Los despidos masivos en empleos de oficina son parte de la exageración alrededor de la IA

• Recientemente han aumentado los despidos de trabajadores de oficina
• Muchas empresas explican los recortes de personal por los avances de la IA
• En realidad, las causas de los despidos son la reducción de costos y la reestructuración
• Todavía son pocos los puestos que la IA ha reemplazado de verdad
• Se observa que la exageración sobre la IA se utiliza como parte de la estrategia empresarial

---

Resumen general

• Recientemente, grandes empresas en Estados Unidos y otros lugares han llevado a cabo despidos masivos de empleados de oficina
• Los medios y las empresas enfatizan que el avance de la inteligencia artificial está sustituyendo empleos
• Sin embargo, la verdadera causa de muchos despidos es la mejora de la eficiencia operativa, la reducción de costos y el ajuste económico, es decir, una reestructuración tradicional

La relación real entre la IA y los despidos

• Las empresas muestran una tendencia a presentar los motivos de los despidos como innovación en IA
• En realidad, los empleos que la IA ha reemplazado o los puestos eliminados por automatización siguen siendo una porción muy pequeña
• Al discurso sobre la IA se le están superponiendo problemas previos de transformación empresarial y estrategias para mejorar las ganancias

La exageración sobre la IA y la estrategia empresarial

• Las empresas aprovechan las expectativas y temores del público sobre la IA para justificar cambios organizacionales
• El discurso exagerado sobre la IA se utiliza para convencer a inversionistas o aumentar la aceptación social
• En la práctica, es raro que los trabajadores despedidos sean reemplazados de inmediato por IA

Conclusión

• Los despidos masivos actuales en empleos de oficina forman parte del fenómeno de la "máquina del hype de la IA" que exagera su impacto
• Para entender este fenómeno, hay que distinguir entre la realidad de los despidos y el efecto real de la adopción de IA

[GN⁺]

