La decisión fue humana. El riesgo comenzó en el algoritmo

Una demanda contra Meta abre una pregunta que alcanzará a todas las empresas: ¿quién responde cuando la IA influye en una decisión laboral?

La inteligencia artificial no necesita despedir directamente a una persona para modificar una decisión laboral.

Le basta con medir su actividad, interpretar su productividad, asignarle una clasificación o colocarlo dentro de un grupo que posteriormente será revisado por un directivo.

Esa distinción está en el centro de una demanda presentada por 26 trabajadores actuales y anteriores de Meta. Los demandantes alegan que diferentes sistemas internos, métricas digitales y clasificaciones asistidas por algoritmos influyeron en la selección de empleados incluidos en una reducción de personal.

De acuerdo con la demanda presentada el 13 de julio de 2026, las herramientas utilizadas no habrían interpretado correctamente periodos de licencia médica, parental o familiar protegida, ni determinadas condiciones relacionadas con alguna discapacidad.

Meta rechaza esa versión. La compañía sostiene que las decisiones organizacionales fueron tomadas por personas y no por inteligencia artificial.

La controversia todavía no está resuelta. Sin embargo, ya plantea una pregunta que trasciende a Meta:

¿Una decisión puede considerarse verdaderamente humana cuando la información que la antecede fue seleccionada, ponderada o interpretada por un sistema automatizado?

El problema no comienza con la decisión final

La lectura más sencilla del caso sería reducirlo a una discusión sobre si una máquina despidió o no a un grupo de trabajadores.

Esa interpretación resulta insuficiente.

En la mayoría de las empresas, la inteligencia artificial no reemplaza formalmente la autoridad del directivo. Opera antes de que este intervenga.

Ordena candidatos. Identifica desviaciones. Calcula niveles de productividad. Detecta patrones. Recomienda prioridades. Estima riesgos. Resume información y determina qué casos necesitan atención.

El ejecutivo conserva la firma, pero recibe una realidad previamente procesada.

Por eso, afirmar que una decisión fue tomada por una persona no resuelve por sí mismo el problema de responsabilidad. Antes de llegar al directivo, el sistema pudo haber excluido información relevante, otorgado demasiado peso a una variable o interpretado una ausencia justificada como falta de actividad.

La responsabilidad no se limita al momento de aprobar una decisión. También incluye la forma en que esa decisión fue construida.

Medir actividad no equivale a comprender desempeño

La IA empresarial necesita variables observables. Puede utilizar registros de actividad, tareas concluidas, tiempos de respuesta, cumplimiento de objetivos, interacciones digitales o uso de determinadas herramientas.

El riesgo aparece cuando una organización confunde lo que puede medir fácilmente con lo que realmente necesita evaluar.

Una persona que se encuentra en licencia médica o parental puede registrar menos actividad. Un colaborador con una función estratégica puede generar menos transacciones que otro con una responsabilidad repetitiva. Un equipo que resuelve problemas complejos puede parecer menos productivo si solo se contabiliza volumen.

Los datos pueden ser correctos y la interpretación puede seguir siendo equivocada.

Este es uno de los principales riesgos de la inteligencia artificial aplicada a personas: transformar una representación incompleta en una conclusión aparentemente objetiva.

Cuando el resultado llega acompañado de una puntuación, una clasificación o una recomendación automatizada, puede adquirir más autoridad de la que merece. El directivo deja de cuestionar la construcción del indicador y comienza a discutir únicamente su resultado.

La supervisión humana no corrige automáticamente el algoritmo

Muchas empresas presentan la intervención humana como su principal mecanismo de control.

El argumento parece sólido: el sistema recomienda, pero una persona decide.

Sin embargo, la supervisión solo funciona si el responsable humano cuenta con suficiente información, autoridad y tiempo para cuestionar al sistema.

Si el directivo desconoce qué variables se utilizaron, no puede reconocer una omisión. Si recibe cientos de casos clasificados automáticamente, probablemente revisará primero aquellos que el propio sistema haya señalado. Si la recomendación aparece respaldada por métricas técnicas, puede asumir que ya fue validada.

La presencia de una persona al final del proceso no neutraliza necesariamente los errores acumulados anteriormente.

Una supervisión efectiva requiere, al menos:

• Comprender qué función cumple el sistema.
• Conocer las variables que influyen en el resultado.
• Identificar qué información no está siendo considerada.
• Revisar los casos que pueden estar mal representados.
• Documentar cuándo y por qué se modifica una recomendación.
• Contar con un mecanismo real de apelación.

Sin estas condiciones, la participación humana puede convertirse en una validación administrativa de una conclusión previamente fabricada.

