Empresas recortan empleos mientras IA impulsa productividad

Párrafo inicial

Las empresas de distintos sectores están reduciendo plantilla mientras extraen mayor producción por trabajador a medida que la inteligencia artificial se adopta a escala, según informes corporativos y observadores del mercado. CNBC informó el 22 de marzo de 2026 que, en un conjunto de estudios de caso y encuestas empresariales, las firmas registraron reducciones medianas de plantilla de aproximadamente 4% durante 2024–25, al tiempo que reportaron aumentos cercanos al 7% en ingresos por empleado en ese mismo intervalo (CNBC, 22 mar 2026). El patrón es heterogéneo: las empresas de tecnología y servicios financieros han tendido a captar las mayores ganancias de productividad por empleado, mientras que los sectores intensivos en mano de obra han experimentado mejoras más pequeñas pero ajustes de plantilla más tempranos. Para los inversores institucionales, el efecto agregado es material para las trayectorias de beneficio por acción (BPA), la modelización de la estructura de costes y las decisiones de rotación sectorial; al mismo tiempo, la reasignación microeconómica del trabajo y los costes de recualificación influirán en la durabilidad de los márgenes en el corto plazo. Este artículo ofrece una evaluación basada en datos, compara resultados año contra año y frente a puntos de referencia, y subraya las implicaciones para la estrategia corporativa y la política laboral.

Contexto

Los últimos 18 meses han visto un despliegue más rápido y concentrado de herramientas generativas y de automatización de flujos de trabajo que el que la mayoría de las empresas anticipaba, acelerando curvas de adopción de productividad que se habían estancado tras los ciclos iniciales de nube y SaaS. Donde las olas previas de automatización sustituyeron tareas discretas, los sistemas de IA modernos están cambiando flujos de trabajo de extremo a extremo, permitiendo que menos empleados produzcan más output o que reasignen tiempo a actividades de mayor valor. Las empresas que fueron adoptantes tempranos —grandes plataformas digitales y determinados incumbentes en banca y seguros— informaron las ganancias de eficiencia más visibles y, en consecuencia, optimizaciones de plantilla más rápidas. El contexto macroeconómico importa: tras un periodo de alta inflación y tipos elevados en 2022–24 que presionó los márgenes, los consejos y los directores financieros tuvieron incentivos fuertes para consolidar las eficiencias y acelerar la racionalización de costes laborales mientras el crecimiento de la demanda seguía siendo desigual.

Los mercados de capitales descontaron este cambio en los múltiplos de un subconjunto de empresas: los nombres de software en 2025 que enfatizaron la productividad por IA superaron al Nasdaq más amplio por una mediana de 12 puntos porcentuales, según índices sectoriales, reflejando expectativas de los inversores sobre márgenes estructuralmente superiores. Sin embargo, este rendimiento es heterogéneo: las empresas que subinvierten en la integración o que se enfrentan a una regulación intensa han visto beneficios moderados. Por tanto, los inversores institucionales deben separar las mejoras de productividad duraderas de los recortes de costes puntuales; estos últimos pueden impulsar el BPA en el corto plazo, pero tienen menos probabilidades de sostener valoraciones más altas sin evidencia de incremento orgánico de ingresos o reinversión en crecimiento.

Históricamente, las olas tecnológicas han producido patrones similares: picos de productividad seguidos de reasignación laboral y eventual creación de empleo en actividades adyacentes. La diferencia hoy es la velocidad: la IA puede implementarse como una actualización de sistemas existentes a un coste incremental de capital menor—y el alcance de las funciones afectadas es más amplio, incluyendo trabajo del conocimiento que antes se consideraba inmune a la automatización. Eso plantea preguntas para empresas, responsables políticos e inversores sobre el ritmo de la recualificación y los efectos distributivos entre ocupaciones y regiones.

Análisis de datos

Surgen señales empíricas clave de corporaciones e investigaciones de terceros. El reportaje de CNBC del 22 de marzo de 2026 recopiló divulgaciones empresariales y encuestas que muestran una disminución mediana de plantilla de ~4% entre las empresas muestreadas para 2024–25, emparejada con un aumento de ~7% en ingresos por empleado en el mismo periodo (CNBC, 22 mar 2026). Estas cifras son de carácter de caso y no universales, pero indican una reevaluación material de la productividad laboral allí donde las iniciativas de IA están maduras. Complementando esa evidencia corporativa, el análisis del McKinsey Global Institute de 2021 estimó que hasta 375 millones de trabajadores—alrededor del 14% de la fuerza laboral global en ese momento—podrían requerir nuevas categorías ocupacionales para 2030, lo que recuerda que las transiciones estructurales son plurianuales y globales (McKinsey Global Institute, 2021).

Las comparaciones aportan mayor claridad. Año sobre año, las empresas que informaron despliegue activo de IA aceleraron el crecimiento de ingresos por empleado en aproximadamente 3–5 puntos porcentuales respecto a pares que informaron despliegue limitado, según divulgaciones compiladas por analistas de mercado a finales de 2025. Frente a un punto de referencia más amplio, el repunte del 7% señalado en la muestra de CNBC puede compararse con las tendencias de productividad previas a la IA: el crecimiento de la productividad laboral en muchas economías avanzadas promedió menos del 2% anual en la década previa a la pandemia, subrayando cómo las ganancias impulsadas por IA —si se mantienen— representan un ritmo sustancialmente más rápido. Dicho esto, las métricas de productividad reportadas son sensibles a elecciones contables, cambios en la mezcla de negocios y costes únicos por indemnizaciones; los inversores deben profundizar en las divulgaciones por segmento y en las métricas de retención de clientes al evaluar la sostenibilidad.

Las fuentes y la datación importan. La evidencia corporativa primaria está fechada entre finales de 2024 y 2025 y fue agregada en el artículo de CNBC (22 mar 2026). La proyección de McKinsey cubre hasta 2030 y ofrece un horizonte de riesgo de transición laboral a medio plazo (McKinsey Global Institute, 2021). La diligencia institucional debería triangular entre presentaciones de las empresas, divulgaciones regulatorias y datos independientes del mercado laboral —como las agencias estadísticas nacionales y encuestas sectoriales— para evitar una dependencia excesiva en los titulares corporativos.

Implicaciones por sector

Tecnología y servicios financieros han sido los beneficiarios tempranos tanto en términos absolutos como relativos. En negocios de software y publicidad digital, las funcionalidades de IA impulsan poder de fijación de precios incremental y retención, permitiendo a las empresas extraer mayor monetización por usuario activo mientras racionalizan roles de soporte y moderación de contenidos. Para bancos y aseguradoras, la IA se ha aplicado a suscripción, priorización de reclamaciones y automatización de cumplimiento; varias entidades de tamaño medio registraron un menor número de empleados a tiempo completo (FTE) en los equipos de operaciones

(CNBC, 22 mar 2026).