En los últimos doce meses, varias empresas grandes ejecutaron la misma jugada. Despidieron equipos completos, anunciaron que la IA los reemplazaría, celebraron el ahorro y luego, a los pocos meses, empezaron a recontratar o a quemar presupuestos que nadie había proyectado. Klarna eliminó cerca de 700 puestos de servicio al cliente entre 2022 y 2024 y hoy su CEO admite públicamente que la calidad cayó. Uber repartió Claude Code a 5.000 ingenieros en diciembre de 2025 y para abril de 2026 había agotado todo el presupuesto anual de IA, con un costo mensual por ingeniero de entre 500 y 2.000 dólares. Microsoft, después de seis meses, canceló las licencias internas de Claude Code porque el costo por usuario terminó superando el sueldo del propio empleado.
El patrón es claro. La narrativa de que la IA reemplaza al humano más barato funciona en el titular pero no en el balance. Y no porque la tecnología no sirva, sino porque las empresas la están comprando sin un marco de decisión.
El error no es usar IA. Es no decidir bien dónde y cómo
Cuando una empresa despide para reemplazar con IA, está haciendo en realidad tres cosas al mismo tiempo, y casi nunca las separa:
Está sacando un costo fijo conocido. Sueldos, cotizaciones, beneficios, todo medido y predecible. Está incorporando un costo variable opaco. Tokens, llamadas a API, infraestructura cloud, integraciones, mantención. Y está perdiendo conocimiento operativo. Personas que llevaban años resolviendo casos complejos, conocían a clientes específicos y entendían excepciones que no estaban escritas en ningún manual.
El primer movimiento se ve en el P&L del próximo trimestre. Los otros dos aparecen seis meses después, cuando ya es tarde para volver atrás sin quedar mal parado.
Sam Altman, CEO de OpenAI, lo dijo sin filtros: existe un fenómeno de AI washing donde las empresas culpan a la IA por despidos que igual iban a hacer. Marc Andreessen lo formuló todavía más directo: la IA se convirtió en la bala de plata para justificar recortes que tenían otras causas, como el sobre-contratamiento de pandemia y las tasas de interés altas. Forrester estima que el 55% de los empleadores que despidió por IA hoy se arrepiente. Gartner proyecta que para 2027, la mitad de las empresas que atribuyeron reducciones de personal a la IA habrán recontratado para funciones similares, frecuentemente offshore o con salarios más bajos.
Eso no es transformación. Es transferencia de costo y de control.
Un marco para decidir cuándo y cómo incorporar IA
El problema no es la IA. Es que las decisiones se están tomando con la lógica equivocada. Antes de incorporar IA en cualquier proceso crítico, hay seis preguntas que cualquier organización debería responder con honestidad. Son simples, pero la mayoría de los proyectos que terminan mal saltó al menos tres.
1. ¿Qué problema real estamos resolviendo?
La pregunta no es dónde puedo poner IA. Es qué fricción operativa hoy me está costando tiempo, errores o pérdida de clientes. Si la respuesta es "no sé, pero todos están usando IA", el proyecto va a fallar. La IA mal aplicada acelera el desorden, no lo arregla.
2. ¿El proceso está ordenado antes de automatizarlo?
Automatizar un proceso confuso entrega caos automatizado. La eficiencia operativa precede a la automatización. Si el equipo humano hoy no logra resolver bien un proceso, ninguna herramienta va a hacerlo por ellos. Primero se ordena el flujo. Después se decide qué partes vale la pena automatizar.
3. ¿Qué conocimiento se requiere y dónde vive hoy?
El conocimiento crítico de la mayoría de las empresas está en las personas. En conversaciones de WhatsApp, en mails con clientes, en documentos sueltos, en la cabeza de tres o cuatro funcionarios. Si despides a esas personas antes de mapear y estructurar ese conocimiento, perdiste el activo más valioso de tu empresa. Y ningún modelo de IA va a reconstruirlo desde cero.
