El fracaso se produce cuando los l\u00edderes refuerzan el \u00abMotor\u00bb, debilitan la \u00abCabina\u00bb y dan por sentado que la \u00abBr\u00fajula\u00bb se las arreglar\u00e1 por s\u00ed sola de alguna manera.<\/p>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/You-can-automate-the-code-\u2013-you-cant-automate-the-company-image.jpg\")
<\/p>\n
Klarna ha llegado al l\u00edmite<\/h2>\n
Klarna ofrece un ejemplo ilustrativo de esa distinci\u00f3n.<\/p>\n
En 2024, la empresa de pagos afirm\u00f3 que su asistente de inteligencia artificial realizaba el trabajo equivalente al de 700 agentes de atenci\u00f3n al cliente y gestionaba dos tercios de sus chats de atenci\u00f3n al cliente tan solo un mes despu\u00e9s de su lanzamiento. Klarna tambi\u00e9n congel\u00f3 la contrataci\u00f3n, y posteriormente su plantilla se redujo en aproximadamente un 22 %, en gran parte debido a la rotaci\u00f3n natural del personal.<\/p>\n
Las cifras econ\u00f3micas parec\u00edan impresionantes. Entonces, la empresa se top\u00f3 con un l\u00edmite.<\/p>\n
En 2025, el director ejecutivo, Sebastian Siemiatkowski, reconoci\u00f3 que el coste se hab\u00eda convertido en un factor demasiado determinante en la organizaci\u00f3n del servicio de atenci\u00f3n al cliente, lo que daba lugar a una asistencia de menor calidad. Klarna comenz\u00f3 a contratar a agentes humanos con horarios flexibles y que trabajaban a distancia, y hizo hincapi\u00e9 en que los clientes siempre deb\u00edan poder ponerse en contacto con una persona si as\u00ed lo deseaban.<\/p>\n
No se trat\u00f3 de una retirada total de la IA. Klarna sigui\u00f3 utilizando el asistente de forma generalizada. En un informe posterior, la empresa indic\u00f3 que gestion\u00f3 el 80 % de los chats de atenci\u00f3n al cliente durante el a\u00f1o 2025 y se\u00f1al\u00f3 que, seg\u00fan sus propias encuestas internas, no se hab\u00eda producido ning\u00fan descenso en el nivel de satisfacci\u00f3n.<\/p>\n
Esta lecci\u00f3n es m\u00e1s interesante que una simple historia de fracaso. Klarna mantuvo la eficiencia al tiempo que correg\u00eda la suposici\u00f3n de que la eficiencia lo era todo en el producto. Un servicio automatizado puede funcionar de manera brillante en la interacci\u00f3n habitual y, aun as\u00ed, necesitar a una persona para aquellos momentos que no se ajustan al patr\u00f3n. En la atenci\u00f3n al cliente, esos momentos inusuales suelen determinar c\u00f3mo se recuerda la marca.<\/p>\n
Klarna no descubri\u00f3 que la IA fuera ineficaz. Su motor funcionaba. La empresa descubri\u00f3 que los clientes segu\u00edan necesitando acceso a un \u00abCockpit\u00bb cuando la interacci\u00f3n ya no se ajustaba al patr\u00f3n est\u00e1ndar.<\/p>\n
Una reorganizaci\u00f3n no es lo mismo que un equipo<\/h2>\n
Si Klarna pone de manifiesto la dificultad de prescindir en exceso del apoyo humano, Meta pone de manifiesto la dificultad de reorganizar al personal en torno a una estrategia basada en la inteligencia artificial.<\/p>\n
En mayo de 2026, Meta se dispon\u00eda a recortar aproximadamente el 10 % de su plantilla, al tiempo que reasignaba a unos 7 000 empleados a nuevas organizaciones centradas en la inteligencia artificial. Los documentos internos describ\u00edan estructuras m\u00e1s horizontales, equipos m\u00e1s reducidos y una mayor autonom\u00eda. Algunos empleados se refer\u00edan a los traslados obligatorios como \u201creclutamientos\u201d.\u201d<\/p>\n
