In dit artikel bespreekt de auteur, een Head of Engineering, de onvoorziene kosten die gepaard gaan met het moderne sollicitatieproces voor software-engineers. Nu het gebruik van Large Language Models (LLM's) essentieel is geworden, verwachten bedrijven vaak dat kandidaten deze tools gebruiken tijdens technische uitdagingen. Echter, de beste tools vereisen vaak een betaald abonnement, wat een financiële drempel vormt voor kandidaten die momenteel geen inkomen hebben.
Om deze ongelijkheid tegen te gaan, stelt de auteur verschillende aanpassingen voor in het wervingsproces:
- Uitdagingen later plannen: Alleen tokens laten verbruiken wanneer er al een serieuze wederzijdse interesse is.
- Opdrachten verkleinen: Zorgen dat taken uitvoerbaar zijn met gratis versies of basisabonnementen van AI-tools.
- Live-sessies: De AI laten draaien op bedrijfaccounts tijdens een gezamenlijke sessie, wat tevens inzicht geeft in het denkproces van de kandidaat.
- Focus verschuiven: Meer waarde hechten aan architecturale discussies en redeneringen over trade-offs dan aan de gegenereerde code zelf, aangezien code minder zegt over de programmeur wanneer een LLM het grootste deel kan schrijven.
De kosten van het zoeken naar een baan vandaag de dag
Een paar maanden geleden ben ik aangesteld als Head of Engineering, en met die rol kwam het deel van de baan dat ik altijd het moeilijkst heb gevonden: werven. Ik heb geluk dat ik al met geweldige mensen werk. Maar in een startup is er een constante, stille druk om te blijven zoeken naar talent, want op het moment dat je daadwerkelijk iemand nodig hebt, kun je het je niet veroorloven om drie maanden te wachten op de perfecte kandidaat.
Vaardigheden zijn niet het hele verhaal
Ik had vroeger grote ideeën over meritocratie. Mensen zouden aangenomen moeten worden op basis van hun vaardigheden en niets anders. Daar zat ik volledig naast. Hoe je je gedraagt, hoe je met anderen omgaat, hoe je problemen aanpakt en de energie die je in een team brengt, zijn net zo belangrijk als je technische kunnen, en vaak zelfs belangrijker.
Vanuit mijn overigens anekdotische en beperkte standpunt geldt dat zodra je een basisniveau van competentie hebt bereikt, je bereidheid om het werk te doen je veel verder brengt dan het feit dat je net iets meer weet. In een startup is dit logisch. Het is de manier waarop kleine teams met beperkte capaciteit erin slagen om concurrentie aan te gaan met giganten met duizenden werknemers; bedrijven die je voor elke engineer op de markt kunnen overbieden.
Blokkades die niets met jou te maken hebben
Daarom doet het pijn wanneer goede engineers — het soort dat werkelijk zeldzaam is — niet bij ons kunnen komen werken om redenen die niets met hen als engineer te maken hebben. Ze kunnen geen visum krijgen. Ze wonen in een andere stad. De contractvoorwaarden werken niet voor hen.
De laatste tijd houdt echter iets anders me bezig. Ik geloof dat het gebruik van LLM's (Large Language Models) inmiddels een essentieel onderdeel is van software engineering. Daarom verwachten we in onze interviews en technische uitdagingen dat kandidaten deze gebruiken.
Kijk eens vanuit de andere kant
Stel je voor dat jij degene bent die op zoek is naar een baan. Je hebt geen inkomen. Banen zoeken is tegenwoordig grotendeels een kansspel, dus het kan zijn dat je in één week met vijf verschillende bedrijven op gesprek gaat. En elk van die bedrijven geeft je een uitdaging waarbij wordt verwacht dat je AI gebruikt.
AI is niet gratis. De tools die echt goed zijn in coderen vereisen een maandelijks abonnement of API-credits. Je betaalt daar dus voor op een moment dat financieel gezien misschien wel een van de slechtste periodes van je leven is.
De gebruikelijke reactie is: "Het is altijd al zo geweest. Je had altijd geld nodig om een baan te krijgen." En dat is waar. Je hebt huisvesting, kleding en voedsel nodig om überhaupt in de positie te zijn om te solliciteren. Maar geen van die zaken bestaat alleen om ervoor te zorgen dat je wordt aangenomen. De kosten voor LLM's zijn anders. Ze zijn vluchtig en hun enige doel is het bemachtigen van de baan.
Er is geen simpel antwoord
Dit brengt me in een ongemakkelijke positie. Ik kan de status quo accepteren, wetende dat we een niet-verwaarloosbaar aantal goede engineers zullen verliezen, simpelweg omdat ze zich geen fatsoenlijk model konden veroorloven voor hun uitdaging. Of ik kan iets anders proberen.
Ik heb hier veel over nagedacht en er is geen bevredigende oplossing. Kandidaten een bedrijfsaccount geven voor de uitdaging is geen optie: dat is een aansprakelijkheidsrisico en ik kan niet garanderen hoe het account gebruikt zal worden. Het terugbetalen van de gemaakte kosten werkt ook niet. Dat is als zakelijke uitgave moeilijk te rechtvaardigen en het glijdt snel af naar een financieel grijs gebied.
