Consideraciones acerca de la reducción de plantilla de Block por la inteligencia artificial
Recientemente, la empresa de soluciones de pago Block, liderada por el que fuera fundador de Twitter Jack Dorsey, dio a conocer sus planes de recorte de miles de puestos de trabajo.
El propio CEO explicaba que su decisión tenía que ver con las nuevas formas de trabajo habilitadas por la Inteligencia Artificial. Según su planteamiento, la integración de “herramientas inteligentes” en procesos internos permite operar con equipos más pequeños y “hacer más con menos”, lo que ha llevado a una reorganización profunda de su estructura.
Block (fundada como Square) es un actor relevante del ecosistema tecnológico y financiero global que contaba con más de 10.000 empleados, de los cuáles más de 4000 resultarán afectados por la reestructuración. Más allá del impacto laboral, el mercado reaccionó positivamente tras conocerse la noticia, reabriendo una pregunta que cada vez pesa más en empresas y analistas: ¿dónde está el retorno real de la IA?
Desde la consultora BTS y su compañía Netmind, creen que este caso es muy relevante ya que no se trata tanto de “IA sustituyendo personas”, sino de algo más profundo, de una transición de la IA como asistente (ayuda puntual) a la IA como actor organizativo (reconfigura cómo se trabaja, cómo se decide y cómo se crea valor). Y ese salto no es principalmente tecnológico: es organizativo.
Según las citadas compañías, el cuello de botella que vemos repetirse no es el acceso a modelos, sino la adopción organizativa: procesos que no se rediseñan antes de automatizarse, roles que no evolucionan, liderazgos sin marcos claros para gestionar entornos híbridos humano-IA, y gobernanza y métricas que llegan tarde.
Cuando el discurso se queda en “hacer más con menos”, conviene matizar, advierten en BTS: no es una estrategia, es una consecuencia (positiva o negativa) de cómo se gestiona esa transformación. Cuando la IA se utiliza únicamente como palanca de eficiencia o reducción de costes, existe un riesgo, entrar en una curva J de productividad: disrupción inicial, caída de calidad, fricción operativa y, a menudo, necesidad posterior de reconstruir capacidades.
Sin un rediseño operativo y un liderazgo preparado, la IA tiende a amplificar lo que ya existe: en organizaciones bien diseñadas acelera, mientras que en organizaciones con fricción estructural, multiplica el caos.
La diferencia, por tanto, no está en quién adopta antes, sino en quién escala mejor. Las organizaciones que sí capturan valor de la IA lo hacen combinando tres pilares de forma sistemática:
• Disciplina de negocio: tratan la IA como una cartera de inversión, no como una lista de proyectos. Cada caso de uso tiene business case, métricas y controles para parar lo que no funciona.
• Liderazgo y capacidades operativas para trabajar en entornos humano-IA: preparan a cada nivel de la organización y desarrollan capacidades por rol, no solo awareness general. Por ejemplo, buscan directivos capaces de priorizar inversiones en IA con criterio, managers y mandos intermedios que rediseñan procesos y flujos de trabajo y equipos que convierten casos de uso en soluciones productivas y sostenibles.
• Gobernanza y base de datos sólida que permita escalar sin riesgo: no tratan la gobernanza como un requisito posterior, sino como parte del diseño inicial. Aseguran calidad del dato, estándares claros, responsabilidad definida y mecanismos de control que permiten escalar la IA con seguridad, trazabilidad y consistencia operativa.
