Anthropic endurece una y otra vez sus pruebas técnicas porque los candidatos hacen trampa con Claude

ANTHROPIC ENDURECE UNA Y OTRA VEZ SUS PRUEBAS TÉCNICAS PORQUE LOS CANDIDATOS HACEN TRAMPA CON CLAUDE

La inteligencia artificial avanza a gran velocidad y los modelos de lenguaje potentes ya están al alcance de un público amplio. En este contexto, los métodos tradicionales para evaluar la cualificación de los profesionales afrontan retos sin precedentes. El equipo de optimización de rendimiento de la estadounidense Anthropic, conocida por desarrollar el avanzado modelo Claude, se ha topado con un problema poco habitual: su propia creación, o más bien herramientas de IA similares, ha empezado a «copiar» en las entrevistas de trabajo.

Desde principios de 2024, Anthropic recurre a pruebas técnicas para hacer en casa con el fin de evaluar las habilidades de los candidatos a puestos de ingeniería. El objetivo de este formato es que los aspirantes puedan demostrar sus conocimientos y capacidades en un entorno más tranquilo y reflexivo que el de una entrevista convencional. Sin embargo, el desarrollo de herramientas de IA para escribir código, como GitHub Copilot, y la mejora de los propios grandes modelos de lenguaje han hecho que estas pruebas se resuelvan con demasiada facilidad gracias a ellos.

Como resultado, evaluar de forma objetiva la cualificación de un candidato se volvió complicado, ya que no se podía saber con certeza quién había resuelto realmente el ejercicio: el aspirante o la inteligencia artificial.

Para frenar esta tendencia y evitar las trampas, los ingenieros de Anthropic tienen que revisar y endurecer constantemente las pruebas. La idea es diseñar problemas que exijan una comprensión profunda del contexto, un enfoque poco convencional y creatividad: precisamente los ámbitos en los que los modelos de IA actuales, pese a sus impresionantes capacidades, todavía están por detrás de los humanos. No se trata de ejercicios que pidan reproducir algoritmos conocidos o escribir código estándar, sino de problemas que obligan a analizar sistemas complejos, tomar decisiones en condiciones de incertidumbre, integrar conocimientos dispersos y demostrar un pensamiento original.

Este tipo de tareas es más difícil de automatizar y de «pasarle» a un modelo de lenguaje para obtener una solución lista para usar.

La situación pone de relieve lo difícil que resulta evaluar las habilidades humanas ahora que las herramientas de IA potentes están disponibles en todas partes. La frontera entre la competencia humana y las capacidades de la inteligencia artificial es cada vez más difusa. Empresas de todo el mundo empiezan a plantearse nuevas formas de reclutar y evaluar al personal que tengan en cuenta la realidad del panorama tecnológico actual.

Quizá el futuro pase por valorar no solo el resultado final, sino también el propio proceso de resolución: analizar el razonamiento y comprobar la capacidad de adaptación y aprendizaje. Al enfrentarse a este problema en primera línea, Anthropic muestra en la práctica cómo el sector se ve obligado a adaptarse a unas condiciones cambiantes en las que la IA es una herramienta de trabajo y, a la vez, un factor que altera las reglas del juego en la contratación.

En definitiva, el endurecimiento continuo de las pruebas técnicas en Anthropic es un claro ejemplo de cómo el progreso tecnológico exige flexibilidad e innovación en todos los ámbitos de la actividad humana, incluida la selección de personal. Obliga a replantear el propio concepto de idoneidad profesional y a buscar métodos de evaluación nuevos y más fiables, capaces de distinguir el talento humano genuino de las respuestas hábilmente generadas por IA. En una época en la que la IA se convierte en un asistente universal, necesitamos nuevas formas de evaluar qué significa realmente ser un profesional competente.