El motivo anunciado no es una causa medida
En el primer semestre de 2026, las empresas de Estados Unidos citaron la IA en 101.743 recortes anunciados. Fue cerca del 23% de los recortes seguidos por Challenger, Gray & Christmas. El número es grande. Registra el motivo que declaró la empresa.
Un comunicado habla a empleados, inversores, clientes y prensa. 'La IA cambió la empresa' parece una decisión de futuro. 'Los ingresos cayeron y los costes subieron' parece una defensa. Ambas frases pueden describir el mismo recorte, pero solo una suele crear el titular.
El Budget Lab de Yale no encontró pruebas claras, hasta mayo de 2026, de que la IA explicara los cambios del mercado laboral completo. La OIT encontró mejoras reales pero desiguales y poco desplazamiento a gran escala. Un anuncio y una causa económica son medidas distintas.
El 23% citó la IA
El dato registra la justificación declarada. No prueba que la IA causara cada recorte ni que el trabajo siguiera ausente.
el 77% citó otros motivos
El informe también registra mercado, cierres, reestructuración y pérdida de contratos.
Challenger, Gray & Christmas, June 2026 Job Cut Announcement ReportEl resultado del 95% condena la implantación
El informe MIT NANDA que produjo el titular del 95% analizó más de 300 iniciativas públicas de IA. También usó entrevistas en 52 organizaciones y respuestas de 153 directivos. Los autores llamaron preliminares a los resultados. El estudio encontró que el 95% de las organizaciones no obtenía un resultado medible en pérdidas y ganancias con IA generativa.
Esto no significa que la IA sea inútil. Tampoco significa literalmente que el 95% de las empresas carezca de estrategia. El dato dice que las pruebas no producían un resultado financiero medido. Más del 80% había explorado o probado herramientas generales y casi el 40% declaró usarlas. Solo el 5% de los sistemas empresariales para tareas concretas llegó a producción según el criterio del informe.
La parte más humana recibió menos atención. El estudio encontró uso regular de modelos de lenguaje entre el 90% de los trabajadores, mientras solo el 40% de las empresas había comprado una suscripción oficial. Las personas encontraban métodos útiles con herramientas flexibles mientras los programas formales se atascaban.
Ese es un problema de gestión. La empresa debe aprender de quien hace el trabajo antes de eliminarlo por un ahorro que sus propios sistemas todavía no han producido.
Los trabajadores cruzaron la distancia antes que sus empresas
El uso regular por trabajadores era común. La compra oficial era menor y pocos sistemas específicos llegaron a producción.
El informe llama orientativos a los datos. Las categorías usan muestras distintas y no forman un solo embudo.
MIT NANDA, The GenAI Divide, preliminary report, July 2025La integración profunda sigue siendo rara
Un estudio de julio de 2026 usó informes anuales del S&P 500 para separar las menciones a la IA de su uso dentro de procesos empresariales. Clasificó al 11% de las empresas con integración profunda y a otro 10% con IA en producción. La mayoría de las grandes empresas no había alcanzado ninguna etapa.
El estudio encontró márgenes de beneficio mayores entre empresas con integración profunda. No encontró una relación significativa entre adopción y productividad medida como ingresos por empleado. Los autores advierten que las relaciones son descriptivas y no prueban que la IA causara el resultado financiero.
Un directivo aún puede apostar a que un sistema futuro sostendrá un equipo menor. Es una previsión. Cuando la empresa recorta personas antes de medir el flujo, los errores, el coste de revisión y el resultado para el cliente, los trabajadores soportan el riesgo y los directivos conservan el beneficio.
Solo el 21% llegó a producción o integración profunda
El estudio clasificó el uso de IA a partir de informes anuales. El uso aislado por empleados no contó como integración profunda.
El estudio muestra relaciones, no causas. No encontró relación significativa con los ingresos por empleado.
