La trampa de los despidos por IA: por qué despedir trabajadores destruye demanda

El 26 de febrero de 2026, Jack Dorsey hizo los cálculos en voz alta y 4.000 personas perdieron su empleo en una sola tarde.

Block, la empresa detrás de Square, Cash App, Tidal y Afterpay, pasó de poco más de 10.000 empleados a poco menos de 6.000 en un solo movimiento. El cuarenta por ciento de la población activa. Dorsey no ocultó la razón en el lenguaje de recursos humanos. Publicó el memorando en X. Citó "herramientas de inteligencia" (AI) como el motor de su carta a los accionistas. Y luego dijo algo que, como constructor que envía productos AI todos los días, no he podido dejar de masticar durante dos meses.

"Creo que la mayoría de las empresas llegan tarde. Durante el próximo año, creo que la mayoría de las empresas llegarán a la misma conclusión y harán cambios estructurales similares. Prefiero llegar allí honestamente y en nuestros propios términos que verme obligado a hacerlo de forma reactiva". - Jack Dorsey, publicación en X, 26 de febrero de 2026

A Wall Street le encantó. La acción subió aproximadamente un 20% en la siguiente sesión. El mercado interpretó la medida exactamente como lo hizo Dorsey: como prueba de que Block había descifrado el código para hacer más con menos personas. Todos los directores financieros que observaron ese teletipo hicieron la misma aritmética. Todas las juntas directivas que tenían un presupuesto inactivo AI hicieron la misma pregunta el lunes.

Y seis días después, el 2 de marzo de 2026, dos economistas (uno de la Universidad de Pensilvania y otro de la Universidad de Boston) publicaron silenciosamente un artículo de 70 páginas en arXiv que dice, con el tipo de prueba formal fría que hace que las matemáticas sean innegables, que todo este instinto de toda la industria es una trampa. No es un fracaso moral. Una trampa. El dilema del prisionero en el que la medida que maximiza las ganancias de una empresa, ejecutada simultáneamente por todas las empresas, destruye colectivamente el mercado que todas intentan ganar.

El documento se llama La trampa de despidos AI. Los autores son Brett Hemenway Falk (UPenn) y Gerry Tsoukalas (BU). He pasado las últimas tres semanas viviendo dentro de él. Esta publicación es lo que saqué: el argumento, los hallazgos contrarios a la intuición, las seis soluciones propuestas clasificadas honestamente y dónde creo que el artículo tiene razón, dónde subestima sus propias conclusiones y lo que significa para cualquiera de nosotros que creamos productos AI y apostamos carreras sobre lo que sucederá a continuación.

Si envía AI para ganarse la vida, esta no es una lectura opcional. Déjame mostrarte por qué.

El punto ciego que se encuentra en la hoja de cálculo de todo director financiero

Esto es lo que me atrapó, y me atrapó incluso antes de abrir el periódico.

Un trabajador no es sólo una línea de costo. Un trabajador también es un cliente.

Lee eso dos veces. Porque todas las hojas de cálculo que he visto tratan la nómina como una salida pura: un número en el lado de los gastos, punto. El director financiero modela claramente los ahorros derivados de un despido: toma la compensación total, multiplica por el recorte de personal, resta la indemnización por despido y agrégala al margen operativo. Hecho. El modelo siempre te da un número inequívocamente positivo.

Pero ese trabajador es también alguien que compra cosas. Una bolsa de comestibles. Una membresía de gimnasio. Irónicamente, una suscripción a la aplicación Cash. Una terminal de pago de la marca Block en la cafetería de la calle. Una licencia SaaS. Una actualización de hardware que su empleador habría aprobado. Cuando los despida, los ahorros llegarán a sus libros desde el primer día. La demanda perdida que habrían generado llega a los libros de alguien, y la mayor parte no llega a los suyos.

Esa es la externalidad. Ese es el artículo completo en una frase. Falk y Tsoukalas lo llaman una "externalidad de la demanda": de la misma manera que un contaminador industrial no paga el costo del río que contamina, una empresa de automatización no paga el costo de la demanda de los consumidores que vaporiza. Los ahorros son privados. El daño está socializado.

He estado construyendo productos AI durante años. He visto a un fundador tras otro lanzar una plataforma cuyo titular es "reemplazamos X millones de dólares de nómina con nuestro agente". Yo mismo hice ese lanzamiento. Ninguno de esos modelos modela el efecto del lado de la demanda. Ninguno de ellos pregunta qué sucede cuando todos los competidores de la categoría hacen lo mismo en el mismo trimestre. Al modelo de cuenta de resultados le falta una columna.

El remate brutal es que bajo precios competitivos –que es el mundo en el que realmente vivimos– la empresa que automatiza primero captura todo el ahorro de costos, pero soporta sólo una fracción del daño a la demanda, porque el daño a la demanda se distribuye por todo el mercado. De manera unilateral, cada empresa individual tiene una jugada rentable y matemáticamente dominante. Fuego. Siempre dispara. No existe un equilibrio en el que las empresas se retraigan voluntariamente, porque el que se retrae pierde para cualquiera que deserte.

