Google Imesema Ndiyo kwa AI Katika Usaili. Wataalamu Wamefurahi. Wengine Wote Wanapaswa Kuogopa.
Raundi za usaili wa uandishi wa msimbo (code) zinazosaidiwa na AI za kampuni hii kubwa ya utafutaji zinaashiria jambo la ndani zaidi kuliko sasisho la sera. Zinafichua ukweli ambao sekta imeukataa kwa muda mrefu: mtumiaji bora wa AI chumbani siku zote ni yule mwenye maarifa zaidi.
Kwa miongo kadhaa, usaili wa uandishi wa msimbo (code) ulikuwa ibada takatifu zaidi ya sekta ya teknolojia. Ubao mkononi, mtahiniwa ameketi mbele ya wasaili, bila vidokezo, bila nyaraka, bila zana. Ni kumbukumbu ghafi tu dhidi ya saa inayokwenda. Google ililikamilisha umbizo hili, na sekta nzima ikainama ipasavyo. Kile ambacho Google ilijaribu, ndicho kilichojaribiwa na Silicon Valley yote.
Enzi hiyo imeisha sasa.
Kwa mujibu wa waraka wa ndani uliopitiwa na Business Insider, Google inafanya majaribio ya umbizo jipya la usaili linaloruhusu, na kutathmini kikamilifu, matumizi ya AI wakati wa kipindi cha moja kwa moja cha uandishi wa msimbo. Kuanzia nusu ya pili ya 2026, watahiniwa wateule wa uhandisi wa programu wa ngazi ya chini na ya kati wataruhusiwa kutumia Gemini, msaidizi wa AI wa Google yenyewe, wakati wa raundi ya kuelewa msimbo. Badala ya kuandika kuanzia mwanzo, watahiniwa watasoma, kurekebisha makosa (debug), na kuboresha msimbo uliopo pamoja na msaidizi wa AI.
Sababu inayotolewa ni ya kustaajabisha kwa uwazi wake: robo tatu ya msimbo mpya unaoandikwa ndani ya Google sasa unatengenezwa na AI. Kampuni haioni mantiki ya kuwapima watahiniwa kwa njia ya kazi ambayo haiakisi tena jinsi wahandisi wanavyofanya kazi kwa kweli.
"Nadhani hii ni kama kumwomba mtoto afanye mtihani wa hesabu bila kikokotoo."
— Emily Cohen, Mkuu wa Watu na Uendeshaji, Cognition AI
Kile Google Inachokipima Hasa
Soma maandishi madogo na jambo muhimu linajitokeza. Wasaili watatathmini kwa uwazi "ufasaha wa AI" (AI fluency): uwezo wa kutengeneza prompt (maelekezo unayompa AI) zinazofaa, kuthibitisha matokeo ya AI, na kurekebisha makosa pale modeli inapokosea. Huu si muhuri wa kuidhinisha kutegemea AI. Ni jaribio lenye mpangilio la jinsi mtahiniwa anavyoweza kuiongoza AI kufikia matokeo sahihi.
Tofauti hiyo ni muhimu sana. Kwa sababu mara tu unaporuhusu AI ndani ya chumba cha usaili, unaleta kigezo kinachowatenganisha watahiniwa kwa kasi kuliko ubao wowote ule uliowahi kufanya: kina cha ujuzi wa fani.
Google haishushi kiwango. Inakipandisha kuelekea upande ambao watahiniwa wengi hawajajiandaa nao. Kujua kufungua kiolesura cha chat hakumaanishi chochote. Kujua kuuliza swali sahihi, kutambua jibu lisilo sahihi, na kusukuma kuelekea suluhisho bora kabisa, hilo linahitaji utaalamu wa kweli.
Hoja ya Siri: Wataalamu wa Fani Hushinda Daima
Watahiniwa wawili wanapokaa na zana ileile ya AI na kukabiliana na tatizo lilelile, kinachowatenganisha si nani anaandika kwa kasi zaidi. Ni nani anayelielewa tatizo kwa kina cha kutosha kujua kama jibu la AI ni zuri, la wastani, au lenye makosa hatari.
AI ni kizidisha nguvu. Kama kizidisha chochote, inakuza kile unachokileta kwake. Prompt ya juujuu kutoka kwa mwanzilishi hurudisha matokeo ya juujuu, kwa haraka zaidi. Prompt sahihi ya kitaalamu hurudisha ufahamu ambao mwanzilishi hata hangejua kuuomba. AI haizibi pengo la utaalamu. Inalipanua.
Njia iliyo wazi zaidi ya kuona hili ni kulinganisha jinsi mtaalamu na mtumiaji wa kawaida wanavyoshughulikia kazi ileile katika fani tofauti.
Mtaalamu dhidi ya Mtumiaji wa Kawaida: AI Ileile, Matokeo Tofauti Sana
"Chambua mwenendo wa mtiririko huru wa fedha (free cash flow) wa kampuni hii kwa miaka 5, onyesha tofauti na faida halisi iliyoripotiwa, na bainisha marekebisho yasiyo ya fedha taslimu yanayoweza kuashiria matatizo ya ubora wa mapato. Tumia mgawanyo wa DuPont kutenganisha vichocheo vya ROE."