El riesgo para México y Latinoamérica

En México y Latinoamérica, muchas organizaciones están adoptando herramientas de inteligencia artificial mediante plataformas globales, sistemas de recursos humanos, soluciones de productividad y proveedores especializados.

El desafío es que una empresa puede incorporar decisiones algorítmicas sin reconocerlas como tales.

No es necesario instalar una aplicación denominada “sistema de decisiones laborales”. La influencia puede encontrarse dentro de un módulo de reclutamiento, una herramienta de monitoreo, un sistema de productividad, una plataforma de capacitación, un software de gestión de turnos o una solución de evaluación del desempeño.

También existe un riesgo adicional: confiar en modelos, criterios o benchmarks desarrollados para contextos laborales distintos.

Las condiciones contractuales, las jornadas, los esquemas híbridos, la informalidad, las licencias, la conectividad y la distribución de responsabilidades varían considerablemente dentro de la región. Una métrica aparentemente neutral puede producir conclusiones inadecuadas si ignora esas diferencias.

Por eso, el reto no consiste únicamente en cumplir una regulación. Consiste en evitar que una herramienta diseñada para aumentar consistencia termine institucionalizando una interpretación equivocada.

Cinco preguntas que la Dirección debe exigir

Antes de permitir que un sistema de IA influya en contratación, desempeño, compensación, promociones, asignación de trabajo o reducciones de personal, la Dirección debería exigir respuestas verificables a cinco preguntas.

1. ¿Qué decisión está influyendo realmente?

Una herramienta puede presentarse como analítica o informativa y, en la práctica, determinar quién será revisado, contratado, promovido o separado.

Debe evaluarse su función real, no solo la descripción comercial del proveedor.

2. ¿Qué variables pueden perjudicar indirectamente a una persona?

La empresa debe identificar si las métricas utilizadas pueden penalizar ausencias justificadas, discapacidades, responsabilidades de cuidado, diferencias de conectividad o características propias de determinadas funciones.

3. ¿Qué información relevante no puede observar el sistema?

Todo modelo tiene límites. La organización debe documentar el contexto que el sistema no puede interpretar y definir cómo será incorporado antes de tomar una decisión.

4. ¿Quién puede cuestionar el resultado?

La supervisión humana necesita un responsable con autoridad para detener, modificar o rechazar una recomendación. Revisar no es lo mismo que controlar.

5. ¿Cómo podrá una persona impugnar la decisión?

Si un colaborador no conoce los datos utilizados ni puede corregir información incompleta, el mecanismo de revisión será insuficiente.

La trazabilidad será una capacidad de gobierno

El caso de Meta todavía deberá recorrer su proceso judicial. El 17 de julio, un juez rechazó la solicitud de los trabajadores para detener provisionalmente las separaciones, al considerar que no se había demostrado el daño irreparable necesario para conceder esa medida. La decisión no resolvió las acusaciones de fondo, según informó Reuters.

Para las empresas, esperar una sentencia definitiva sería perder la señal estratégica.

La inteligencia artificial está entrando en procesos donde una clasificación puede afectar ingresos, desarrollo profesional, estabilidad laboral y reputación. En esos casos, la organización necesitará demostrar más que la participación de un directivo.

Tendrá que reconstruir qué datos fueron utilizados, qué reglas intervinieron, qué alertas aparecieron, quién revisó el resultado y qué excepciones fueron consideradas.

Esa capacidad de reconstrucción —la trazabilidad— será tan importante como la precisión del sistema.

Perspectiva JAB

La IA aplicada al trabajo no debe evaluarse únicamente por su capacidad para procesar más información o generar decisiones consistentes.

También debe evaluarse por su capacidad para reconocer cuándo los datos no representan correctamente a una persona.

Una empresa responsable no pregunta solamente si la inteligencia artificial puede ayudar a decidir. Pregunta qué condiciones deben cumplirse para confiar en ella, cuándo necesita detenerse y quién responderá si su representación resulta incompleta.

Porque, aunque la decisión final conserve una firma humana, el riesgo puede haber comenzado mucho antes:

en el momento en que el algoritmo decidió qué parte de la realidad merecía ser vista.

---

Conclusión

El caso de Meta no demuestra todavía que la inteligencia artificial haya discriminado a un grupo de trabajadores. Sí demuestra que la participación indirecta de un algoritmo puede ser suficiente para abrir una controversia laboral, reputacional y de gobierno.

Para la alta dirección, la señal es clara: colocar a una persona al final del proceso no elimina la responsabilidad sobre todo lo que ocurrió antes.