Las empresas están optimizando para un mundo donde sus propios clientes ya no pueden comprar sus productos. Y lo llaman progreso.
Imaginate que le pedís a tu mejor vendedor que entrene a su reemplazante. Que documente todo lo que sabe, que explique cada caso difícil, cada cliente complicado, cada decisión que tomó de manera intuitiva después de diez años. Y que mientras lo hace, sepa que cuando termine, le vas a agradecer los años de servicio y le vas a dar una caja con sus cosas personales
Eso no es una metáfora. Eso es lo que está pasando ahora mismo, con nombre, apellido y ticket en bolsa. Meta instaló software en las computadoras de sus empleados en Estados Unidos para capturar cada movimiento de mouse, cada clic, cada pulsación de teclado, cada decisión cotidiana. Lo llaman internamente Model Capability Initiative. Lo que están construyendo, en realidad, es el mapa de cómo piensan y trabajan las personas que están a punto de despedir. Ocho mil empleados. Diez por ciento de su plantilla global. El mismo mes que anuncian los despidos, instalan el software. No hace falta ser sospechoso para ver la lógica. Está escrita en el memo interno al que accedió Reuters.
AWS despidió a sus ingenieros senior. Los que entendían los sistemas en profundidad, los que sabían por qué se habían tomado ciertas decisiones hace cinco años, los que cargaban en la cabeza el conocimiento que ningún manual documenta. Después, los sistemas cayeron. ChatGPT se fue. Fortnite desapareció. Aplicaciones bancarias dejaron de responder. Medio mundo sin conexión durante horas. Y Amazon tuvo que llamar a los que había despedido. No es un rumor. Es el debate que se está dando públicamente en la industria tecnológica. La pregunta incómoda que nadie en el C-Suite quiere responder:
¿cuánto del conocimiento institucional se fue con esa gente?
Las Big 4, esas firmas que cobran fortunas por decirle a sus clientes cómo ser más eficientes, están aplicando la misma lógica hacia adentro. PwC eliminó cerca de 1.500 posiciones en Estados Unidos. KPMG recortó en múltiples mercados. EY y Deloitte siguieron. Simultáneamente, desplegaron decenas de miles de agentes de IA para reemplazar las tareas que antes hacían esas personas. El argumento: eficiencia. La realidad: están apostando a que la IA puede hacer en segundos lo que antes requería el juicio de un profesional con quince años de experiencia y contexto. Y si miramos un poco para atrás en el tiempo recordarás las demandas contra un par de consultoras por sus informes con graves errores.
Y todo esto sucede mientras los ejecutivos que toman estas decisiones cobran bonos récord.
La lógica impecable que no cierra
Entiendo el razonamiento. Lo entiendo perfectamente porque lo he visto en decenas de boardrooms a lo largo de mas de veinte años. El CFO presenta el modelo: si reemplazamos X posiciones con automatización, el costo por unidad producida cae en un Y por ciento, el margen sube, el EBITDA mejora, los accionistas aplauden. Es matemáticamente correcto. Es estratégicamente coherente dentro de sus propias variables. Y es profundamente incompleto.
El problema no está en el numerador. El problema está en lo que ese modelo no incluye en el denominador. El mercado de consumo no es una constante. Es una función de cuánta gente tiene trabajo, de cuánta gente tiene ingreso, de cuánta gente tiene la capacidad de comprar lo que esas empresas producen. Cuando comenzás a sacar gente del sistema productivo más rápido de lo que el sistema puede crear nuevos roles, no estás optimizando un negocio. Estás erosionando el ecosistema en el que ese negocio existe.
DATO DE CONTEXTO
Según una encuesta a 1.006 ejecutivos globales realizada en diciembre de 2025, los despidos ligados a IA se deben casi en su totalidad a la anticipación del impacto de la IA, no a su rendimiento real comprobado. Las empresas están apostando a un futuro que todavía no existe para justificar decisiones que tienen consecuencias reales hoy.
