En la oficina ejecutiva de nuestra empresa, en algún lugar, yace una lista de despidos que incluye a 8,000 personas. Tengo un 10% de probabilidades de estar en esa lista. En unos días, el 20 de mayo, conoceré mi destino.

Al ver el anuncio del "despido impulsado por IA" de Coinbase hoy, decidí escribir este artículo. Me apresuro a escribirlo antes del 20 de mayo, porque quiero compartir algunas reflexiones completamente honestas, libres de cualquier emoción personal sobre si me quedo o me voy. Estas ideas no solo son independientes de si me despiden o no, ni se limitan únicamente a mi empresa. Provienen de conversaciones sinceras con amigos que trabajan en diversas empresas medianas y grandes.

Actualmente, hay una gran cantidad de artículos debatiendo: ¿esta nueva ola de despidos (generalmente se cree que comenzó cuando Jack Dorsey despidió al 40% de la plantilla de Square) es realmente impulsada por la IA o es simplemente una estrategia de "AI-washing" (lavado de IA)(se refiere a que las empresas aprovechan la adopción de la IA para enmascarar otros fracasos comerciales o los verdaderos motivos de los despidos).

No quiero atormentarte llenando el artículo con enlaces a diversas noticias y artículos académicos, contenido que probablemente ya hayas visto o que puedas encontrar fácilmente buscando en Google o preguntándole a ChatGPT.

La tan pregonada "productividad de la IA" y la evidencia esquiva

¿Realmente la IA nos ha hecho más eficientes? ¡Esa es una pregunta fundamental y muy polémica! Si pensamos al revés, afirmar que "la IA no ha cambiado nada", creo que ni siquiera los más escépticos del valor de la IA estarían de acuerdo con esa afirmación.

Especialmente en las empresas tecnológicas, el aumento meteórico en el uso de la IA es un hecho innegable. Incluso en las empresas más conservadoras, que limitan los presupuestos de IA y no proporcionan herramientas de IA a sus empleados, tampoco se puede negar que parte del trabajo se realiza sustancialmente gracias a la IA, incluso si los empleados están recurriendo subrepticiamente a herramientas como Gemini o Copilot dentro de la suite de Google o Microsoft para editar documentos.

En cuanto a las empresas más visionarias, aquellas que se han sumergido de cabeza en el océano de los tokens de IA(la unidad básica de procesamiento de texto de los modelos de IA; las empresas suelen facturar en función del número de tokens consumidos al utilizar modelos de lenguaje grandes), como Uber o Shopify (aquí no incluyo empresas como Meta o Microsoft, que desarrollan sus propios LLMs, ni empresas como Vercel o Cloudflare, que construyen activamente infraestructura para IA; solo hablo de "usuarios" puros), su consumo de IA es simplemente una locura.

Ya nos hemos acostumbrado: desde que el 90% al 100% del código es generado por IA, hasta que la cantidad de revisiones de código (PRs/diffs) enviadas semanalmente se dispara entre 2 y 5 veces, y hasta que presupuestos anuales de IA de cientos de millones de dólares se agotan en solo unos meses.

Sin embargo, comentaristas tecnológicos e inversores como Ed Zitron, Will Manidis, Gary Marcus y Michael Bury seguramente te harían una pregunta que va al meollo del asunto: si ese es el caso, ¿por qué los ingresos de estas empresas no han crecido entre 2 y 5 veces en consecuencia? ¿Por qué sus aplicaciones se ven prácticamente iguales que hace medio año? Si la IA es realmente tan productiva, ¿qué están produciendo exactamente con ella? Si escriben 5 veces más código, pero los usuarios finales no notan ninguna diferencia, ¿qué sentido tiene todo ese código? Es una pregunta extremadamente aguda y válida.

Inputs, Outputs y Resultados

Debemos hacer una breve pausa para una clase básica de gestión empresarial. Cuando una empresa mediana de rápido crecimiento, que ha recibido demasiada financiación y ha gastado sin control, finalmente se enfrenta a la falta de fondos, y buscas el consejo de un CEO experimentado. Él te recomendará que traigas a consultores de McKinsey para echar un vistazo. Los consultores pondrán en la primera diapositiva de su presentación una pantalla completamente blanca con tres palabras escritas en la fuente predeterminada Arial: "Inputs, Outputs, Resultados".

