Mock interview de backend developer — practique con IA

Las entrevistas de backend parecen, en la superficie, estructuras de datos y por debajo se convierten en conversaciones sobre tradeoffs. La mayoría de los candidatos pierden puntos no porque no sepan escribir código, sino porque se bloquean cuando el entrevistador pregunta «¿qué cambiarías si el volumen de lecturas se triplicara?». Esta guía muestra cómo usar los mock interviews con IA para ensayar las conversaciones exactas que deciden las ofertas.

Cómo es realmente un proceso de entrevistas de backend

Para la mayoría de los roles de backend en empresas razonables, el proceso tiene tres o cuatro rondas. Primero un screening del recruiter (sáltelo — es una comprobación de actitud). Luego un screening técnico, normalmente de 45–60 minutos, donde alguien le pregunta por su trayectoria y le lleva a través de dos o tres preguntas técnicas de profundidad media. Después uno o dos deep-dives: una entrevista de código (un problema bien definido con tests limpios) y una entrevista de sistemas (diseñe algo, defienda sus decisiones). Los procesos senior añaden una ronda behavioral y posiblemente una charla con el hiring manager. Total: 4–6 horas de conversación repartidas en uno o dos días.

El screening técnico es donde más rinden los mocks. Es la ronda con mayor varianza — los entrevistadores se salen del guion, el banco de preguntas es enorme y el listón es «¿esta persona realmente puede hacer el trabajo, o solo memorizó respuestas?». Los mocks con IA destacan aquí porque reproducen el formato casi con exactitud: un entrevistador hace preguntas abiertas, escucha su razonamiento y presiona en los puntos débiles. La ronda de sistemas es el segundo objetivo más útil — mismo formato, solo con respuestas más largas y más diagramas en la cabeza.

La ronda de código, en cambio, está mal cubierta por los mocks con IA en solitario. Use LeetCode, NeetCode o un editor con un amigo para eso. Los mocks con IA brillan cuando la respuesta son párrafos, no código.

Lenguajes y stacks: qué esperar

Python, Go, Java y Node cubren aproximadamente el 80 % de las ofertas de empleo de backend. Las preguntas difieren menos por lenguaje de lo que la gente supone — una vez que supera «háblame del GIL de Python» o «explica los channels de Go», el grueso de la entrevista es el mismo: modelado de datos, transacciones, patrones asíncronos, manejo de errores, despliegue. Aun así, debería practicar en el lenguaje que usa la empresa, porque el vocabulario importa. Llamar «channel» a una cola en una empresa de Python indica que no se molestó en leer la JD.

Preguntas con sabor Python que debería saber responder

• ¿Cómo afecta el GIL a una carga de trabajo CPU-bound frente a una IO-bound? ¿Cuándo ayuda realmente el multiprocessing?
• Lléveme por cómo depuraría una fuga de memoria en un proceso Django de larga ejecución.
• asyncio frente a threads — ¿cuándo recurre a cada uno y qué se rompe en cada caso?
• Generadores frente a iteradores en un pipeline de datos en streaming — ¿cuál es el perfil de memoria?

Preguntas con sabor Go

• ¿Cuándo elegiría un channel con buffer frente a uno sin buffer?
• ¿Qué se le escapa al race detector?
• ¿Cómo estructura el manejo de errores sin que los errors-as-values se conviertan en ruido?
• Fugas de goroutines — ¿cómo las previene y las detecta?

Preguntas de Java y Node

Los procesos de Java tienden a preguntar sobre tuning de la JVM, tradeoffs del GC, Spring frente a servlets planos y colecciones concurrentes. Los procesos de Node se centran en el event loop, la backpressure en streams y la gestión de trabajo CPU-bound sin bloquear. En ambos ecosistemas, espere una pregunta sobre empaquetado y despliegue — Docker, builds por capas, infierno de dependencias.

Temas a nivel de sistema que deciden la ronda

Bases de datos, caching y diseño de APIs son los tres pilares. Toda entrevista de backend de la que he oído hablar en los últimos cinco años toca al menos dos de ellos. Practíquelos hasta que pueda hablar de ellos medio dormido.