No es una teoría. Es aritmética básica de economía de mercado. Si las empresas tecnológicas despiden a sus ingenieros y los reemplazan por agentes de IA, esos ingenieros dejan de pagar hipotecas, de salir a comer, de comprar tecnología, de contratar servicios. Si las Big 4 eliminan miles de posiciones de consultoría y auditoría, esos profesionales dejan de consumir. Si los bancos automatizan su fuerza de ventas y su atención al cliente, las comunidades que dependían de esas fuentes de empleo se contraen. Y entonces, ¿a quién le venden? ¿A los modelos?
La pregunta no es retórica. Es la pregunta central de este momento histórico y casi nadie con poder real de decisión la está formulando en serio.
Las empresas están apostando a un futuro que todavía no existe para justificar decisiones con consecuencias reales hoy. Eso no es estrategia. Es una fe mal fundada con costo humano verificable
El círculo que se rompe
En 1914, Henry Ford hizo algo que sus competidores consideraron una locura. Duplicó el salario de sus obreros, pasando de dos dólares con treinta y cuatro centavos a cinco dólares por día. Los analistas de la época dijeron que estaba destruyendo el margen. Los accionistas protestaron. Los diarios lo criticaron. Ford siguió adelante. ¿Por qué? Porque había entendido algo que muy pocos empresarios de su generación habían comprendido: si sus propios obreros no podían comprar un Ford, el mercado masivo que él necesitaba para sostener su modelo de producción en escala simplemente no iba a existir.
No fue filantropía. Fue inteligencia sistémica. Ford entendió que el salario no era solo un costo. Era también la fuente de su demanda. Era la condición de posibilidad de su propio éxito.
Hoy estamos haciendo exactamente lo contrario. Y lo estamos haciendo a una velocidad y escala que Ford no hubiera podido imaginar. En el primer trimestre de 2026, el sector tecnológico acumuló más de 45.000 despidos, de los cuales cerca del 20 por ciento se atribuyen directamente a la adopción de IA y automatización. Si la tendencia se mantiene, el año podría cerrar con más de 264.000 posiciones eliminadas solo en tecnología. Solo en tecnología. No contamos manufactura. No contamos servicios financieros. No contamos consultoría. No contamos retail. No contamos logística.
¿Cuándo llegamos al punto en que la eficiencia interna destruye la demanda externa? ¿Cuándo el Excel del CFO empieza a mostrar que los clientes ya no compran, no porque el producto sea malo, sino porque los clientes ya no tienen con qué?
LA PARADOJA DE AWS
En el primer trimestre de 2025, AWS generó ventas por 29.300 millones de dólares con un crecimiento del 17% interanual. Los despidos no respondieron a una caída del negocio. Respondieron a una búsqueda de mayor eficiencia en un negocio que ya era altamente rentable. Meses después, cuando los sistemas cayeron, tuvieron que llamar a los que habían despedido. El costo de esa caída no aparece en el modelo de eficiencia original.
Lo que nadie mide en el dashboard
Hay una categoría de valor que no aparece en ningún sistema de medición corporativo estándar. No tiene línea en el P&L. No tiene KPI asignado. No hay un dashboard en Tableau que lo muestre. Se llama conocimiento institucional. Y cuando lo perdés, no sabés que lo perdiste hasta que lo necesitás.
El caso de AWS es el más ilustrativo porque es el más reciente y el más documentado en debate público. Cuando los sistemas críticos comenzaron a fallar, las personas que entendían la arquitectura profunda de esos sistemas, que sabían por qué ciertas decisiones de diseño se habían tomado años atrás, que conocían los workarounds no documentados que mantenían la estabilidad, ya no estaban. Habían sido despedidas en el proceso de «optimización». Y entonces tuvieron que llamarlas. Emergencia. Por favor, volvé. Te pagamos lo que quieras por hora.