Ésta es exactamente la estructura del dilema del prisionero. Y el documento lo formaliza de una manera que nunca antes había visto claramente.

Las matemáticas hechas concretas (Por qué despedir a 1.000 trabajadores parece una medida genial)

Permítanme repasar el ejemplo que utiliza el artículo, porque en el momento en que lo escribí a lápiz en una servilleta dejó de ser abstracto.

Imaginemos un mercado con diez empresas aproximadamente del mismo tamaño. Llámelos Compañía A hasta Compañía J. Cada una tiene, digamos, 1000 trabajadores. Plantilla total de la industria: 10.000 personas. Esas 10.000 personas ganan salarios. Gastan una parte de esos salarios dentro de este mercado, comprando los bienes y servicios que estas diez empresas se venden entre sí y al resto de la economía.

La empresa A decide implementar AI y despedir a los 1000 trabajadores. Esto es lo que sucede en el balance de la empresa A:

Ahorro en nómina: 100 %: la empresa A captura cada dólar que utilizó para pagar a esos trabajadores.
Impacto en la demanda: 1/10: la empresa A pierde aproximadamente su participación de mercado proporcional a la demanda que solían generar los trabajadores despedidos. El otro 9/10 de la pérdida de demanda se distribuye entre las empresas B a J.

Desde la perspectiva de la empresa A, esto es inequívocamente rentable. Ahorras el 100% del coste; sólo consumes el 10% de la pérdida de demanda correspondiente; el otro 90% es problema de alguien más. Las matemáticas funcionan. El director financiero obtiene un ascenso. La acción sube un 20%.

Ahora, las empresas B a J miran a la empresa A y ejecutan la misma aritmética. Tienen que hacerlo. Sus juntas directivas lo preguntan. Se preguntan sus analistas. Lo preguntan sus accionistas. Todos llegan a la misma conclusión: "Si no hacemos lo que hizo A, nuestra estructura de costos está al revés en relación con A y perdemos márgenes. Si hacemos lo que hizo A, capturaremos el 100% de nuestros ahorros en nómina y solo consumiremos 1/10 del daño marginal de la demanda".

Entonces las diez empresas despiden a sus 10.000 trabajadores.

Y ahora el mercado ha perdido el 100% de la demanda que solían generar esos trabajadores. La acción 1/10 que cada empresa "solo come"; esa acción ahora se acumula diez veces. El colapso total de la demanda golpea a todos de lleno. Las ganancias en todo el mercado colapsaron porque los clientes dejaron de aparecer. Los ahorros en nómina son reales, pero se han visto hundidos por el colapso de los ingresos en la línea superior.

Cada decisión individual fue racional. El resultado colectivo es un cráter humeante.

El artículo lo demuestra formalmente. En lo que llaman el "límite sin fricción" -el límite donde cada tarea es igualmente automatizable- el juego se convierte en un dilema del prisionero de libro de texto donde despedir a toda su fuerza laboral humana es la estrategia estrictamente dominante. No es sólo una buena jugada. El movimiento dominante. El movimiento que tomas independientemente de lo que hagan los demás. Incluso si supieras con certeza que todos los demás se van a contener, aun así desertarías, porque desertar es individualmente rentable en todos los estados del mundo.

Ésta es la trampa. No es que los directores ejecutivos sean malvados. Es que las reglas del juego castigan a cualquiera que lo juegue a largo plazo. El tweet de Dorsey, leído dentro de este marco, no es una bravuconería. Es el anuncio de un movimiento de equilibrio de Nash. Es un actor racional que juega la estrategia dominante y les dice a los otros actores racionales "ustedes también deberían jugar la suya, porque de todos modos lo harán, es mejor que lo hagan ahora".

Por qué los pactos industriales voluntarios no le salvarán

Aquí está la parte donde el artículo se vuelve genuinamente quirúrgico.

Cada vez que tengo esta conversación con otro fundador, alguien dice: "¿Pero qué pasaría si todos los grandes actores simplemente acordaran no hacer esto? Un pacto industrial. Un código de conducta. Un compromiso".

Falk y Tsoukalas llevan esta idea a la picadora de carne. El resultado no es bonito.

En el dilema del prisionero, los acuerdos voluntarios no se aplican por sí solos. La estructura de la matriz de pagos significa que si usted y yo firmamos un pacto que dice que no automatizaremos, y usted lo cumple, mi mejor decisión es desertar: despedir a mis trabajadores y capturar los ahorros de costos mientras usted mantiene la línea. Entiendo la ventaja. No obtienes nada. Si tú también desertas, bueno, ambos estaremos en peor situación que si hubiésemos cumplido el pacto, pero yo no estoy peor que si mantuviera la línea y tú desertaras. Así que la deserción es dominante en todos los estados. El pacto no tiene fuerza.

