El bumerán de la IA: recortar primero y medir después sale el doble de caro

Hay una prueba sencilla para cualquier anuncio de «eficiencia gracias a la IA»: ¿midió la empresa lo que hacían realmente las personas a las que despidió antes de despedirlas? A juzgar por la creciente ola de recontrataciones, muchas no lo hicieron.

El patrón ya es difícil de ignorar. Medios como Actualidad RT hablan del «bumerán de la IA»: empresas que vuelven a contratar a empleados que habían sustituido por inteligencia artificial. Klarna es el ejemplo más conocido. Como relata Mundiario, la fintech apostó fuerte por automatizar la atención al cliente y más tarde volvió a contratar tras reconocer los límites de ese enfoque. El mismo artículo cita una previsión de Gartner según la cual, en 2027, la mitad de las empresas que recortaron plantilla alegando la IA volverán a contratar para puestos similares.

Conviene tomar esa última cifra por lo que es: una previsión, no un resultado. Algunas de las encuestas que circulan, como la que afirma que hasta un 55 % de los empleadores se arrepiente de los despidos motivados por la IA, proceden de páginas sin fecha que no podemos verificar bien. La dirección, en cambio, es coherente en todas las fuentes.

El error no fue usar IA, sino restar personas primero

No creemos que esta historia demuestre que la IA no funciona. Demuestra un error de secuencia. Un despliegue sensato sigue este orden: mapear el trabajo, automatizar lo que aguanta, medir la calidad y solo entonces decidir cuánta gente hace falta. Muchas empresas parecen haberlo hecho al revés. Contabilizaron el ahorro en la nota de prensa y dejaron las pruebas para más adelante.

La señal está en lo que suele desaparecer junto con la plantilla. El análisis de Mundiario apunta a la pérdida de conocimiento acumulado: los empleados con experiencia saben cómo se comportan los clientes, detectan los problemas antes de que escalen y resuelven los casos raros. Un modelo puede responder cientos de consultas en segundos, pero también puede inventarse información o repetir una mala decisión a gran escala. Y cuando las personas que detectarían esos fallos ya se han ido, un error deja de ser una incidencia y se convierte en una pérdida económica, una reclamación o un daño reputacional.

Ese es el doble pago de la tesis. Primero pagas el recorte y la disrupción que provoca. Después, en nuestra opinión, vuelves a pagar por la selección, la formación y la confianza de los clientes que perdiste por el camino.

El argumento económico era más frágil de lo que suponían los consejos de administración

Hay una razón por la que la lógica de recortar primero resultaba tan tentadora. Según un segundo análisis de Mundiario, el 77 % de los consejos de administración espera que la IA reduzca costes, mientras que el 38 % de las empresas ya ha superado su presupuesto de implantación. La integración, el mantenimiento, la infraestructura y la supervisión humana pueden absorber buena parte del ahorro prometido. Si contabilizas de entrada el recorte de nóminas pero la factura de la IA llega después y más abultada, las cuentas se dan la vuelta.

Nuestra lectura: los despidos eran la única partida del caso de negocio de la IA que era inmediata y segura, así que se convirtieron en el caso entero. Todo lo demás, incluidas la calidad y la tasa de errores, se dio por supuesto.

Escepticismo en ambas direcciones

Dos cautelas. Primero, no todo despido atribuido a la IA tiene que ver de verdad con la IA. El propio Mundiario señala que los costes, las reestructuraciones y la coyuntura económica también influyen, y que la expectativa de lo que hará la IA mañana se usa a menudo para justificar el recorte de empleos que hoy siguen siendo necesarios. Maquillar de IA un recorte de costes rutinario es cómodo, y el bumerán puede ser en parte el desmoronamiento de esa narrativa.

Segundo, recontratar no es una vuelta de honor para los trabajadores. Un estudio de Stanford citado en el mismo artículo halló que el empleo de las personas de 22 a 25 años en ocupaciones muy expuestas a la IA está un 19 % por debajo de la trayectoria que habría seguido de otro modo, aunque los investigadores no encontraron pruebas de una destrucción de empleo generalizada en toda la economía. Así, el daño parece concentrarse en los puestos de entrada, justo donde se forma el criterio que ahora las empresas dicen echar de menos. Recontratar a veteranos mientras se cierra la puerta de entrada a los júniores solo aplaza el mismo problema.

Nuestro veredicto

Si diriges una empresa, trata la plantilla como la última variable que tocas, no la primera. Haz pruebas piloto, mide los errores y los resultados con los clientes, conserva a quienes saben dónde falla el modelo y recorta solo lo que los datos ya hayan demostrado que sobra. Si eres empleado, no interpretes el bumerán como una garantía de estabilidad; léelo como una pista de dónde está tu valor. Quienes saben verificar lo que produce la IA son, creemos, aquellos sin los que las empresas descubrirán que no pueden pasar.

La tecnología seguirá mejorando y es probable que algunos de esos puestos desaparezcan para siempre. Pero «ya veremos la calidad más adelante» ha resultado ser una forma cara de averiguar cuáles.