Yu, Fleming, Hampton, Combemale, and Thompson, AI Adoption in S&P 500 Firms, July 2026Coinbase escribió los dos motivos en el documento
Coinbase anunció unos 700 despidos el 5 de mayo de 2026, el 14% del equipo. Su Form 8-K no dijo que la IA fuera la única causa. El primer objetivo era controlar gastos ante las condiciones del mercado. El segundo era preparar la operación para la era de la IA.
En el primer trimestre de 2026, los ingresos netos fueron de 1.300 millones de dólares, frente a 1.900 millones un año antes. El EBITDA ajustado cayó de 929,9 a 303,3 millones. Un beneficio neto de 65,6 millones se convirtió en una pérdida de 394,1 millones.
El mismo informe dice que los gastos de tecnología crecieron en parte porque la plantilla media del área subió un 23%. También dice que los costes de atención aumentaron porque parte del trabajo externalizado pasó a empleados. La empresa contrataba, integraba, internalizaba, despedía y reorganizaba a la vez.
El negocio frenó antes del recorte de la era de la IA
Las barras comparan ingresos netos y EBITDA ajustado. El resultado neto pasó de 65,6 millones de beneficio a 394,1 millones de pérdida.
Coinbase anunció el recorte del 14% dos días antes de presentar estos resultados.
Coinbase, Form 10-Q for the quarter ended March 31, 2026Llamarlo despido por IA oculta el problema corriente
Coinbase depende de la actividad en mercados volátiles. Los ingresos por negociación caen cuando los clientes negocian menos o los activos se mueven contra la empresa. La IA puede ayudar a producir más con menos personas. No explica la caída de ingresos y beneficios.
El documento permite una conclusión más estrecha. La dirección afrontó peores resultados y eligió una operación menor que cree posible con IA. Eso no equivale a afirmar que 700 empleos se volvieron obsoletos. La empresa no publicó 700 funciones automatizadas ni comparó el sistema con el trabajo completo de esas personas.
La diferencia evita un juicio falso sobre el trabajador. Perder un empleo por una nueva estructura de costes no demuestra que el software haga todo ese trabajo.
Block es el caso difícil
Block recortó más de 4.000 personas en febrero de 2026. Planeó pasar de más de 10.000 empleados a menos de 6.000. Jack Dorsey defendió que las herramientas de inteligencia permitían que un equipo mucho menor hiciera más.
Los resultados no se hundían. El beneficio bruto del cuarto trimestre de 2025 creció un 24%. Cash App creció un 33%. Square creció un 7%. Block registró 485 millones de dólares de beneficio operativo y llamó fuerte al año 2025.
Decir que fue una cortina para un mal trimestre sería incorrecto. La crítica mejor es que el relato de IA hizo parecer inevitable una decisión organizativa que llevaba años en marcha.
El crecimiento y un recorte del 40% ocurrieron juntos
El crecimiento del beneficio bruto es anual. La plantilla muestra la reducción anunciada con los resultados.
Las barras comparan medidas distintas. Muestran por qué un mal resultado no explica por sí solo la decisión.
Block, Q4 and full-year 2025 shareholder letterBlock ya reducía niveles antes del titular de IA
En noviembre de 2023, Block fijó un límite de 12.000 empleados hasta que el negocio creciera más que la empresa. En marzo de 2025, eliminó 931 puestos por estrategia, rendimiento y menos niveles. Dorsey escribió entonces que el recorte no buscaba una meta financiera ni sustituía personas con IA.
Al final de 2025, Block tenía cerca de 10.200 empleados. Dos meses después dijo que la IA justificaba bajar de 6.000. La tecnología pudo aumentar la confianza de la dirección. No creó su preferencia por una empresa menor.
Después, Block comunicó 2,5 veces más cambios de código por ingeniero y menos incidentes. Son medidas útiles, elegidas por la empresa durante un periodo corto. No muestran productos cancelados, mantenimiento movido ni revisión adicional soportada por quienes quedaron.
