Despedir para meter IA sale más caro
(y qué hacer en su lugar)

Publicado en septiembre de 2026. Cada cifra de este texto enlaza a su fuente. Lo escribo desde una empresa que construye automatizaciones con IA todos los días — conviene que lo sepas antes de seguir leyendo, porque lo que viene no le conviene a mi gremio.

La conversación sobre automatización en las empresas mexicanas suele empezar por el lado equivocado. Casi siempre arranca con una pregunta de resta: ¿a cuánta gente puedo dejar de pagar si meto inteligencia artificial?

Es una pregunta razonable. También es, con los datos de los últimos dos años sobre la mesa, la forma más cara de automatizar. No porque sea inmoral: porque la cuenta no sale.

El caso que todos citan, y cómo terminó

En febrero de 2024, la fintech sueca Klarna anunció algo que dio la vuelta al mundo: su asistente de IA hacía el trabajo de 700 agentes de servicio al cliente y ya atendía dos tercios de las conversaciones. La empresa habló de unos 40 millones de dólares de ahorro anualizado. Congeló contrataciones y su plantilla bajó un 22%, hasta unos 3.500 empleados.

Fue el caso de estudio favorito de medio mundo durante un año. Después vino la segunda parte.

En mayo de 2025, el propio CEO Sebastian Siemiatkowski anunció que volvían a contratar personas. Su explicación no tiene desperdicio: «el costo terminó siendo un factor de evaluación demasiado predominante, y lo que acabas teniendo es menor calidad». Y remató con una frase que debería enmarcarse: «invertir en la calidad del soporte humano es el futuro para nosotros».

Klarna no descubrió que la IA no sirve. Descubrió algo más incómodo: que había optimizado la métrica equivocada. Midió costo por conversación. No midió qué pasaba con el cliente al otro lado.

El 95% que nadie quiere leer

El caso Klarna no es una anécdota aislada. En julio de 2025, un equipo del MIT (proyecto NANDA) publicó «The GenAI Divide: State of AI in Business 2025», un informe construido sobre más de 300 despliegues públicos de IA, 52 entrevistas con directivos y 153 encuestas a líderes.

El titular que se viralizó: el 95% de los pilotos de IA generativa no produjo ningún impacto medible en la cuenta de resultados.

Aquí toca una honestidad que casi nadie hace al citar ese dato: varios analistas han señalado que «sin impacto medible» no significa exactamente «fracasó». Buena parte de esos pilotos simplemente nunca midieron nada antes de empezar. No tenían una línea base contra la cual comparar.

Y esa matización, lejos de salvar el dato, lo empeora. Significa que la mayoría de las empresas está automatizando sin saber cuánto costaba antes el proceso que automatiza. Están comprando una solución sin haber puesto número al problema.

El informe del MIT es claro en el diagnóstico: el cuello de botella no es la tecnología, es la organización. Los modelos funcionan. Lo que falla es el aprendizaje de la empresa alrededor de ellos.

El costo que no aparece en la hoja de cálculo

Hay una segunda factura, y esta es la que de verdad se come el ahorro.

En septiembre de 2025, BetterUp Labs y el Social Media Lab de Stanford publicaron en Harvard Business Review una investigación con 1.150 trabajadores estadounidenses a tiempo completo sobre un fenómeno que bautizaron workslop: contenido generado con IA que parece impecable pero no hace avanzar el trabajo.

Los números:

• 41% de los encuestados recibió workslop en el mes anterior.
• Cada incidente cuesta 1 hora y 56 minutos a quien lo recibe, que tiene que descifrarlo, corregirlo o rehacerlo.
• Eso equivale a unos 186 dólares por empleado al mes. En una empresa de 10.000 personas, más de 9 millones de dólares al año tirados.
• El 53% de quienes lo recibieron se sintió molesto y el 42% consideró menos confiable a quien se lo mandó.

Lee otra vez el mecanismo, porque es la clave del artículo: el trabajo no desapareció, se movió. Alguien produjo algo en treinta segundos con IA y le pasó dos horas de trabajo a un compañero. En la hoja de cálculo eso se ve como productividad. En la operación real es una transferencia de costo.