Un mes despu\u00e9s, el director de tecnolog\u00eda de Meta, Andrew Bosworth, reconoci\u00f3 en una publicaci\u00f3n interna que la empresa hab\u00eda hecho un trabajo \u201catroz\u201d a la hora de poner en marcha una de las nuevas divisiones. Y lo que es m\u00e1s revelador, se\u00f1al\u00f3 qu\u00e9 era lo que se hab\u00eda visto perjudicado: la confianza de los empleados en que se valorar\u00eda su experiencia, en que sus carreras profesionales avanzar\u00edan y en que podr\u00edan tener un impacto significativo.<\/p>\n
Es posible que, en \u00faltima instancia, Meta consiga desarrollar una IA mejor gracias a la reestructuraci\u00f3n. El hecho de que la puesta en marcha haya sido complicada no demuestra que la estrategia vaya a fracasar. Sin embargo, reunir a personas con talento en un organigrama orientado a la IA no es lo mismo que crear un equipo que funcione. El Cockpit se basa en la confianza, la continuidad y una visi\u00f3n compartida de por qu\u00e9 este trabajo es importante.<\/p>\n
Las personas necesitan saber por qu\u00e9 su trabajo es importante. Necesitan responsables que comprendan sus puntos fuertes y la continuidad suficiente para aprender c\u00f3mo se toman las decisiones. Se pueden trasladar nombres de una casilla a otra en una tarde. Las relaciones y el contexto compartido no se trasladan autom\u00e1ticamente con ellos.<\/p>\n
Una demanda presentada en julio de 2026 por 26 empleados de Meta pone de relieve esta cuesti\u00f3n. Los empleados alegan que Meta utiliz\u00f3 sistemas internos de inteligencia artificial, el sistema de seguimiento de la actividad data, paneles de control del uso de tokens y clasificaciones de rendimiento asistidas por algoritmos a la hora de seleccionar a las personas afectadas por los despidos. Afirman que el proceso consideraba los periodos de baja m\u00e9dica, parental o familiar como una reducci\u00f3n del rendimiento, lo que aumentaba la probabilidad de que los trabajadores afectados fueran seleccionados. Meta niega las acusaciones y afirma que fueron personas, y no la IA, quienes tomaron las decisiones relativas a la plantilla.<\/p>\n
Estas afirmaciones no se han demostrado. Sin embargo, el supuesto modo de fallo es uno que toda organizaci\u00f3n deber\u00eda tener en cuenta. Un sistema puede procesar con precisi\u00f3n los indicadores disponibles y, aun as\u00ed, llegar a una decisi\u00f3n err\u00f3nea porque dichos indicadores carecen de contexto. Una disminuci\u00f3n en los resultados medidos puede indicar un bajo rendimiento. Tambi\u00e9n puede deberse a un embarazo, una enfermedad, el cuidado de una persona dependiente o una adaptaci\u00f3n por discapacidad.<\/p>\n
El Motor aplica la m\u00e9trica. El Cuadro de mando pregunta qu\u00e9 significa la m\u00e9trica. La Br\u00fajula decide qu\u00e9 consecuencias est\u00e1 dispuesta a asumir la organizaci\u00f3n.<\/p>\n
C\u00f3mo recuerdan las organizaciones<\/h2>\n
La mayor parte del conocimiento de una organizaci\u00f3n no se almacena donde los l\u00edderes creen que est\u00e1. No se encuentra todo en el c\u00f3digo fuente, en el CRM, en el manual de pol\u00edticas ni en la unidad compartida. Gran parte de \u00e9l reside en peque\u00f1as interacciones que apenas se perciben como trabajo.<\/p>\n
Es la reuni\u00f3n semanal en la que alguien recuerda por qu\u00e9 una idea similar fracas\u00f3 hace tres a\u00f1os. Es la reuni\u00f3n de an\u00e1lisis con el cliente en la que se descubre que la verdadera objeci\u00f3n era de car\u00e1cter pol\u00edtico, no t\u00e9cnico. Es el ingeniero s\u00e9nior que examina el c\u00f3digo que supera todas las pruebas y afirma: \u201cEsto fallar\u00e1 en las condiciones en las que realmente operamos\u201d.\u201d<\/p>\n
