HackerRank lanza Chakra: 500.000 entrevistas con IA

HackerRank lanza Chakra: el entrevistador de IA que ya hizo 500.000 entrevistas

HackerRank acaba de hacer disponible de forma general Chakra, un agente de IA que no solo pregunta: observa cómo trabaja el candidato, hace follow-ups en tiempo real y evalúa el razonamiento detrás de cada respuesta. La compañía, fundada en Bangalore en 2009 por Vivek Ravisankar y Hari Karunanidhi, pasó los últimos seis meses en beta cerrada y asegura que durante las pruebas el sistema ya completó más de 500.000 entrevistas para clientes como Snowflake, Snorkel y Capgemini, además de usarlo internamente.

Chakra llega en un momento en el que el CEO de HackerRank ya había anticipado el problema: según Ravisankar, los puntajes tipo leetcode dejaron de predecir el desempeño real de un ingeniero porque hoy el trabajo consiste menos en escribir código de memoria y más en orquestar agentes de IA. El nuevo producto nace para medir exactamente eso.

¿Qué cambia respecto a una entrevista técnica tradicional?

En lugar de un examen de código cerrado, el candidato recibe una tarea sobre un repositorio real y trabaja en un canvas con un asistente de IA integrado. Chakra observa el contexto y lanza preguntas de seguimiento del tipo «¿por qué elegiste este enfoque y no otro?» o «¿cómo cambiaría tu solución si aparece esta nueva restricción?».

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El propio Ravisankar explicó a TechCrunch que Chakra comprime las tres rondas clásicas —recruiter screen, take-home y entrevista con un ingeniero— en una sola sesión. En HackerRank creen que este formato mide tres capas que un test estático no puede capturar:

Fundamentos de CS: análisis de complejidad, estructuras de datos, entender por qué una solución es correcta, no solo que pasó los tests.
AI fluency: qué tan bien el candidato encuadra un problema para la IA, evalúa su output y corrige el rumbo cuando la respuesta no sirve.
Juicio: decisiones de trade-off sin respuesta única —cuándo tomar deuda técnica, cuándo un output «suficientemente bueno» de la IA es realmente suficiente, cuándo una métrica miente.

El dato contraintuitivo: dejar usar IA reduce las trampas

Uno de los hallazgos más sorprendentes de HackerRank: dar a los candidatos acceso a un asistente de IA durante la entrevista bajó las alertas de actividad sospechosa entre un 70% y un 80% frente a evaluaciones tradicionales comparables, aunque la cifra varía por geografía y seniority. La explicación de Ravisankar es directa: si el candidato puede usar la herramienta legítimamente, desaparece el incentivo de meter una IA oculta por debajo.

Ese dato contradice la política de varias empresas grandes que prohíben el uso de IA en sus procesos. Para founders que están armando su hiring, es una señal a discutir: ¿estás penalizando a candidatos por usar exactamente las herramientas que les pedirás usar en el día a día?

El contexto: un mercado de hiring en piloto automático

La decisión de HackerRank no ocurre en el vacío. Según reportó Wired, hoy hay un «doom loop» de IA en contratación: los candidatos usan IA para adaptar CVs a los ATS, los reclutadores usan IA para filtrar los CVs optimizados, y ambas partes sospechan del otro. En el caso de Greenhouse, su CEO Daniel Chait probó alimentar a un ATS con vacantes ya cubiertas: en dos de los casos testeados, la persona que finalmente contrataron no estaba en el shortlist que la IA proponía.

Chakra se posiciona en el otro extremo: en vez de filtrar CVs con IA, mueve la IA al momento de la entrevista, donde hay más señal real. Y, según el blog de HackerRank, la idea es que las empresas diseñen sus rubrics y scorecards contra esas tres capas —fundamentos, AI fluency y juicio— en lugar de seguir optimizando para un proxy de los años 2010.

¿Qué significa esto para tu startup?