4. ¿Cuál es el costo total real, incluyendo lo variable?
El caso de Uber es ilustrativo. El presupuesto anual se agotó en cuatro meses porque nadie modeló el consumo real. La factura mensual por ingeniero llegó a 2.000 dólares en algunos casos. Y el COO de Uber reconoció en mayo que todavía no logra trazar una línea directa entre ese gasto y más productos útiles para el cliente final.
Antes de reemplazar un costo fijo por uno variable, hay que entender la elasticidad de ese costo variable. ¿Cuánto consume cada usuario? ¿Cómo escala con el volumen? ¿Hay topes? ¿Quién monitorea el gasto? Si esas preguntas no tienen respuesta antes de implementar, el control financiero se pierde el primer mes.
5. ¿La IA decide, o la IA asiste decisiones humanas?
Esta distinción es la que separa proyectos que escalan de proyectos que explotan. La IA bien aplicada amplifica el criterio humano, no lo reemplaza. En servicio al cliente, en producción de contenido, en análisis comercial, los mejores resultados vienen de equipos donde la IA hace el trabajo repetitivo y la persona toma las decisiones que requieren contexto, empatía o juicio. El error de Klarna no fue usar IA en atención. Fue suponer que la IA podía reemplazar completamente el juicio humano en interacciones complejas.
6. ¿Cómo se mide la adopción y el impacto real?
Métricas vanity como "X% de tickets resueltos por IA" o "Y% de código generado por IA" no significan nada si no se cruzan con calidad, retención de clientes, errores, costo total y satisfacción. Uber tiene 95% de adopción y 70% de código generado por IA, y su propio COO no logra justificar el gasto. Adopción alta sin impacto medido es solo consumo.
El cálculo que vale la pena hacer
Cuando una empresa decide incorporar IA, el cálculo correcto no es cuánto me ahorro despidiendo. Es cuánto valor incremental genero, qué riesgos asumo y cuánto control mantengo. Esa ecuación tiene tres componentes.
El valor incremental viene de hacer cosas que antes no podías hacer, no solo de hacer más barato lo que ya hacías. Atender 24/7 sin caída de calidad. Personalizar comunicación a escala. Procesar volúmenes de información que un equipo humano no alcanzaría. Detectar patrones en datos que estaban perdidos.
El riesgo asumido incluye dependencia de proveedores externos cuyos precios suben, calidad de servicio que depende de variables fuera de tu control, pérdida de conocimiento interno y reputación si el sistema falla con clientes. El caso de Air Canada, donde un chatbot dio información incorrecta sobre la política de reembolsos y la empresa fue obligada a pagar, es un recordatorio barato de lo que puede pasar cuando se delega decisión sin supervisión.
El control mantenido es la pregunta más importante y la que casi nadie hace. ¿Quién es dueño del modelo? ¿Dónde viven los datos? ¿Qué pasa si el proveedor sube los precios, cambia los términos o discontinúa el servicio? ¿Tu organización aprende del uso del sistema o el aprendizaje se va al proveedor?
Lo que la crisis actual está revelando
La supuesta crisis de la IA no es una crisis de la tecnología. Es una crisis de cómo se está implementando. Las empresas que están sufriendo no fracasaron porque la IA no funcione. Fracasaron porque tomaron decisiones de reemplazo cuando debieron tomar decisiones de rediseño. Reemplazaron personas en lugar de rediseñar procesos. Compraron herramientas en lugar de diseñar sistemas. Optimizaron por costo en lugar de optimizar por capacidad.
El cálculo correcto exige un marco. Diagnóstico antes de implementación. Procesos ordenados antes de automatización. Conocimiento estructurado antes de despedir. Costo total entendido antes de migrar. Adopción medida con métricas operativas reales, no comunicacionales.
La pregunta no es si la IA va a transformar tu negocio. Va a hacerlo. La pregunta es si esa transformación la vas a diseñar tú, con criterio y control, o la vas a sufrir porque otros la decidieron por ti.
