Diecisiete años de trayectoria no fueron suficientes para blindar a un investigador mexicano radicado en Nuevo México frente a una ola de recortes vinculada, al menos temporalmente, a la adopción de herramientas de inteligencia artificial generativa en su empresa. El caso, ocurrido en 2025, ilustra una tensión estructural que se repite en distintas industrias: organizaciones que promueven activamente el uso de IA entre sus equipos, sin establecer con claridad qué rol seguirá desempeñando el talento humano una vez que la tecnología quede integrada.

El investigador en cuestión había incorporado herramientas como ChatGPT a su flujo de trabajo bajo instrucción directa de la empresa, con la garantía explícita de que la IA no sustituiría su posición. Aun así, fue incluido en un recorte que afectó a más de 20 colaboradores, poco después de que la compañía intensificara la adopción de estas plataformas. La empresa no explicó públicamente los criterios del ajuste ni aclaró si la automatización influyó en la decisión, lo que dejó sin respuesta una pregunta que cada vez más organizaciones deberán enfrentar: ¿quién supervisa el trabajo generado por IA cuando los expertos que lo revisaban ya no están?

El perfil de riesgo que las empresas subestiman

Este caso no es excepcional. A escala global, los perfiles más vulnerables ante la automatización no son necesariamente los menos calificados, sino aquellos cuyas funciones se superponen con las capacidades actuales de los modelos de lenguaje: redacción, síntesis de información, organización de contenidos y análisis de datos estructurados. La evidencia disponible sugiere que los niveles medios y operativos son los primeros en absorber el impacto, mientras que las funciones de supervisión y criterio estratégico —al menos por ahora— permanecen en manos humanas.

Sin embargo, estudios recientes sobre la integración de IA en entornos corporativos indican que la sustitución de personal no ha derivado automáticamente en mejoras medibles de productividad ni en resultados económicos superiores. La eficiencia operativa prometida choca con un problema de fondo: los modelos generativos producen contenido que requiere validación experta para garantizar precisión, contexto y pertinencia. Cuando esa capa de revisión desaparece junto con los despidos, el riesgo de calidad se traslada silenciosamente al producto final.

Implicaciones para la gestión del talento en América Latina

Para las organizaciones en México y América Latina que atraviesan procesos similares de adopción tecnológica, el caso plantea una advertencia concreta: la velocidad de implementación de herramientas de IA no debería superar la capacidad de la organización para redefinir roles, establecer marcos de gobernanza y comunicar con transparencia los criterios de permanencia del talento.

La promesa de que "la IA no reemplazará a las personas" ha demostrado ser insuficiente como política. Lo que las organizaciones necesitan son marcos operativos que especifiquen qué decisiones permanecen en manos humanas, qué métricas determinan el valor del trabajo asistido por IA y cómo se gestionará la transición cuando los roles efectivamente cambien. Sin esa estructura, el riesgo reputacional y el deterioro del clima organizacional pueden superar con creces los ahorros operativos proyectados.

El debate sobre automatización y empleo no es nuevo, pero la velocidad actual del despliegue de modelos generativos lo ha vuelto urgente. Las decisiones que se tomen hoy sobre cómo integrar IA sin erosionar el capital humano definirán, en buena medida, la competitividad y la cohesión interna de las organizaciones en los próximos años.