Los autores señalan específicamente que esto no es una "falla de coordinación que la comunicación pueda resolver". Hablar entre nosotros no soluciona el problema. La confianza no soluciona el problema. El compromiso público no soluciona el problema. La estructura de los incentivos está podrida. Mientras la deserción sea recompensada individualmente, ningún acuerdo no vinculante es estable.

Por cierto, esta es la razón por la que la periódica "cumbre de ética AI" o "compromiso de automatización responsable" me hace poner los ojos en blanco un poco. No porque las personas que los firman no sean sinceras. Algunos de ellos realmente quieren decir cada palabra. Pero el análisis del equilibrio es implacable. El primer trimestre en el que el competidor de un signatario (que no firmó) registra una ventaja de margen de 200 puntos básicos gracias al lanzamiento de AI, la junta de ese signatario tendrá una reunión muy seria. Y para el segundo trimestre, el pacto está muerto.

La única manera de salir del dilema del prisionero es cambiar la matriz de pagos. No los jugadores. No la retórica. La matriz.

Lo que nos lleva a las seis cosas que propone el artículo y a por qué cinco de ellas no funcionan.

Las seis soluciones, clasificadas sin piedad

El documento evalúa sistemáticamente seis respuestas políticas propuestas a los despidos impulsados por AI. Aquí está el cuadro de mando honesto, con mi propio comentario sobre cada uno, porque el artículo es más nítido que la cobertura más popular del mismo.

1. Renta Básica Universal: solución parcial, objetivo equivocado

La RBU ofrece a los trabajadores despedidos una transferencia directa de efectivo para mantener su consumo. El problema: no influye en absoluto en la matemática coste-beneficio de la empresa. El director financiero que ejecuta el modelo de despido todavía ve los mismos ahorros en nómina por un lado y el mismo daño proporcional a la demanda por el otro. La RBU ayuda al trabajador, lo cual es importante moral y prácticamente, pero no cambia las reglas del dilema del prisionero. La carrera armamentista continúa. La demanda podría verse parcialmente respaldada, pero la externalidad sigue sin internalizarse. Útil, no solucionador.

2. Impuesto sobre las ganancias con redistribución: solución parcial, neutral en cuanto a incentivos

Gravar las ganancias corporativas y redistribuir las ganancias entre los trabajadores desplazados. Suena limpio. El problema que señala el artículo es que esto reduce las ganancias uniformemente en todas las empresas (tanto automatizadoras como no automáticas), lo que significa que no cambia el incentivo relativo para automatizar versus no automatizar. Si la automatización era la estrategia dominante antes del impuesto, sigue siendo la estrategia dominante después. Has reducido la magnitud del premio pero has mantenido la misma forma. La trampa sigue puesta.

3. Equidad de los trabajadores/participación en las ganancias: solución parcial, solo interna

Dar a los trabajadores una participación de propiedad para que compartan las ganancias de productividad derivadas de la automatización. Esto es interesante a nivel empresarial: puede suavizar el golpe para los trabajadores de la empresa en cuestión. Pero no aborda en absoluto la externalidad de la demanda entre empresas. Los trabajadores de la empresa A que se benefician de la automatización de la empresa A no hacen nada por los clientes de la empresa B, C o D, que también son clientes de la empresa A en conjunto. El mecanismo es demasiado local para solucionar un problema que afecta a todo el mercado.

4. Pacto voluntario de empresa para frenar AI: no funciona

Acabamos de explicar por qué. El pacto es estructuralmente inestable. Gana el primer desertor. El diseño del mecanismo está roto en la base. El periódico califica esto con tanta paciencia como lo hice yo.

5. Programas de reciclaje/mejora de habilidades: parciales, condicionados a la velocidad

Éste es con el que soy más suave y en el que el papel es más cauteloso. La recapacitación funciona si los trabajadores desplazados pueden ser reabsorbidos en nuevos roles productivos lo suficientemente rápido como para que la demanda agregada no colapse en la brecha. El problema es que históricamente las transiciones tecnológicas han tardado años o décadas en completar la reabsorción. Es sabido que la Revolución Industrial empobreció a una generación, mientras que las ganancias de productividad a largo plazo se acumulaban para sus nietos. Si AI se desarrolla lo suficientemente rápido como para cerrar la brecha antes de que la demanda se erosione es una cuestión empírica abierta, a la que volveré.

6. Impuesto de automatización Pigouvian: efectivo. El unico que realmente lo soluciona

Esta es la respuesta a la que llega el artículo, y su elegancia es genuinamente el tipo de cosa ante la que asientes dos veces cuando entiendes lo que está sucediendo.

Cobrar a la empresa un impuesto igual al daño a la demanda que su despido inflige al resto de la economía. Interiorizar la externalidad. Obligue a la hoja de cálculo del director financiero a incluir la columna que falta. Los ahorros no cambian. Pero ahora los ahorros tienen un costo correspondiente que aumenta con el daño que causan. La aritmética vuelve a algo defendible.