Opiniones de Hacker News

• Trabajé en dos empresas con una capitalización bursátil de más de 10 mil millones de dólares durante la era de ZIRP (política de tasa de interés cero). Más de la mitad de los trabajadores del conocimiento que asistían a la mayoría de las reuniones en realidad no eran necesarios. La agenda estaba tan saturada que incluso se contrataba gente dedicada únicamente a asistir a reuniones. Aumentar la contratación no afectaba en absoluto el precio de la acción para sostener el crecimiento de la empresa; al contrario, los VP ganaban más poder al aumentar el tamaño de sus equipos. En ese momento el mercado priorizaba el crecimiento por encima de la eficiencia, pero al final el mercado siempre termina volviendo al valor. Con el tiempo, toda esa gente añadida terminó siendo objetivo de recortes. Ambas empresas después despidieron a más de 10 mil empleados, y aunque la IA se usó como justificación, en realidad la mayoría de los trabajadores del conocimiento que supuestamente iba a reemplazar ocupaban puestos que ya de por sí no generaban mucho valor
  • Me identifico muchísimo con esto. Durante el periodo de alzas de tasas se usaba medio en broma el término “Zero Interest Rate Product Managers”. Un buen PM sí aporta ese valor, pero en la época de ZIRP había demasiados PM cuya función era solo administrar Jira y coordinar calendarios. Mucha de la gente de IT que hoy tiene dificultades para recontratarse estaba concentrada en esos roles periféricos, como agile coach o TPM. Claro, también me dan mucha empatía porque son personas que trabajaron duro en esas posiciones. Y no creo que el problema sea solo la sobrecontratación; más bien pienso que el offshoring ha tenido un impacto mucho mayor que la IA en la reducción de empleos tecnológicos en EE. UU. Desde que se expandió el trabajo remoto, la tecnología de videoconferencias disparó el offshoring hacia Latinoamérica, Europa y otros lugares. Si lo remoto ya es normal, la ubicación importa cada vez menos
  • Sospecho que la mayoría de los despidos atribuidos a la IA en realidad son despidos de la era de alzas de tasas disfrazados. La industria del software llegó a estar realmente loca. Esa época en la que un recién graduado de una universidad poco conocida podía empezar ganando de inmediato entre 120 mil y 150 mil dólares era una tendencia que no podía durar para siempre
  • No tengo dudas de que hay muchos trabajadores del conocimiento que no agregan valor sin estímulo. Pero sí me preocupa que cada vez haya menos oportunidades para juniors
  • Eso de tener personal dedicado solo a asistir a reuniones porque la agenda estaba demasiado llena suena como si una parodia organizacional se hubiera vuelto realidad
  • Yo también trabajé en startups, y muchas veces casi la mitad de los participantes en una reunión asistían sin tener nada que hacer. Por roles como “observador” o “encargado de tomar notas”, el impacto real era casi nulo
• Está claro que el reemplazo por IA de roles de recién egresados e interns es un problema grande a nivel estructural. Muchas veces la IA es más rápida e incluso más inteligente que alguien sin experiencia ni especialización. Claro, a veces la IA también da mucho trabajo, pero al final es más barata o más lista. Hay recién egresados con potencial de crecimiento, pero formarlos requiere demasiado tiempo y recursos. Incluso yo mismo me descubro asignando tareas simples a la IA en vez de a un junior. Si se las doy a un junior, hacen falta varias rondas de feedback y correcciones y eso puede tomar varios días más, mientras que con IA puede quedar listo en 3 horas. Desde la perspectiva de recién egresados y perfiles iniciales, el panorama es realmente oscuro
  • La falta de lealtad de ambos lados, empresas y empleados, empeora esta situación. Originalmente, una pasantía era una posición de productividad negativa con un propósito puramente de “entrenamiento”. Que una empresa formara interns era una inversión para preparar el futuro de toda la organización e incluso de toda la industria. Pero con la pérdida de confianza mutua entre RR. HH. y el personal, y con la cultura de cambiar de trabajo con frecuencia, esa estructura en sí misma va perdiendo sentido. Habiendo visto cómo empresas japonesas sí forman interns de verdad, estoy convencido de que el valor de ese sistema es enorme
  • Los recién egresados y perfiles de entrada son una carga para la organización en el corto plazo, pero después de unos meses o unos años pueden crecer hasta convertirse en talento clave muy productivo. Y además, los juniors también pueden usar IA. Si la adopción de IA realmente dispara la productividad, entonces esa capacidad sobrante se traducirá en más software, más funciones, más optimización, etc. Es parecido a la lógica de preguntarse por qué contratar más juniors cuando aparecieron los compiladores
