Ford, Commonwealth Bank of Australia e IBM despidieron personal apostando a que la IA sostendría el trabajo. Meses después tuvieron que recontratar.

No es un caso aislado: es un patrón que ya documentan varias firmas de análisis, y que revela un error de cálculo que se repite en sectores distintos. Si diriges un equipo y estás evaluando un recorte “por IA”, este patrón debería ser lo primero que revises antes de firmar.

El ciclo que se repite: despedir, automatizar a medias, recontratar

La secuencia es casi idéntica cada vez. Una empresa anuncia que la IA va a cubrir cierta función. Despide. Seis a doce meses después, el sistema solo alcanza a cubrir una parte del trabajo real.

La empresa recontrata, muchas veces al mismo puesto, con otro nombre.

En julio de 2026, CNBC reportó que empresas como Ford, Commonwealth Bank of Australia e IBM revirtieron sus recortes al descubrir que la IA no podía sostener el trabajo eliminado.

Ford tuvo que reincorporar a cientos de ingenieros experimentados para resolver problemas de calidad que los sistemas automatizados no lograban cubrir, mientras que CBA despidió a más de 40 agentes de atención al cliente para sustituirlos por un bot de voz, hasta que el aumento de llamadas sin resolver forzó la reversión.

El caso más citado es Klarna. Su CEO, Sebastian Siemiatkowski, reconoció públicamente que la empresa “fue demasiado lejos” al reemplazar 700 puestos de servicio al cliente con IA, y que el resultado fue una calidad menor que obligó a recontratar agentes humanos en silencio. Cuando el propio CEO lo admite, deja de ser anécdota de prensa y pasa a ser evidencia de patrón.

Según una encuesta de Careerminds —firma de transición de carrera, con interés comercial directo en este tema, así que conviene leer la cifra con esa reserva— entre las empresas que hicieron despidos motivados por IA, más de un tercio recontrató más de la mitad de los puestos eliminados, y la mayoría de esas recontrataciones ocurrió dentro de los primeros seis meses.

Robert Half, encuestando a responsables de contratación en Estados Unidos, encontró un patrón similar: una proporción relevante admitió haber despedido para capturar ganancias de productividad de IA y luego tuvo que recontratar a las mismas personas, con mayor incidencia en finanzas, RRHH y tecnología. Son cifras autorreportadas por las propias empresas y por firmas con interés en el tema, no auditorías independientes — pero la dirección del hallazgo coincide con los casos verificados de Ford, CBA e IBM.

¿Por qué la IA no sostuvo el trabajo que prometía cubrir?

Porque casi nadie midió bien qué estaba automatizando antes de despedir. El error no es adoptar IA. El error es tratar una proyección de productividad como si fuera un hecho consumado, y firmar la nómina sobre esa proyección.

Lo que se pierde en el camino no es solo capacidad operativa: es conocimiento institucional. La persona que sabía por qué un cliente reclamaba antes de que reclamara, o qué ajuste evitaba un error de calidad, no está en ningún dashboard. Se nota cuando ya no está.

Este es exactamente el ángulo que trabajo en mis conferencias de inteligencia artificial para empresas: el ROI de la IA no se mide en el múltiplo que promete el proveedor, sino en el costo real de operación una vez que se resta lo que el sistema no puede cubrir.

Empresas que despidieron por IA y recontrataron: los casos que ya no se pueden ignorar

Lo que distingue a Ford, CBA, IBM y Klarna de un rumor de LinkedIn es que hay nombre, fecha y reversión pública. Empresas que despidieron por IA y recontrataron dejaron de ser una advertencia teórica y se volvieron un patrón con casos verificables en al menos cuatro sectores distintos: manufactura automotriz, banca, tecnología y fintech.

La tabla resume el ciclo:

El patrón no significa que la IA no funcione. Significa que la mayoría de las empresas que despidieron por IA y recontrataron confundieron una hipótesis de eficiencia con un resultado ya comprobado.

¿Qué debe medir una empresa antes de despedir por IA?

Tres cosas, mínimo, antes de firmar cualquier recorte:

• Qué porcentaje real del trabajo cubre el sistema hoy, no en la demo del proveedor.
• Qué pasa en el escenario de excepción — el reclamo raro, el caso fuera de manual, la decisión que no está en el flujo estándar.
• Cuánto cuesta recontratar si la proyección falla, y si ese costo ya está en el análisis original o se descubrió después, como en los casos que documentó CNBC.

Si tu empresa —o tú, en tu propia trayectoria— está por tomar una decisión así, vale más el criterio que la prisa. Es justo el tipo de análisis que comparto todos los días en mi newsletter diario sobre innovación e inteligencia artificial, donde cada tarde mando la decisión del día con un solo criterio: qué significa esto para quien toma decisiones.

Y si la pregunta de fondo es cómo evaluar la adopción de IA en tu equipo sin caer en este ciclo, ya lo abordé con más detalle en esta guía sobre el impacto de la inteligencia artificial en el trabajo.

El patrón de empresas que despidieron por IA y recontrataron seguirá repitiéndose mientras se siga tratando la automatización como una certeza contable en lugar de una apuesta que hay que medir. La diferencia entre quien lo hace bien y quien termina en esta lista no es la tecnología que usan. Es el criterio con el que deciden cuándo confiar en ella.

Supervisado por Santiago González  y Musi.