La estrategia de plantilla llegó antes que el titular de IA
El motivo cambió durante tres rondas. La dirección fue la misma.
- Límite de 12.000 empleados
Block dijo que el negocio debía crecer más que la empresa antes de cambiar el límite.
- 931 recortes por estrategia, rendimiento y niveles
El texto dijo que no era una meta financiera ni un plan de sustitución por IA.
- Más de 4.000 recortes para un modelo basado en inteligencia
Block pasó de más de 10.000 personas hacia una meta inferior a 6.000.
Una herramienta nueva puede acelerar una estrategia que la dirección ya quería.
TechCrunch, Block's March 2025 workforce memoUsa una prueba de tres documentos
Lee primero el comunicado o registro del despido. Muestra lo que la dirección quiere explicar. Después lee los resultados. Muestran ingresos, beneficios, costes y áreas con problemas. Por último, lee el informe anual o la reorganización anterior. Muestra si la empresa ya recortaba, congelaba puestos o eliminaba niveles.
Para cada frase, escribe lo que la prueba permite concluir y lo que no.
No dejes que una frase cargue toda la explicación
El documento puede permitir una conclusión menor que el titular.
Coinbase
- Lo que dijo la dirección
- Reducir costes ante el mercado y prepararse para la era de la IA.
- Lo que muestra el registro
- Ingresos y EBITDA cayeron. La empresa también tenía más personas en algunas áreas.
- Lo que puedes concluir
- La IA formó parte de la solución elegida. Los malos resultados también formaron parte de la decisión.
Block
- Lo que dijo la dirección
- Un equipo menor con herramientas de inteligencia puede hacer más.
- Lo que muestra el registro
- El beneficio creció, pero Block buscaba límites de plantilla y menos niveles desde 2023.
- Lo que puedes concluir
- La IA puede permitir el recorte. La preferencia por una empresa menor llegó antes.
Esta es una prueba de evidencia. No afirma que la IA no afecte al empleo.
The Budget Lab at Yale, What We Do and Don't Know About How AI Is Affecting the Labor Market, May 2026Un plan centrado en las personas empieza con quien hace el trabajo
Una empresa no se centra en las personas porque alguien revise el resultado final. Quien entiende el trabajo necesita poder antes de elegir el sistema, durante la prueba y cuando falla.
Una mejora de productividad crea una elección. La dirección puede reducir colas, eliminar trabajo externo precario, acortar jornadas, mejorar el servicio, formar personas, subir salarios o recortar puestos. El modelo no decide adónde va la mejora.
- Deja que los trabajadores señalen las tareas que pierden tiempo y los casos que necesitan criterio.
- Mide el tiempo ahorrado después de revisar, corregir, escalar y contar los intentos fallidos.
- Da a los trabajadores poder para detener el sistema y cuestionar su resultado sin castigo.
- Define quién responde cuando el sistema perjudica a un cliente o trabajador.
- Explica cómo cambiarán la carga, la plantilla, el salario y la carrera.
- Si hay recortes, llámalos una decisión de la dirección. No los presentes como una orden de la tecnología.
El miedo ayuda a la empresa cuando parece inevitable
Los trabajadores negocian menos cuando creen que la máquina ya ganó. Los inversores premian la promesa de más producción con menos salarios. Los directivos consiguen un relato que aparta la atención de contratación excesiva, demanda débil, apuestas fallidas o años de decisiones lentas.
La IA cambia el trabajo. La revisión de 2026 de la OIT encontró mejoras reales en algunos entornos. También encontró mejoras desiguales, a menudo sin verificar, y poco desplazamiento a gran escala. Es menos dramático y más útil que el comunicado.
No respondas al miedo negando la tecnología. Pide la unidad de trabajo, la producción medida, el periodo, el coste de revisión y los resultados del negocio. Sin esos datos, la empresa anunció una teoría. No la demostró.