Eso no es eficiencia. Eso es una deuda de conocimiento que se cobra con intereses cuando menos podés pagarlo. El problema con los despidos de personas senior es que con ellas no se va solo un salario. Se va la capacidad de reconocer patrones que el sistema de IA todavía no aprendió a detectar. Se va el criterio que distingue una alerta real de un falso positivo. Se va la red de relaciones que permite resolver en una llamada lo que formalmente tomaría semanas. Se va el juicio que no está escrito en ningún manual porque fue construido caso a caso, año a año, falla a falla.
¿Cuánto vale eso? Nadie lo puso en el modelo de eficiencia. Y esa omisión tiene consecuencias que se pagan en el momento más inconveniente, con el mayor costo posible.
Con cada despido de un profesional senior no se va un salario. Se va la capacidad de reconocer lo que el sistema de IA todavía no aprendió a ver. Esa deuda se cobra con intereses exactamente cuando menos podés pagarla.
El servicio sin empatía
Hay algo más que se pierde cuando una organización reemplaza sus puntos de contacto humano con agentes de IA, y es algo que los modelos de rentabilidad son estructuralmente incapaces de medir: la capacidad de detectar lo que el cliente no sabe expresar.
Un ejemplo concreto del mundo financiero, que es el que mejor conozco. Cuando una persona mayor entra a una sucursal bancaria y pregunta por «eso de las inversiones», no está pidiendo un producto de inversión. Está pidiendo que alguien entienda que tiene miedo a perder los ahorros de toda su vida, que no confía en los sistemas digitales, que necesita que alguien le mire a los ojos y le diga que va a estar bien. Un agente de IA puede responder la pregunta literal. No puede responder la pregunta real. No porque no tenga capacidad técnica, sino porque la pregunta real nunca fue pronunciada.
Los bancos que están cerrando sucursales masivamente, automatizando call centers, reemplazando asesores con chatbots, están tomando decisiones de eficiencia basadas en métricas de costo por transacción. Lo que no están midiendo es el costo de la distancia. El costo de que el cliente que no entiende el proceso digital simplemente abandone y vaya al competidor que todavía tiene una persona disponible. El costo de que la queja que nunca llegó a tiempo se transforme en una crisis reputacional. El costo de que la señal de alerta temprana sobre un producto defectuoso, que antes un asesor hubiera detectado en conversación, ahora no tenga canal para emerger.
La empatía no es una virtud decorativa en los negocios de servicio. Es un mecanismo de detección de señales débiles que los sistemas automatizados, por diseño, no pueden capturar. Cuando la eliminás, no te ahorrás solo el salario. Te quedás ciego a una categoría entera de información que antes te llegaba de manera orgánica.
¿Cuántas decisiones estratégicas equivocadas se van a tomar porque nadie en la organización tiene conversaciones reales con clientes reales? ¿Cuántos problemas se van a detectar tarde porque el canal humano que antes servía como sistema de alerta temprana fue reemplazado por un formulario y un bot?
Cuando los empleados entrenan a su propio reemplazo
Lo que está haciendo Meta tiene un nombre que nadie en el comunicado de prensa quiso usar. Lo llaman Model Capability Initiative. Lo que están haciendo, en términos concretos, es pedirle a sus empleados que sean los sujetos de datos de un sistema diseñado para volverlos prescindibles. Capturan movimientos de mouse, clics, pulsaciones de teclado, capturas de pantalla periódicas. Todo dentro del trabajo. Todo con el objetivo declarado de entrenar agentes de IA que puedan hacer esas mismas tareas de manera autónoma.
El CTO de Meta, Andrew Bosworth, dijo en el memo interno que el objetivo era que los agentes pudieran «ver automáticamente dónde sienten la necesidad de intervenir para ser mejores la próxima vez». No hace falta un análisis sofisticado para entender la lógica. Los momentos donde los humanos «intervienen» son exactamente los momentos que la IA va a aprender a manejar sola. Esos son exactamente los momentos que definen si esos humanos siguen siendo necesarios.
