Preguntas de entrevista para Amazon SDE (2026)
El proceso de Amazon SDE es distintivo porque el componente de comportamiento está entrelazado en casi todas las rondas, anclado a los 16 Leadership Principles (LPs). Espera rondas de coding (estructuras de datos, algoritmos), una o dos discusiones de diseño de sistemas, y preguntas de comportamiento basadas en LPs en casi cada entrevista — cada entrevistador suele tener asignados principios específicos para evaluar.
El nivel de coding es sólido pero rara vez la parte más difícil para candidatos preparados; las preguntas de comportamiento LP son donde se gana o se pierde muchos procesos. Amazon usa el método STAR explícitamente y busca historias en primera persona respaldadas por datos ("yo", no "nosotros") con resultados medibles. Las respuestas vagas o que dan crédito al equipo puntúan mal.
Las preguntas a continuación mezclan los patrones de coding comunes de Amazon con los prompts de LP para los que deberías tener historias ensayadas. Prepara dos historias distintas por cada principio importante, porque los entrevistadores harán follow-ups que profundizan en tus acciones específicas y el resultado.
Preguntas de entrevista para Amazon SDE y cómo responderlas
1. Two sum / encuentra pares que suman un objetivo.
Enfoque: Mapa hash en una pasada, O(n). Indica la compensación espacio-por-tiempo frente a ordenar + dos punteros. Un calentamiento estándar de Amazon; llega a lo óptimo de forma limpia y discute los duplicados.
2. Encuentra la palabra más común / los k elementos más frecuentes.
Enfoque: Conteos con mapa hash + heap (O(n log k)) o bucket sort (O(n)). A Amazon le gusta porque escala hacia una discusión sobre hacerlo sobre un flujo masivo de logs.
3. Copia una lista enlazada con punteros aleatorios.
Enfoque: Intercala nodos copiados, luego divide — O(1) espacio extra — o un mapa hash del original a la copia. Recorre la gestión de punteros con cuidado; es un favorito de Amazon para probar precisión.
4. Course schedule (detecta un ciclo / ordenamiento topológico).
Enfoque: Modela los prerrequisitos como un grafo dirigido; usa el algoritmo de Kahn o DFS con una pila de recursión para detectar ciclos. Explica por qué un ciclo significa que el horario es imposible.
5. Diseña un sistema como el cumplimiento de pedidos de Amazon / un acortador de URLs.
Enfoque: Aclara requisitos y escala, define la API, elige almacenamiento y un esquema de IDs, luego discute caching y consistencia. Vincula las decisiones a la disponibilidad — un valor de diseño de Amazon.
6. Cuéntame sobre una vez que tomaste responsabilidad de un problema fuera de tu alcance. (Ownership)
Enfoque: STAR, en primera persona, con datos. Ownership es uno de los LPs más evaluados: muestra que viste un vacío, actuaste más allá de tu rol, y lograste un resultado medible que puedes cuantificar.
7. Describe una vez que discrepaste y te comprometiste. (Have Backbone; Disagree and Commit)
Enfoque: Elige un desacuerdo real donde expresaste tu punto de vista con datos, y luego te comprometiste totalmente una vez tomada la decisión. Amazon quiere tanto la firmeza como el seguimiento, con el resultado.
8. Cuéntame sobre una vez que entregaste resultados bajo un plazo ajustado. (Deliver Results)
Enfoque: STAR con métricas. Enfatiza la priorización, qué recortaste, y el resultado cuantificado. Amazon filtra fuertemente por candidatos que entregan bajo restricciones, no solo planifican.
Obtén ayuda en tiempo real en tu entrevista de Amazon SDE
Amazon entrelaza los Leadership Principles en cada ronda. El modo de comportamiento de Natively te ayuda a estructurar respuestas STAR basadas en tu experiencia real en tiempo real, y su soporte de coding lee problemas en pantalla y sugiere un enfoque — todo en tu dispositivo, en menos de 500 ms.