Te explicarán una verdad comercial que todos entendemos, pero que siempre olvidamos:

El código es solo un input.

La funcionalidad es el output.

Que los usuarios estén dispuestos a pagar por tu producto, ese es el resultado.

La IA (o al menos productos como Claude Enterprise) es esencialmente un producto de software como servicio orientado a empresas (B2B SaaS). Notarás que los productos SaaS tienen diferentes modelos de precios y marketing. Si un producto puede cambiar directamente los "resultados", generalmente cobrarán un porcentaje de esos "resultados". Imagina un argumento de venta como este: "Nuestra herramienta puede aumentar la velocidad de conversión de leads de ventas en un 36%. Pruébala ahora mismo, solo paga una tarifa de servicio baja del 5% sobre las ventas".

Esto sería absolutamente irresistible para los clientes. En igualdad de condiciones, si antes cerrabas 100 tratos en 100 días, ahora solo te tomaría 63 días. Los 36 días ahorrados (si mis cálculos son correctos) te permitirían cerrar otros 57 tratos. ¡Esto significa un crecimiento potencial del 57% en tus ventas! Cualquiera estaría encantado de dar el 5% de la comisión de ventas a cambio de un 57% de ingresos adicionales. Y si no usas el producto, no pagas nada.

Probablemente ya adivinas hacia dónde voy: el modelo de precios de Claude basado en consumo de tokens no es para nada así. Si tus ingenieros de software son adictos a programar con Claude (acabo de darme cuenta de que ambas abreviaturas en inglés son "cc") y generan 100 millones de tokens al día, entonces pagarás $100 por cada ingeniero al día.

Incluso si parte del código que generan no funciona y termina en la papelera;

Incluso si algún código provoca posteriormente una grave interrupción del servicio (SEV)(SEV se refiere a Severidad, término común en empresas tecnológicas para referirse a incidentes graves que causan interrupciones del servicio en línea) y tiene que revertirse de emergencia;

Incluso si otra parte del código es solo para rediseñar una herramienta interna, para que a los vicepresidentes les resulte más atractivo mirar el panel de datos;

Tienes que pagarlo todo. Porque el código es solo un "input". Si bien, generalmente, más "inputs" en la dirección correcta suelen generar más "outputs", lo que lleva a mejores "resultados". Sin embargo, cuando multipliques los inputs por 5 de la noche a la mañana, esta regla puede dejar de aplicarse. Los "inputs" adicionales pueden convertirse de repente en esfuerzos desperdigados, completamente alejados de los "outputs" o "resultados" deseados.

¡¿Qué es lo que realmente nos está frenando?!

En el pasado, cada vez que el CEO o el gerente de producto (PM) querían hacer 10 cosas, el equipo de desarrollo siempre decía que solo podían hacer las dos más importantes, y que no tenían tiempo para las otras 8. ¿La razón? Porque escribir código no es un juego; desarrollar software complejo y funcional lleva mucho tiempo.

Hmm... pero ahora el código es prácticamente gratuito. ¿Por qué todavía no hemos hecho esas otras 8 cosas?

Hay dos respuestas: una que a los CEO y PM no les gusta escuchar; y otra que a la gerencia media y a los empleados senior no les gusta escuchar.

1. ¿Quizás esas 8 ideas... simplemente no son buenas?

El hecho de que al CEO o al PM se les ocurran 10 ideas no significa que realmente puedan convertirse en resultados comerciales tangibles. Incluso si realmente construyes 10 nuevas funcionalidades (outputs), no hay garantía de que los usuarios las adopten y usen más tu aplicación (resultados).

De hecho, precisamente porque antes los recursos de desarrollo eran limitados, esa "fricción" obligaba a todos a tener debates más intensos, matando las malas ideas temprano, antes de que consumieran demasiados recursos, y seleccionando las dos mejores. Ahora, escribir código es rápido y barato, y parece no tener sentido discutir sobre la calidad de las ideas. Incluso si intentas contradecirlos, ¿crees que podrías evitar que el CEO o el PM se den la vuelta y le pidan a Claude directamente? Olvídalo, ni siquiera lo intentes.

2. Alinear a todos es demasiado doloroso.

Todos sabemos lo tortuoso que es. Primero, lograr que todas las partes interesadas se pongan de acuerdo sobre el "por qué" hacer algo; luego, otra reunión para discutir "qué" hacer exactamente; finalmente, otra discusión más sobre "cómo" hacerlo.