  • No puedo estar en absoluto de acuerdo con esa afirmación. Si hoy un junior requiere mucho acompañamiento, mañana ese junior dará por hecho el uso de IA y podrá generar un impacto mucho mayor. La idea de que “el nivel de entrada murió” solo es cierta si una empresa mira únicamente las “desventajas” de los juniors y además asume que la cantidad de trabajo es finita. Pero en todas las organizaciones donde he estado siempre había más trabajo por hacer del que podíamos abarcar. Por eso, si un junior puede producir 6 veces más usando IA, entonces es una opción muchísimo mejor
  • Comparar “intern” con “entry level” es más bien una simplificación de algo complejo; no significa que los puestos junior vayan a desaparecer realmente, sino que el rol va a cambiar
  • Es cierto que la IA trabaja más rápido y con más eficiencia que un perfil entry level, pero en esencia eso no es “delegar”, sino hacer tú mismo el trabajo usando otra herramienta. Delegar implica transferir responsabilidad y criterio, pero en la IA faltan entrenamiento, feedback, comprensión del contexto y motivación propia. En realidad no se le puede delegar de verdad a la IA, ni se hace responsable del resultado. En cambio, un junior humano absorbe objetivos y contexto, y crece hasta convertirse en un miembro real de la organización. Además, los juniors e interns también pueden usar herramientas de IA
• Creo que los puestos que la IA va a barrer son esos trabajos de oficina donde la gente se distrae todo el día y trabaja a medias. En 2025 los LLM también podrán encargarse de eso. El problema es que la dirección, incapaz de distinguir entre trabajo real y trabajo de apariencia, puede caer en esa fantasía y terminar destruyendo toda la organización. Al final, el que siempre sobrevive es el CEO
  • La única razón por la que existen esos puestos de oficina es que evaluar el desempeño es algo fundamentalmente difícil. Si la IA no puede resolver ese problema, incluso si se reduce la plantilla a la mitad no se estará recortando necesariamente al 50% inferior, sino despidiendo gente al azar; en el peor caso, el efecto podría ser contraproducente
  • Esto también me recuerda al trabajo remoto: algunos managers que no entienden el valor real del trabajo confunden la charla de oficina con trabajar. Es el mismo problema de ignorar que hay distintas formas de trabajar
  • Al CEO tampoco le irá bien si desaparecen los clientes. Después de todo, la IA no puede hacer clic en anuncios ni comprar productos
  • La IA es excelente para generar trabajo inútil. Lo que de verdad hace falta no es más productividad, sino eliminar de raíz el trabajo innecesario
  • No tengo experiencia en empresas de EE. UU., pero en todos los lugares donde trabajé siempre sufríamos por falta de personal. Esa idea de personal ineficiente me resulta lejana. Aun así, supongo que algo así sí puede pasar en grandes tecnológicas estadounidenses con mucho capital
• Desde la llegada de las computadoras, la automatización del trabajo de oficina ha sido enorme. Si comparas el trabajo de oficina de los años 60 con el de hoy, el trabajo mismo es completamente distinto. El software multiplicó la velocidad por 1000 y, aun así, eso terminó creando todavía más empleos de oficina. La nueva productividad generó más tareas
  • No me gusta esta lógica por dos razones: primero, porque no considera el impacto social del desempleo masivo; y segundo, porque no existe ninguna ley natural que diga que los empleos destruidos necesariamente serán reemplazados por otros nuevos. Incluso durante la Gran Depresión el desempleo fue “solo” del 30%, y ahora podríamos terminar con un porcentaje aún mayor de desempleo permanente. Cuando los luditas decían que el progreso tecnológico destruiría empleos, mucha gente incluso murió tratando de impedirlo. Además, en la sociedad hay muchísimos problemas y necesidades, pero como no existe un modelo económico para atenderlos, en la práctica a la gente despedida le resulta muy difícil crear nuevo valor, y ese problema probablemente será todavía peor en el futuro
  • En los años 60 incluso existía el trabajo de “computer”, pero hoy ya desapareció
• Cuando veo analistas que afirman que la revolución de la IA es solo una exageración porque faltan datos empíricos, me recuerdan a los escépticos de inicios del COVID, que por haber pocos casos al principio ignoraban la posibilidad de crecimiento exponencial. Más allá de eso, me pregunto por qué textos como este artículo de CNN siquiera se consideran análisis. Solo repiten opiniones de algunos economistas laborales y teorías sobre la exageración de la IA. No hay ningún análisis más concreto sobre datos, recursos, flujo de dinero de VC o políticas de la FDA para nuevos medicamentos
  • Analogías del tipo “subestimaron al COVID al principio” tienen un salto lógico, porque conectan un fenómeno ya verificado cientos de veces con algo completamente nuevo como el crecimiento de la IA solo porque ambos comparten el rasgo de ser no lineales
  • También se señala que asumir crecimiento exponencial garantizado, como pasó con el colapso de la burbuja inmobiliaria, podría terminar golpeando todavía más fuerte a la industria de IT. Y si esta burbuja revienta, el sector podría pasar años estancado como en los 2000