Wat ik wél kan veranderen
Als ik de kosten niet kan wegnemen, is het proces het enige waar ik wel controle over heb. Het doel wordt dan om kandidaten zo min mogelijk te laten betalen, en alleen wanneer dat echt nodig is.
- Verplaats de uitdaging naar een later stadium. Niemand zou tokens moeten verbruiken voor een bedrijf dat nog geen fatsoenlijk gesprek met hen heeft gevoerd. Als je bij onze uitdagingsfase komt, is dat omdat we al serieus geïnteresseerd zijn, waardoor de kans veel groter is dat de uitgaven resulteren in een aanbod.
- Maak het kleiner. Een uitdaging waarvoor een topmodel urenlang moet draaien, test niet de kandidaat, maar diens portemonnee. Ik geef de voorkeur aan een strak, goed afgebakend probleem dat prima werkt op een gratis versie of een basisabonnement, om vervolgens de rest van de tijd te praten over hoe je het hebt aangepakt. In dat gesprek leer ik sowieso het meeste.
- Doe het samen. Dit is de optie waar ik het meest van hou. In plaats van een thuisopdracht, een live-sessie waarbij de kandidaat de leiding heeft en de AI draait op onze zijde, op onze machine en ons account. Geen aansprakelijkheid, niets om terug te betalen, geen grijze gebieden. En ik kan zien waar ik echt om geef: hoe je denkt, hoe je communiceert en hoe je reageert wanneer het model je met volle overtuiging iets fouts voorschotelt.
- Geef de code minder gewicht. Eerlijk gezegd is de grootste verandering hoeveel de uitdaging überhaupt meetelt. Tegenwoordig hecht ik veel meer waarde aan een goed gesprek over architectuur en hoe je graag software bouwt: hoe je een systeem zou structureren, waar je de grenzen zou trekken en hoe je denkt over testen, reviews en het uitrollen van software. Wanneer een LLM het grootste deel van de code kan schrijven, vertelt de code me minder over jou. Hoe je redeneert over trade-offs vertelt me veel meer, en dat gesprek kost je niets.
Geen van deze oplossingen is perfect. Live-sessies zijn voor sommige mensen stressvol en een kleinere uitdaging laat minder zien. Maar ik kies liever bewust voor een compromis dan dat ik doe alsof het probleem niet bestaat.
Als je ook mensen aanneemt, vraag jezelf dan af hoeveel jouw proces kost voor iemand die op dit moment geen inkomen heeft. En hoeveel goede mensen je misschien verliest zonder dat je het ooit zult weten.
***
Voetnoot: Als je in Berlijn woont, gemakkelijk naar ons kantoor op Rosenthaler Platz kunt komen en houdt van startup-omgevingen, stuur me dan een e-mail naar gerard (at) konvoai (dot) com. Vertel me als ijsbreker wat je denkt over RAG, hoe je het in het verleden hebt gebruikt en of er iets beters zou kunnen zijn voor agentic AI-assistenten. :)
De kosten van het zoeken naar een baan vandaag de dag
Een paar maanden geleden ben ik aangesteld als Head of Engineering, en met die rol kwam het deel van de baan dat ik altijd het moeilijkst heb gevonden: werven. Ik heb geluk dat ik al met geweldige mensen werk. Maar in een startup is er een constante, stille druk om te blijven zoeken naar talent, want op het moment dat je daadwerkelijk iemand nodig hebt, kun je het je niet veroorloven om drie maanden te wachten op de perfecte kandidaat.
Vaardigheden zijn niet het hele verhaal
Ik had vroeger grote ideeën over meritocratie. Mensen zouden aangenomen moeten worden op basis van hun vaardigheden en niets anders. Daar zat ik volledig naast. Hoe je je gedraagt, hoe je met anderen omgaat, hoe je problemen aanpakt en de energie die je in een team brengt, zijn net zo belangrijk als je technische kunnen, en vaak zelfs belangrijker.
Vanuit mijn overigens anekdotische en beperkte standpunt geldt dat zodra je een basisniveau van competentie hebt bereikt, je bereidheid om het werk te doen je veel verder brengt dan het feit dat je net iets meer weet. In een startup is dit logisch. Het is de manier waarop kleine teams met beperkte capaciteit erin slagen om concurrentie aan te gaan met giganten met duizenden werknemers; bedrijven die je voor elke engineer op de markt kunnen overbieden.
Blokkades die niets met jou te maken hebben
Daarom doet het pijn wanneer goede engineers — het soort dat werkelijk zeldzaam is — niet bij ons kunnen komen werken om redenen die niets met hen als engineer te maken hebben. Ze kunnen geen visum krijgen. Ze wonen in een andere stad. De contractvoorwaarden werken niet voor hen.