Anatumia mfumo uliotajwa kwa jina, anatarajia mahali ambapo modeli hupotosha, na anabana ombi lake kwa usahihi.
"Hii ni hisa nzuri ya kununua?"
Hakuna mfumo, hakuna muktadha. AI inarudisha tahadhari za jumla na muhtasari wa juujuu usiomsaidia mtu yeyote.
"Huduma hii ya Node.js inashughulikia maombi 10k kwa sekunde. Ucheleweshaji wa p99 unapanda kila baada ya dakika ~4. Nashuku shinikizo la GC kutokana na ugawaji wa vitu vikubwa katika mfumo wa kuchakata maombi. Pendekeza hatua zilizolengwa za kupima utendaji (profiling) na chaguo za kubadilisha muundo zinazoepuka mgawanyiko wa heap."
Anagundua tatizo kabla ya kuuliza. Anatoa muktadha wa mfumo, anataja chanzo kinachowezekana, na anaomba suluhisho lililobanwa.
"Programu yangu ni polepole. Nitairekebishaje?"
Hakuna muktadha, hakuna dhana ya awali. AI inarudisha orodha ya jumla, ambayo hakuna hata moja yake inaweza kufaa muundo huu.
"Mgonjwa ni mwanaume wa miaka 58, T2DM, CKD hatua ya 3, mpapatiko wa atiria (atrial fibrillation) mpya. Dawa za sasa: metformin, lisinopril. Tathmini chaguo za dawa za kuzuia kuganda kwa damu ukizingatia vikwazo vya kipimo kwa figo na hatari ya kuvuja damu kwa kutumia CHA₂DS₂-VASc na HAS-BLED."
Anatumia zana zenye muundo za alama za kitabibu, anazingatia magonjwa yanayoambatana, anaomba chaguo zinazofaa kifamasia, si orodha ya jumla.
"Moyo wangu unadunda vibaya. Nitumie dawa gani?"
Hawezi kubainisha hali, kutathmini matokeo, au kuchukua hatua salama kulingana na jibu. AI inajihadhari ipasavyo.
"Pitia MSA hii ya SaaS kutafuta vifungu vya fidia vinavyoegemea upande mmoja, mfiduo wa dhima usio na ukomo, na masharti ya kujifanya upya kiotomatiki yanayokinzana na sera za ununuzi za makampuni makubwa. Onyesha utata wowote wa umiliki wa mali ya kiakili (IP) katika kifungu cha work-for-hire."
Anatumia istilahi sahihi za kisheria, anafafanua wigo kamili wa mapitio, na anajua ni vifungu vipi vina hatari halisi.
"Unaweza kukagua mkataba huu na kuniambia kama ni sawa kusaini?"
Hakuna mfumo wa kisheria uliotumika. AI inaweza kuonyesha masuala dhahiri lakini inakosa vifungu vya hatari fiche ambavyo mtaalamu huvikamata papo hapo.
"Buni mfululizo wa masomo 3 kwa wanafunzi wa darasa la 2 kuhusu thamani ya mahali (place value) kwa kutumia mwendelezo wa CPA wa Bruner (Halisi–Picha–Dhahania). Jumuisha vituo vya tathmini ya kiundani na mikakati ya utofautishaji kwa wanafunzi wanaosoma kiwango 1–2 chini ya darasa lao."
Anatumia mfumo wa kimbinu uliotajwa kwa jina, anabainisha wasifu wa mwanafunzi, anapanga matokeo yaendane na jinsi ufundishaji bora unavyobuniwa kwa kweli.
"Nitamfundishaje mtoto wangu kuhusu namba?"
Pana mno, hakuna kiwango cha darasa, hakuna mfumo. AI inarudisha shughuli za jumla zisizohusiana na jinsi darasa la mtoto linavyofundisha dhana hiyo.
"AI haizibi pengo la utaalamu. Inalipanua. Kila fani, kila kazi, kila prompt."
— TIBLOGICS AI Times
Maana Yake kwa Kazi Yako
Katika kila fani zilizotajwa hapo juu, mtindo ni uleule. Mtaalamu hapati tu jibu bora zaidi, anapata jibu ambalo kwa kweli ni linaloweza kutumika. Mtumiaji wa kawaida anapata kelele asiyoweza kuzitathmini. Na pengo hilo hukua kadiri muda unavyopita: mtaalamu hutumia AI kuharakisha utaalamu wake, huku mwanzilishi akitumia AI kukwepa kujifunza ambako bado hajafanya, na hatimaye hukwama pale matokeo yanapoacha kuwa mazuri vya kutosha.
Jaribio la Google linaweka ukweli huu ndani ya uajiri. Kwa kutathmini uhandisi wa prompt, uthibitishaji wa matokeo, na urekebishaji wa makosa wakati wa kipindi cha moja kwa moja, wanapima kitu mahususi: je, unaweza kujua pale AI inapokosea? Swali hilo lina jibu moja tu la uaminifu: huwezi, usipoijua fani.