Esto lleva el nombre de Arthur Pigou, el economista británico que en 1920 introdujo la idea de que las externalidades negativas (siendo la contaminación el ejemplo canónico) deberían gravarse a una tasa igual al costo social marginal que imponen. El debate sobre el impuesto al carbono es descendiente moderno. La intuición de Pigouvian es que los mercados son eficientes cuando los precios reflejan todos los costos de una acción; son ineficientes cuando algunos costos recaen en terceros. La externalidad del despido es, en este marco, exactamente análoga a la contaminación. La atmósfera es el mercado laboral. El carbono es el despido. Los peces que mueren río abajo son las pequeñas empresas cuyos clientes dejaron de cruzar la puerta.

Un impuesto a la automatización Pigouvian no prohíbe los despidos. No prohíbe AI. No elige ganadores. Simplemente hace que la hoja de cálculo de la empresa sea honesta. Si la ganancia de productividad es realmente mayor que el daño a la demanda, la empresa aún automatiza y paga el impuesto, y los ingresos fiscales pueden financiar la recapacitación, la RBU, la infraestructura, cualquier cosa. Si la ganancia es menor que el daño, la empresa no automatiza y se preserva el resultado social. El mercado hace la clasificación. La externalidad deja de ser una externalidad libre.

Es la única solución que el documento demuestra formalmente que funciona en su modelo, y después de analizar el argumento durante tres semanas, creo que tienen razón. Las otras cinco son medidas parciales, que van desde la "ayuda marginal" hasta la "estructuralmente desesperada". El impuesto Pigouvian es el que realmente recablea la matriz.

El efecto Reina Roja: Por qué mejor AI empeora la trampa

Este es el hallazgo que más me asustó. Tuve que leerlo tres veces para asegurarme de haberlo entendido correctamente.

Se podría pensar, intuitivamente, que a medida que AI se vuelve más capaz, el daño de los despidos se vuelve menor porque las ganancias de productividad se vuelven mayores. Más capacidad AI por dólar significa más producción por dólar significa más superávit económico para todos. El pastel crece. ¿Seguramente eso ayuda?

El artículo demuestra lo contrario.

Un mejor AI hace que la trampa sea peor, no mejor. Este es el mecanismo: AI más fuerte = mayores ahorros en nómina por trabajador despedido = mayor incentivo para que cualquier empresa individual despida. El costo de reprimirse aumenta. La recompensa por desertar aumenta. Mientras tanto, el daño a la demanda por cada despido no se reduce: sigue siendo aproximadamente proporcional o, en algunos escenarios, crece activamente porque los trabajadores despedidos permanecen desempleados por más tiempo en un entorno de mayor automatización. Por lo tanto, la brecha entre "lo que la empresa captura mediante la automatización" y "lo que la sociedad pierde con la automatización" se amplía a medida que AI mejora.

El resultado es lo que los autores describen como algo parecido al efecto de la Reina Roja: una frase de la biología escrita por Lewis Carroll. En A través del espejo de Carroll, la Reina Roja le dice a Alicia que en su país "hace falta correr todo lo que puedas para permanecer en el mismo lugar". Los biólogos adoptaron la metáfora de las carreras armamentistas evolutivas en las que una especie tiene que seguir evolucionando sólo para mantener su posición relativa a los depredadores y competidores. Aplíquelo a empresas en este entorno AI: a medida que AI mejora, cada empresa tiene que automatizar más para mantenerse al día con todas las demás empresas que automatizan más. Nadie obtiene una ventaja relativa. La carrera se intensifica. La factura de los daños a la demanda agregada crece. Colectivamente, no hay avances; individualmente, no hay escapatoria.

Esta es la parte del periódico que la mayor parte de la cobertura omite. La historia no es "AI es malo al principio, pero todo estará bien una vez que madure". La historia es la contraria: cuanto más capaz se vuelve AI, más profundamente racionales quedan atrapadas las empresas y más difícil les resulta salir sin intervención política. La capacidad no resuelve la coordinación. De hecho, agudiza el problema de coordinación.

Quiero sentarme con eso por un segundo. Porque si usted es un constructor que vende productos AI (y soy lector, todas las semanas), su modelo mental predeterminado es "mejores modelos hacen que el mundo sea mejor". Es la declaración de misión más limpia posible. Y dentro de las cuatro paredes de cualquier producto individual, es cierto. Los mejores modelos me permiten hacer más por mis usuarios. El costo por token se ha desplomado. La capacidad por dólar se ha vuelto vertical. Cada versión de Opus, cada versión de Sonnet, cada versión de Codex hace que las cosas que construyo sean más baratas de ejecutar y más útiles de usar. (Escribí exactamente sobre esta dinámica cuando el acuerdo de computación SpaceX de Anthropic duplicó los límites de velocidad a principios de mayo.)

Pero el hallazgo de la Reina Roja dice: el efecto macro de que todos construyamos estas cosas, simultáneamente, en un mercado estructurado como el nuestro, puede ser netamente destructivo incluso cuando cada producto individual es netamente positivo a nivel de usuario. Ese es un resultado profundamente incómodo para un desarrollador de AI. He estado masticando.