Bases de datos

Esté listo para hablar de: cuándo desnormalizar, cómo funciona realmente la indexación (B-tree, hash, GIN), el coste de un covering index frente a un índice de una sola columna, cuándo añadir una restricción unique frente a una comprobación en el código de la aplicación, cómo interactúan las transacciones con el retardo de replicación, la diferencia entre bloqueo optimista y pesimista, y qué nivel de aislamiento elegiría para un libro mayor de pagos frente a un feed de comentarios. Espere al menos una pregunta del tipo «explícamelo como si fuera un junior» — el mock con IA sondeará si realmente lo entiende o si solo memorizó los términos.

Caching

La invalidación de caché es el problema difícil canónico y los entrevistadores lo saben. Espere: read-through frente a write-through frente a write-back, qué TTL elegiría para un perfil de usuario frente a una tabla de clasificación, cómo calentaría una caché fría tras un despliegue, cuándo el caching hace más lento un sistema (sí, es una pregunta real — respuesta: contención de hot keys, lecturas obsoletas en un contexto de consistencia fuerte, presión de memoria en el nodo de caché). Si puede articular el tradeoff entre obsolescencia y carga, va por delante del 70 % de los candidatos.

APIs: REST frente a gRPC frente a GraphQL

Esté listo para defender una elección. «Elegimos REST porque es simple y nuestros clientes son heterogéneos» es una buena respuesta. «Elegimos gRPC porque tenemos llamadas internas servicio a servicio donde el contrato importa y queríamos streaming» también es buena. «Elegimos GraphQL porque estaba de moda» no lo es. El mock con IA le pedirá sopesar estrategias de versionado, patrones de paginación, idempotencia para reintentos y autenticación — y hará preguntas de seguimiento si su respuesta es demasiado genérica.

Cómo configurar un mock con IA para roles de backend

Tres ajustes importan. Primero, elija «Screening técnico» como tipo de entrevista para su primera sesión — cubre los patrones de preguntas de mayor apalancamiento. Cambie a «Entrevista completa» cuando el screening le resulte rutinario. Segundo, fije la seniority con honestidad. Las preguntas senior pegan más fuerte, y si elige senior cuando todavía es middle, le aplastarán y abandonará. Recalibre hacia arriba cuando empiece a sacar 7+ de forma consistente en su nivel actual. Tercero, pegue la descripción real del puesto si la tiene. La IA extrae el stack y pondera las preguntas en consecuencia. Sin JD, por defecto vaya a «10 preguntas, español, su lenguaje de backend más fuerte».

Una función poco aprovechada: el modo standalone para un ejercicio enfocado. Si su punto débil es el diseño de bases de datos, haga cinco sesiones seguidas en las que le diga a la IA que quiere centrarse solo en preguntas de bases de datos. La forma más rápida de corregir una debilidad es saturarse de ella durante una semana.

Qué le dice la puntuación a un candidato de backend

El desglose de puntuación para los mocks de backend pondera mucho la profundidad técnica y la articulación de tradeoffs. Una respuesta correcta pero superficial («sí, lo cachearíamos») saca 4–5 sobre 10. Una respuesta correcta, estructurada y con tradeoffs explícitos («Redis con un TTL de 60 segundos, aceptando hasta 60 s de obsolescencia, con calentamiento de caché tras el despliegue mediante un job en segundo plano — la alternativa era una caché de sesión sticky, pero eso se rompe en despliegues rolling») saca 8–9. La brecha es estructura y especificidad, no conocimiento. La mayoría de los candidatos conocen la respuesta correcta; pocos pueden entregarla con limpieza.

Use el informe para encontrar las dimensiones en las que está por debajo de su media. Si la precisión técnica es sólida pero la comunicación es débil, está divagando — practique responder en tres tiempos: afirmación, razonamiento, tradeoff. Si la estructura es buena pero la especificidad es baja, no está citando números — practique adjuntar un número o un ejemplo a cada afirmación. Dos ciclos así mueven las puntuaciones 1–2 puntos completos.

Preguntas frecuentes