Cómo contratar ingenieros junior tras el colapso de las credenciales

Para evaluar a ingenieros junior cuando una carrera en Informática ya no demuestra competencia, deja de tratar el título, la nota media o el currículum como prueba de capacidad. Dale a cada candidato la misma prueba de trabajo estructurada y consciente de la IA: depurar código desconocido, ampliar un sistema parcial y explicar contrapartidas. Puntúa el razonamiento y el criterio, no el resultado. Las pruebas de trabajo predicen el desempeño laboral mucho mejor que cualquier credencial.

La señal en la que solías confiar acaba de romperse. Durante años, “buena universidad más buena nota media” fue un primer filtro aceptable para ingenieros de nivel inicial. Te decía que esa persona probablemente sabía leer código, razonar un problema y podía formarse hasta convertirse en un ingeniero de verdad. En 2026, ese filtro está fallando a la vista de todos, y los datos ya no son anecdóticos. Esta guía explica qué pasó, por qué el currículum siempre fue más débil de lo que creías y qué evaluación reemplaza de verdad a la señal rota del título en la contratación junior.

La credencial dejó de certificar competencia

La prueba más clara de que el título se está degradando viene de las propias instituciones que lo otorgan. Las tasas de suspenso en las asignaturas introductorias de informática se han disparado, las habilidades previas se están erosionando y el profesorado declara públicamente que sus propias señales de admisión ya no funcionan. No son artículos de opinión. Son distribuciones de notas y peticiones formales.

Tasas de suspenso del 35%: lo que pasó en Informática de UC Berkeley

En la primavera de 2026, la tasa de suspenso en la asignatura CS 10 de UC Berkeley alcanzó el 35,3%, frente a menos del 10% tanto en primavera de 2024 como en primavera de 2025, según los datos de calificaciones publicados por el Daily Californian. CS 61A registró un 10,6% de suspensos y EECS 127 un 16,8%. La pauta del departamento es que alrededor del 7% de los estudiantes de cursos inferiores y el 5% de los superiores reciban notas de suspenso, así que un 35,3% supone una desviación de unas cinco veces respecto a lo normal.

La nota media tanto en CS 10 como en CS 61A cayó a un aprobado alto (en torno a un 2,3 sobre 4), frente a un rango objetivo del departamento de 2,8 a 3,3. El profesor titular Dan Garcia atribuyó el desplome a un “enorme aumento de la deshonestidad académica” por el uso de modelos de lenguaje, y señaló que solo en CS 10 se pilló copiando a casi 30 estudiantes en exámenes para hacer en casa.

La conclusión para la contratación es contundente: aprobar la asignatura y mantener la nota media ya no significa que el estudiante pueda hacer el trabajo sin ayuda. La credencial y la competencia se han separado.

800 profesores dicen que la señal de admisión se rompió

La erosión no está solo en la salida. Las entradas al título también se están debilitando. Un informe de noviembre de 2025 del Grupo de Trabajo Senado-Administración de la Universidad de California en San Diego concluyó que el número de estudiantes de primer año con conocimientos de matemáticas por debajo del nivel de secundaria creció casi 30 veces desde 2020, el año en que la UC suspendió las pruebas estandarizadas.

Más de 800 profesores de la UC, incluidos siete de los nueve directores de departamentos de matemáticas, firmaron una carta abierta pidiendo restablecer el requisito de matemáticas del SAT y el ACT para quienes soliciten carreras STEM, según informó Inside Higher Ed. Cuando las personas que otorgan la credencial redactan una petición formal diciendo que su filtro de admisión dejó de funcionar, es la señal más rotunda posible de que no puedes delegar el criterio en la marca de la universidad.

Conviene ser preciso con la causa. La caída en la preparación matemática se debe sobre todo a la suspensión de las pruebas estandarizadas en 2020, un problema anterior a ChatGPT. La IA es un acelerante aparte que se superpone: enmascara a quien no sabe razonar e infla a quien parece productivo. Las dos causas son distintas y se combinan.

