Microsoft y CMU: PRAISE, el programa para ingenieros junior

Qué es el programa PRAISE de Microsoft y CMU

Carnegie Mellon University (CMU) y Microsoft lanzaron el Preceptorship for AI-accelerated Software Engineering (PRAISE), un programa que combina cursos online de la Kenneth C. Griffin School of Computer Science con mentoría práctica dentro de la empresa. El objetivo declarado: formar a ingenieros de software en etapa temprana de carrera para un mercado laboral que la IA está reescribiendo.

La mecánica es híbrida y poco convencional. Los participantes —llamados preceptees— trabajan a tiempo completo en Microsoft mientras cursan asignaturas de CMU a distancia. En paralelo, se emparejan con ingenieros senior que actúan como preceptors, guiándolos en la aplicación concreta de herramientas de IA a su trabajo diario.

El caso de Jace Watson ilustra el formato: es ingeniero de software en la sede de Seattle y toma clases de CMU sin estar en Pittsburgh. Su motivación, según contó a la universidad, fue que la IA apareció en su día a día laboral antes de que su formación universitaria la cubriera a fondo.

¿Qué se estudia en el certificado PRAISE?

Este semestre, los empleados de Microsoft inscritos cursan Machine Learning in Production y Preceptorship in AI-Augmented Software Engineering I. Las materias apuntan a dos competencias: integrar machine learning en el software que se escribe y usar herramientas de IA durante el propio proceso de desarrollo.

En el semestre de primavera la secuencia continúa con DevOps: Engineering for Secure Development and Deployment y la segunda parte del preceptorship. Un detalle relevante para cualquier profesional: esos cursos pueden aplicarse a una maestría en ingeniería de software en CMU, es decir, el certificado no es un callejón sin salida formativo.

Jonathan Aldrich, profesor del Software and Societal Systems Department (S3D) y director del programa, señaló que espera que el modelo se convierta en una plantilla para nivelar rápidamente a desarrolladores nuevos en toda la industria. La universidad, por su parte, dice que busca ampliar el programa y eventualmente abrir la puerta a otras empresas.

Por qué Microsoft y CMU crearon este programa

El origen del PRAISE no fue un plan estratégico de largo plazo, sino una conversación. La idea surgió tras la visita a SCS de Mark Russinovich, alumni de CMU (ENG 1989, 1994) y chief technology officer, deputy chief information security officer y technical fellow de Microsoft Azure, en octubre de 2025.

Su diagnóstico fue incómodo: las herramientas de IA benefician mucho a los ingenieros senior, pero ese mismo nivel de provecho no está disponible para los junior. De ahí salió la pregunta que estructura todo el programa: ¿cómo se forma criterio profesional cuando la IA ya hace buena parte del trabajo que antes servía para construirlo?

Michael Hilton, profesor de S3D, lo planteó en términos de aprendizaje: históricamente, los ingenieros en etapa temprana acumulaban experiencia ejecutando tareas repetitivas. Si la IA absorbe esas tareas, se rompe la escalera por la que se subía de nivel. La respuesta de CMU y Microsoft fue diseñar un reemplazo deliberado de ese aprendizaje: currícula formal más mentoría estructurada.

El problema de fondo: la IA cambió el trabajo junior

El PRAISE no nace en el vacío. La evidencia sobre el mercado de entrada se está acumulando rápido.

Según el Business Barometer 2026 de The Open University, basado en una encuesta a 1.500 líderes empresariales del Reino Unido, el 51% dijo que la IA estaba cambiando su forma de contratar. Un 19% había reducido la contratación de nivel inicial, y de ese grupo, el 42% vinculó la reducción a la mayor adopción de IA para tareas junior. El mismo estudio encontró que el 76% de las organizaciones consideraba que la incertidumbre económica había dificultado la contratación o la capacitación.

El fenómeno no es uniforme. Una encuesta de la consultora Klarus a 500 líderes de mercado medio del Reino Unido e Irlanda, citada por IBTimes, encontró que el 45% usaba IA para que sus empleados junior trabajaran más rápido, y casi un cuarto afirmaba que la tecnología estaba creando roles nuevos. IBM, por su parte, dijo en febrero que planeaba triplicar su contratación de nivel inicial en Estados Unidos en 2026, recortando los roles junior para un entorno con IA, según reportó Bloomberg.

Hay un dato que debería inquietar a cualquier responsable de talento: investigación basada en datos de la U.S. Census Bureau detectó una contratación más débil de trabajadores de 22 a 24 años en industrias muy expuestas a la IA después del lanzamiento de ChatGPT, mientras que en las menos expuestas la contratación se mantuvo más estable.

¿La IA realmente hace más productivos a los equipos?

Aquí conviene frenar el entusiasmo. Un estudio de las investigadoras de Harvard University Fiona Chen y James Stratton, difundido por Ars Technica, analizó datos agregados de Jellyfish sobre 300 millones de eventos de trabajo y más de 700.000 empleados en más de 700 empresas de desarrollo de software entre 2021 y marzo de 2026.

El resultado: la introducción de agentes de IA para programar se asocia con un 30% más de líneas de código generadas, un 20% más de commits y un 23% más de pull requests. Pero la tasa de resolución de issues y epics —es decir, funcionalidad real entregada— no cambió de forma estadísticamente significativa.

La explicación está en la revisión de código: los autores describen el code review humano como un cuello de botella que absorbe la eficiencia ganada en la fase de escritura. Los pull requests requieren más revisiones y los revisores dejan más comentarios. Más código no equivale a más software.

Qué significa esto para tu startup

Si diriges un equipo técnico, el mensaje del PRAISE es que la capacitación dejó de ser un beneficio opcional y pasó a ser infraestructura de retención y calidad.

• Diseña un camino explícito para tus junior. El modelo de CMU y Microsoft —currícula formal más un mentor senior asignado— es replicable a escala pequeña: define qué debe saber un desarrollador de primer año sobre tus herramientas de IA, tus estándares de revisión y tu arquitectura, y asígnalo a alguien con nombre y apellido.
• Invierte en criterio, no en velocidad de tipeo. Si la IA genera el 30% más de código y la revisión es el cuello de botella, tu ventaja competitiva está en quien sabe decidir qué se aprueba. Forma a tu equipo en evaluación de código generado, no solo en prompting.
• Cuidado con el atajo de no contratar junior. Reducir la contratación de entrada alivia el gasto hoy y te deja sin senior dentro de cinco años. Si automatizas las tareas repetitivas, reasigna a los junior a trabajo de criterio supervisado desde el día uno.
• Mide entregables, no actividad. Líneas de código y commits son métricas que la IA infla artificialmente. Sigue la resolución de problemas reales y el tiempo de ciclo de revisión.

Conclusión

El PRAISE es un experimento acotado —empleados de una sola empresa, cursos de una sola universidad— pero apunta a una pregunta que ninguna startup puede esquivar: cómo se forma criterio profesional cuando la IA ya ejecuta las tareas que antes lo construían. La evidencia disponible sugiere que el cuello de botella se movió del código a la revisión, y que el talento junior no desaparece: se redefine. Las empresas que traten esa transición como un problema de formación, y no solo de recorte de costos, van a tener ventaja cuando el mercado vuelva a apretar por talento senior.

Fuentes

• Carnegie Mellon University: Microsoft and CMU Team Up to Train Early Career Software Engineers
• Ars Technica: AI coding agents generate more code, but not more software
• IBTimes: AI Is Reshaping The Entry-Level Job Market
• Business Insider: AI could cut junior jobs — but not the need for experienced engineers