Qué significan los despidos corporativos de Amazon para los líderes de TI

Los recortes van más allá de la IA

Según los analistas, la conexión entre la productividad de la IA y estos recortes de empleo es, en el mejor de los casos, tenue. Los recortes de empleo de Amazon no son en absoluto un indicador adelantado, y cualquier alto ejecutivo que los trate como tal está cometiendo un grave error estratégico, según Nate Suda, analista director senior de Gartner.

“Las acciones de Amazon no son representativas de un aumento generalizado de la productividad impulsado por la IA”, dijo Suda. “Los datos son inequívocos: casi cuatro de cada cinco despidos, en la primera mitad de 2025, no tuvieron ninguna relación con la IA, y menos del 1 % fueron resultado directo de la productividad de la IA”.

La medida de Amazon es lo que Gartner denomina una "reorganización estratégica del talento". La empresa está reubicando a empleados a tiempo completo, no eliminándolos porque la IA haya vuelto obsoletos sus puestos.

"Estos despidos son una reasignación estratégica de capital humano para reducir costos en algunas áreas, y financiar inversiones prioritarias en IA y computación en la nube que requieren mucha inversión de capital", dijo Suda.

El objetivo es liberar recursos para desarrollar y vender servicios de IA, explicó.

Dave Nicholson, asesor principal de Futurum, coincidió con esta interpretación. “Muy pocos de estos recortes de empleo pueden atribuirse directamente a las mejoras en la eficiencia derivadas del uso de la inteligencia artificial”, afirmó Nicholson. “Se trata de una medida preventiva de reorganización para apoyar sus esfuerzos por ofrecer servicios de IA a la industria”.

Chris Campbell, director de informática de la Universidad DeVry, ha observado cómo los presupuestos se han desplazado de puestos corporativos generalistas hacia la ingeniería de datos, automatización y plataformas. Sin embargo, los directores de informática deberían interpretar los despidos corporativos de Amazon como una señal para reestructurar, no para recortar.

"La organización de TI del futuro será más pequeña, más eficiente y más especializada, con equipos que sepan trabajar junto a la IA en lugar de competir con ella", dijo Campbell.

Diseño organizacional, gobernanza y riesgo

Los despidos corporativos de Amazon tienen numerosas implicaciones para el diseño, la gobernanza y el riesgo de las organizaciones.

Implicaciones para la gobernanza. Eliminar niveles jerárquicos no solo elimina la burocracia. Cuando las organizaciones simplifican sus estructuras jerárquicas en busca de agilidad, suelen priorizar la velocidad y la eficiencia, subestimando sistemáticamente las implicaciones para la gobernanza y los riesgos. Según Nicholson, la IA no modifica de forma significativa los riesgos fundamentales de gobernanza derivados de la simplificación de las organizaciones. Cuando las organizaciones exigen mayor productividad a un individuo, independientemente de las herramientas que utilice, corren el riesgo de sobrecargarlo. 

Riesgo de estructuras demasiado ágiles. Según Suda, el mayor riesgo de la automatización impulsada por IA es lo que él denomina "falta de experiencia". Los asistentes de IA permiten al personal directivo realizar más tareas de forma independiente, sin necesidad de personal junior, afirmó. Si bien la IA puede complementar este trabajo, no puede crear la capacidad de discernimiento que proviene de la experiencia. En efecto, las empresas están automatizando el futuro liderazgo de sus propias organizaciones.

Riesgo en la gestión del cambio. Según Campbell, el mayor error que corren las organizaciones es prescindir de los expertos que hacen posible la automatización. “Cuando las organizaciones pierden a los especialistas que comprenden las excepciones y los casos límite, terminan automatizando procesos defectuosos”, afirmó.

Implicaciones regulatorias y de cumplimiento. Para las industrias reguladas, las implicaciones son aún más críticas. Los servicios financieros, la atención médica y otros sectores con requisitos de auditoría, seguridad, privacidad o supervisión no pueden simplemente simplificar sus estructuras sin garantizar que los mecanismos de rendición de cuentas permanezcan intactos. La cuestión no es si un diseño más ágil es más eficiente en teoría, sino si puede mantener los controles institucionales que exige el perfil de riesgo.