Estos momentos pueden parecer poco eficaces. Sin embargo, son precisamente as\u00ed como las organizaciones retienen la informaci\u00f3n.<\/p>\n
En un bufete de abogados, una consultor\u00eda, un banco o una agencia, la relaci\u00f3n forma parte del producto. El valor no solo proviene del resultado final, sino tambi\u00e9n de comprender la trayectoria del cliente, su din\u00e1mica interna, su tolerancia al riesgo y sus limitaciones t\u00e1citas. Lo mismo ocurre en la administraci\u00f3n p\u00fablica, donde un asistente social o un responsable de planificaci\u00f3n puede aportar a\u00f1os de conocimientos pr\u00e1cticos que a nadie se le ocurri\u00f3 plasmar por escrito.<\/p>\n
La inteligencia artificial puede ayudar a captar mejor todo esto. Unas herramientas m\u00e1s eficaces de b\u00fasqueda, transcripci\u00f3n y memoria institucional resultan verdaderamente \u00fatiles. Sin embargo, la documentaci\u00f3n es siempre una selecci\u00f3n de la realidad. Las personas registran aquello que ya saben que es importante. La experiencia consiste, en parte, en la capacidad de reconocer la importancia de algo antes de que nadie lo haya documentado.<\/p>\n
Cuando los competidores tienen acceso a modelos e infraestructuras similares, la ventaja duradera radica en c\u00f3mo se orienta la tecnolog\u00eda, en el contexto en el que se inscribe y en los est\u00e1ndares que se aplican a sus resultados.<\/p>\n
La inteligencia artificial puede generar igualdad. Las personas convierten esa igualdad en una ventaja.<\/p>\n
Los despidos transforman a quienes se quedan<\/h2>\n
El coste de un despido suele calcularse teniendo en cuenta la indemnizaci\u00f3n por despido, el riesgo legal, el tiempo de transici\u00f3n y la p\u00e9rdida que supone la marcha de los empleados. El comportamiento de los empleados que permanecen en la empresa es m\u00e1s dif\u00edcil de cuantificar.<\/p>\n
Un metaan\u00e1lisis de 2002 realizado por Magnus Sverke, Johnny Hellgren y Katharina N\u00e4swall examin\u00f3 72 estudios sobre la percepci\u00f3n de la inseguridad laboral. En \u00e9l se constataron relaciones negativas entre la inseguridad y la satisfacci\u00f3n laboral, el compromiso con la organizaci\u00f3n y el rendimiento. Se trataba de correlaciones, no de descensos porcentuales provocados por un despido concreto. Aun as\u00ed, la tendencia es coherente: cuando las personas dejan de sentirse seguras, su relaci\u00f3n con la organizaci\u00f3n cambia.<\/p>\n
Una investigaci\u00f3n realizada por Charlie Trevor y Anthony Nyberg relacion\u00f3 una reducci\u00f3n de la plantilla del 1 % con un aumento estimado del 31 % en la rotaci\u00f3n voluntaria de personal al a\u00f1o siguiente, aunque las pr\u00e1cticas de recursos humanos aplicadas influyeron en el resultado.<\/p>\n
Esto plantea un problema de selecci\u00f3n. Los empleados con mayor capacidad para marcharse suelen ser aquellos que cuentan con s\u00f3lidas competencias, redes de contactos \u00fatiles y alternativas atractivas. Cuando una empresa decide prescindir de un grupo, corre el riesgo de que otro grupo decida marcharse por su cuenta.<\/p>\n
Esto no significa que los despidos nunca sean necesarios. Significa que una reducci\u00f3n de plantilla no es una simple resta. Altera la confianza, los incentivos y el comportamiento en toda la organizaci\u00f3n. Cuando la IA es la raz\u00f3n aducida, el efecto puede ser m\u00e1s acusado, ya que se pide a los empleados que formen y mejoren los sistemas que podr\u00edan justificar la pr\u00f3xima reducci\u00f3n.<\/p>\n
