Si te despidieron “por IA” en los últimos doce meses, hay una probabilidad real de que tu antiguo jefe ya esté buscando a alguien para hacer tu trabajo otra vez.

No es una metáfora ni un consuelo barato: es un patrón medido, con nombre — el “AI layoff boomerang” — y significa que despidos por IA y luego recontratación ya es, para muchas empresas, el mismo trimestre.

Esto no es una historia sobre máquinas quitando empleos.

Es una historia sobre directores que confundieron “se puede automatizar” con “se debe automatizar”, y ahora están pagando la factura — a veces literal, con un sueldo 20-35% más alto que el que eliminaron.

El patrón que ya tiene nombre: contratan, despiden por IA, y meses después vuelven a contratar

Robert Half encontró que 32% de los gerentes de contratación en Estados Unidos que eliminaron un puesto atribuyéndolo principalmente a IA terminaron recontratando para ese mismo rol o uno parecido, la mayoría antes de cumplirse el primer aniversario del despido.

En un reportaje publicado por CNBC se documentan los casos que le dan cara al dato: Ford recontrató a 350 ingenieros para resolver problemas de calidad que sus sistemas automatizados no lograban atender solos.

Klarna es el caso que todo mundo cita como advertencia: despidió a 700 agentes para sustituirlos por un chatbot, y terminó recontratando cuando la satisfacción del cliente se fue en picada.

El propio CEO, Sebastian Siemiatkowski, lo admitió sin adornos: se enfocaron demasiado en eficiencia y costo, y el resultado fue menor calidad.

Es el mismo guion de Volver al futuro: alguien altera algo en el pasado convencido de que mejora el presente, y termina teniendo que regresar exactamente al punto donde empezó — solo que con más canas y una factura de energía por resolver el enredo.

¿Por qué Ford, IBM y Klarna recontrataron a los mismos puestos que eliminaron?

Porque despidieron la tarea equivocada. IBM automatizó cerca de 8,000 puestos de Recursos Humanos con un sistema llamado AskHR, que resultó excelente resolviendo el 94% de las solicitudes rutinarias.

El problema fue el otro 6%: dilemas éticos, casos sin guion, situaciones donde alguien necesitaba que otro humano tomara una decisión y se hiciera responsable de ella.

Ese 6% no es un margen de error cualquiera — es, casi siempre, el trabajo que de verdad importaba.

Aquí está el matiz que separa el análisis serio del pánico de LinkedIn: no todos estos despidos fueron realmente “por IA”.

Sam Altman lo dijo directamente: hay bastante “AI washing”, empresas culpando a la IA por recortes que habrían hecho de todos modos por razones económicas.

El patrón se repite lo suficiente como para dejar de ser anécdota: empresa recorta citando IA, la calidad o el servicio se resiente, empresa recontrata para el mismo hueco que acababa de cavar.

La IA absorbió lo rutinario, no el juicio

Esta es la idea que vale la columna completa: la IA no eliminó el trabajo, eliminó la parte del trabajo que ya no requería que fueras tú quien la hiciera.

Lo que quedó expuesto —y lo que ahora se paga como escasez— es exactamente lo que no se resuelve con un prompt bien escrito: auditar el output, corregir cuando falla, y responsabilizarte del resultado frente a un cliente enojado o un consejo directivo nervioso.

El 2026 Global AI Jobs Barometer de PwC confirma el giro desde una perspectiva global: en las empresas que más aprovechan la IA, la contratación se acelera, pero el criterio que buscan en los candidatos se mueve hacia juicio, creatividad y liderazgo.

“Saber usar IA” sigue en el currículum, pero ya dejó de ser el diferenciador; ahora es apenas el boleto de entrada.

¿Tu despido fue realmente por IA o solo usó esa narrativa?

Esta pregunta no es filosófica, es de negociación.

Si a ti te despidieron citando IA, y seis meses después tu antiguo puesto —o uno con nombre distinto pero funciones idénticas— sigue abierto, eso es evidencia de que hacías algo que exigía juicio, no una tarea sustituible por un modelo.

Es información con valor de mercado.

Qué negociar si te recontratan — y qué exigir si no te han despedido todavía

Antes de aceptar o de quedarte donde estás, hazte estas preguntas:

• ¿Qué porcentaje de mi trabajo actual es auditar o corregir output de un sistema, y qué porcentaje es producirlo desde cero? Entre más alto el primero, más cerca estás del perfil que hoy se paga con premio.
• ¿Puedo nombrar, con casos concretos, los momentos en los que mi juicio evitó un error caro que la IA no habría detectado? Si no puedes nombrar ninguno, es momento de empezar a documentarlos.
• ¿Mi sueldo actual refleja que hago la parte del trabajo que no se automatiza, o todavía me pagan como si hiciera la parte que sí?

Como criterio de decisión rápido: si te ofrecen recontratación al mismo sueldo y el mismo alcance que tenía el puesto que eliminaron, no es un regreso — es un descuento.

Los datos de Robert Half muestran que las posiciones híbridas que sí valen la pena vienen con 20-35% más sobre el sueldo original, precisamente porque incluyen alfabetización de datos, gestión del cambio y criterio de escalamiento que el puesto viejo no pedía.

Si quieres entender cómo evitar que tu empresa repita el error de Klarna, en este análisis sobre errores comunes al implementar IA desgloso justo los puntos donde las organizaciones confunden automatizar con eliminar criterio humano.

Y si te suena a lo que está viviendo tu equipo ahora mismo, ahí es exactamente donde entro yo: cada semana desmenuzo estos patrones con la misma lupa en mi mail, antes de que se vuelvan la anécdota que todos citan tarde.

La IA no te va a despedir dos veces por la misma razón. La primera vez fue el experimento de la empresa. La segunda vez, si vuelve a pasar, ya es sobre ti.

Supervisado por Santiago González y Musi.