Cuantos más equipos haya, más proyectos quedan atascados en el "infierno de la alineación". Antes, debido a que escribir código era lento, este problema estaba enmascarado. Ahora, en cambio, una vez que se decide "qué" hacer, de inmediato alguien se queda toda la noche creando un Producto Mínimo Viable (MVP)(desarrollar un producto con el coste mínimo que muestre solo la idea central, para probar rápidamente y cometer errores rápidamente), y programa la próxima reunión para el día siguiente.

En la reunión, te sorprendes al descubrir que ¡otro equipo también ha creado subrepticiamente un MVP! Peor aún, porque ambos partieron de supuestos diferentes, los dos productos funcionan con lógicas completamente opuestas.

Por supuesto, podrían sentarse y discutir lentamente cuál de los supuestos es correcto.

Pero seamos realistas. Tú y tu equipo, con tokens de Claude ilimitados, no tienen ganas de hacer eso. El otro equipo tampoco. No dudarás en volverte hacia Claude y pedirle que reimplemente el trabajo del otro equipo de la manera que tú consideres perfecta. Y Claude simplemente responderá obedientemente: "¡Tiene toda la razón!", e inmediatamente comenzará a escribir código.

¿Qué problemas resuelven realmente los despidos?

Bueno, gracias por escuchar pacientemente estas obviedades. Sé que quieren ver el contenido central.

¿Qué propósito logran los despidos? Según mi hipótesis, si la IA no está reemplazando directamente al 30% de los empleados uno a uno (creo que todos podemos estar de acuerdo en esto, ¿verdad? Aunque es mejor que los trabajadores de oficina junior en muchas tareas, en otras es peor que los humanos; definitivamente no es una pieza que se pueda intercambiar directamente, y mucho menos reemplazar al 10%, 20% o 30% de una empresa).

Entonces, ¿cuál es la lógica detrás de los despidos? Porque resuelve inmediatamente dos problemas evidentes a corto plazo.

1. Compensar el "gasto en IA"

Esto es simplemente aritmética básica de flujo de caja. Es obvio: si tus ingenieros adictos a Claude están gastando $100 al día en Claude (es decir, $2500 al mes, $30,000 al año), esa cantidad equivale al salario completo de un Ingeniero de Desarrollo de Software (SDE) en la India; a medio SDE en Europa; a un cuarto de SDE en Estados Unidos.

Si hacemos un cálculo simple y directo: supongamos una empresa plana donde todos los empleados son SDE. Para mantener el gasto salarial total actual (incluyendo el costo de comprar tokens), debes despedir al 50% (India), 33% (Europa) o 20% (EE. UU.) de los empleados.

De hecho, dado que el uso de la IA está creciendo de manera desenfrenada y los ingresos de la empresa no muestran un crecimiento correspondiente, los despidos se convierten en una elección inevitable. De lo contrario, el balance de la empresa colapsaría. Si tus costos de inputs aumentan un 50%, pero los resultados comerciales finales no mejoran o permanecen iguales, entonces la economía unitaria de todo tu ciclo de vida de desarrollo de software se desmorona por completo.

Si realmente aprendiéramos a usar la IA, descubriendo cómo convertir un aumento del 50% en el costo de los inputs en un aumento del 50% en los ingresos (resultados), no tendríamos que dar este paso. Pero precisamente porque no lo has aprendido, algunos de ustedes deben irse para liberar dinero y pagarle a Anthropic.

2. Reducir el "impuesto de alineación"

No hay duda: cualquier empresa grande tiene un tamaño que supera con creces lo necesario para simplemente "sobrevivir". Esta es la naturaleza de las grandes empresas; las grandes organizaciones inevitablemente acumulan "grasa organizacional", es una consecuencia inevitable del diseño de su estructura.

En estas empresas, incluso si alguien se va, el sistema sigue funcionando porque siempre hay alguien más que sabe lo que hacía. En muchas grandes tecnológicas, puedes tomarte tranquilamente una licencia de maternidad de seis meses y tu proyecto seguirá funcionando sin problemas. ¡Estos son buenos signos! Pero también son una prueba irrefutable: si despides a una parte de la gente, la empresa definitivamente no colapsará de inmediato. Por el contrario, después del dolor sistémico inicial de las primeras semanas, en los meses siguientes, ¡la velocidad de operación incluso puede aumentar!

