Klarna volvió a contratar: el costo real de despedir por IA

Klarna volvió a contratar y Gartner ya proyecta el patrón

La fintech Klarna apostó por automatizar buena parte de su atención al cliente y, poco después, retomó la contratación de personal tras reconocer las limitaciones de una estrategia demasiado dependiente de los sistemas automatizados. La consultora Gartner proyecta que, para 2027, la mitad de las compañías que reduzcan plantilla atribuyendo la decisión a la IA volverán a contratar para funciones similares.

Para un founder, la advertencia es concreta: el ahorro de nómina se ve en el balance del trimestre siguiente, pero el costo de un servicio deteriorado aparece mucho más tarde, cuando ya nadie recuerda por qué se eliminó ese puesto.

¿Qué está pasando con los despidos atribuidos a la IA?

Salesforce despidió a 4.000 personas de soporte al cliente en 2025, según TechTarget, uno de los recortes más citados cuando se habla de automatización. Amazon también anunció recortes corporativos en un contexto de reorganización. La fuente original del caso matiza algo importante: no todos esos despidos pueden atribuirse exclusivamente a la IA, porque también pesan los costos, la reestructuración y las condiciones económicas.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El error aparece cuando la expectativa de lo que la IA podrá hacer mañana justifica eliminar puestos que hoy cumplen funciones esenciales. Y no es un problema de un solo sector: el informe de Forrester Research sobre el impacto cuantitativo de la IA en el empleo de atención al cliente, citado por TechTarget, proyecta que en los próximos dos a cinco años la tecnología eliminará puestos en los contact centers y creará otros —menos— para especialistas que monitoreen y actualicen agentes de IA.

La analista Kate Leggett lo resume así: los agentes humanos más capacitados y empáticos seguirán siendo necesarios para los casos complejos. La distribución del impacto tampoco será pareja. Retail, hotelería y food service —con contact centers de alto volumen y salarios bajos— perderán más puestos frente a la automatización; utilities, manufactura, construcción, banca y seguros, donde los casos son más difíciles de automatizar y los salarios más altos, tienen menos presión para recortar.

El error de fondo: confundir velocidad con calidad

Una IA responde cientos de consultas por segundo, pero también puede inventar información, malinterpretar instrucciones o reproducir el mismo error a escala. Sin profesionales que supervisen, esos fallos dejan de ser incidencias técnicas y se convierten en reclamaciones, pérdida de clientes y daño reputacional.

Los números de experiencia de cliente lo respaldan. La encuesta 2026 State of Customer Experience Report de Genesys, realizada a 5.800 consumidores de 20 países y 1.500 responsables de experiencia de cliente, encontró que el 85% de los consumidores gastó menos o dejó de usar una marca por un mal servicio. Además, el 84% considera que un agente de IA tiene solo tres intentos para resolver su consulta, y el 95% espera no tener que repetir su información a un humano después de hablar con un bot.

El dato más incómodo para quien lidera operaciones: solo el 24% de los responsables de experiencia de cliente cree que su organización está minimizando el esfuerzo que le pide al cliente.

El marco regulatorio empieza a moverse. Tribunales en China han limitado la capacidad de las empresas de reducir plantilla por IA, la Ley de IA de la Unión Europea apunta en esa dirección, Nueva York tiene una ley de divulgación que obliga a notificar cuando la IA provoca despidos y en el Senado de California se discute un proyecto que exigiría 60 días de aviso previo ante desplazamiento tecnológico, según TechTarget.

Menos oportunidades para quien empieza: el dato de Stanford

El impacto más silencioso está en la entrada al mercado laboral. La actualización de agosto de 2026 del Stanford Digital Economy Lab, basada en datos de nómina de ADP, muestra que el empleo de trabajadores de 22 a 25 años en ocupaciones muy expuestas a la IA está un 19% por debajo de donde estaría si hubiera crecido al ritmo de las ocupaciones menos expuestas. En la medición de julio de 2025 esa brecha era del 15%.

Lo relevante es el mecanismo: la caída se explica sobre todo por menos contrataciones, no por despidos masivos. Las empresas no están echando a los juniors; simplemente no los están incorporando. Los investigadores no ven destrucción generalizada de empleo en toda la economía, y los trabajadores con experiencia no muestran una brecha comparable.

El contexto macro agrava la foto: el empleo no agrícola cayó en 23.000 puestos en julio de 2026 y la tasa de desempleo se ubicó en 4,1%, según la Oficina de Estadísticas Laborales de EE. UU. citada por GCN.

La tendencia tampoco es exclusiva de Silicon Valley. En Nueva York, las vacantes tecnológicas de nivel inicial cayeron 49% entre 2022 y 2025, el mayor descenso de cualquier área, según el informe del think tank Center for an Urban Future recogido por Business Insider. Las posiciones con mayor exposición a IA generativa registraron una caída del 29% en vacantes de entrada desde 2022, mientras las de exposición mínima crecieron 21%. En paralelo, la demanda de habilidades de IA en vacantes de entrada creció más de 8.000%.

¿Qué significa esto para tu startup?

El punto no es si la IA sirve —sirve— sino si estás reemplazando tareas o personas. Un puesto es un conjunto de tareas, criterio, relaciones y conocimiento tácito. La automatización cubre bien lo repetible y mal todo lo demás.

Mapea tareas, no puestos. Descompón cada rol y define qué puede hacer la IA con calidad comprobada y qué necesita criterio humano. La unidad de análisis es la tarea, no la persona.
Pilotea antes de despedir. Pon la IA a trabajar en paralelo durante un período definido y compara el desempeño real en calidad, no solo en velocidad o costo. Si no resiste la comparación, no está lista para reemplazar a nadie.
Define métricas de calidad antes y después. Satisfacción del cliente, tasa de error, retrabajo y tiempo de resolución. Un ahorro de nómina que dispara las quejas no es un ahorro.
Reskillea antes de recortar. Pregunta qué tareas de mayor valor podría asumir esa persona si la IA absorbe lo rutinario. Reentrenar suele salir más barato que despedir y recontratar.
Documenta el conocimiento que se va. Si alguien sale de la empresa, su contexto sobre clientes, excepciones y procesos debería quedar transferido. Es lo único que ningún modelo te devuelve.

Sobre el costo de revertir hay una señal adicional: una encuesta de la consultora de talento Robert Half recogida por deGerencia encontró que alrededor del 29% de las empresas que recortaron personal tras adoptar IA volvió a contratar para esas mismas funciones, y una de cada tres gastó más en reincorporar gente de lo que había ahorrado.

Conclusión

La IA no obliga a despedir: obliga a decidir mejor. Las empresas que automatizan sin rediseñar procesos, sin métricas de calidad y sin transferir conocimiento están comprando un problema a plazos. Para una startup, donde cada persona concentra varias funciones y buena parte de la relación con clientes y proveedores, ese riesgo es mayor: no hay colchón de multinacional para absorber un error de automatización.

Una organización puede funcionar con menos empleados. Eso no significa que funcione mejor.