La cadena de captaci\u00f3n de talento presenta un fallo retardado<\/h2>\n
Los puestos de nivel junior se encuentran entre los m\u00e1s f\u00e1ciles de automatizar, ya que gran parte de su trabajo est\u00e1 estructurado y puede revisarse. Esto los convierte en un objetivo evidente para la reducci\u00f3n de costes. Al mismo tiempo, su eliminaci\u00f3n resulta peligrosa.<\/p>\n
Un ingeniero junior no llega a ser ingeniero s\u00e9nior evitando las tareas sencillas. Un pasante de abogados no desarrolla su capacidad de juicio sin revisar contratos comunes. Un consultor novel no aprende a interpretar el ambiente de un cliente si solo recibe la recomendaci\u00f3n final.<\/p>\n
La experiencia se adquiere mediante la repetici\u00f3n, la correcci\u00f3n, la observaci\u00f3n y los errores supervisados.<\/p>\n
Si la inteligencia artificial se encarga de la mayor parte de las tareas de nivel b\u00e1sico, las organizaciones tendr\u00e1n que replantearse c\u00f3mo adquieren experiencia las personas. Esto podr\u00eda suponer una mejora real. Muchas de las tareas tradicionales de los empleados con menos experiencia resultan tediosas y aportan menos conocimientos de lo que a los profesionales con m\u00e1s experiencia les gusta admitir. Sin embargo, eliminar la tarea no equivale a sustituir el aprendizaje.<\/p>\n
Si las empresas reducen la contrataci\u00f3n de personal junior y, al mismo tiempo, prescinden del personal s\u00e9nior encargado de revisar los resultados de la IA, est\u00e1n rompiendo ambos extremos del ciclo de desarrollo. Pierden tanto la capacidad de juicio actual como la capacidad de generarla en el futuro.<\/p>\n
Las consecuencias no se notar\u00e1n este trimestre. Saldr\u00e1n a la luz varios a\u00f1os m\u00e1s tarde, cuando las organizaciones se den cuenta de que disponen de muchas herramientas capaces de generar respuestas, pero de muy pocas personas capaces de detectar una respuesta err\u00f3nea.<\/p>\n
La cantera de talentos no es un programa de recursos humanos. Se trata de una infraestructura de producci\u00f3n con un plazo de ejecuci\u00f3n prolongado.<\/p>\n
Argumentos a favor de recortar de todos modos<\/h2>\n
Existe un argumento de peso en el bando contrario.<\/p>\n
Un director financiero disciplinado podr\u00eda afirmar que gran parte del trabajo de nivel subalterno est\u00e1 desapareciendo realmente, y que fingir lo contrario no es m\u00e1s que nostalgia. Proteger puestos que la tecnolog\u00eda ha dejado obsoletos no es una gesti\u00f3n responsable. Se trata de una subvenci\u00f3n que la competencia no asumir\u00e1. Parte del conocimiento institucional que se pierde en un despido no es m\u00e1s que un h\u00e1bito disfrazado de sabidur\u00eda. Las empresas ya han automatizado antes tareas artesanales, desde la fabricaci\u00f3n hasta la composici\u00f3n tipogr\u00e1fica o las tareas administrativas de finanzas, y la econom\u00eda se ha adaptado.<\/p>\n
Desde este punto de vista, retener y reciclar al personal solo retrasa un cambio necesario. Las empresas que den el paso primero tendr\u00e1n menores costes y unas operaciones m\u00e1s sostenibles, mientras que el resto se queda a la espera.<\/p>\n
Algunas partes de ese argumento son correctas. Hay funciones que no volver\u00e1n, y defender cada una de ellas es la receta para un declive gradual. La respuesta no es que los recortes sean siempre un error, sino que el razonamiento a menudo se detiene demasiado pronto.<\/p>\n