Amazon tiene una historia similar, aunque menos documentada y más polémica. Lo que sí está verificado es que la empresa ejecutó múltiples rondas de despidos desde 2023, golpeando especialmente perfiles senior de ingeniería, mientras simultáneamente pedía a esos mismos perfiles que documentaran procesos, construyeran asistentes de código y automatizaran tareas. Trabajadores de Amazon firmaron cartas abiertas advirtiendo que la empresa está empujando a usar IA «a toda costa». La percepción interna es unánime:
están ayudando a diseñar las tecnologías que los harán prescindibles.
Y lo hacen porque no tienen alternativa. Si no lo hacen, los despiden de todas formas, probablemente antes. Si lo hacen, tienen algunos meses más. La elección no es libre. Es una elección bajo coacción disfrazada de cultura de innovación.
¿Dónde está el límite ético de pedirle a alguien que entrene a su propio reemplazo como condición de seguir empleado? ¿Eso es colaboración o es extorsión con buena iluminación de oficina?
No existe en ningún código de ética empresarial una cláusula que permita pedirle a alguien que trabaje activamente para su propia prescindibilidad como condición de conservar su empleo. Pero tampoco existe una cláusula que lo prohíba. Ese vacío es el problema.
El debate social que ya llegó aunque las empresas finjan que no
Esto ya no es un debate corporativo. Dejó de serlo hace tiempo. Es un debate sobre el contrato social que las economías de mercado construyeron durante el siglo XX y que está siendo rediseñado unilateralmente por un conjunto de corporaciones que no le rinden cuentas a nadie excepto a sus accionistas.
El contrato era simple: trabajo a cambio de salario, salario a cambio de consumo, consumo a cambio de producción, producción a cambio de trabajo. Un círculo que, con sus enormes imperfecciones, sus inequidades y sus fracturas, sostuvo la expansión de una clase media global durante décadas. No era perfecto. Pero funcionaba como sistema.
Lo que está pasando ahora no es la evolución de ese sistema. Es su interrupción. Y la interrupción no viene acompañada de un plan de transición claro, de políticas públicas que estén a la altura de la velocidad del cambio, ni de un debate honesto sobre quién absorbe el costo social de esta transformación. Viene acompañada de comunicados de prensa sobre innovación, eficiencia y futuro. Y de bonos para los ejecutivos que ejecutaron los recortes.
Las preguntas que la sociedad está comenzando a formular son incómodas para cualquiera que esté en el lado del capital. ¿Quién paga el costo de la transición? Si una empresa reemplaza cien empleados con IA y sube sus márgenes, ¿quién financia el período de reconversión de esas cien personas? ¿El Estado? ¿Con qué recursos, si la base impositiva se contrae porque la masa salarial cae? ¿Las mismas empresas que produjeron el desplazamiento? ¿Bajo qué mecanismo y con qué incentivo?
En Europa, estas preguntas ya están en el debate legislativo. En América Latina, donde los sistemas de protección social son estructuralmente más frágiles y los mercados laborales tienen enormes sectores informales, el impacto puede ser devastador con una velocidad que ni siquiera nos da tiempo para formular bien las preguntas antes de que el daño sea irreversible.
¿Qué pasa con el empleado bancario de cuarenta y cinco años en una ciudad mediana de Colombia o Bolivia cuando el banco automatiza su sucursal? ¿Qué capacidades tiene para reconvertirse? ¿En cuánto tiempo? ¿Con qué red de contención? ¿Quién lo sostiene mientras aprende algo nuevo? ¿O simplemente no existe en el modelo de eficiencia porque no tiene ticker en bolsa?
La eficiencia que se devora a sí misma
Hay una ironía estructural en todo esto que debería ser obvia pero que curiosamente no lo es para quienes toman estas decisiones. Las empresas que están eliminando empleos masivamente para financiar su transición a IA necesitan que el mercado consuma sus productos y servicios para que esa inversión en IA tenga sentido. Pero el mercado que consume es, en gran medida, el mismo mercado que trabaja. Si desempleo el mercado, estoy erosionando mi propia demanda. Es un ciclo que se devora a sí mismo.