Cómo la IA enmascara e infla la capacidad de un junior a la vez

La IA rompe el cribado de juniors en dos direcciones a la vez. Enmascara la debilidad, porque un candidato incapaz de rastrear un error o razonar sobre una estructura de datos aún puede entregar código de aspecto plausible y aprobar una prueba para casa impecable. Y infla la apariencia de productividad, porque el volumen de output ya no se correlaciona con la comprensión.

Esa es justo la trampa específica de la contratación de nivel inicial. Un ingeniero sénior que se apoya en la IA es un ingeniero fuerte con un multiplicador de fuerza; su criterio respalda los errores del modelo. Un junior que se apoya en la IA sin criterio es un lastre, porque no sabe distinguir cuándo el modelo se equivoca. El sentido de contratar a un junior es apostar por alguien a quien puedas formar. Si tu cribado no separa a los juniors listos para aprender de los meros tecleadores de prompts, estás apostando a ciegas.

Por qué el currículum y la nota media siempre fueron una señal débil

Aquí viene la parte incómoda: la credencial nunca fue un buen predictor del desempeño laboral. Décadas de investigación sobre selección de personal dejan claro que lo que alguien ha hecho sobre el papel predice mucho menos que lo que puede demostrar. El colapso de las credenciales no creó este problema. Solo eliminó la última excusa para seguir ignorándolo.

Pruebas de trabajo frente a currículums: lo que muestran los metaanálisis

El metaanálisis fundacional de Schmidt y Hunter (1998) clasificó los predictores del desempeño laboral por su validez. Las pruebas de trabajo quedaron cerca de lo más alto. La combinación de capacidad mental general y una prueba de trabajo alcanzó una validez media de unos 0,63, donde la prueba de trabajo añadía cerca de un 24% de poder predictivo sobre la prueba de capacidad general por sí sola, según el resumen publicado. Las entrevistas estructuradas puntuaron en torno a 0,51. Las entrevistas no estructuradas, los currículums y los años de experiencia quedaron muy por detrás.

Por honestidad, investigaciones posteriores revisaron las cifras a la baja. Roth, Bobko y McFarland (2005) reestimaron la validez de la prueba de trabajo por sí sola en torno a 0,33, atribuyendo la bajada a un uso más amplio en puestos del sector servicios. Así que las pruebas de trabajo son potentes, pero no son magia. El punto se sostiene en cualquiera de las dos estimaciones: una prueba de trabajo demostrada supera a un sustituto basado en credenciales, y lo supera por un amplio margen. La clasificación relativa es lo que ha sobrevivido a 25 años de escrutinio.

La ciencia de la contratación llevaba mucho tiempo diciéndote que pesara más la capacidad demostrada que las credenciales, mucho antes de que llegara la IA. Ahora que la credencial certifica menos, el argumento ya no es debatible. Es operativo.

La respuesta en el cribado: pruebas de trabajo estructuradas y conscientes de la IA

La respuesta correcta al colapso de las credenciales no es prohibir la IA ni confiar aún más en la universidad. Es evaluar la capacidad real con una prueba de trabajo estructurada y consciente de la IA, y aplicar la misma rúbrica a cada candidato. Las grandes tecnológicas ya han convergido en esto, y sus rediseños son la plantilla más clara de cómo debería ser el cribado de nivel inicial en 2026.

Depurar código desconocido, no resolver puzles limpios

Google introdujo en 2026 una ronda de “comprensión de código” que describe como dirigida por humanos y asistida por IA, donde los candidatos analizan una base de código existente con Gemini disponible y se les evalúa por su ingeniería de prompts, la validación del output y sus habilidades de depuración, según el análisis de Exponent. Para los candidatos junior, la ronda algorítmica tradicional se sustituye por una sesión abierta de resolución de un problema de ingeniería.

El cambio pasa de “¿sabes escribir esta función desde cero?” a “¿sabes razonar sobre un sistema que no escribiste tú?”. Ahora los entrevistadores priorizan si un candidato puede rastrear código desconocido, formular hipótesis sobre los fallos y validar las correcciones de forma sistemática. Esa es precisamente la habilidad que la IA no puede fingir en lugar del candidato, porque la IA genera código rápido pero introduce errores sutiles, y cazarlos exige que el humano entienda de verdad el sistema.