¿Recuerdas los dos equipos mencionados anteriormente que estaban estancados en sus diferentes enfoques técnicos? Es simple: despides a uno de los equipos y dejas que el equipo restante trabaje toda la noche para terminar el trabajo; ya no tendrán que "alinearse" con nadie más.

No podemos predecir qué sucederá a largo plazo (o parafraseando al economista Keynes: "A largo plazo, todos estaremos muertos"), pero a corto plazo, despedir al 10-20% de los empleados en una gran empresa solo hará que el ritmo de trabajo sea más rápido.

Las grandes empresas, con el tiempo, inevitablemente acumulan redundancia y burocracia, acumulando grandes cantidades de "deuda organizacional" de manera similar a la deuda técnica. Esta es la enfermedad crónica de las grandes empresas. Despedir al 10% hoy no evitará que el viejo problema reaparezca en dos años. Pero cuando ves a todos presumiendo de que envían 5 veces más código que antes, pero que no pueden implementarlo debido a los cuellos de botella de otros equipos, la solución más directa y brutal es obvia: despide a algunas personas, así nadie será un cuello de botella para los demás.

Esto es el despido impulsado por la IA, incluso si la IA no te reemplazó directamente

¿Tu número de empleado fue reemplazado por una nueva instancia de Claude ejecutándose en una máquina virtual? Todos sabemos que ese no es el caso.

A pesar de eso, ¿no es cierto que muchos flujos de trabajo en la empresa que antes requerían que tú escribieras en VS Code, hicieras clics en Figma, Canva o Google Docs, ahora se han convertido en que otras personas (aquellos que antes necesitaban esos resultados de tu trabajo) simplemente le gritan un prompt a un LLM, sin molestarse en pedirte ayuda? Esto también es un hecho innegable.

¿Estos despidos cuentan como "AI-washing"? Es decir, ¿las empresas ya tenían varios problemas fundamentales no relacionados con la IA (como contratación excesiva, caída de beneficios, presión competitiva, malas decisiones comerciales), y ahora solo usan la IA como "excusa" para despedir? Bueno, hasta cierto punto, eso también tiene sentido.

Incluso podrías notar que si recopilas todos los "correos de despido" enviados por los CEO durante este período, incluso pensarías que crearon un grupo de chat para ponerse de acuerdo y redactar estos correos. "Equipo nativo de IA", "gestores que escriben código", "aumentar el alcance de la gestión", "estructura plana", "gestionar equipos de agentes de IA"... encontrarás que estas palabras de moda aparecen idénticas en cada correo. Es como si le hubieran dado el mismo prompt a GPT.

Pero la verdad es que, incluso si estos despidos no se deben a que la IA te reemplazó directamente, incluso si están mezclados con "AI-washing", estos despidos, en última instancia, siguen siendo causados por la IA. Y esta ola de despidos continuará hasta que realmente aprendamos a usar la IA.

Hasta que aprendamos a convertir la enorme cantidad de tokens de IA en resultados comerciales tangibles, no solo en inputs de código; hasta que aprendamos a que la velocidad de "alineación" dentro de la organización siga el ritmo de la nueva generación de codificación; hasta que descubramos cómo utilizar esta productividad adicional para perseguir otras 10 nuevas ideas con potencial, más allá de las 2 buenas ideas y las 8 malas originales.

Antes de que realmente descubramos cómo la IA impulsa el crecimiento del PIB mundial, para cubrir ese gasto anual de $70 mil millones en tokens (la suma de los ingresos empresariales de OpenAI y Anthropic), las empresas solo pueden "completar el déficit" reduciendo los salarios de los empleados.

Y antes de que aprendamos a desatascar más eficientemente los cuellos de botella entre equipos, la solución siempre será una: simplemente borrarnos del organigrama.

Faltan 15 días para que conozca mi destino. Pero independientemente del resultado, creo que ya sé la razón. Incluso si hubiera sido yo quien tomaba la decisión sentado en esa espaciosa oficina del CEO en la esquina, no sé si podría haberlo hecho mejor; probablemente habría tomado la misma elección idéntica que los otros CEO en su grupo.