Por qué despedir primero sale caro

Cuando una empresa despide para financiar la automatización, suele pasar esto —lo he visto en proyectos, y es bastante predecible:

1. Se despide justo el conocimiento que la IA necesita. Un buen agente de soporte sabe qué reclamos escalan, qué cliente está a punto de irse, qué excepción hay que aprobar aunque el manual diga que no. Ese conocimiento casi nunca está escrito: vive en la persona. Si la sacas, no tienes con qué entrenar ni con qué corregir al sistema. Te quedas con un modelo que responde rápido y se equivoca en lo que importa.

2. Nadie queda para revisar. La automatización que funciona necesita a alguien que mire las excepciones. Si recortaste hasta el hueso, la excepción se convierte en cliente perdido, y eso no aparece como costo en ningún lado: aparece como ingreso que no llegó.

3. La marcha atrás cuesta más que no haberlo hecho. Klarna está recontratando. Recontratar significa reclutar, entrenar y reconstruir un equipo que ya tenías, con el añadido de que ahora la gente sabe cómo terminó la historia la vez pasada.

4. Se rompe la confianza con quien queda. El equipo que sobrevive al recorte no colabora con la herramienta que despidió a sus compañeros. La sabotea educadamente: no reporta errores, no sugiere mejoras, no la usa cuando nadie mira.

Lo que hacen las que sí les funciona

El contraste más útil viene de IBM. Su CEO, Arvind Krishna, reconoció que la IA sustituyó «un par de cientos» de puestos de recursos humanos en tareas como verificación de empleo y traslados internos.

Y sin embargo: la plantilla total de IBM subió. En sus palabras, la automatización «te da más inversión para poner en otras áreas» — programadores, ventas, gente en roles de criterio.

Esa es toda la diferencia. No es «automatizar sí o no». Es qué haces con lo que liberas: lo cobras como ahorro, o lo reinviertes en capacidad. El primero es un recorte que se nota un trimestre. El segundo es crecimiento.

Cómo lo hacemos nosotros

Un ejemplo propio, chico y honesto. Hace unas semanas construimos nuestro propio CRM: captura los contactos que llegan por el sitio, agrupa por tipo de servicio y manda una tanda de correos cada mañana.

No sustituyó a nadie. En Keting no había una persona haciendo eso — simplemente no se hacía, porque no daba el tiempo. La automatización no ocupó el lugar de un puesto: ocupó el lugar de un vacío.

Ese es el patrón que sí funciona, y es el más aburrido de vender: automatiza lo que hoy no se hace, o lo que se hace mal por falta de manos. No lo que hace bien alguien a quien le pagas.

Cinco preguntas antes de automatizar

Si estás evaluando meter IA en un proceso, contesta esto antes de firmar nada:

• ¿Cuánto cuesta hoy este proceso? Si no tienes el número, no vas a poder decir si la automatización funcionó. Ese es el error que el MIT encontró en casi todos los pilotos.
• ¿Qué mides además del costo? Si tu única métrica es lo que ahorras, vas por el camino de Klarna. Añade calidad, retención y reclamos.
• ¿Quién revisa las excepciones? Si la respuesta es «nadie», todavía no estás listo.
• ¿Dónde vive el conocimiento del proceso? Si vive en una persona, primero documenta con ella. Después automatiza.
• ¿Qué vas a hacer con el tiempo liberado? Si la respuesta es «recortar nómina», estás comprando un ahorro de un año a cambio de un problema de tres.

La conclusión incómoda

Vendo automatización con IA. Me convendría escribir que reemplaza gente y que ahí está el retorno. Pero los datos disponibles dicen otra cosa, y a mediano plazo me conviene más un cliente cuyo proyecto funciona que uno que en seis meses lo desmonta.

La IA es extraordinaria eliminando trabajo repetitivo: capturar datos, clasificar, responder lo previsible, vigilar que algo no se caiga. Es mediocre sustituyendo criterio, y el criterio es justamente lo que hace a tu empresa distinta de la de al lado.

La pregunta correcta no es a cuánta gente puedes dejar de pagar. Es qué podría hacer tu gente si dejara de hacer lo que hace una máquina.

Si quieres ver cómo lo planteamos en proyectos reales, te dejo nuestro servicio de automatización de procesos, y dos lecturas relacionadas: agentes de IA autónomos en servicio al cliente —donde está el detalle técnico de lo que Klarna intentó— y el rechazo organizado a la IA, que explica por qué esta conversación se calienta tanto.