Planificación de la fuerza laboral, habilidades y reaprendizaje profesional

Muchas organizaciones abordan la planificación de la fuerza laboral en la era de la IA preguntándose qué roles se pueden automatizar, lo que a su vez puede llevar a reducciones de personal. Si bien es intuitiva, esta pregunta simplifica en exceso el desafío.

Según Suda, “la dicotomía automatización versus personas es una trampa mal planteada que conduce al fracaso de las iniciativas”. El análisis estratégico debe realizarse a nivel de proceso, no a nivel individual.

Metodología de evaluación a nivel de tarea

Según Mark Moccia, vicepresidente y director de investigación de Forrester, los líderes de TI deberían centrarse en la automatización de tareas en lugar de la automatización de roles. Propuso un marco práctico para la evaluación del personal:

• Priorice las tareas de inventario según su idoneidad para la automatización: En primer lugar, céntrese en las tareas repetibles con baja variabilidad. Aquellas que requieren mayor criterio humano y presentan más resultados posibles deben abordarse en último lugar.
• Aplicar criterios ponderados: Clasificar las tareas según el mayor beneficio empresarial, el menor riesgo de error y las prioridades organizativas personalizadas.
• Determinar las implicaciones del rol: Considere únicamente los cambios de rol generales después del análisis a nivel de tarea.

Nicholson, de Futurum, ofrece un marco de decisión práctico: "¿Apostaría mi puesto de trabajo al resultado de esta herramienta de IA?" Si la respuesta es no, la tarea aún requiere juicio, supervisión o validación humana.

Esta sencilla prueba pone de manifiesto la brecha entre la capacidad y la fiabilidad de la IA. Muchas herramientas pueden generar resultados que parecen plausibles, pero que contienen errores sutiles, omisiones o interpretaciones erróneas. Implementar estas herramientas sin supervisión humana conlleva riesgos. Mantener dicha supervisión requiere contar con la experiencia humana.

Identificación de las funciones de la IA en la planificación de la fuerza laboral

Suda de Gartner cuenta con un marco sofisticado para la planificación de la fuerza laboral basado en tres patrones distintos que las organizaciones crean con IA:

• Falta de experiencia: La IA permite a los expertos sénior trabajar de forma independiente, reduciendo las oportunidades de mentoría. La estrategia se centra más en evitar contrataciones que en reducir la plantilla.
• Compresión de la experiencia: La IA capacita a empleados junior en puestos de complejidad baja a media. Este es el único patrón que puede conducir a la estrategia de "reducción de personal". Sin embargo, esto está demostrando ser sumamente difícil de lograr, ya que Gartner observa que se consigue en menos del 1 % de los casos.
• Redistribución de la experiencia: Un giro hacia modelos de negocio centrados en la IA, como demuestra Amazon. La estrategia consiste en captar nuevos mercados en lugar de mejorar la productividad.

Estrategia de nuevo aprendizaje y reubicación

Según Campbell, para las organizaciones que buscan cambios en su fuerza laboral, la recapacitación se vuelve fundamental. Las organizaciones deben hacer hincapié en la movilidad interna, la reconversión profesional y la preservación de la memoria institucional.

“Antes de automatizarlo, hay que corregir el proceso”, dijo. “Conserve la experiencia humana que ayuda a la automatización a aprender y adaptarse. Y utilice parte de los ahorros para desarrollar capacidades: calidad de los datos, formación, gobernanza, para que las mejoras sean duraderas”.

Los esfuerzos de recapacitación profesional están rezagados, dijo Nicholson. “La solución más común parece ser recortar personal, ver qué sucede y luego cubrir las carencias donde sea necesario con mano de obra especializada en IA”, afirmó. “Este enfoque reactivo genera precisamente la disrupción y la pérdida de conocimiento que las organizaciones menos pueden permitirse”.

Presupuestar para la capacitación

Según Campbell, la inversión en el desarrollo de las habilidades del personal debe ir de la mano con la inversión en tecnología de IA.