Un puzle limpio hecho desde cero es justo lo que un modelo de lenguaje resuelve de una sola pasada. Una base de código desconocida con un error plantado a propósito es justo lo que no puede, porque el trabajo es comprensión y criterio, no generación.

Puntúa el razonamiento y las contrapartidas, no el resultado

El segundo cambio es qué calificas. En el nuevo formato, los candidatos que reconocían las contrapartidas algorítmicas y las explicaban puntuaban bien aun cuando no podían implementar ambas soluciones, según el análisis de Exponent sobre el formato. Los candidatos que tienen éxito hacen prompts, leen, critican, corrigen e iteran. Los que fracasan tratan a la IA como una máquina de respuestas y pegan lo que sea que les devuelve.

Para un junior, esto es lo más importante que se puede medir. No lo contratas por las líneas de código que produzca el primer día; esas las produce la IA. Lo contratas por el criterio que decide si el código es correcto, si el enfoque escala y qué hacer cuando se rompe. Construye tu puntuación en torno a preguntas como: ¿Validó el output de la IA? ¿Cazó el error plantado? ¿Sabe explicar por qué eligió un enfoque y no otro? ¿Iteró cuando falló el primer intento?

Estandariza una sola rúbrica en todo el pipeline junior

El tercer cambio es la consistencia. Una evaluación estructurada significa que cada candidato junior se enfrenta a la misma tarea y se le puntúa con la misma rúbrica. Esto es lo que convierte el hallazgo de “la prueba de trabajo supera al currículum” en un criterio operativo por defecto, en vez de una corazonada improvisada que varía según el humor del entrevistador.

La estandarización importa más en el nivel inicial que en ningún otro, porque los candidatos junior son los que tienen el papel menos diferenciado. Sin una prueba de trabajo consistente, acabas recurriendo a las señales más ruidosas disponibles: el nombre de la universidad, la nota media, lo pulido del currículum. Justo los sustitutos que acaban de dejar de funcionar. Una sola rúbrica aplicada de forma uniforme es además tu defensa cuando la dirección pregunta por qué “buena universidad, buena nota media” ya no es un filtro suficiente. Puedes señalar la misma prueba de trabajo puntuada para cada candidato.

Por qué esto importa más ahora: menos plazas junior, más en juego

La contratación junior se está reduciendo, lo que hace que un cribado preciso valga más, no menos. La contratación de nivel inicial en las 15 mayores empresas tecnológicas cayó alrededor de un 25% entre 2023 y 2024, y los recién titulados son ahora cerca del 7% de las contrataciones de las grandes tecnológicas, más de un 50% por debajo de los niveles de 2019, según el informe State of Tech Talent de SignalFire.

Al mismo tiempo, España encabeza la UE en sobrecualificación de sus titulados: alrededor del 35,8% de los trabajadores con estudios superiores ocupan puestos por debajo de su nivel de cualificación, frente a una media europea cercana al 22%, según Eurostat. Y con el paro de los menores de 25 años rondando el 25% según la EPA del INE, la competencia por las primeras vacantes es feroz. Así que el grupo de candidatos es enorme y la señal media por currículum es más baja que nunca.

Los analistas han empezado a describir a los ingenieros que arrancan su carrera como atrapados entre los agentes de IA y los profesionales sénior, porque un desarrollador sénior más un asistente de IA reduce la necesidad de apoyo junior. Ese encuadre es debatible, pero la implicación estratégica no lo es. Las empresas que sigan construyendo pipelines junior ganarán la próxima década de talento sénior, y las que criben bien se quedarán con los juniors listos para aprender en lugar de con los tecleadores de prompts.