El recuento de cadáveres en 2025 y por qué es importante el momento del periódico

El periódico llegó en un momento muy concreto.

El rastreador de Layoffs.fyi muestra que 2025 cerró con alrededor de 157.000 despidos en el sector tecnológico. Challenger, Gray & Christmas, que rastrea el motivo declarado de los recortes utilizando su metodología de informes de recortes de empleo, atribuyó aproximadamente 55.000 de ellos a AI específicamente como el impulsor citado. Los rastreadores independientes como Programs.com sitúan el número atribuible a AI por encima de 100.000 cuando se incluyen empresas que invierten mucho en AI, incluso si no lo pusieron por escrito. La verdad está en algún punto de ese rango; las metodologías difieren legítimamente. La tendencia no.

En el primer trimestre de 2026 el panorama se había agudizado. Según un informe de Nikkei Asia citado en la cobertura académica del artículo AI Layoff Trap, aproximadamente 78.557 trabajadores tecnológicos fueron despedidos en todo el mundo entre enero y principios de abril de 2026, y el 76% de esos recortes se produjeron en Estados Unidos. De ellos, 37.638 (alrededor del 48%) se atribuyeron explícitamente a AI y a la automatización por parte de las empresas que realizaron el corte. Esto supone duplicar la cuota de atribución de AI en un año.

El día de febrero de 4.000 trabajadores de Block fue el más ruidoso de esos movimientos, pero no fue un caso aislado. CNBC informó a finales de abril que Meta y Microsoft habían anunciado o señalado alrededor de 20.000 recortes combinados ese trimestre, que su propia cobertura enmarcó bajo el título "generan preocupación de que la crisis laboral impulsada por AI esté aquí". Los nombres rotan. El patrón se mantiene.

En ese contexto, el índice económico Anthropic, el informe trimestral de Anthropic sobre cómo se utiliza Claude en toda la economía, publicó su informe "Curvas de aprendizaje" de marzo de 2026, que muestra que aproximadamente el 4% de los empleos utilizan AI para al menos el 75% de las tareas, y aproximadamente El 36% tiene al menos un 25% de uso de AI. La codificación sigue siendo el caso de uso dominante de Claude en aproximadamente el 35% de las conversaciones. Las ocupaciones más expuestas según los datos de uso de Claude son programadores informáticos, representantes de servicio al cliente y analistas financieros: roles calificados y educados, no solo de nivel inicial.

Anthropic no encontró "un aumento claro en las tasas de desempleo para los trabajadores en las ocupaciones más expuestas a AI", pero sí encontraron que la contratación de trabajadores más jóvenes (de 22 a 25 años) en roles de alta exposición se ha desacelerado en aproximadamente un 14% desde que se lanzó ChatGPT.

Lea esos dos datos juntos: el desempleo agregado aún no muestra la señal AI, pero la puerta del nivel de entrada se está cerrando. La primera grieta en el cristal aparece exactamente donde se esperaría que apareciera primero: en el peldaño inferior, donde el trabajador marginal es más fácilmente sustituido por un modelo.

Ese es el contexto empírico del artículo. No se trata de teorizar sobre un escenario hipotético para 2030. Está modelando un proceso que ya lleva seis trimestres de su primera fase, con una compañía Fortune 500 que tuiteó públicamente el libro de jugadas y el CEO de esa compañía predijo oficialmente que el resto seguirá dentro de 12 meses.

Las matemáticas llegaron tarde, pero llegaron.

Lo que creo que el periódico hace bien y lo que estoy rechazando

Tres semanas viviendo dentro de este periódico, aquí es donde aterrizo.

En lo que creo que Falk y Tsoukalas tienen toda la razón:

El planteamiento del dilema del prisionero es correcto. He hablado con fundadores, directores financieros y líderes de operaciones en tres sectores durante los últimos dos meses. Sin excepción, la hoja de cálculo que construyen para evaluar la implementación de AI se ve exactamente como se describe en el documento. Puro ahorro de costos por un lado, sin columna de externalidad de demanda por el otro. Cualquiera que le diga que el mercado se está "autocorrigiendo" en esto no está modelando la misma ecuación que están modelando las personas que aprietan el gatillo.

El argumento de que el pacto voluntario no funciona es sólido como una roca. Sería sólido como una roca incluso si no hubiera visto cómo se formaron y disolvieron media docena de coaliciones industriales en torno a la ética AI durante los últimos 18 meses. Las matemáticas son las matemáticas. Las coaliciones en el dilema del prisionero fracasan. Siempre.

El punto de la Reina Roja es el hallazgo más subestimado del artículo y en el que la mayor parte de la cobertura se equivoca. "Más AI = más daño en este régimen" es un resultado que hay que aceptar, no descartar.