Aproximadamente un tercio del presupuesto del programa de IA de una organización debería destinarse al personal mediante la capacitación continua, la reconversión profesional, la gestión del cambio y nuevos roles híbridos como ingenieros de automatización y analistas de datos. "Cuando ese porcentaje cae demasiado, la adopción y la gobernanza tienden a resentirse", afirmó.

Impacto de la inversión en tecnología y la infraestructura

La reestructuración de la plantilla de Amazon se está produciendo en paralelo a enormes inversiones de capital en infraestructura informática, centros de datos y capacidades de IA. Esta aparente contradicción –reducir el número de empleados corporativos al tiempo que se incrementa el gasto en tecnología– revela la economía fundamental de la transformación de la IA.

Compensaciones entre CapEx y OpEx

El cambio de los gastos operativos en personal a los gastos de capital en infraestructura modifica fundamentalmente las estructuras de costos. Desarrollar capacidades de computación, almacenamiento y redes para la IA empresarial requiere una inversión inicial sustancial. La optimización tradicional de costos de TI presupone un rápido ahorro de mano de obra, pero la transformación de la IA puede tardar años en materializarse, si es que llega a materializarse.

La pregunta clave es si las organizaciones pueden vincular cuantitativamente las inversiones con el valor empresarial obtenido, dijo Moccia. "¿Es ese el caso de uso adecuado que aportará el mayor valor?", preguntó. "Si no, centren las inversiones en otra parte".

Arquitectura heredada y modernización

Las organizaciones con décadas de sistemas acumulados se enfrentan a decisiones cruciales. Pueden seguir dando soporte a la infraestructura heredada con el personal actual, invertir en modernización para habilitar la IA y la automatización, o intentar un enfoque híbrido que genera complejidad y desafíos de integración.

El contexto de los despidos corporativos de Amazon sugiere que la empresa apuesta por una arquitectura moderna centrada en la IA, en lugar de mantener sistemas heredados. Para la mayoría de las empresas, el cálculo es distinto. Los sistemas heredados suelen contener décadas de lógica empresarial cuya reconstrucción sería costosa y arriesgada.

Riesgo operativo y resiliencia

La infraestructura debe crecer al mismo ritmo que la capacidad organizativa para gestionarla. Cuando la infraestructura crece más rápido que el personal, aumenta el riesgo operativo.

Los CIO deben modelar escenarios donde las demandas de infraestructura crecen más rápido de lo que la automatización genera ahorros en mano de obra. Esta brecha ejerce presión sobre el personal restante, lo que puede provocar agotamiento, pérdida de conocimientos por rotación y menor capacidad para gestionar excepciones.

La monitorización y la observabilidad se vuelven más cruciales a medida que las organizaciones se optimizan. Los sistemas automatizados deben proporcionar visibilidad de las operaciones que antes dependían de la supervisión humana. Cuando surgen problemas, el personal restante necesita herramientas sofisticadas para diagnosticarlos y solucionarlos rápidamente.

Planificación presupuestaria: desde la plantilla hasta la infraestructura

El marco estratégico debe partir del valor para el negocio y, a partir de ahí, llegar a la asignación de recursos. Comenzar con objetivos de reducción de personal y esperar que el valor se genere automáticamente invierte la lógica.

Las inversiones en infraestructura de Amazon tienen sentido estratégico porque la empresa fabrica productos para vender. Para la mayoría de las empresas, el cálculo es distinto. La infraestructura debe permitir mejores resultados empresariales, no simplemente replicar los resultados existentes con estructuras de costes diferentes.

“Antes de automatizarlo, hay que corregir el proceso”, dijo Campbell. “Conserve la experiencia humana que ayuda a la automatización a aprender y adaptarse. Y utilice parte de los ahorros para desarrollar capacidades –calidad de datos, formación, gobernanza– para que las mejoras sean duraderas”.

Sean Michael Kerner es consultor de TI, entusiasta de la tecnología y aficionado a la experimentación. Ha desinstalado Token Ring, configurado NetWare y compilado su propio kernel de Linux. Asesora a empresas y medios de comunicación en temas tecnológicos.