Microsoft dan CMU Pasangkan Engineer Junior dengan Mentor Senior lewat PRAISE

Ketika AI semakin banyak menulis dan mengubah kode, ada pertanyaan yang tak kalah penting dari soal produktivitas: bagaimana engineer yang baru memulai karier belajar mengambil keputusan teknis? Microsoft dan Carnegie Mellon University (CMU) menjawabnya dengan PRAISE, program internal yang memadukan kuliah, praktik kerja, dan bimbingan dari engineer senior.

PRAISE diumumkan pada 15 Oktober 2026. Namanya merupakan singkatan dari Preceptorship for AI-accelerated Software Engineering. Pada 18 Oktober, diskusi Hacker News tentang program ini tercatat memiliki 62 poin dan 73 komentar saat diperiksa, dengan pembaca memperdebatkan masa depan peran junior. Angka tersebut menunjukkan perhatian komunitas, bukan bukti adanya perubahan tertentu di pasar kerja. Programnya sendiri terbatas untuk karyawan Microsoft terpilih; pengumuman yang tersedia tidak membuka pendaftaran umum. (pengumuman Microsoft, berita CMU, diskusi Hacker News.)

Ilustrasi konseptual buatan Teguhcoding; bukan foto peserta atau materi resmi PRAISE.

Belajar sambil mengerjakan sistem sungguhan

Dalam skema PRAISE, peserta awal karier di Microsoft dipasangkan dengan preceptor—engineer senior yang memberi arahan dan ruang untuk membahas masalah kerja. Mereka juga dapat mengambil kelas daring di School of Computer Science CMU. Materi semester gugur mencakup Machine Learning in Production dan Preceptorship in AI-Augmented Software Engineering I. Untuk semester berikutnya, CMU menyebut rencana kelas DevOps serta kelanjutan mata kuliah preceptorship. (rincian program dari CMU.)

Pendekatan ini menggabungkan tiga kegiatan: pembelajaran formal, bimbingan senior, dan penerapan langsung pada pekerjaan sehari-hari. Menurut Microsoft, tujuannya bukan menyuruh pemula mengabaikan AI dan kembali menulis semuanya secara manual. Mentor diharapkan membantu peserta menguji asumsi, memahami perubahan yang diusulkan AI, dan bertumbuh dari sekadar menghasilkan kode menuju kemampuan menilai solusi.

Alur konseptual berdasarkan penjelasan Microsoft dan CMU, bukan bagan resmi program.

Tantangan yang coba dijawab

Sebelumnya, engineer junior kerap belajar melalui tugas-tugas kecil yang memberi pengalaman bertahap. Jika alat AI mengambil alih sebagian pekerjaan tersebut, jalur belajar itu perlu dirancang ulang. Microsoft dan CMU berpendapat bahwa penggunaan AI perlu diiringi pemahaman sistem, pertimbangan teknis, dan tanggung jawab atas hasilnya. Itu adalah alasan yang mereka kemukakan untuk membangun program ini, bukan bukti bahwa semua pekerjaan junior telah digantikan AI.

Di Hacker News, pembaca memperdebatkan apakah AI akan mengurangi kesempatan kerja pemula atau justru membuat mentoring semakin penting. Ada pula yang mempertanyakan apakah keberadaan program pelatihan sejalan dengan jumlah lowongan bagi developer awal karier. Komentar-komentar itu menunjukkan perhatian pada masalah tersebut, tetapi tidak dengan sendirinya membuktikan tren pasar kerja tertentu. (diskusi Hacker News.)

Program internal, hasilnya belum diketahui

PRAISE dapat menjadi contoh cara perusahaan menggabungkan pendidikan kampus dengan praktik kerja berbantuan AI. Meski demikian, cakupannya saat ini adalah karyawan awal karier Microsoft yang dipilih untuk mengikuti program. CMU menyebut kredit dari beberapa kelas dapat diterapkan ke program master software engineering, tetapi tidak mengumumkan pendaftaran umum bagi calon peserta dari luar Microsoft.

Belum ada evaluasi hasil yang dipublikasikan, misalnya perubahan kemampuan peserta, mutu perangkat lunak, atau dampaknya pada perkembangan karier. Karena itu, PRAISE lebih tepat dilihat sebagai eksperimen pelatihan yang sedang berjalan daripada model yang sudah terbukti berhasil untuk seluruh industri.

Bagi tim developer, pertanyaan praktisnya tetap relevan: jika AI mempercepat pembuatan kode, perusahaan juga perlu menyediakan cara agar engineer baru belajar membaca sistem, menguji hasil, dan membuat keputusan yang dapat dipertanggungjawabkan. PRAISE mencoba menjawabnya dengan menambahkan struktur belajar di sekitar pekerjaan sehari-hari.