Donde estoy menos seguro:

El punto de reentrenamiento condicionado a la velocidad es la incertidumbre de soporte de carga. Olas de automatización pasadas han finalmente reabsorbido a los trabajadores desplazados, en sectores completamente nuevos, a menudo aquellos que no existían antes de que comenzara la ola. El trabajador de los coches de caballos se convirtió en mecánico de automóviles. El trabajador de la fábrica se convirtió en trabajador de servicios. El cajero del banco se convirtió en ingeniero de software. La reabsorción no es mágica; requiere formación de capital, canales de capacitación y paciencia social. El modelo del artículo tiene razón en que si la reabsorción es rápida y completa, el reentrenamiento por sí solo podría ser suficiente. La pregunta empírica es si el desplazamiento AI se produce más rápido de lo que puede fluir el tubo de reabsorción.

Realmente no sé la respuesta. Me inclino por "esta vez es realmente más rápida", porque la velocidad y amplitud de la sustitución AI es cualitativamente diferente de las oleadas anteriores: afecta el trabajo cognitivo directamente, simultáneamente, en muchos sectores, con un ciclo de implementación medido en meses en lugar de las décadas que tomó la mecanización. Pero quiero ser honesto y decir que esto es una cuestión de criterio, no una prueba. El [trabajo sobre desplazamiento y reintegración de tareas] de Acemoglu y Restrepo (https://onlinelibrary.wiley.com/doi/full/10.3982/ECTA19815) es la versión rigurosa de este debate, y está lejos de estar resuelto incluso entre las personas que construyeron el marco.

Dónde empujaría el periódico:

Creo que Falk y Tsoukalas subestiman cuán gravemente perjudicará el problema de coordinación internacional cualquier impuesto Pigouvian en la práctica. La prueba del artículo funciona en una economía cerrada. En una economía abierta, si Estados Unidos impone un impuesto a los despidos y Corea no lo hace, las empresas estadounidenses reubican o reestructuran su automatización en jurisdicciones sin el impuesto, la base impositiva se erosiona y la matriz de incentivos se inclina hacia la deserción a nivel de país en lugar de a nivel de empresa. El mismo dilema del prisionero escala un nivel de abstracción.

Resolverlo requiere (a) una política internacional coordinada –históricamente muy difícil– o (b) una estructura tributaria que se base en la ubicación del trabajador desplazado en lugar de la ubicación de la empresa que realiza el desplazamiento, lo que sería favorable a los ingresos internos pero sería una pesadilla regulatoria de implementar.

Esta es la parte en la que me gustaría un artículo de seguimiento. La prueba de la economía cerrada es el primer paso necesario. La teoría de juegos de la economía abierta es la cuestión política realmente relevante.

Qué significa esto si construye, invierte o apuesta en productos AI

Después de tres semanas de pensar en esto, aquí es donde se han movido mis propias decisiones.

Para constructores y fundadores que envían productos AI: Dejen de vender productos de reemplazo puro. Vender aumento, expansión de capacidad o creación de nuevas tareas. No porque el reemplazo sea moralmente incorrecto (no lo es, por empresa), sino porque el riesgo de colapso de la demanda afecta a los clientes de sus clientes, lo que significa que eventualmente afecta a su TAM. Si la única forma en que su producto le ahorra dinero a sus clientes es despidiendo a sus trabajadores, los clientes de sus clientes se financiaron parcialmente con esos salarios y el impacto regresa a la línea de ingresos de sus clientes dentro de 4 a 8 trimestres. Un producto que ayuda a un equipo de 10 personas a hacer el trabajo de 30 es estructuralmente más duradero que un producto que ayuda a un equipo de 30 personas a ser reemplazado por 10. Las matemáticas del LTV del cliente se aplican a toda la economía.

Para inversores: La tesis "AI reemplaza empleos = pura expansión del margen" está parcialmente descontada en el mercado en este momento y creo que está mal valorada. No porque los ahorros no sean reales; en el estado de resultados, lo son a corto plazo. Sino porque el contrapeso del colapso de la demanda también es real, y está a sólo uno o dos ciclos de ganancias de aparecer en la primera línea de las mismas empresas que actualmente son celebradas por los recortes. El aumento del 20% de Block el día del despido es una tesis que se está expresando. La tesis tiene un contraargumento y el contraargumento tiene un trabajo de investigación que lo respalda. Me sentiría incómodo manteniendo una posición larga basada únicamente en la expansión del margen impulsada por AI en la capa de la economía orientada al consumidor sin una cobertura explícita contra la erosión de la demanda en el mismo sector.

Para operadores individuales y equipos pequeños: Aquí es donde la imagen es más interesante, en realidad. La trampa de despidos AI es un problema de competencia entre empresas en el mismo mercado de productos. Es un problema de coordinación a escala. Si usted es un operador individual que dirige una primera empresa AI, o un equipo de tres agentes que operan sin personal humano, no está contribuyendo a un daño significativo a la demanda a la economía en general porque, en primer lugar, no tenía una nómina significativa. La trampa es para los titulares que intentan optimizar sus organigramas existentes de 10.000 personas. La oportunidad es para los nuevos participantes que construyen estructuras que nunca tuvieron la cantidad de personal para despedir.

