Felix Rieseberg, responsable de ingeniería en Anthropic, dejó de pedir pruebas de programación a quienes buscan sumarse a su equipo. El hallazgo detrás de la decisión es simple: Claude ya supera a muchas personas en tareas como React (una herramienta para crear interfaces web) y lenguaje ensamblador (instrucciones muy cercanas al hardware).
Rieseberg explicó el cambio el 27 de octubre en su blog personal. Allí señala que una prueba técnica ofrecía antes una pista útil sobre cómo alguien entendía un problema, pero ese mecanismo perdió parte de su valor cuando la IA puede resolver el ejercicio con mayor velocidad y precisión.
La pieza clave no es solo que Claude programe mejor. El responsable también observó algo dentro de Anthropic: los ingenieros que más empujan proyectos no siempre son quienes brillan frente a una pantalla durante una entrevista.
La entrevista ya no mide el mismo engranaje
La IA funciona ahora como una caja de herramientas muy rápida. Puede sugerir código, corregir errores y construir partes repetitivas. Pero alguien debe decidir qué pared abrir, qué problema vale la pena resolver y cuándo una solución aparentemente brillante puede complicar todo el sistema.
El nuevo interruptor de valor está en pasar de “escribir código” a “saber qué construir con él”. Para Rieseberg, esa diferencia aparece con más claridad en los proyectos personales que en una prueba preparada y breve.
Por eso, al revisar currículos y porfolios, presta atención a preguntas concretas. Quiere saber qué problema eligió atacar cada candidato, si comprendió a los usuarios y cuáles fueron las decisiones que permitieron que la idea funcionara.
El caso de Anthony Morris y Alice Zhao sirve como ejemplo. Ambos acababan de incorporarse a Anthropic cuando detectaron una oportunidad: Claude Code, una herramienta para programar con Claude, se usaba habitualmente desde el terminal (una ventana para escribir órdenes al ordenador).
Los dos ingenieros imaginaron otra puerta de entrada: una interfaz gráfica, es decir, una pantalla con botones y elementos visuales. En lugar de esperar autorizaciones o acumular reuniones, construyeron un prototipo funcional durante un fin de semana.
Unos ocho días después, la primera versión pública ya estaba disponible. El dato revela qué clase de señal busca Rieseberg: no una demostración de conocimientos aislados, sino la capacidad de detectar una fricción cotidiana y convertirla en una herramienta útil.
Una oportunidad para quienes empiezan
Rieseberg aconseja a los profesionales jóvenes concentrarse en una sola idea. El error frecuente consiste en querer mostrarlo todo dentro del mismo prototipo: un lenguaje nuevo, un sistema que lo sostiene y varias aplicaciones móviles. El resultado puede parecer una habitación llena de cables donde nadie encuentra el enchufe central.
En cambio, un proyecto pequeño y claro permite ver el razonamiento. Muestra qué necesidad se identificó, qué se dejó afuera y cómo se llegó a una primera respuesta. Esa capacidad de elegir también es ingeniería.
La medida, por ahora, solo afecta a las contrataciones del equipo de Rieseberg. Él reconoce que todavía busca una fórmula eficaz para entrevistar a personas que trabajan bien junto a la IA, aunque considera poco probable que las pruebas de programación regresen.
La oportunidad, entonces, no consiste en competir contra la máquina como si fuera un examen. Consiste en aprender a usar ese nuevo cableado para convertir una buena intuición en algo que otras personas puedan usar.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
