Domande di colloquio sull'agentic AI: cosa aspettarsi e come prepararsi

Quasi ogni colloquio sull'agentic AI apre qui, perché la risposta distingue chi ha costruito agenti da chi ne ha solo letto. La domanda canonica è qualcosa del tipo: qual è la differenza tra un agente AI e una singola chiamata a un language model.

Una risposta solida nomina il ciclo. Una semplice chiamata al modello mappa un input su un output; un agente esegue un ciclo di reason, act, observe, repeat, decidendo il passo successivo da ciò che ha restituito il passo precedente. Da quel nucleo, gli intervistatori si ramificano nel vocabolario che si aspettano tu possieda:

• ReAct e pianificazione. Intercalare tracce di ragionamento con azioni, rispetto al pianificare un'intera sequenza in anticipo e poi eseguirla.
• Strumenti e function calling. Come il modello riceve le azioni che può compiere nel mondo, e come i loro risultati rientrano nel suo contesto.
• Memoria. Il contesto di lavoro a breve termine rispetto al recupero a lungo termine supportato da un vector store o database.
• Autonomia e terminazione. Cosa decide che l'agente ha finito, e cosa lo ferma dal girare all'infinito.

Il modo di fallire qui è l'impilamento di buzzword: elencare framework senza spiegare il meccanismo sottostante. Dichiara il ciclo con chiarezza e il resto del colloquio si apre.

Una volta stabiliti i concetti, il colloquio diventa una conversazione di design, ed è qui che risiede la maggior parte del segnale. Aspettati un prompt aperto: progetta un agente che prenota viaggi, o smista i ticket di supporto, o risponde a domande su documenti interni. Ciò che valutano è come ragioni sulle parti in movimento, non se raggiungi una risposta specifica.

Le domande che seguono in modo affidabile:

• Uso degli strumenti in caso di fallimento. Una chiamata a uno strumento va in timeout o restituisce dati errati; cosa fa l'agente. I retry, il backoff e un percorso di fallback contano più del caso fortunato.
• Progettazione della memoria. Cosa entra nel prompt a ogni turno, cosa viene riassunto, cosa viene recuperato su richiesta, e come impedisci al contesto di traboccare.
• Grounding. Quando il compito richiede fatti che il modello non possiede, come il retrieval alimenta il ciclo senza lasciare che passaggi obsoleti o errati lo indirizzino.
• Multi-agente contro agente singolo. Quando dividere il lavoro tra un orchestrator e i worker merita il costo di coordinamento, e quando è complessità fine a se stessa.

Rispondi con compromessi, non con assoluti. Dire «un singolo agente con buoni strumenti batte un sistema multi-agente finché il compito non ha genuinamente sotto-obiettivi paralleli» suona come esperienza; indicare un'architettura come universalmente migliore suona come il contrario. Le guide gemelle di coding e system design si trovano nel cluster dei tipi di colloquio.

Ti aspetti la domanda difficile sugli interni del modello, e invece l'intervistatore chiede come faresti a sapere se l'agente funziona del tutto. Quel cambio è deliberato, e questa sezione è ciò che sonda. La versione breve: i sistemi multi-step sono difficili da misurare, e ammetterlo con un piano è meglio di fingere che siano facili.

Le domande di valutazione si concentrano sul problema della traiettoria: una singola chiamata è giusta o sbagliata, ma un agente percorre un cammino, e una risposta corretta raggiunta attraverso un cammino difettoso è un bug latente. Le risposte solide separano il successo del compito dalla qualità del passo, citano il mantenimento di un set fisso di task di test, e trattano un modello che valuta l'output di un altro modello come utile ma distorto piuttosto che come verità assoluta.

Le domande sulla produzione premono poi sui limiti che nessun framework elimina. Costi e latenza si compongono a ogni passo in più nel ciclo. Un agente senza uno stop forzato può girare all'infinito, quindi le condizioni di terminazione e i budget di passi sono vera progettazione, non un ripensamento. E le azioni ad alto rischio richiedono un essere umano nel ciclo, perché un agente in grado di agire autonomamente può anche agire in modo errato con rapidità.

Priya, un'ingegnera backend che sosteneva un colloquio per un team di piattaforma AI, è stata invitata a criticare il suo stesso agente per la prenotazione di viaggi. Ha segnalato che avrebbe felicemente ripetuto un pagamento fallito fino a causare un addebito doppio, e ha proposto un idempotency key più un passaggio di conferma. Quell'unico fallimento onesto ha fatto avanzare il colloquio più di qualsiasi nome di framework avrebbe potuto.

Le domande sull'agentic AI resistono alle flashcard, perché l'intervistatore approfondisce qualunque cosa tu dica. La preparazione riguarda quindi le ripetizioni sotto la pressione del follow-up, non un elenco memorizzato. Un piano operativo:

Costruisci un piccolo agente dall'inizio alla fine prima del colloquio, anche solo un prototipo: un ciclo, due strumenti reali, un percorso di retry e una condizione di stop. Chi ha debuggato un agente che girava all'infinito risponde alla domanda sulla terminazione dalla memoria, non dalla teoria. Poi prova a spiegarlo ad alta voce, perché il colloquio testa la narrazione quanto le conoscenze.

Per la parte ad alta voce, allenati contro qualcosa che ti spinge a resistere. Un colloquio simulato che pone una domanda di design e poi interroga la tua risposta è più vicino alla situazione reale che leggere soluzioni modello; la modalità mock di SubcueAI genera domande tecniche specifiche per il ruolo e una revisione post-sessione, così senti dove una risposta si è esaurita. Nel colloquio dal vivo, il ruolo onesto di un assistente è aiutarti a mantenere la struttura e richiamare un termine sotto pressione, non fornire competenze che non hai; l'anti-fabbricazione è il punto centrale, e il cluster su come funziona è sincero riguardo a quel confine.