Para los observadores de políticas: La conversación sobre Pigouvian se volverá ruidosa en 2026. Corea ya ha planteado un concepto de "impuesto a los robots". La UE ha estado sentando las bases sobre las protecciones laborales relacionadas con AI a través de la Ley AI e instrumentos adyacentes. Es poco probable que Estados Unidos actúe primero, pero la presión aumentará. Esté atento a la primera jurisdicción que realmente implemente un impuesto relacionado con los despidos, porque ese se convierte en el caso de referencia para todos los demás.

Para todos, incluido yo: No confunda la historia por producto con la historia por economía. Cada herramienta AI que envío mejora la vida de algunos usuarios a nivel de usuario. Eso es cierto y no voy a disculparme por ello. Pero la consecuencia agregada de que todos entreguemos todas estas herramientas, implementadas simultáneamente para reemplazar el trabajo en un mercado estructurado como el nuestro, no tiene la misma forma que la historia por producto. Pueden coexistir dos verdades. Sostener ambos es difícil. Negarse a sostener cualquiera de las dos es intelectualmente una pereza.

Las preguntas abiertas que decidirán la década

Quiero terminar con las cosas que ni siquiera Falk y Tsoukalas dicen saber todavía. Porque la fuerza del artículo es también su límite: es una pieza limpia de la teoría del equilibrio, pero varias de las variables que soportan la carga son empíricas, y el trabajo empírico aún falta en su mayor parte.

Velocidad de reabsorción. ¿Puede la economía crear nuevas tareas para los trabajadores desplazados lo suficientemente rápido como para mantener la demanda durante la transición? Las oleadas pasadas dicen "con el tiempo sí, dolorosamente lentamente". Es posible que la velocidad de esta onda no permita que el tubo de reabsorción histórico se mantenga al día. No lo sabemos todavía. Los próximos 8 a 12 trimestres de datos de desempleo, especialmente en sectores con mucho trabajo cognitivo, serán el primer dato real.

La puerta de entrada. El hallazgo de Anthropic de que la contratación de personas de 22 a 25 años para puestos expuestos a AI ha disminuido un 14% es, si se mantiene, el canario. Las transiciones de automatización pasadas han sido dolorosas para los titulares, pero en general benévolas para la próxima generación, que podría pasar a las nuevas tareas creadas por la tecnología. Si esta transición cierra las puertas del nivel de entrada más rápido de lo que abre otras nuevas, la estructura demográfica de la trampa parece diferente de todo lo que hemos visto.

Amplitud del sector. La automatización anterior afectó a industrias específicas (textiles, manufactura, back office bancario). AI está afectando el trabajo cognitivo en general: software, atención al cliente, finanzas, marketing, aspectos legales y diseño. La amplitud del impacto significa que hay menos "puertos seguros" donde los trabajadores desplazados puedan huir. Eso cambia las matemáticas de reabsorción en formas que el registro histórico no informa directamente.

Voluntad o ausencia de póliza. El impuesto Pigouvian es la respuesta matemática. Que algún gobierno lo implemente, en cualquier forma, antes de que se materialice el abismo de la demanda es una cuestión política, no económica. Mi lectura honesta: el retraso en las políticas se medirá en años. La dinámica del mercado se mide en trimestres. Los dos relojes no están sincronizados.

El comodín de la economía de agentes. Este es en el que más pienso como constructor. El modelo del artículo supone que los trabajadores despedidos abandonan la ecuación oferta-demanda como trabajadores pero no vuelven a entrar sustancialmente como otra cosa. Pero en 2026, la hoja de ruta de capacidad de los agentes y la reorganización más amplia de AI sugieren un futuro en el que los trabajadores desplazados podrían reingresar a la economía como proveedores de servicios unipersonales aumentados por AI, operadores de agentes como servicio u operadores independientes que administran sus propias pequeñas empresas. AI-primeros negocios.

Si ese proceso de reingreso escala rápidamente, lo que significa que la misma persona que fue despedida de Block en febrero está generando $80,000 de ingresos independientes con herramientas AI que remodelan el trabajo para fines de 2027, el daño a la demanda podría autocurarse parcialmente de una manera que el modelo de economía cerrada no captura. No estoy seguro de que esto suceda. No estoy seguro de que no sea así. Los próximos dos años nos lo dirán.

Lo que estoy viendo en 2026

Señales específicas que estoy rastreando:

Más movimientos a escala de bloque. ¿Los ciclos de ganancias del tercer y cuarto trimestre producirán más recortes de personal de más del 30 % en las empresas Fortune 500? Dorsey predijo que sí dentro de 12 meses. Ya llevamos tres meses. Cuidado con los nombres. - Anthropic Actualizaciones del índice económico. El próximo informe trimestral nos dirá si la desaceleración de la contratación de nivel inicial se está profundizando o estabilizándose. Ese es el indicador principal. - Despidos.para tu información, participación de atribución de AI. El porcentaje de recortes explícitamente etiquetados para AI se ha duplicado aproximadamente año tras año. Si se duplica nuevamente, estaremos en un régimen diferente. - La primera jurisdicción en promulgar un impuesto de despido Pigouvian. No será Estados Unidos el primero. Observe Corea, observe Alemania, observe las regulaciones de implementación de la Ley AI de la UE. El caso de referencia importa.
Ingresos corporativos frente a los ahorros AI prometidos por el director financiero. Estos son los datos de los que nadie tiene cifras claras todavía. En 12 a 18 meses, podremos comparar la trayectoria de ingresos de Block con la trayectoria que habría tenido si se hubiera preservado la fuerza laboral. Ese contrafactual es difícil, pero no imposible, de estimar. El primer intento creíble definirá la conversación.