De laatste tijd houdt echter iets anders me bezig. Ik geloof dat het gebruik van LLM's (Large Language Models) inmiddels een essentieel onderdeel is van software engineering. Daarom verwachten we in onze interviews en technische uitdagingen dat kandidaten deze gebruiken.
Kijk eens vanuit de andere kant
Stel je voor dat jij degene bent die op zoek is naar een baan. Je hebt geen inkomen. Banen zoeken is tegenwoordig grotendeels een kansspel, dus het kan zijn dat je in één week met vijf verschillende bedrijven op gesprek gaat. En elk van die bedrijven geeft je een uitdaging waarbij wordt verwacht dat je AI gebruikt.
AI is niet gratis. De tools die echt goed zijn in coderen vereisen een maandelijks abonnement of API-credits. Je betaalt daar dus voor op een moment dat financieel gezien misschien wel een van de slechtste periodes van je leven is.
De gebruikelijke reactie is: "Het is altijd al zo geweest. Je had altijd geld nodig om een baan te krijgen." En dat is waar. Je hebt huisvesting, kleding en voedsel nodig om überhaupt in de positie te zijn om te solliciteren. Maar geen van die zaken bestaat alleen om ervoor te zorgen dat je wordt aangenomen. De kosten voor LLM's zijn anders. Ze zijn vluchtig en hun enige doel is het bemachtigen van de baan.
Er is geen simpel antwoord
Dit brengt me in een ongemakkelijke positie. Ik kan de status quo accepteren, wetende dat we een niet-verwaarloosbaar aantal goede engineers zullen verliezen, simpelweg omdat ze zich geen fatsoenlijk model konden veroorloven voor hun uitdaging. Of ik kan iets anders proberen.
Ik heb hier veel over nagedacht en er is geen bevredigende oplossing. Kandidaten een bedrijfsaccount geven voor de uitdaging is geen optie: dat is een aansprakelijkheidsrisico en ik kan niet garanderen hoe het account gebruikt zal worden. Het terugbetalen van de gemaakte kosten werkt ook niet. Dat is als zakelijke uitgave moeilijk te rechtvaardigen en het glijdt snel af naar een financieel grijs gebied.
Wat ik wél kan veranderen
Als ik de kosten niet kan wegnemen, is het proces het enige waar ik wel controle over heb. Het doel wordt dan om kandidaten zo min mogelijk te laten betalen, en alleen wanneer dat echt nodig is.
- Verplaats de uitdaging naar een later stadium. Niemand zou tokens moeten verbruiken voor een bedrijf dat nog geen fatsoenlijk gesprek met hen heeft gevoerd. Als je bij onze uitdagingsfase komt, is dat omdat we al serieus geïnteresseerd zijn, waardoor de kans veel groter is dat de uitgaven resulteren in een aanbod.
- Maak het kleiner. Een uitdaging waarvoor een topmodel urenlang moet draaien, test niet de kandidaat, maar diens portemonnee. Ik geef de voorkeur aan een strak, goed afgebakend probleem dat prima werkt op een gratis versie of een basisabonnement, om vervolgens de rest van de tijd te praten over hoe je het hebt aangepakt. In dat gesprek leer ik sowieso het meeste.
- Doe het samen. Dit is de optie waar ik het meest van hou. In plaats van een thuisopdracht, een live-sessie waarbij de kandidaat de leiding heeft en de AI draait op onze zijde, op onze machine en ons account. Geen aansprakelijkheid, niets om terug te betalen, geen grijze gebieden. En ik kan zien waar ik echt om geef: hoe je denkt, hoe je communiceert en hoe je reageert wanneer het model je met volle overtuiging iets fouts voorschotelt.
- Geef de code minder gewicht. Eerlijk gezegd is de grootste verandering hoeveel de uitdaging überhaupt meetelt. Tegenwoordig hecht ik veel meer waarde aan een goed gesprek over architectuur en hoe je graag software bouwt: hoe je een systeem zou structureren, waar je de grenzen zou trekken en hoe je denkt over testen, reviews en het uitrollen van software. Wanneer een LLM het grootste deel van de code kan schrijven, vertelt de code me minder over jou. Hoe je redeneert over trade-offs vertelt me veel meer, en dat gesprek kost je niets.
Geen van deze oplossingen is perfect. Live-sessies zijn voor sommige mensen stressvol en een kleinere uitdaging laat minder zien. Maar ik kies liever bewust voor een compromis dan dat ik doe alsof het probleem niet bestaat.
Als je ook mensen aanneemt, vraag jezelf dan af hoeveel jouw proces kost voor iemand die op dit moment geen inkomen heeft. En hoeveel goede mensen je misschien verliest zonder dat je het ooit zult weten.
***
Voetnoot: Als je in Berlijn woont, gemakkelijk naar ons kantoor op Rosenthaler Platz kunt komen en houdt van startup-omgevingen, stuur me dan een e-mail naar gerard (at) konvoai (dot) com. Vertel me als ijsbreker wat je denkt over RAG, hoe je het in het verleden hebt gebruikt en of er iets beters zou kunnen zijn voor agentic AI-assistenten. :)
Groetjes,