Percobaan pertama saya menjalani rangkaian wawancara Anthropic berakhir berantakan. Seorang mantan rekan kerja yang sekarang berada di lab AI lain lalu menjelaskan apa saja yang seharusnya sudah saya pahami sebelum masuk. Beberapa minggu kemudian, saya mendapat tawaran dari Anthropic dan OpenAI. Tulisan ini membahas apa yang saya ubah pada percobaan kedua.
Sesi coding berlangsung sembilan puluh menit dan sama sekali tidak mirip soal whiteboard klasik. Saya diminta membuat key-value store. Mulanya SET GET DELETE, lalu filtered scans, TTL expiration dengan timestamps, setelah itu file persistence dengan compression. Ada empat tahap, semuanya bertumpu pada tahap sebelumnya. Begitu satu tahap selesai, pewawancara langsung menambahkan batasan baru, persis rekan kerja yang mengubah spesifikasi di tengah sprint.
Bikin kesal setengah mati. Mantan rekan kerja saya bilang sesi penyaringan OpenAI yang ia jalani juga begitu, satu jam untuk membangun sesuatu yang nyata. OpenAI juga punya sesi membedah sistem yang pernah kita bangun, kemudian setiap keputusan yang kita ambil dikuliti satu per satu.
Yang menghancurkan saya di sesi coding bukan soalnya. Masalahnya justru menjelaskan alur pikiran. Sulit melakukan itu saat waktu cuma sembilan puluh menit, ada orang yang mengamati, dan persyaratan baru datang setiap lima belas menit. Pada percobaan kedua, saya sengaja memperlambat diri. Pertanyaannya saya ulang dengan kata-kata sendiri, lalu saya buat beberapa contoh input sebelum menulis apa pun. Mantan rekan kerja saya melatih bagian ini tanpa ampun.
Di tengah kalimat ia akan menyela, "oke, tapi corner case-nya apa saja?" dan saya harus memikirkannya sambil bicara. Saya mulai menyusun garis besar pendekatan dan menimbang kompleksitas sebelum menyentuh keyboard. Sebelum mulai mengetik, saya bahkan memastikan kepada pewawancara bahwa arahnya masuk akal. Setelah itu saya menulis pelan-pelan dan melakukan debugging memakai contoh buatan sendiri. Saat latihan, cara ini terasa lambat sekali. Ternyata saya malah lebih cepat karena tidak lagi masuk jalur yang salah lalu menulis ulang semuanya.
Ready to ace your next interview?
InterviewMan gives you real-time AI answers during live interviews — undetectable on Zoom, Meet, and Teams.
Try InterviewMan FreeLalu ada system design. Lupakan semua yang dipelajari untuk system design FAANG, sebab di sini nyaris tidak ada yang terpakai. Tidak seorang pun meminta saya merancang URL shortener. SAYA MALAH BERHARAP pertanyaannya URL shortener. Tidak ada pula pertanyaan soal chat service. Anthropic meminta rancangan infrastruktur inference serving untuk jutaan permintaan, dengan penggunaan GPU tetap tinggi meski ukuran model berbeda-beda. Jadi pembahasannya menyentuh batching, pengelolaan memori KV cache, routing ke instance yang tepat, serta bagaimana latency menumpuk sepanjang transformer pipeline.
Pewawancara saya ternyata MEMBANGUN serving stack mereka. Bukan sekadar ikut tim, ia sendiri yang menulisnya. Dalam dua menit ia sudah tahu bahwa persiapan saya berasal dari video YouTube yang umum. Mantan rekan kerja tadi sudah memperingatkan saya. System design OpenAI yang ia hadapi juga tentang scaling inference, dan pewawancaranya pun punya pengalaman langsung dengan sistem produksi tersebut. Kita memang harus pernah mengerjakan hal semacam ini.
Saya pernah menyentuh serving infrastructure di pekerjaan sebelumnya dan itu menyelamatkan saya, tetapi tetap perlu beberapa minggu untuk merapikan pengetahuan tersebut agar bisa saya jelaskan tanpa mengoceh selama dua puluh menit. Saran kecil, kalau butuh distributed queue tetapi belum pernah menggunakannya, sebut saja "distributed queue". Jangan masuk ke rincian yang tidak sanggup dipertahankan.
Pada percobaan kedua di Anthropic dan beberapa simulasi OpenAI, saya menjalankan InterviewMan. Saat coding challenge, alat ini menangkap bahwa saya lupa memeriksa TTL ketika membaca data sebelum lanjut ke level berikutnya. Persis kekeliruan yang biasanya lolos karena perhatian saya sudah tertuju pada tahap empat. Dalam sesi safety, InterviewMan memberi bahan soal alignment sehingga kali ini saya bisa menjawab pertanyaan tentang tool use dan hallucinations tanpa mendadak buntu.
Di system design, alat ini mengenali penggunaan GPU dan batching sebagai pokok masalah bahkan sebelum pewawancara selesai membacakan prompt. Saya memeriksa Dock, process list, serta Activity Monitor di Zoom, Replit, dan CodeSignal. Tidak ada apa-apa. Biayanya $12 per bulan bila berlangganan tahunan, $144 untuk setahun, tanpa batas sesi. Penghitung publiknya menunjukkan 57,000 pengguna, nilainya 4.8 bintang dari 257 ulasan, dan tersedia lebih dari dua puluh fitur stealth bawaan.
Interview Coder seharga $299 hanya menangani coding. Itu tidak banyak berguna untuk sesi safety dan system design yang mungkin menyumbang separuh nilai kita di tempat seperti ini. Kalau ingin melihat kategori ini secara lebih luas, bacaan yang paling dekat adalah perbandingan InterviewMan vs Interview Coder 2.
Bagian behavioral sering disalahpahami karena sebenarnya tidak terlalu behavioral. Anthropic mengirim dokumen values sebelum wawancara dan mereka berharap saya sudah membacanya. Pertanyaan pertama menanyakan failure mode LLM yang paling saya khawatirkan. Pertanyaan lanjutannya, apa yang berubah ketika agent diberi tool use. STAR tidak membantu, sementara cerita behavioral saya tentang konflik dalam tim juga tidak membawa pembicaraan ke mana-mana. Mereka ingin tahu apakah kita betul-betul peduli pada dampak kode setelah dirilis. OpenAI menguji hal yang sama.
Sedikit soal jadwal, karena bagian ini selalu ditanyakan. Anthropic memerlukan sekitar tiga minggu sejak panggilan recruiter sampai memberikan jawaban. Mantan rekan kerja saya bilang proses OpenAI memakan enam minggu dan nyaris membuatnya gila. Anthropic membagi final round menjadi dua sesi terpisah, masing-masing setengah hari dengan dua atau tiga ronde. OpenAI menjalankannya dalam satu hari panjang. Tidak mendapat kabar di antara tahapan itu lazim terjadi di keduanya.
Recruiter sedang kewalahan. Kalau mendapat tawaran, mintalah waktu tiga puluh sampai empat puluh lima menit bersama salah satu pewawancara. Buat pertemuan khusus untuk bertanya dan dengarkan baik-baik, sebab pada titik itu merekalah yang sedang meyakinkan kita.
Saya yakin pendapat soal memakai AI dalam wawancara sungguhan sangat beragam. Fokus tulisan ini terutama pengalaman di frontier lab, pada ronde nyata, bukan skenario hipotetis. Cara ini berhasil bagi saya. Bukan berarti hasilnya pasti sama untuk Anda.
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