El artículo tiene razón en que las matemáticas dicen lo que dicen. Si el mundo podrá hacer algo al respecto antes de que llegue el abismo de la demanda, esa es la parte que nadie sabe todavía. Esa es la parte que se decide por lo que sucede después.

Dorsey's Block es el primer gran caso de prueba público. El CEO apostó su empresa a que las matemáticas funcionen. El periódico apuesta a que las matemáticas están incompletas. Dentro de 18 meses, una de las dos apuestas parecerá obvia en retrospectiva.

No sé cuál todavía. Pero por primera vez en dos años de creación de productos AI a tiempo completo, paso parte de cada semana pensando en algo más que el próximo producto que quiero enviar. Estoy pensando en la forma de la economía a la que me estoy embarcando. Te recomiendo que hagas lo mismo.

Las matemáticas finalmente han llegado a los titulares. No mires hacia otro lado.

Preguntas frecuentes

¿Qué es la trampa de despido AI?

The AI Layoff Trap es un artículo de 2026 de Brett Hemenway Falk (UPenn) y Gerry Tsoukalas (BU) que demuestra que los despidos impulsados por AI constituyen un dilema del prisionero: cada empresa individual se beneficia del despido de trabajadores, pero cuando todas las empresas lo hacen simultáneamente, la demanda colectiva de los consumidores colapsa y todos, trabajadores y propietarios de empresas. – termina peor. El argumento completo se analiza en [Las matemáticas, hechas en concreto](#las-matemáticas-hechas-concreto-por qué-despedir-a-1000-trabajadores-parece-un-movimiento-genial) más arriba.

¿Por qué un impuesto Pigouvian es la única solución que funciona?

Un impuesto Pigouvian obliga a las empresas a pagar por los daños a la demanda que sus despidos infligen al resto de la economía, internalizando la externalidad y cambiando la matemática costo-beneficio a nivel empresarial. El artículo demuestra formalmente que la renta básica universal, los impuestos a las ganancias, la equidad de los trabajadores, los pactos voluntarios y el reciclaje por sí solos no pueden resolver la trampa porque ninguno de ellos cambia el incentivo relativo a desertar. Sólo el impuesto Pigouvian lo hace.

¿Block realmente despidió a 4000 personas debido a AI?

Sí. El 26 de febrero de 2026, el director ejecutivo de Block, Jack Dorsey, anunció el despido de aproximadamente 4.000 empleados (alrededor del 40 % de la fuerza laboral) y citó explícitamente "herramientas de inteligencia" (AI) como el motor de su carta a los accionistas. Dorsey predijo que "la mayoría de las empresas llegarán a la misma conclusión" dentro de un año.

¿Cuál es el efecto Reina Roja en los despidos de AI?

El efecto Reina Roja, en este contexto, es el hallazgo de que un mejor AI empeora, no mejora, la trampa del despido. A medida que crece la capacidad de AI, aumentan los ahorros por trabajador, pero el daño a la demanda sigue siendo aproximadamente proporcional, por lo que la brecha entre la ganancia privada y el costo social se amplía. Las empresas deben automatizar más rápido sólo para mantener la paridad competitiva, sin obtener ninguna ventaja relativa. La discusión completa se encuentra en El efecto de la Reina Roja más arriba.

¿Cuántos trabajadores tecnológicos fueron despedidos debido a AI en 2025?

Las estimaciones varían desde aproximadamente 55.000 (según Challenger, Gray & Christmas, que rastrea las citas explícitas de AI en los motivos de despido declarados) hasta más de 100.000 (según Programs.com, que incluye despidos en empresas que invierten mucho en AI incluso cuando no se citan explícitamente). Layoffs.fyi realizó un seguimiento de aproximadamente 157.000 despidos totales en el sector tecnológico en 2025. La participación atribuible a AI se ha duplicado aproximadamente año tras año hasta el primer trimestre de 2026.

Trabajemos juntos

¿Quiere crear sistemas AI, automatizar flujos de trabajo o ampliar su infraestructura tecnológica? Me encantaría ayudar.

Fiverr (compilaciones e integraciones personalizadas): fiverr.com/s/EgxYmWD
Cartera: mejba.me
Ramlit Limited (soluciones empresariales): ramlit.com
ColorPark (diseño y marca): colorpark.io
xCyberSecurity (servicios de seguridad): xcybersecurity.io