Wataalamu walio hatarini zaidi katika enzi ya AI si wale wasio na ujuzi wa AI. Ni wale wasio na ujuzi wa fani na wanaotarajia AI izibe pengo hilo. Haizibi kamwe. Si kwa njia endelevu. Zama ndani zaidi katika fani yako. Mhandisi bora wa prompt katika chumba chochote siku zote ni mtu anayeijua mada vizuri kiasi cha kutambua modeli inaposema uongo.
Hesabu Pana ya Sekta
Google haiko peke yake. Meta ilizindua raundi za uandishi wa msimbo zinazoruhusu AI mwishoni mwa 2025. Canva ilitangaza hadharani kwamba inatarajia watahiniwa wa uhandisi watumie Copilot, Cursor, na Claude wakati wa usaili wa kiufundi. Shopify na Rippling zimefuata. Usaili wa ubao pekee ni masalio ya ulimwengu wa kabla ya AI, na sekta inajua hilo.
Kinachosubiriwa kuonekana ni kama kampuni zitafuata mwongozo wa Google katika kupanga tathmini, si kufungua mlango kwa AI tu, bali kupima kikamilifu jinsi watahiniwa wanavyoshirikiana nayo. Kuruhusu AI ni rahisi. Kujenga mfumo wa tathmini unaotofautisha mtaalamu anayetumia AI na mwanzilishi anayeegemea juu yake, hilo linahitaji kufikiri kwa kina kuhusu maana halisi ya umahiri wa kitaaluma mwaka 2026.
Google inabeti kwenye utaalamu. Kampuni zenye busara zaidi siku zote zilifanya hivyo.
Nataka kuongeza jambo ambalo sekta bado haijalizungumzia, na nadhani litakuwa kipimo halisi cha tathmini mapema kuliko watu wanavyotarajia.
Matumizi ya token.
Fikiria hivi. Kama kampuni tayari zinaruhusu AI katika usaili, hatua inayofuata kimantiki ni kuweka vifaa vya kupima kipindi. Na mara tu unapoweza kupima jinsi mtahiniwa anavyotumia zana ya AI kwa wakati halisi, mojawapo ya ishara zinazofichua zaidi unazoweza kukusanya ni: ilimchukua token ngapi (vipande vya maandishi vinavyopimwa na AI) kufikia jibu sahihi?
"Mtaalamu hufikia suluhisho kwa prompt tatu sahihi. Mwanzilishi huchoma ishirini akijaribu kubaini swali la kuuliza."
— Tieyiwe Bassole, Mwanzilishi, TIBLOGICS
Hoja yangu ni hii: wataalamu watafikia suluhisho sahihi mara kwa mara huku wakitumia token chache zaidi kuliko wanaoanza. Si kwa sababu wanaandika kidogo, bali kwa sababu wanafanya kazi kutoka kwenye mkondo mfupi zaidi wa kujifunza. Mwanzilishi anaingia kwenye kipindi bado anajifunza fani na zana kwa wakati mmoja. Matumizi yake ya token yanaonekana kama uchunguzi. Mtaalamu tayari anajua anachotafuta. Matumizi yake ya token yanaonekana kama utekelezaji.
Mhandisi mtaalamu wa programu haiombi AI ieleze garbage collection ni nini kabla ya kuuliza kuhusu shinikizo la GC. Mchambuzi mzoefu wa fedha haiambii AI ifafanue free cash flow kabla ya kuomba mgawanyo wa DuPont. Wanaruka kabisa awamu ya utambulisho, na ufupisho huo unaonekana moja kwa moja kwenye kumbukumbu ya token.
Hili ni muhimu zaidi ya usaili. Katika mazingira halisi ya kazi, matumizi ya token ni gharama ya uendeshaji. Timu ya watumiaji wa juujuu wa AI wanaochoma token mara 6 zaidi kuliko timu ya wataalamu wa fani ili kuzalisha matokeo yanayolingana ni njia ya moja kwa moja ya kumomonyoa faida na kuchelewesha utoaji. Ufanisi wa token unakaribia kuwa kipimo mbadala cha umahiri wa kitaaluma, na kwa kiwango kikubwa, kipengele halisi katika taarifa ya faida na hasara.
Ndani ya mizunguko miwili ijayo ya uajiri, angalau kampuni moja kubwa ya teknolojia itaongeza ufanisi wa token kwenye vigezo vyake vya usaili wa AI, ikipima si tu kama mtahiniwa alipata suluhisho, bali alilifikiaje kwa matumizi madogo. Piga picha ya skrini ya hili.
Google imefungua mlango kwa AI katika usaili. Mageuzi yanayofuata ni kupima ubora wa jinsi watahiniwa wanavyoitumia. Na hilo litakapotokea, kumbukumbu ya token itakuambia kila kitu kuhusu nani anajua kweli ufundi wake, na nani alikuwa anatumaini AI itamfikiria.
Utaalamu haukuwa hiari kamwe. Umekuwa tu unaopimika kwa njia mpya kabisa.
Ready to implement AI in your business?
Our team builds the AI systems you just read about. Start with a free 30-minute discovery meeting.