El error de empezar la IA por la reducción de plantilla
Ahorrar horas con algoritmos no equivale a generar valor, y recortar personal sin comprobarlo puede salir caro
La inteligencia artificial ya forma parte de las conversaciones sobre costes, productividad y empleo. Lo cual es lógico, ya que, si permite automatizar tareas, acelerar análisis o absorber más volumen, cualquier empresa terminará preguntándose qué implica para sus costes. El problema aparece cuando esa pregunta se formula demasiado pronto y la reducción de plantilla pasa de ser una posible consecuencia a convertirse en el punto de partida.
Respecto a esto, existen datos que aconsejan cautela. En 2025, el 32% de los participantes en una encuesta global de McKinsey esperaba que la IA redujera la plantilla de su organización durante el año siguiente. Un año después, solo el 14% afirmó que esa reducción se había producido. Dos tercios observaron poco o ningún cambio en el empleo total atribuible a la IA. Aun así, las expectativas vuelven a crecer: el 39% anticipa recortes durante los próximos 12 meses.
Que los datos hayan desinflado algunas previsiones no significa que esas reducciones no vayan a llegar. Significa algo más útil para la gestión, y es que la relación entre invertir en IA y necesitar menos personas no es lineal. Entre ambos puntos hay una transformación del trabajo que todavía estamos aprendiendo a medir.
La misma encuesta ayuda a explicar esa distancia. El 80% de los encuestados afirma que la IA ha mejorado su productividad individual, pero solo el 37% atribuye algún impacto positivo en el resultado operativo de su organización. Y es que ahorrar tiempo y generar valor económico no son lo mismo. Una persona puede ganar horas gracias a la IA y que ese tiempo termine absorbido por más volumen, nuevas tareas o revisión. Un equipo puede producir más sin que desaparezca el cuello de botella en otra parte de la cadena. Y una actividad puede abaratarse mientras aumentan los costes de integración, supervisión o gestión de excepciones.
Por eso, medir el valor de la IA solo en horas ahorradas o puestos potencialmente eliminables ofrece una imagen incompleta. La pregunta económicamente relevante no es solo cuánto cuesta una tarea. Es qué ocurre con el conjunto del trabajo: cuánto tarda, qué calidad entrega, cuánto retrabajo genera, qué riesgos incorpora y qué combinación de personas y tecnología necesita para funcionar de forma estable.
Esta cuestión adquiere más importancia con la llegada de agentes y sistemas capaces de asumir secuencias más largas de trabajo. Automatizar una parte de una actividad no elimina necesariamente la intervención humana; a menudo la desplaza. Alguien debe decidir qué excepciones requieren intervención, validar resultados, corregir fallos, controlar costes y asumir responsabilidad cuando una decisión automatizada tiene consecuencias inesperadas. Parte de ese trabajo puede ser menor que el que desaparece, pero no conviene darlo por hecho antes de observar el nuevo modelo en la práctica.
El riesgo de recortar demasiado pronto tampoco es únicamente operativo. Gartner estima que, para 2029, el 30% de los empleados despedidos por sustitución mediante IA tendrán que ser recontratados, en algunos casos a mayor coste. Es una previsión y debe tratarse como tal, pero ilustra un riesgo: una empresa puede eliminar conocimiento, experiencia o capacidad de supervisión antes de saber qué es lo que seguirá necesitando cuando la nueva forma de trabajar se estabilice.
El error, por tanto, no consiste en que una empresa reduzca plantilla como consecuencia de la IA. Habrá actividades que necesiten menos personas y funciones que se contraigan. También habrá compañías que utilicen la capacidad liberada para aumentar volumen, mejorar el servicio o entrar en actividades que antes no podían asumir. Decidir primero cuánto personal debe salir y diseñar después el trabajo que queda es una política, cuando menos, cuestionable.
La secuencia puede ser otra. Primero conviene entender cómo debería funcionar el trabajo con IA: qué tareas merece la pena automatizar, cuáles siguen necesitando criterio humano, qué decisiones pueden delegarse, dónde aparecen nuevas excepciones y qué indicadores demostrarán que el conjunto funciona mejor. Después puede calcularse qué capacidad humana y tecnológica requiere ese modelo. Solo entonces tiene sentido decidir qué estructura de plantilla encaja con él.
No es una distinción semántica. Cambia el caso de negocio. Si el objetivo inicial es reducir un porcentaje de costes laborales, la automatización tenderá a diseñarse para cumplir esa promesa. Si el objetivo es mejorar el funcionamiento de la empresa, puede descubrirse que el mayor valor está en reducir tiempos, aumentar calidad, disminuir errores, absorber más demanda o liberar capacidad para actividades de mayor valor. La plantilla puede reducirse, pero deja de ser la única medida del éxito.
También cambia el papel de quienes dirigen equipos. La capacidad liberada por la IA no se convierte automáticamente en productividad empresarial. Alguien tiene que decidir dónde se reasigna, qué actividades dejan de tener sentido, cuáles merecen mayor atención y cómo se mide el resultado. Sin esa gestión, una organización puede tener empleados más productivos y continuar trabajando de forma muy parecida a como lo hacía antes.
Gartner acaba de situar el rediseño continuo del trabajo entre los factores que distinguirán a las organizaciones capaces de sostener su transformación impulsada por la IA. La implicación es clara: no basta con rediseñar una vez. Habrá que ajustar responsabilidades, decisiones y formas de trabajar conforme aprendamos qué hace bien la tecnología, dónde necesita supervisión y qué nuevas posibilidades abre.
Quizá convenga, por tanto, ordenar de otra manera la conversación empresarial sobre IA: primero el trabajo, después la capacidad necesaria para realizarlo y solo entonces la plantilla.
La reducción de costes puede ser una consecuencia legítima de la transformación. Lo que resulta más difícil de defender es utilizarla como prueba anticipada de que esa transformación ha funcionado. Reducir personas antes de entender cómo operará el nuevo modelo es decidir el resultado antes de haber hecho el cambio.