Si estás contratando developers y tu proceso sigue siendo take-home + whiteboard + preguntas de algoritmos, vas a tener dos problemas en 2026: vas a filtrar candidatos buenos que se niegan a perder 8 horas en un ejercicio artificial, y vas a aprobar a personas que resuelven el puzzle pero no saben trabajar con las herramientas reales del equipo.

Tres acciones concretas para esta semana:

Audita tu rubric técnico hoy mismo. Pregúntate qué porcentaje de tu scorecard mide output (código correcto) vs. proceso (cómo llegó a la solución). Si el 100% es output, estás midiendo una habilidad que la IA ya resolvió.
Define «AI fluency» en tu rol. Escribe en la job description qué esperas: prompt engineering, lectura crítica de código generado, cuándo override a la herramienta. Sin esa definición, «saber usar Copilot» no significa nada en entrevista.
Cambia el formato antes de cambiar el stack. Como mostró el fundador anónimo en un post viral de LinkedIn sobre contratar a su primer founding engineer, dejar al candidato usar IA libremente sin rediseñar la entrevista solo te da «señal cero». El valor está en diseñar tareas donde la IA es parte del trabajo, no un atajo para saltarse el trabajo.

El elefante en la sala: regulación

Ravisankar insiste en que Chakra califica pero no decide: la decisión final sigue siendo humana. Y defiende que un sistema tuneado «es mucho menos sesgado que los humanos» porque aplica la misma rubric a todos los candidatos. El problema es que esa promesa tiene una historia regulatoria complicada.

Nueva York lleva la delantera con la Local Law 144 de 2023, la primera regulación municipal de EE. UU. que exige una auditoría de sesgo independiente para herramientas automatizadas de decisión de empleo, más notificación previa al candidato. El 25 de septiembre de 2025, el Consejo Municipal de NYC fue más allá y presentó un paquete de proyectos que añade interruptores humanos obligatorios («kill switches»), auditorías de seguridad de terceros, multas de hasta USD 25.000 por infracción y un sistema de recompensas para whistleblowers que denuncien empresas de IA. La audiencia de debate está prevista para el 5 de octubre de 2026, el mismo día del lanzamiento general de Chakra.

Para cualquier founder que venda o use herramientas de AI hiring, el mensaje regulatorio es claro: el estándar ya no es «funciona», es «funciona, es auditable y tiene un humano que puede apagarlo». Diseñar con eso en mente desde el día uno es la diferencia entre un producto que escala y uno que se topa con el primer cliente enterprise con equipo legal.

La apuesta de HackerRank: canibalizar tu propio negocio

Ravisankar comparó internamente la transición con Apple moviéndose del iPod al iPhone: el producto anterior sigue generando valor, pero Chakra es donde la empresa está poniendo su marca. La ironía es real: HackerRank construyó su reputación durante más de una década evaluando si alguien podía resolver problemas de código correctamente. Ahora dice que ese modelo dejó de ser útil para medir capacidad de ingeniería.

La compañía no es pequeña: según su página oficial, tiene 2.500 clientes empresariales y una comunidad de 26 millones de desarrolladores; el comunicado de su Serie D de marzo de 2022 cifra la base en 2.800 clientes y 18 millones de developers con USD 115 millones acumulados en financiamiento, liderados por Susquehanna Growth Equity en esa ronda de USD 60 millones, con participación de JMI Equity, Khosla Ventures, Randstad Innovation Fund y Recruit Holdings. En 2022, HackerRank dijo que más del 25% del Fortune 100 era su cliente, incluyendo Amazon, Nvidia, Clay y Replit entre los nombres que cita TechCrunch.

Cuando un líder de categoría decide canibalizar su producto estrella, suele ser porque vio venir el cambio. Para founders del ecosistema hispano, la lectura es doble: la herramienta de evaluación que usas para contratar developers va a cambiar en los próximos 12-24 meses, y los candidatos que entrevistaste hace un año quizá ya no son el perfil que tu empresa necesita.