma consistente y justa.
Una aplicación que funciona es un punto de partida. Poder explicar por qué funciona, para quién resulta útil y qué falta por resolver permite conocer mucho mejor a quien la ha construido.
Fuentes consultadas
- Felix Rieseberg: Hunger beats tenure: Advice for junior engineers.
- Anthropic: información pública sobre contratación y entrevistas.
- Anthropic: guía de uso de IA durante el proceso de selección.
- The Decoder: análisis de las declaraciones de Rieseberg.
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
