Meta ante los tribunales: cuando el algoritmo decide quién sobra, la discriminación se industrializa

TESIS: la demanda contra Meta no va realmente de inteligencia artificial; va de rendición de cuentas. Si las acusaciones se confirman, lo que la IA habría hecho no es inventar una discriminación nueva, sino industrializar una vieja —penalizar la baja médica, el embarazo, la discapacidad— a escala de 8.000 personas y con apariencia de objetividad matemática. Ese es el riesgo real de la gestión algorítmica a corto plazo: no una superinteligencia hostil, sino una hoja de cálculo con autoridad y sin proceso debido.

Los hechos, primero. El 14 de julio, 26 empleados de Meta presentaron una demanda ante el tribunal federal de Oakland (California) alegando que la compañía usó sistemas internos de IA para puntuar, clasificar y seleccionar a quién despedir dentro del recorte de unos 8.000 puestos —el 10% de la plantilla— anunciado esta primavera, cuando Meta se declaró organización «AI-first». Según la demanda, la maquinaria incluía el asistente interno «Metamate», agentes de «segundo cerebro» entrenados con las comunicaciones de los empleados, datos de monitorización de pulsaciones y actividad, dashboards de consumo de tokens de IA y rankings de desempeño asistidos algorítmicamente.

El corazón jurídico de la demanda es una frase: muchas de esas puntuaciones, «por diseño, no pueden ser acumuladas por un empleado que está de baja médica o familiar protegida, o cuya producción se reduce por una discapacidad». Los 26 demandantes —anónimos, de seis estados— tomaron licencias protegidas o pidieron adaptaciones por discapacidad: ocho mujeres de baja por maternidad o embarazo, cuatro hombres de permiso parental, una cuidadora de un familiar. Todos siguen técnicamente empleados; las salidas empiezan el 22 de julio, y sus abogados piden congelar la situación mientras se arbitra. Meta lo niega en redondo: «las decisiones de gestión de plantilla fueron y son tomadas por personas, no por IA», y califica las acusaciones de carentes de mérito. Importa subrayarlo: son alegaciones, no hechos probados.

Nuestra lectura empieza por desmontar el falso debate que Meta y los demandantes escenifican: «¿decidió la IA o decidieron personas?». Es la pregunta equivocada. Si un directivo humano firma una lista construida sobre puntuaciones que un empleado de baja no puede acumular, la firma humana es un sello de goma. Lo llamamos blanqueo de responsabilidad: la decisión discriminatoria —si la hubo— no desaparece por pasar por un comité; simplemente queda repartida entre un algoritmo que «solo puntúa» y un humano que «solo ratifica». El derecho laboral estadounidense no exige saber quién apretó el botón, sino si el criterio de selección tuvo un impacto ilegal sobre colectivos protegidos. Y ahí la IA no es atenuante: es multiplicador, porque aplica el mismo sesgo, de forma uniforme y documentada, a miles de casos.

Hay un detalle de la demanda que merece análisis propio: los dashboards de uso de tokens de IA como insumo de la evaluación. Si se confirma, significaría que Meta habría convertido «cuánta IA consumes» en un proxy de valor del empleado. Es la versión corporativa de un fenómeno que venimos siguiendo: en la empresa «AI-first», la adhesión a la herramienta se vuelve métrica de lealtad. El problema es evidente: quien está de baja no consume tokens. Una métrica diseñada para medir adopción tecnológica se convierte, sin que nadie lo decida explícitamente, en un detector de ausencias protegidas. Así es como el sesgo algorítmico funciona en la práctica: rara vez es malicia; casi siempre es una variable mal elegida que correlaciona con una condición protegida.

El contexto legal hace este caso más importante que su titular. En el mismo distrito judicial avanza Mobley v. Workday, donde un tribunal ya certificó una acción colectiva sobre software de contratación con IA y aceptó que el proveedor del algoritmo puede ser responsable como «agente» del empleador —con 1.100 millones de solicitudes procesadas en juego—. Y en California, el gobernador Newsom vetó en 2025 la «No Robo Bosses Act» (SB 7), que exigía supervisión humana de la IA en decisiones de despido, por considerarla demasiado indiscriminada; su sucesora, la SB 947, se reintrodujo en febrero de 2026 con un enfoque más quirúrgico, mientras las nuevas reglas ADMT de la agencia de privacidad californiana ya imponen obligaciones de transparencia. La demanda contra Meta cae exactamente en ese vacío: los tribunales están decidiendo, caso a caso, lo que el legislador aún no ha cerrado.

Aquí conviene la honestidad de corto plazo que nos define: la gestión algorítmica sin contrapesos es hoy un riesgo real y presente. La combinación de vigilancia granular (pulsaciones, actividad, comunicaciones) con decisiones automatizadas de alto impacto (despido) es cualitativamente distinta de la evaluación tradicional. Un mal jefe discrimina a los que tiene delante; un mal algoritmo discrimina a todos los que caen en su patrón, silenciosamente y con apariencia de rigor. Y hay una ironía incómoda: Meta, que se reestructura para liderar la era de la IA, podría convertirse en el caso de manual de cómo no usarla con personas.

Pero —y aquí está el matiz que rechaza tanto la euforia como el catastrofismo— la conclusión correcta no es «prohibamos la IA en recursos humanos». Un proceso de despido dirigido por humanos también discrimina; lo sabemos por décadas de litigios que existían mucho antes de Metamate. La diferencia es que el sesgo algorítmico es auditable: las puntuaciones quedan registradas, los criterios son reconstruibles, el impacto dispar se puede medir estadísticamente. Paradójicamente, esta demanda es posible precisamente porque la máquina deja rastro. Bien gobernada —con auditorías de impacto, pausas obligatorias para licencias protegidas y revisión humana real, no ceremonial—, la IA puede acabar siendo más justa que el comité opaco al que sustituye. La condición es que la gobernanza se base en evidencia, no en pánico: la SB 947, más precisa que su antecesora vetada, apunta en esa dirección.

Implicaciones. Para las empresas: cualquier sistema automatizado que alimente decisiones de empleo debe tratarse como lo que es jurídicamente, un criterio de selección sujeto a las leyes antidiscriminación; eso exige testar impacto dispar antes de usarlo, neutralizar las métricas frente a licencias protegidas y documentar una revisión humana individualizada que pueda defenderse ante un juez. Para los trabajadores: los derechos no cambian porque quien puntúe sea un modelo; cambia la prueba, y este caso enseñará a los tribunales a leer dashboards. Para los reguladores: el veto a la SB 7 y su reencarnación en la SB 947 muestran el camino correcto —regular el riesgo alto (despido, disciplina) sin criminalizar toda herramienta digital.

Y el horizonte largo, que no perdemos de vista: la transición hacia una economía donde la IA asume lo rutinario será dura y desigual —esta demanda es un síntoma temprano de esa fricción—, pero el destino que defendemos sigue siendo una abundancia que libere a las personas para trabajar en lo que les apasiona, no una en la que un dashboard decida quién merece quedarse. Que los primeros grandes litigios de la era algorítmica se estén ganando o perdiendo ahora es, en realidad, la buena noticia: las reglas del trabajo con IA se están escribiendo a tiempo, antes de que la práctica se fosilice. Casos como este no frenan el futuro; lo civilizan.