Meta despidió con IA a base de métricas que una baja médica no puede generar, según una demanda de 26 empleados

Por HR Dive · 15 de julio de 2026.

Veintiséis empleados actuales y antiguos de Meta demandaron a la compañía el lunes ante el tribunal federal del norte de California por el recorte de aproximadamente el 10% de la plantilla ejecutado en mayo. Según la demanda, Meta no dejó la selección en manos de "el criterio de mánagers que conocían el trabajo", sino que usó "una constelación de sistemas internos de inteligencia artificial" para puntuar, clasificar y seleccionar a quién despedir. Los inputs de esos sistemas —alegan los demandantes— incluían calificaciones de desempeño, puntuaciones de calibración, métricas de productividad y output, valoraciones de "nativo de IA" y consumo de tokens de IA: indicadores que, por su propia naturaleza, no pueden acumularse mientras alguien está de baja médica, familiar o por discapacidad. La demanda sostiene que Meta nunca "neutralizó" esos inputs ni excluyó del proceso a quien hubiera tomado o solicitado una baja protegida en los dos años anteriores, y que el resultado fue una selección que penalizaba, de facto, el ejercicio de un derecho legal.

Los casos citados en la demanda son concretos: una científica fue incluida en el recorte mientras estaba de baja previa al parto; un gerente fue degradado tras una baja médica y, semanas después de iniciar una segunda baja, seleccionado para el despido; a un ingeniero le bajaron la puntuación por el "tiempo roto" que una lesión le impidió trabajar. Los demandantes invocan la ADA, la FMLA, la Ley de Discriminación por Embarazo, la Pregnant Workers Fairness Act y el Título VII de la Ley de Derechos Civiles de 1964, y piden una medida cautelar que impida a Meta formalizar sus salidas. Un portavoz de la compañía ha respondido que las acusaciones "carecen de fundamento y no se basan en hechos" y ha insistido en que "las decisiones de gestión de plantilla y organizativas las tomaron y las toman personas, no la IA". Conviene subrayarlo con la misma claridad: se trata, por ahora, de alegaciones de una demanda, no de hechos probados por un tribunal, y Meta las niega expresamente.

Lo que distingue este caso de la conversación habitual sobre "la IA destruye empleo" es el mecanismo, no el resultado. No hablamos de un modelo que sustituye una tarea, sino de un sistema que decide, con datos parciales, quién se queda y quién se va en un recorte masivo. Y el detalle más revelador es justamente el del "consumo de tokens de IA" como métrica de valor del empleado: si la adopción de herramientas de IA se convierte en un indicador de productividad usado para decidir despidos, cualquier empleado que no pueda generar esa señal —por estar de baja, por tener una discapacidad, por trabajar en un rol que no se presta al uso intensivo de esas herramientas— queda estructuralmente en desventaja antes de que nadie evalúe su desempeño real. Es un sesgo que no nace de mala intención, sino de un diseño de métricas que confunde "actividad medible" con "valor aportado".

Este litigio se suma a un patrón que ya veníamos señalando: la automatización de la gestión de personas —el llamado "HR agéntico"— avanza más rápido que los marcadores de garantía que la acompañan. El caso de los algoritmos de cribado de candidatos de Workday, citado en la propia cobertura por su alegación de discriminación por edad, apunta en la misma dirección: cuando una decisión de empleo se automatiza a escala, el sesgo que antes se diluía en cientos de decisiones humanas individuales se concentra y se replica de forma sistemática en miles de casos con el mismo patrón. Es exactamente el tipo de riesgo que ya anticipábamos al hablar de la regulación estatal fragmentada en EE.UU.: a falta de una ley federal, son los tribunales y los estados los que están, caso a caso, definiendo qué garantías debe llevar incorporadas un sistema de IA cuando decide sobre el sustento de una persona.

Nuestra lectura es que este tipo de demandas —más que una condena a la IA en la gestión de plantillas— son el mecanismo de ajuste que hace falta para que esa gestión sea sostenible a medio plazo. La tesis de fondo de Zendoric sobre el empleo sigue intacta: la transición hacia una economía de abundancia impulsada por IA será dura en el corto plazo, con recortes reales y desiguales por sectores, y lo administrativo y lo medible por métricas es lo primero que cae. Pero esa transición solo desemboca en algo mejor si los sistemas que reparten el dolor a corto plazo son auditables, corregibles y responden ante la ley cuando fallan. Una IA que despide en función de quién generó menos "tokens" mientras se recuperaba de una lesión no es un paso hacia la eficiencia: es un recordatorio de que automatizar una decisión sin blindar sus datos de entrada traslada el sesgo humano a una escala mucho mayor, y de que la gobernanza de estos sistemas —no solo su capacidad— es la que determinará si la transición hacia la abundancia es rápida y justa o simplemente rápida.