Lo que dicen de verdad las cifras
Robert Half encuestó a casi 2.000 responsables de contratación en EE. UU. y halló que el 32 por ciento había suprimido un puesto principalmente por la IA y luego recontrató para el mismo o uno similar. El desglose por sector es la parte que merece leerse dos veces. Finanzas revirtió la mayoría de los recortes con un 44 por ciento, por delante de recursos humanos con un 35 por ciento y tecnología con un 32 por ciento. Gartner añade una señal a futuro: para 2027 espera que cerca de la mitad de las empresas que atribuyeron los despidos a la IA vuelvan a contratar para puestos comparables.
Leído de forma aislada, el titular invita a la conclusión fácil de que la IA no era lo bastante buena. Esa lectura es incompleta. Una tasa de reversión de uno de cada tres entre dos mil responsables no es una historia sobre un modelo débil. Es una historia sobre cómo se tomó la decisión de recortar, y con qué rapidez se tomó, antes de que nadie midiera lo que el puesto hacía en realidad.
Por qué finanzas, de todas las funciones, encabezó las reversiones
Es tentador suponer que la función más ducha en hojas de cálculo valoraría una decisión de automatización con el mayor cuidado. La encuesta dice que ocurrió lo contrario. Finanzas encabezó las reversiones precisamente porque domina el ahorro proyectado. Una cifra de eficiencia del proveedor aterriza en un modelo, el modelo muestra una reducción de plantilla limpia, y el ahorro se contabiliza como si ya estuviera realizado. El puesto se recorta contra un pronóstico, no contra una carga de trabajo observada.
La brecha solo se ve en operación. El sistema automatizado despacha el volumen rutinario y luego se atasca en el trabajo residual que llevaba el juicio: los casos límite, las excepciones, las decisiones que no encajan en el guion. Ese residuo es pequeño como parte de las transacciones y grande como parte del riesgo. Cuando aflora, el recorte hay que deshacerlo al peor precio posible, porque ahora se recontrata para un puesto que ya se anunció al mercado como suprimido.
La tasa base de la que debería haber partido
La disciplina del operador aquí es pensar en tasas base. Antes de esta encuesta, un responsable que sopesara un recorte de IA-por-plantilla tenía una afirmación del proveedor y una proyección interna. Después, ese mismo responsable tiene una tasa base medida: sobre una muestra amplia, cerca de uno de cada tres de estos recortes se revirtió, y en finanzas más cerca de uno de cada dos. Eso no es una nota al pie. Es el punto de partida al que debería anclarse, y debería situarse por encima de cualquier caso aislado que un proveedor le ponga delante.
Ford es el ejemplo aleccionador que la cobertura no deja de citar. Sus sistemas automatizados de control de calidad no pudieron replicar el juicio de ingenieros veteranos, y la empresa pasó tres años recontratando o promocionando a unos 350 ingenieros experimentados para cerrar la brecha, y solo entonces encabezó el Initial Quality Study de J.D. Power por primera vez desde 2010. Una empresa es una anécdota discutible. El treinta y dos por ciento de dos mil responsables es una tasa base contra la que hay que planificar.
Cómo valorar una decisión de plantilla con IA
El remedio no es congelar la automatización. Es cambiar la forma de la decisión. Trate cada movimiento de IA-por-plantilla como un piloto reversible y escriba el coste de la recontratación en el caso de negocio antes de aprobarlo. Si el modelo solo cuadra cuando supone que el recorte es permanente y el ahorro es inmediato, el modelo le está diciendo que la decisión es frágil.
En la práctica, eso significa medir la cola de juicio antes de recortar, no después. Identifique la parte del puesto que es auténtica gestión de excepciones, y someta el sistema a tensión contra ese residuo en lugar del caso medio. Rediseñe el puesto para que la herramienta asuma el volumen y una persona conserve el juicio, y luego reduzca la plantilla a lo que la herramienta demuestre que puede soportar. Las empresas que revirtieron hicieron la secuencia al revés: recortaron primero, descubrieron el residuo después, y pagaron el precio de mercado para volver a montar lo que habían desmontado.
Leer a continuación: Uber gasto su presupuesto de IA de 2026 en cuatro meses | Quien gasta 145.000 millones dice que aún no funciona