La plantilla no es la \u00fanica variable que merece la pena optimizar. Los l\u00edderes tambi\u00e9n deben decidir qu\u00e9 capacidades deben conservarse durante la transici\u00f3n: el criterio, la revisi\u00f3n, las relaciones y la cantera que genera los futuros expertos. Deben saber qu\u00e9 tareas corresponden al \u00abMotor\u00bb, en qu\u00e9 \u00e1mbitos sigue siendo importante la \u00abCabina de mando\u00bb y qui\u00e9n sostiene la \u00abBr\u00fajula\u00bb. Solo as\u00ed podr\u00e1n tomar una decisi\u00f3n fundamentada sobre qu\u00e9 personas deben ser despedidas, recicladas o reasignadas.<\/p>\n
Oracle y Klarna no pusieron de manifiesto una deficiencia de la inteligencia artificial. Lo que pusieron de manifiesto fue el coste de centrarse en lo que resultaba m\u00e1s f\u00e1cil de medir, descuidando al mismo tiempo lo que resultaba m\u00e1s dif\u00edcil de apreciar.<\/p>\n
Un mayor equilibrio<\/h2>\n
DBS, el mayor banco de Singapur, ofrece un modelo m\u00e1s meditado, aunque no exento de dificultades.<\/p>\n
El banco prev\u00e9 que desaparezcan alrededor de 4.000 puestos de trabajo temporales y por contrato a lo largo de tres a\u00f1os, a medida que la inteligencia artificial asuma m\u00e1s tareas. Asimismo, ha se\u00f1alado que espera crear unos 1.000 puestos de trabajo relacionados con la inteligencia artificial, al tiempo que se recicla a los empleados actuales para que asuman nuevas responsabilidades. Los cajeros, por ejemplo, han recibido formaci\u00f3n para trabajar con cajeros autom\u00e1ticos con v\u00eddeo o para pasar a desempe\u00f1ar funciones de atenci\u00f3n al cliente.<\/p>\n
DBS tambi\u00e9n sigue invirtiendo en su cantera de talentos. En mayo de 2026, anunci\u00f3 sus planes de incorporar a m\u00e1s de 500 j\u00f3venes locales a trav\u00e9s de programas de formaci\u00f3n para futuros directivos, pr\u00e1cticas y programas de formaci\u00f3n profesional.<\/p>\n
Esto sigue siendo una reducci\u00f3n de plantilla. La diferencia radica en que DBS est\u00e1 decidiendo de forma expl\u00edcita qu\u00e9 tareas pueden trasladarse al \u00abMotor\u00bb y qu\u00e9 capacidades humanas desea conservar y desarrollar en la \u00abCabina\u00bb. Su inversi\u00f3n continuada en talento en fase inicial de su carrera profesional tambi\u00e9n garantiza la futura disponibilidad de personas capaces de ocupar el puesto de \u00abBr\u00fajula\u00bb. Es demasiado pronto para juzgar el resultado, pero este enfoque plantea una pregunta m\u00e1s acertada.<\/p>\n
La soluci\u00f3n no consiste en frenar la implantaci\u00f3n de la IA. Las organizaciones que rechacen estas herramientas perder\u00e1n competitividad, y sus empleados se ver\u00e1n obligados a realizar tareas manuales innecesarias. El mejor enfoque consiste en considerar la implantaci\u00f3n de la IA como una cuesti\u00f3n de dise\u00f1o organizativo, en lugar de como una mera cuesti\u00f3n de c\u00e1lculo de plantilla.<\/p>\n
Esto implica incorporar al \u00abMotor\u00bb una ejecuci\u00f3n claramente delimitada, al tiempo que se refuerza la \u00abCabina\u00bb a su alrededor. Significa medir los resultados en lugar de las indicaciones, los tokens o las horas ahorradas. Implica identificar las relaciones y los conocimientos operativos que dependen de un equipo antes de reducirlo. Si la IA elimina las tareas de nivel b\u00e1sico, su funci\u00f3n formativa debe sustituirse de forma deliberada mediante revisiones, simulaciones, contacto con los clientes y acceso al razonamiento de los profesionales con mayor experiencia.<\/p>\n