Cómo hacerlo en Kit

Kit está pensado para evaluar la capacidad real en plena era del colapso de las credenciales. El mecanismo central es el ejercicio de código, configurado como una tarea que se lanza desde un repositorio de plantilla de GitHub. Al ser un repositorio de plantilla, tú controlas el estado de partida, lo que significa que puedes entregar a los candidatos una base de código existente para ampliar, un error sutil plantado para encontrar y una contrapartida que justificar en la descripción de un PR. Esa es la ronda de “comprensión de código” convertida en una prueba de trabajo asíncrona y escalable, no un puzle limpio que un modelo de lenguaje resuelve de una pasada.

El ejercicio es configurable de las maneras que lo hacen humano y estandarizado: fija la duración, indica una estimación realista del tiempo que requiere, escribe instrucciones personalizadas, ofrécelo como ejercicio remunerado e incorpora periodos de gracia. Cada candidato junior recibe la misma tarea y la misma rúbrica, así que estás puntuando capacidad demostrada en el trabajo real del puesto en lugar de la universidad de su currículum. El pipeline estructurado y por etapas de Kit mantiene esa evaluación consistente en todo el recorrido, y sus herramientas nativas de IA te permiten diseñar y revisar evaluaciones al volumen que exige el nuevo mercado. Kit incluye este circuito exacto como la plantilla Junior Engineer Pipeline, lista para clonarla en tu cuenta.

Si quieres el contexto que lo rodea, estas lecturas profundizan en piezas adyacentes del problema:

• Cómo contratar ingenieros cuando todos tienen la misma IA aborda la diferenciación de candidatos cuando todos disponen de las mismas herramientas.
• LeetCode quedó obsoleto tras la IA explica por qué el formato de puzle algorítmico tenía que morir.
• Cómo estructurar ejercicios de código que los candidatos no odien entra en la mecánica de una buena prueba para casa.
• Cómo contratar a un ingeniero backend en 2026 es la guía adyacente específica de ese puesto.
• ¿Qué es un ATS nativo de IA? da el contexto de producto de por qué esto viene integrado, no añadido a posteriori.

Preguntas frecuentes

¿Debería prohibir la IA en las entrevistas de juniors?

No. Prohibir la IA pone a prueba una habilidad que los candidatos nunca usarán en el trabajo e invita a una carrera armamentística que no puedes vigilar. Lo mejor es permitir la IA de forma explícita y diseñar la evaluación para que lo que se puntúa sea el criterio, no la generación. Dales una base de código desconocida para depurar y pídeles que expliquen su razonamiento. Un candidato flojo con IA sigue sin poder decirte por qué funciona la corrección.

¿Qué es una buena prueba de trabajo para un ingeniero de nivel inicial?

Una tarea pequeña y realista construida sobre una base de código existente, no un puzle desde cero. Entrégales un sistema parcial con un error plantado, pídeles que amplíen una funcionalidad y exige una breve explicación escrita de sus contrapartidas. Puntúa si validaron su enfoque, si cazaron el error y si saben razonar sobre un sistema que no escribieron ellos. Mantenla en unas pocas horas, hazla remunerada si puedes y aplica la misma tarea a cada candidato.

¿Sigue importando una carrera en Informática?

Sigue siendo un dato útil como contexto, pero ya no basta como cribado. Los datos de calificaciones de UC Berkeley y la petición del profesorado de la UC muestran que el título certifica menos que antes, y los metaanálisis de la ciencia de la contratación demuestran que nunca predijo el desempeño laboral tan bien como una prueba de trabajo. Trata el título como una de varias señales débiles y deja que una prueba de trabajo estructurada cargue con el peso.

El colapso de las credenciales es real y no se va a revertir pronto. Pero no es una crisis para los equipos que criban por capacidad demostrada. Cuando el título deja de certificar competencia, la respuesta es una prueba de trabajo estructurada y consciente de la IA, puntuada por razonamiento y criterio, aplicada de la misma forma a cada candidato junior. Así es como encuentras a los ingenieros listos para aprender escondidos en un montón de currículums idénticos.

Diseña un ejercicio de código consciente de la IA para tu próxima vacante junior en Kit: una tarea desde un repositorio de plantilla, puntuada por razonamiento, depuración y contrapartidas, estandarizada en todos los candidatos. Empieza tu prueba gratis.