NADIA. AMIGA. tenías razón en todo y debí haberte escuchado desde el principio pero no, tuve que ir a arruinar mi primer loop en Anthropic para descubrirlo yo solo.
ok esto es lo que pasó. llamada de Zoom a las 11am. me desperté a las 10:47, me puse la sudadera con la que dormí, agarré un café que se enfrió antes de que empezara la llamada. la entrevistadora me dice "qué modo de fallo de los LLMs te preocupa más." yo digo "alucinaciones" como si fuera una respuesta brillante y original. no asiente. no reacciona. espera. luego "ok y qué cambia de eso cuando le das uso de herramientas a un agente." y mi cerebro simplemente. nada. ruido blanco literal. no pude ni pensar en una respuesta MALA. murmuré algo sobre pasos de verificación y ella hizo la cara. ¿sabes la cara? tres loops fallidos en tres empresas diferentes, he visto esa misma mirada cada vez. significa que la ronda terminó y los dos están dejando pasar el tiempo fingiendo que no.
así que sí. la cagué. pasé dos meses después arreglando todo lo que estaba mal con mi preparación y nadie me dijo nada de esto antes de entrar así que aquí va todo.
doce historias de comportamiento listas. conflictos de equipo, lanzar bajo presión, los grandes éxitos de siempre. CERO horas en AI safety. ni una. en Google y Meta nadie te pregunta qué piensas sobre lo que estás construyendo. lo construyes, lo lanzas y te vas a casa. ¿en Anthropic? puede ser la única pregunta que decide todo tu loop. Nadia trabaja en otro laboratorio de AI y estuvo semanas gritándome sobre esto. "no quieren que sepas las palabras de moda, quieren ver si de verdad has perdido el sueño por esto." sí ok Nadia claro lo que digas. no le hice caso lol.
Nadia me llamó esa noche y lo primero que dijo fue "te preguntaron sobre alignment" y yo como que sí. "y dijiste alucinaciones." sí. ni siquiera necesitó decir nada más.
Anthropic me mandó un documento sobre sus valores antes de la entrevista y esperaban que lo hubiera leído. preguntaron sobre preocupaciones de privacidad en sistemas de AI. preguntaron qué haría si encontrara una capacidad del modelo que pudiera causar daño. preguntaron sobre alguna vez que planteé una preocupación que mi equipo no quería escuchar. esto no es el Amazon de "cuéntame sobre un conflicto." quieren saber si te importa lo que tu código hace después de lanzarlo. OpenAI también evalúa esto según Nadia, menos sobre safety específicamente, más sobre si puedes hablar del impacto de lo que estás construyendo en personas reales sin sonar ensayado. esta parte también es donde se toman las decisiones de nivel, lo cual la mayoría de la gente no se da cuenta. a mí no me pareció útil STAR, si tienes historias reales que contar vas bien pero las historias tienen que ser sobre ética e impacto, si todo lo que tienes es "lanzamos rápido bajo presión" eso no va a ser suficiente aquí.
código. noventa minutos. nada que ver con problemas clásicos de pizarra. me dijeron que construyera un key-value store. SET GET DELETE para empezar, luego scans filtrados, luego expiración de TTL con timestamps, luego persistencia en archivo con compresión. cuatro etapas cada una apilada sobre la anterior y mi entrevistador seguía agregando restricciones el SEGUNDO que terminaba una etapa, como un compañero que te cambia el spec a mitad del sprint. me volvió loco. Nadia dijo que su screen de OpenAI fue igual, una hora construyendo algo real. OpenAI también hace esta cosa de deep-dive donde presentas un sistema que construiste y destrozan cada decisión que tomaste, lo cual suena aterrador honestamente.