Tambi\u00e9n implica dar a las personas cierta capacidad de decisi\u00f3n en la transici\u00f3n. La experiencia de Meta demuestra lo r\u00e1pido que una estrategia de IA puede convertirse en un problema de confianza cuando los empleados se sienten obligados a realizar tareas desconocidas sin un prop\u00f3sito claro ni una trayectoria profesional definida.<\/p>\n
Y lo que es m\u00e1s importante, los l\u00edderes deben dejar de dar por sentado que la plantilla tiene que ser la \u00fanica variable que se reduzca cuando aumenta la productividad. Una mayor productividad puede contribuir a reducir los costes. Tambi\u00e9n puede propiciar la creaci\u00f3n de mejores productos, un servicio m\u00e1s r\u00e1pido, una mayor capacidad de experimentaci\u00f3n y la realizaci\u00f3n de tareas que antes no resultaban rentables.<\/p>\n
La elecci\u00f3n entre el crecimiento y la reducci\u00f3n es una decisi\u00f3n de gesti\u00f3n, no una consecuencia autom\u00e1tica de la tecnolog\u00eda. Es una cuesti\u00f3n que debe abordarse en el Compass.<\/p>\n
La empresa es algo m\u00e1s que su producci\u00f3n<\/h2>\n
Los sistemas de inteligencia artificial seguir\u00e1n encarg\u00e1ndose de tareas cada vez m\u00e1s largas y complejas. La frontera entre lo que hacen las personas y lo que hacen las m\u00e1quinas seguir\u00e1 cambiando. Cualquier art\u00edculo que afirme saber con exactitud cu\u00e1l ser\u00e1 la situaci\u00f3n dentro de cinco a\u00f1os probablemente quedar\u00e1 r\u00e1pidamente desfasado.<\/p>\n
Sin embargo, una empresa no es un conjunto de tareas.<\/strong><\/p>\n Se trata de una red de criterio, confianza, memoria, incentivos y relaciones. Sus productos surgen de esa red, pero la red no es visible en el propio producto. Por eso es tan f\u00e1cil da\u00f1arla. Una empresa puede seguir suministrando productos mientras que el conocimiento que sustenta dicha producci\u00f3n se va mermando silenciosamente.<\/p>\n Las organizaciones que m\u00e1s se beneficien de la inteligencia artificial no ser\u00e1n necesariamente aquellas que consigan reducir primero su plantilla al m\u00ednimo posible. Ser\u00e1n aquellas que comprendan qu\u00e9 tareas deben desaparecer, qu\u00e9 capacidades deben reforzarse y c\u00f3mo las personas seguir\u00e1n desarrollando su capacidad de juicio cuando las m\u00e1quinas se encarguen de una mayor parte de las tareas pr\u00e1cticas.<\/p>\n La inteligencia artificial puede automatizar la ejecuci\u00f3n.<\/p>\n Son las personas las que construyen las organizaciones.<\/p>\n La distinci\u00f3n no es de car\u00e1cter sentimental. Es estrat\u00e9gica.<\/strong><\/p>\n Antes de que su organizaci\u00f3n automatice otro flujo de trabajo, conviene plantearse tres preguntas:<\/p>\n La inteligencia artificial puede sustituir m\u00e1s tareas que nunca. Las empresas que confunden esas tareas con el ejercicio del criterio corren el riesgo de automatizar en su propio perjuicio. A principios de 2026, Oracle pidi\u00f3 a sus empleados que documentaran sus flujos de trabajo y utilizaran sus herramientas internas de inteligencia artificial. Posteriormente, algunos de esos empleados fueron despedidos.<\/p>","protected":false},"featured_media":1399863,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1399862","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/1399862","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/1399863"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=1399862"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=1399862"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=1399862"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n