La ola de reestructuraciones que no cesa

El 16 de mayo de 2026, mientras los mercados celebraban récords tecnológicos, una realidad más sombría se extendía por las oficinas corporativas: la ola de reestructuraciones masivas justificadas por la inteligencia artificial no mostraba signos de detenerse. Block despidió al 40 % de su plantilla. Otras empresas tecnológicas siguieron el mismo guión, y lo que comenzó en Silicon Valley se propagó rápidamente a sectores tradicionales como finanzas, logística, atención al cliente e incluso medios de comunicación.

La pregunta ya no es si la IA eliminará empleos. La pregunta es cuántos, en qué sectores y si la creación de nuevos roles compensará la destrucción. La respuesta, por ahora, sigue siendo un mosaico de datos parciales, testimonios de directivos y la experiencia de los trabajadores que ven sus puestos desaparecer de un día para otro.

Los números de la transformación

Las cifras de 2025‑2026 son elocuentes. Según datos de Challenger, Gray & Christmas, los despidos en el sector tecnológico estadounidense alcanzaron cifras récord, con los términos «reestructuración» y «adopción de IA» citados explícitamente como causas en más del 30 % de los casos reportados. Empresas como Meta, Amazon, Microsoft y Google redujeron personal a pesar de reportar beneficios históricos.

La lógica es fría pero comprensible desde una perspectiva empresarial. Si un sistema de IA puede procesar el 80 % de las consultas de atención al cliente, ¿por qué mantener un departamento de soporte completo? Si un algoritmo genera reportes financieros en minutos, ¿es necesario contar con tantos analistas junior?

Jack Dorsey, CEO de Block, lo formuló con brutal claridad en su memorándum de despidos: «Un equipo significativamente más pequeño, usando las herramientas que estamos construyendo, puede hacer más y hacerlo mejor». La premisa subyacente es que la IA multiplica la productividad por empleado, permitiendo operar con menos personal.

¿Dónde está la productividad prometida?

Aquí reside la paradoja. A pesar de los miles de millones invertidos en IA, las ganancias de productividad agregada a nivel macroeconómico siguen siendo modestas. Un informe interno filtrado de Google en mayo de 2026 reconocía que los beneficios de productividad de la IA eran «menos de lo esperado». Por su parte, Goldman Sachs publicó un estudio que sugiere que la IA generativa podría aumentar el crecimiento global solo un 0,3 % anual durante la próxima década —significativo, pero lejos de la revolución anunciada por los evangelistas tecnológicos.

Las razones son varias y están interrelacionadas:

• Curva de aprendizaje: los empleados necesitan tiempo para integrar herramientas de IA en flujos de trabajo ya consolidados. La resistencia al cambio y la necesidad de capacitación intensiva ralentizan la adopción.
• Calidad y supervisión: el output de la IA no es infalible. Requiere revisión humana para evitar sesgos, errores de factualidad o decisiones éticamente cuestionables, lo que consume tiempo y recursos.
• Fricción organizacional: las estructuras corporativas tradicionales son rígidas. Implementar IA en departamentos con jerarquías verticales y procesos burocráticos es mucho más complejo que piloto en equipos ágiles.
• Inversión en infraestructura: la potencia de cómputo necesaria para entrenar y ejecutar grandes modelos sigue siendo costosa, y muchas empresas todavía dependen de soluciones en la nube que añaden costes operativos.

En consecuencia, la promesa de “más producción con menos gente” se traduce, en la práctica, en una reconfiguración de la mano de obra más que en una simple reducción de plantilla.

Los nuevos roles que emergen

Mientras los puestos tradicionales desaparecen, la IA crea empleos inéditos que, aunque bien remunerados, demandan habilidades muy específicas. Entre los más demandados están:

• Ingenieros de prompts: profesionales que diseñan y afinan las instrucciones que alimentan a los modelos generativos para obtener resultados precisos.
• Orquestadores de agentes: responsables de coordinar múltiples sistemas de IA que actúan de forma autónoma dentro de una cadena de valor.
• Especialistas en gobernanza de IA: encargados de establecer políticas, auditorías y marcos éticos que garanticen el uso responsable de la tecnología.
• Supervisores de sistemas automatizados: humanos que monitorizan el rendimiento de bots y algoritmos, interviniendo cuando se detectan anomalías.

Estos roles suelen pagar entre 70 000 y 120 000 USD al año en EE. UU., superando a muchos de los puestos que sustituyen. Sin embargo, la brecha de habilidades es enorme: la mayoría de la fuerza laboral desplazada no posee formación en aprendizaje automático, programación de prompts o gestión de riesgos algorítmicos.