  • Hay muchos casos históricos de fallos de predicción masiva, pero se critica que discutir analogías no aporta análisis sustancial, sino que solo refuerza la postura previa de cada quien
  • Comparar la IA con el coronavirus para convencer a la gente no me parece un ejemplo adecuado
  • En realidad, incluso quienes trazaban gráficas de crecimiento abrupto al principio del COVID también estaban equivocados. Se señala que casi todos los comentaristas fallaron en sus predicciones durante ese periodo
• No entiendo ese entusiasmo ante la posibilidad de una caída del consumo y una recesión causada por la IA reemplazando a las personas. Si todos quedan desempleados, ¿quién va a comprar los productos? Si sube el desempleo, la caída del consumo y la recesión son inevitables; por eso me cuesta entender por qué a los ejecutivos les entusiasma tanto
  • Aquí aplican conceptos que explican los incentivos económicos: teoría de juegos, equilibrio de Nash, dilema del prisionero e incluso la inducción del pavo. Cada organización toma estas decisiones porque automatizar y reducir costos le da un beneficio directo. El problema es el riesgo de caer en la ilusión de que esa estructura puede sostenerse indefinidamente. Es fácil dejarse seducir por lógicas como la paradoja de Jevons, según la cual una mayor eficiencia puede incluso aumentar la demanda total
  • Las células cancerosas también terminan dañando al organismo entero mientras persiguen solo su propio beneficio. Es la misma lógica de sentirse satisfecho solo porque mejoraron los resultados de corto plazo
  • La tragedia de los comunes. Como a todos les conviene reducir costos despidiendo trabajadores, cada uno actúa de forma egoísta, pero en conjunto terminan enfermando a la sociedad
  • Bajo la premisa de que la IA eliminará los empleos de todos, también se plantea que los competidores, armados igualmente con IA, podrían quitarte el mercado en cualquier momento. Al final, la capacidad de construir infraestructura de IA funcionará como barrera de entrada
  • Aunque disminuyan los empleos, todavía podrían quedar empleos gubernamentales, trabajo manual, autoempleo, freelancing, mercado negro y otros tipos de ocupación. Es posible un escenario en el que el empleo caiga mucho sin que necesariamente empeore la calidad de vida. También hay que considerar que en el pasado el progreso tecnológico a veces terminó aumentando el empleo. Al final, cada quien tiende a ver lo que quiere ver. Cuál de los distintos escenarios termine siendo correcto dependerá de las circunstancias
• Esta clase de lógica sobre la burbuja de la IA sí me resulta rara. Si el objetivo es expandir la adopción de IA entre todo tipo de trabajadores de oficina, entonces ¿por qué se la comercializa de una forma que termina asustando incluso a quienes serían sus usuarios? ¿Será que en realidad solo se la quieren vender al C-level?
  • La estrategia comercial de la IA está dirigida exclusivamente al C-level. No hay interés en proteger los empleos de oficina
  • La estrategia de fomentar FOMO (miedo a quedarse atrás) termina impulsando las ventas
• Me gustó que este artículo resaltara que “afirmaciones extraordinarias requieren evidencia extraordinaria”. Me gusta muchísimo la tecnología de ML, pero no confío en la idea de reemplazar a los humanos por completo. La ampliación de capacidades sí es una visión realista; el reemplazo total es una fantasía exagerada
• El verdadero valor puede encontrarse en áreas donde ni las máquinas ni los humanos podían antes lograrlo
• Siento que en esta discusión sobre reemplazo humano por IA falta algo. La explosión de la IA coincidió con un fuerte aumento de tasas, y al mismo tiempo que aparecía una IA capaz de programar, también se secaba el financiamiento de VC y caía la contratación en startups. Si hoy todavía sobrara el dinero como en la era de tasas bajas, ¿no sería distinta toda esta discusión? Me gustaría escuchar la opinión de gente experta del sector
  • Desde la perspectiva de que “la revolución de la IA avanzó al mismo tiempo que se disparaban las tasas”, podría ser que el C-level vea la adopción de IA como alternativa para reducir costos laborales debido a la desaparición del dinero gratis. Pero las tasas de 0% eran más bien una excepción histórica, y esa política distorsionó la inversión a escala mundial. Es paradójico considerar extraña la normalización de tasas. Enlace a datos históricos de tasas
  • La razón por la que esta perspectiva no ocupa el centro de la conversación es que en realidad su impacto no es tan grande (1), y porque también hay poco entendimiento sobre cuánto dinero gestionan realmente los VC (2). 1) Las inversiones seed y Serie A en sí son acíclicas, y los avances principales en IA han sido desarrollados por equipos pequeños con poco dinero. GPT2→3 fue financiado por MS. 2) El dinero de VC solo se desaceleró en 2022-2023, y este año volvió a aumentar nada menos que 70%. La realidad es que sigue habiendo capital de Big Tech, SoftBank y otros actores