Meta niega usar IA para despedir, pero el caso de un empleado de baja deja dudas sobre sus 'criterios objetivos'

Por Zendoric · 25 de julio de 2026.

Veintiséis extrabajadores de Meta demandaron a la compañía la semana pasada alegando que había usado inteligencia artificial para decidir a quién despedir, y que ese proceso había perjudicado de forma desproporcionada a empleados de baja médica o con discapacidad. Entre las pruebas citadas en la demanda: un asistente de IA interno y paneles que contabilizaban cuántos "tokens" de IA consumía cada empleado en su trabajo diario, es decir, cuánto usaban las herramientas de IA de la empresa.

El juez del caso, tras denegar una orden de restricción temporal que habría frenado los despidos, pidió a Meta que explicara por qué había despedido a cuatro demandantes cuyo estatus migratorio dependía de un visado patrocinado por la propia empresa. La respuesta llegó el jueves en una declaración de Linh Doan, directora de Habilitación de Socios de RRHH en Meta, presentada ante el tribunal.

Según Doan, las decisiones las tomaron "líderes de negocio humanos" y la IA no participó en la selección. También negó que se tuviera en cuenta —o siquiera se conociera— si un empleado estaba de baja, o si tenía una discapacidad: afirma que los criterios de despido "no incluyeron estatus de baja, historial de bajas, estatus de discapacidad, solicitudes de adaptación ni ninguna otra característica protegida". Conviene subrayar que se trata de la versión de la empresa ante el tribunal, no de un hecho verificado de forma independiente; la demanda de los extrabajadores sostiene justo lo contrario.

El proceso que describe Doan tiene una lógica de cascada. Primero, Meta identifica qué partes de la organización se verán afectadas por los recortes, hasta acotar un "cohorte" de empleados con un nivel y puesto concretos. Después construye una justificación de negocio para incluir a ese grupo en los despidos. Y solo entonces los líderes definen "criterios de selección" que, según la propia Doan, deben ser objetivos y estar ligados a esa justificación —por ejemplo, si el objetivo es retener el mejor talento de un equipo, el criterio podría ser quedarse con quienes tienen calificaciones de rendimiento más bajas. A partir de ahí pueden entrar en juego el nivel del puesto, la antigüedad, la ubicación, las competencias especializadas, y dos términos internos de Meta: "spans" (cuántos subordinados directos tiene un mánager) y "layers" (a cuántos escalones está un empleado de Mark Zuckerberg en el organigrama). Doan insiste en que estos criterios se cerraban antes de evaluar a ningún empleado concreto, y que los responsables "no podían desviarse" de ellos.

De los cuatro empleados con visado por los que preguntó el juez, tres fueron despedidos, según la propia Meta, por motivos de rendimiento. El caso más incómodo es el descrito como "Doe 4": la empresa aplicó, en su relato, dos criterios objetivos en secuencia —nivel del puesto y rendimiento histórico— para seleccionarlo. Este empleado estaba de permiso parental en el momento del despido y había recibido la calificación "cumple sistemáticamente las expectativas" en su evaluación de cierre de 2025, una nota que no suena, a priori, a bajo rendimiento.

Nuestra lectura es que este caso importa menos por si Meta usó o no un algoritmo para pulsar el botón de despedir —algo que, insistimos, sigue disputado en los tribunales y que no podemos dar por hecho en ningún sentido— y más por lo que revela sobre la opacidad de cualquier proceso de recorte a gran escala, use IA o no. Un criterio "objetivo" como el rendimiento histórico puede arrastrar sesgos reales si no se ajusta por circunstancias como una baja o un permiso parental que reducen la actividad medible de un empleado sin reflejar su desempeño real. Esa distinción entre discriminación algorítmica y discriminación por proxy humano es la que estos litigios están empezando a forzar a hacer pública, y probablemente sea el patrón que veremos repetirse: no hace falta que un modelo de IA firme el despido para que las métricas que alimenta —como el consumo de tokens, que empieza a asomar como indicador informal de productividad— acaben pesando en decisiones que se presentan como puramente humanas.

Esto conecta con algo que ya hemos señalado en despidos recientes atribuidos a la IA: la prisa por dar una narrativa limpia ("fue el algoritmo", "fue el rendimiento objetivo") suele ser más frágil de lo que las empresas quieren aparentar, y termina judicializándose. A corto plazo, este tipo de casos van a multiplicarse: cuantas más empresas midan el uso de IA de sus empleados y lo crucen con evaluaciones de desempeño, más difícil será separar la métrica de adopción tecnológica del juicio sobre quién se queda. Es un terreno legal y ético todavía sin reglas claras, y eso genera desconfianza justificada en la plantilla.

A largo plazo, sin embargo, esta fricción es también el precio de construir la infraestructura de confianza que necesitará el mercado laboral cuando la IA gestione de verdad procesos de personal a escala. Cuanta más presión legal exista hoy para que empresas como Meta expliquen sus criterios con este nivel de detalle, más rápido tendremos estándares de transparencia y auditoría que hagan legibles —y corregibles— estas decisiones, en lugar de dejarlas ocultas en un panel interno. Ese es, precisamente, el tipo de gobernanza basada en evidencia que hace falta para que la automatización del trabajo administrativo libere talento hacia tareas de más valor sin arrasar por el camino a quien simplemente estaba de baja médica en el peor momento.