Polarización del mercado laboral

El resultado es una creciente polarización. Los trabajos de nivel medio —análisis de datos, redacción de reportes, atención al cliente, programación junior— se erosionan rápidamente. Por otro lado, los trabajos de alto nivel (estrategia de IA, arquitectura de sistemas) y de bajo nivel (servicios personales, mantenimiento físico) persisten o incluso crecen.

Esta dinámica comprime a la clase media asalariada, tradicionalmente el motor de la economía occidental. La pérdida de empleos medianamente cualificados reduce la movilidad social y aumenta la presión sobre los sistemas de protección social.

El contexto español

En España, la transformación llega con cierto retraso pero con la misma intensidad. El sector servicios, que emplea al 70 % de la fuerza laboral, es especialmente vulnerable. Los call centers —una industria significativa en ciudades como Barcelona y Madrid— están automatizando rápidamente. Los departamentos de atención al cliente de bancos y aseguradoras reducen plantilla mientras implementan chatbots multilingües basados en modelos de gran escala.

El Gobierno español ha lanzado programas de reconversión laboral hacia la tecnología, como el Plan IA 2025‑2028, que financia cursos de ciencia de datos y gobernanza de IA. No obstante, la escala es insuficiente: se estima que se necesitarían más de 300 000 plazas de formación para cubrir la demanda de los sectores más afectados, y los presupuestos actuales apenas alcanzan la mitad.

Además, la velocidad de adopción supera la capacidad de adaptación de muchas instituciones educativas. Los programas universitarios tradicionales tardan años en actualizar sus currículos, mientras que la industria requiere profesionales listos para trabajar en menos de seis meses.

Otro aspecto crítico es la remuneración. Muchos de los trabajos «seguros» —cuidado personal, artesanía, servicios locales— pagan menos que los roles automatizados que desaparecen. Esto genera una paradoja: los trabajadores desplazados pueden encontrarse con que los puestos disponibles son menos remunerados y menos estables.

Qué vigilar en los próximos años

1. Estadísticas de empleo por sector. Los datos agregados enmascaran historias divergentes. Necesitamos visibilidad granular sobre qué industrias crean y destruyen empleos, y con qué velocidad.

2. Programas de reconversión a gran escala. ¿Funcionan? La evidencia internacional es mixta. El éxito depende de la calidad del programa, la alineación con demandas del mercado y la motivación del participante.

3. Respuesta sindical. Los sindicatos tradicionales luchan por adaptarse al trabajo algorítmico. Nuevas formas de representación colectiva para trabajadores de plataformas y automatizados están emergiendo, pero son frágiles y carecen de reconocimiento legal amplio.

4. Regulación de la IA. La UE avanza con el Artificial Intelligence Act, que impondrá obligaciones de transparencia y supervisión. Cómo estas normas impacten la velocidad de adopción y, por ende, el ritmo de los despidos, será clave.

5. Impacto en la productividad real. Los analistas deben diferenciar entre productividad “teórica” —medida en potencial de IA— y productividad “real”, que incluye la fricción humana, la calidad del output y los costes de supervisión.

Escenarios posibles para el futuro del trabajo

En el debate sobre el futuro del empleo existen tres escenarios principales que los analistas de política pública y los directivos corporativos consideran más probables:

• Escenario de adaptación acelerada: Los gobiernos y las empresas invierten masivamente en educación continua, creando una fuerza laboral flexible que se mueve rápidamente hacia roles de alta cualificación. En este caso, la brecha de ingresos se reduce y la productividad comienza a reflejarse en los indicadores macroeconómicos.
• Escenario de fragmentación: La reconversión es insuficiente y la polarización se profundiza. Aparecen nuevos grupos vulnerables: trabajadores desplazados que no logran reubicarse y que dependen de prestaciones sociales o empleos informales.
• Escenario de regulación restrictiva: La UE impone normas estrictas que ralentizan la sustitución masiva de puestos por IA, preservando empleo pero limitando la competitividad global. Las empresas trasladan la producción a jurisdicciones con regulaciones más laxas, generando una fuga de capitales.

Cualquiera de estos caminos tendrá consecuencias distintas para la estructura social, la política fiscal y la cohesión política en España y en el resto de Europa.

Conclusión

La IA está redefiniendo la empresa no solo como una máquina de generar beneficios, sino como un ente que reconfigura la propia naturaleza del trabajo. La ola de reestructuraciones que no cesa, la productividad prometida que aún no se materializa y la aparición de roles ultra‑especializados dibujan un panorama complejo y, en muchos aspectos, incierto.

Para que la transición sea sostenible, es imprescindible que los gobiernos, los sindicatos y las corporaciones colaboren en la creación de rutas de reconversión efectivas, en la definición de marcos regulatorios equilibrados y en la generación de datos transparentes que permitan medir el impacto real de la IA en la productividad y el empleo.

Solo así se podrá evitar que la revolución tecnológica se convierta en una revolución social que deje a la clase media atrapada entre la automatización y la precariedad.