„Câți ani de experiență ai cu o librărie lansată anul trecut?"

Publicat pe blogul TEN INVENT · August 2026

Sau: cum reușește industria de recrutare să respingă exact oamenii pe care îi caută.

Săptămâna aceasta am primit un mesaj de la o agenție de recrutare din UK. Un rol interesant, sincer: AI Platform Engineer, fully remote, pentru un client enterprise. Misiunea — să conducă designul unui Agent Development Framework, să definească standarde de inginerie, să construiască pattern-uri de orchestrare multi-agent. Un rol de arhitect, în toată regula.

Lista de skill-uri era neobișnuit de specifică. Nu „experiență cu AI" sau „cunoștințe de LLM-uri", ci chirurgical:

• LangGraph (create_react_agent, StateGraph, ToolNode)
• Strands Agents SDK (StrandsA2AExecutor, decoratorul @tool)
• AWS Bedrock AgentCore Runtime (BedrockAgentCoreApp, invocation lifecycle)
• MCP / A2A protocol design
• aws-opentelemetry-distro (trace-uri ADOT către X-Ray și CloudWatch)

Lucrez zilnic cu jumătate din stack-ul ăsta — Strands Agents în producție, Bedrock, orchestrare multi-agent cu supervisor și sub-agenți specializați. Am trimis CV-ul.

Apoi a venit partea interesantă.

Clientul respinge candidații pentru „lipsă de experiență"

Consultanta de la agenție mi-a spus, cu o sinceritate pe care i-o apreciez, că clientul respinsese deja propunerile anterioare. Motivul? Candidații nu aveau destui ani de experiență cu tehnologiile din listă. Răspunseseră cu „un an", „șase luni", „doi ani" — deci, în logica clientului, erau „juniori".

Hai să punem datele pe masă:

• LangGraph — primul release pe PyPI: ianuarie 2024. Vechime totală: doi ani și jumătate.
• Strands Agents SDK — open-source-uit de AWS în mai 2025. Vechime: un an și trei luni.
• AWS Bedrock AgentCore — anunțat în preview în iulie 2025, general availability pe 13 octombrie 2025. Vechime de la GA: zece luni.
• Suportul pentru protocolul A2A în AgentCore Runtime — adăugat abia la GA, în octombrie 2025.

Cu alte cuvinte: clientul căuta oameni cu „mulți ani de experiență" pe un stack în care cea mai bătrână componentă are doi ani și jumătate, iar cea mai nouă nici măcar un an. Nimeni pe planetă — nici măcar oamenii care au scris aceste librării — nu poate avea mai mult decât atât.

Candidații care au răspuns „un an" nu erau juniori. Erau early adopters. Un an de LangGraph în 2026 e echivalentul a zece ani de Java în 2010. Iar clientul i-a respins pe toți.

Detaliul care spune tot

Mai e ceva, un detaliu mic dar delicios: job description-ul cerea explicit experiență cu create_react_agent din LangGraph.

Funcția create_react_agent a fost deprecată odată cu LangGraph 1.0, în octombrie 2025, înlocuită de noul create_agent din LangChain 1.0.

Deci JD-ul cerea ani de experiență cu un API care nu doar că e tânăr — e deja învechit. Asta ne spune două lucruri. Unu: cerințele au fost scrise prin copy-paste din codebase-ul existent al clientului, nu din documentația curentă a ecosistemului. Doi: nimeni din lanțul care a aprobat JD-ul — manager, HR, agenție — nu a observat.

Mecanismul selecției inverse

Aici nu vreau să dau vina pe recruiteri. Consultanta cu care am vorbit își făcea treaba corect în sistemul în care operează. Problema e sistemul.

Recrutarea prin agenții funcționează pe un model simplu: clientul dă un JD, agenția îl transformă în checklist, candidații sunt filtrați pe keyword matching și pe metrica universală — ani de experiență. Modelul ăsta a funcționat decent decenii la rând, pentru că tehnologiile aveau decenii. „Câți ani de Java?" era o întrebare imperfectă, dar rezonabilă.

Aplicată pe ecosistemul AI din 2026, aceeași întrebare produce ceva pervers: selecție inversă.

Candidații onești — seniori cu 15–20 de ani de arhitectură software, care au adoptat aceste tool-uri din prima zi — răspund corect: „un an". Și sunt respinși ca juniori. Candidații dispuși să umfle răspund „patru ani de LangGraph" — matematic imposibil — și trec de filtru. Screening-ul pe ani de experiență, în AI, nu mai măsoară competența. Măsoară disponibilitatea de a minți.

Deznodământul e previzibil: procesul rămâne blocat luni de zile, până când apare cineva cu un CV suficient de „optimist". Peste încă șase luni, clientul se va plânge că „nu se găsesc oameni buni în AI". Self-inflicted, de la un capăt la altul.

Ce ar trebui să întrebe, de fapt

Ironia supremă: rolul cerea pe cineva care să definească standarde de inginerie și să conducă o strategie dual-framework. Adică exact genul de poziție în care judecata arhitecturală acumulată în 20 de ani valorează infinit mai mult decât lunile petrecute cu o librărie anume. Au scris un JD de arhitect și l-au filtrat ca pe un post de junior cu checklist.

Ce diferențiază de fapt candidații într-un domeniu în care tool-urile au sub doi ani?

Nu anii pe framework, ci:

1. A livrat sisteme multi-agent în producție? Nu un demo, nu un notebook — un sistem cu utilizatori reali, cu costuri de inferență reale, cu failure modes reale.
2. Înțelege pattern-urile, nu doar API-urile? Supervisor/sub-agent, ReAct, human-in-the-loop, tool design — astea se transferă între framework-uri. Un StateGraph din LangGraph și un agent Strands sunt același model mental cu sintaxă diferită. Cine a livrat cu unul face pick-up pe celălalt în zile, nu în luni.
3. Are fundația de inginerie de dedesubt? Pentru că un „agent framework" enterprise e, dincolo de partea de AI, un sistem distribuit clasic: auth, observabilitate, cost control, versionare, deployment. Aici anii de experiență chiar contează — dar sunt anii de inginerie software, nu anii de librărie.

Am răspuns agenției exact cu argumentul ăsta și m-am retras din proces. Nu din orgoliu — ci pentru că un client care filtrează așa la angajare va lua decizii după aceeași logică și în timpul proiectului. Iar asta e o informație prețioasă pe care un JD ți-o dă gratis.

Disclaimer de optimist realist

Ca de obicei pe acest blog: nu sunt anti-AI și nu sunt nici anti-recrutare. Cred sincer că agenții AI sunt viitorul infrastructurii software și îmi petrec majoritatea timpului construindu-i. Și cred că recrutarea tehnică e o meserie grea, făcută de multe ori de oameni care dau tot ce pot într-un sistem cu incentive-uri proaste.

Dar exact pentru că domeniul e real și important, merită să spunem lucrurilor pe nume: metricile vechi aplicate pe tehnologii noi nu produc rigoare — produc teatru. Iar prima industrie care ar trebui să-și actualizeze modul de a evalua oamenii e fix cea care recrutează pentru rolurile care automatizează evaluarea.

Până atunci, dacă cineva vă întreabă câți ani de experiență aveți cu o librărie lansată anul trecut, răspunsul corect e o contra-întrebare: „Câți ani credeți că există?"

Ion Anghel este fondatorul TEN INVENT, o companie de consultanță software din București specializată în platforme AI agentice pe AWS. Construiește Bob, un asistent AI multi-agent open-source.