Alan Cohen de RationalFX lo formuló con precisión: los fondos liberados por los despidos se destinan directamente a financiar las inversiones en IA que los originaron. Un ciclo que se retroalimenta. La pregunta es cuánto tiempo puede sostenerse ese ciclo antes de que la contracción de la demanda lo interrumpa.
Y acá hay algo que me preocupa especialmente en el contexto financiero. Los bancos y las instituciones financieras tienen una responsabilidad sistémica que las empresas tecnológicas no tienen. Un banco no es solo un negocio. Es infraestructura. Es el sistema circulatorio de una economía. Cuando un banco decide que la eficiencia es el único valor que importa, no está tomando solo una decisión de negocios. Está tomando una decisión sobre qué tan accesible va a ser el sistema financiero para la gente que más necesita que sea accesible.
Automatizar el crédito, por ejemplo, tiene sentido desde el punto de vista de costo por operación. Pero el modelo de crédito automatizado reproduce los sesgos históricos del sistema. No puede leer el contexto. No puede entender que ese emprendedor informal que no tiene historial crediticio formal tiene veinte años de reputación en su comunidad. No puede evaluar la confianza que sus vecinos depositan en él. Puede procesar datos. No puede leer realidades.
¿Qué banco va a decir honestamente que está dispuesto a sacrificar inclusión financiera en el altar de la eficiencia operativa? Ninguno en su comunicado de prensa. Pero algunos lo están haciendo en sus decisiones operativas, silenciosamente, sin que nadie se los llame a responder.
MI REFLEXIÓN FINAL
El límite no es una línea regulatoria. Es una pregunta que las empresas tienen que responderle a la sociedad.
No estoy en contra de la IA, nada mas alejado de ello. Estoy en contra de la idea de que la IA justifica la ausencia de toda consideración sobre el impacto sistémico de las decisiones que se toman en su nombre. No es lo mismo usar IA para hacer crecer un negocio que usar IA como excusa para extraer valor del tejido social sin contribuir a su regeneración.
La pregunta no es si la IA va a transformar el trabajo. Va a transformarlo. Ya lo está haciendo. La pregunta es quién define los términos de esa transformación. Si esos términos los definen exclusivamente las corporaciones en función de sus métricas de corto plazo, el resultado va a ser una optimización técnicamente impecable de un sistema que se destruye a sí mismo. Si esos términos se definen en un diálogo real entre empresas, trabajadores, gobiernos y sociedad, podemos construir algo que valga la pena.
Pero ese diálogo requiere honestidad. Requiere que las empresas dejen de presentar sus decisiones de reducción de costos como actos de innovación visionaria. Requiere que reconozcan el impacto real de sus elecciones en personas reales, con nombres, con familias, con comunidades que dependen de sus ingresos. Requiere que alguien en el boardroom tenga el coraje de preguntar: ¿en qué mundo vivimos si esto funciona exactamente como lo planeamos?
Henry Ford entendió que sus obreros eran también sus clientes. Que si no podían comprar un Ford, el mundo que él estaba construyendo no tenía sentido. Esa no es una filosofía anticuada. Es la condición de posibilidad de cualquier economía de mercado que quiera sostenerse en el tiempo.
El límite que nadie quiere nombrar es ese. No es un límite regulatorio. No es un límite ético en abstracto. Es el límite sistémico que separa la eficiencia que genera valor del largo plazo de la eficiencia que destruye las condiciones de su propia posibilidad.
Las empresas que sobrevivan este ciclo serán las que entendieron que la rentabilidad no es un fin. Es un resultado. Y que el resultado depende de un ecosistema que tienen la responsabilidad de no destruir mientras lo están usando.
La pregunta que el boardroom no está haciendo:
¿En qué mundo vivimos si todo esto funciona exactamente como lo planeamos?
Si la respuesta los incomoda, están haciendo bien la pregunta.
Diego San Esteban
Estratega en transformación bancaria e IA · América Latina
Más de 200 instituciones financieras asesoradas · humanizingbanking.com