lo que me destrozó en código no fueron los problemas. fue hablar sobre mi enfoque. cuando programo normalmente experimento y empiezo a escribir con la idea de que voy a refactorizar después. no puedes hacer eso cuando tienes noventa minutos y alguien mirándote y agregando requisitos cada quince minutos. en mi segundo intento me forcé a ir más despacio. como que repetía la pregunta en mis propias palabras y construía algunos inputs de ejemplo antes de escribir nada. Nadia me entrenó en esto, me paraba a mitad de frase y decía "ok pero cuáles son los casos borde" y yo tenía que pensar en voz alta. empecé a delinear mi enfoque y pensar en complejidad antes de tocar el teclado. incluso confirmando con el entrevistador que la dirección parecía razonable antes de empezar a teclear. luego escribiendo despacio y debuggeando con mis propios ejemplos después. se sentía dolorosamente lento en la práctica pero en realidad me hizo más rápido porque dejé de ir por caminos equivocados y tener que reescribir todo.
diseño de sistemas. dios mío. en un planeta completamente diferente al diseño de sistemas de FAANG. nadie me pidió diseñar un acortador de URLs. nadie me preguntó sobre un servicio de chat. Anthropic quería que diseñara infraestructura de serving de inferencia para millones de peticiones manteniendo alto el uso de GPU con diferentes tamaños de modelo. agrupando peticiones, gestionando memoria de KV cache, enrutando a la instancia correcta, cómo se acumula la latencia a través de un pipeline de transformer. mi entrevistador CONSTRUYÓ su stack de serving. como que él personalmente lo escribió. supo en dos minutos que mi preparación venía de videos genéricos de YouTube y pude sentir la misma vibra de la primera llamada donde ella preguntó sobre alucinaciones. como ok esta persona no ha hecho el trabajo. OpenAI pregunta cosas similares sobre escalar inferencia por lo que Nadia describió. necesitas experiencia real con estos sistemas, no hay atajo y no voy a pretender que lo hay. yo había trabajado en infraestructura de serving en un trabajo anterior pero aún necesitaba tiempo para organizar lo que sabía y descubrir cómo hablar de ello sin irme por las ramas. también si necesitas una cola distribuida y nunca tocaste una simplemente llámala "cola distribuida." no te metas en detalles que no puedes defender.
tema de tiempos ya que siempre preguntan. Anthropic tomó unas tres semanas desde la llamada del reclutador hasta la respuesta. Nadia dijo que OpenAI tomó seis semanas lo cual casi la mata, actualizaba su email como una maniática. Anthropic divide el onsite en dos sesiones separadas de medio día, dos o tres rondas cada una. OpenAI hace un solo día largo. que te dejen en visto entre etapas es normal en ambos. los reclutadores están enterrados. si recibes una oferta pide de treinta a cuarenta y cinco minutos con uno de los entrevistadores. ten una reunión solo para hacer preguntas. escucha con atención porque en ese punto te están vendiendo a ti.
así que usé InterviewMan durante mi segundo intento en Anthropic y algunos mocks de OpenAI. en el desafío de código detectó que olvidé verificar TTL en las lecturas antes de pasar al siguiente nivel, exactamente el tipo de cosa que habría pasado por alto porque estaba enfocado en llegar a la etapa cuatro. durante la ronda de safety me dio puntos de conversación sobre alignment y respondí la pregunta de uso de herramientas y alucinaciones sin que mi cerebro se quedara en blanco esta vez lol. ¿recuerdan ese momento de mi primer loop donde me congelé? no pasó. en diseño de sistemas detectó uso de GPU y batching como los temas centrales antes de que mi entrevistador terminara el prompt. revisé dock, lista de procesos, Activity Monitor en Zoom y Replit y CodeSignal. nada. doce dólares al mes anual, sin límite de sesiones, 57,000 usuarios, más de 20 funciones stealth. Interview Coder a doscientos noventa y nueve solo hace código lo cual es inútil para la ronda de safety y diseño de sistemas que representan tal vez la mitad de tu puntuación en estos lugares.
Nadia me dijo que tuviera una buena alternativa antes de negociar y pensé que estaba siendo dramática. pero tenía razón, la mejor alternativa es estar haciéndolo bien en tu trabajo actual. le quita toda la desesperación a tu preparación lo cual hace que entrevistes mejor de todos modos. tenía razón en básicamente todo lol debí haber escuchado desde el principio. s. tenía razón en básicamente todo lol debí haberle escuchado desde el principio.
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
