Una demanda contra Meta por despidos automatizados revela cómo los algoritmos neutrales pueden discriminar indirectamente. El uso de métricas de actividad digital podría castigar derechos protegidos.
En el centro del conflicto que provoca la ya conocida ronda de despidos de Meta -la empresa anunció en abril la eliminación de 8.000 puestos de trabajo y comenzó a notificar a los profesionales seleccionados el 20 de mayo- ahora un grupo de empleados y exempleados de la compañía ha presentado en un tribunal federal de California una demanda contra la empresa en la que los trabajadores sostienen que "diferentes sistemas internos de medición, supervisión y evaluación asistidos por inteligencia artificial transformaron sus periodos de baja médica, permiso familiar, embarazo o discapacidad en señales de bajo rendimiento". Entre los sistemas mencionados en la demanda aparecen herramientas de seguimiento de actividad, utilización de IA, pulsaciones de teclado, producción, evaluaciones y calibraciones de rendimiento.
De momento, se trata de alegaciones, y no de hechos judicialmente probados, pero el caso es relevante a nivel global. No es que un algoritmo haya enviado por sí sólo una carta de despido, y no se trata únicamente de que una empresa pueda utilizar -o no- inteligencia artificial para despedir a sus empleados. El informe AI Risk Management Framework del NIST (Instituto Nacional de Estándares y Tecnología de Estados Unidos) explica que el caso Meta "más bien plantea la cuestión relevante de si una organización puede convertir datos de comportamiento digital en decisiones laborales sin comprobar qué representan realmente esos datos".
Si las alegaciones se demostraran, el defecto no consistiría en que el sistema hubiese identificado explícitamente a mujeres embarazadas, a personas discapacitadas o a trabajadores de baja. Según la Family and Medical Leave Act, el problema sería "haber creado una arquitectura de medición en la que el hecho de ejercer un derecho laboral produce exactamente las mismas señales que un bajo rendimiento".
La consecuencia más importante de este caso puede ser que se establezca un nuevo estándar de diligencia: antes de utilizar métricas, puntuaciones o clasificaciones para una decisión de gran impacto, el empleador tendría que demostrar no sólo que el modelo es técnicamente preciso, sino que mide algo relevante para el trabajo, que trata correctamente las ausencias protegidas, que no genera impactos discriminatorios y que puede ser revisado y contradicho por una persona con autoridad real.
La idea decisiva es que un algoritmo puede discriminar aunque no use datos como el embarazo, la discapacidad o una baja médica. Basta con que utilice una variable relacionada con esas situaciones. Por ejemplo, si mide horas de conexión, mensajes o actividad digital, una persona de baja aparecerá como menos productiva. Así, el sistema puede castigar indirectamente un derecho protegido. La variable parece neutral, pero funciona como sustituto de la condición protegida y reproduce el mismo efecto discriminatorio sin mencionarla de forma explícita.
El caso de Meta amplía el debate abierto por la compañía Workday, donde varios candidatos sostienen que las herramientas algorítmicas de selección han provocado discriminación por raza, edad y discapacidad. Otro tribunal estadounidense ha permitido que varias reclamaciones por impacto dispar continúen, aunque tampoco existe todavía una decisión definitiva sobre el fondo. Entre las cuestiones discutidas figura la posibilidad de que determinados indicadores, como las lagunas en el historial laboral, funcionen como proxies de enfermedad o discapacidad
La EEOC (Comisión para la Igualdad de Oportunidades en el Empleo de Estados Unidos) recuerda que "hasta ahora, gran parte de la conversación sobre IA y empleo se había centrado en la selección de candidatos", y el litigio contra Workday cuestiona precisamente si un sistema de cribado automatizado puede discriminar durante la contratación.
Meta lleva ese debate un paso más allá: plantea si esos mismos principios deben aplicarse también a las decisiones sobre permanencia en la empresa.
En conjunto, ambos casos dibujan una tendencia: los tribunales empiezan a examinar todo el ciclo de decisiones laborales asistidas por inteligencia artificial, no sólo la contratación.
El caso de iTutorGroup constituye otro ejemplo más sencillo y directo. La EEOC alegó que el software de selección rechazaba automáticamente a mujeres de 55 años o más y a hombres de más de 60. La empresa alcanzó un acuerdo de 365.000 dólares que afectaba a más de 200 candidatos.
La diferencia es que iTutorGroup habría utilizado umbrales de edad explícitos, mientras que Meta plantea un posible supuesto de discriminación indirecta: el sistema no necesitaría conocer formalmente el embarazo, la discapacidad o la baja; le bastaría con penalizar las consecuencias digitales de la ausencia.
También conviene citar otro precedente internacional más próximo conceptualmente, como es el caso del algoritmo Frank, de Deliveroo.
Un tribunal de Bolonia concluyó que el sistema era discriminatorio porque reducía la clasificación de los repartidores que no asistían a sesiones reservadas sin distinguir adecuadamente entre los motivos de ausencia, entre ellos enfermedad o participación en una huelga. La pérdida de posición limitaba posteriormente el acceso a las franjas de trabajo más favorables.
La analogía con el caso de Meta es que ambos supuestos plantean un sistema que interpreta la falta de actividad como un menor compromiso, sin comprender que la inactividad puede responder al ejercicio de un derecho. La diferencia es que Deliveroo afectaba a trabajadores de plataforma y al acceso a oportunidades de trabajo, mientras que Meta afecta a empleados corporativos y a una posible terminación laboral.
Todos estos casos transmiten una misma lección: las empresas siguen siendo responsables de las decisiones tomadas con ayuda de algoritmos, aunque la tecnología haya sido desarrollada por un proveedor externo. Además, adquiere especial relevancia el concepto de impacto dispar, según el cual una herramienta aparentemente neutral puede ser discriminatoria por sus efectos. Un algoritmo puede generar discriminación sin haber sido diseñado expresamente para discriminar a ningún colectivo protegido.
'Digitalizar' los despidos
El más reciente 'Estudio de Proyección de Empleo de ManpowerGroup' para el tercer trimestre de 2026 concluye que la IA consolida su avance en los procesos de selección en España y refuerza su papel como herramienta clave para mejorar la eficiencia en la gestión del talento: cuatro de cada diez compañías ya la utilizan para cribar currículos y para comunicarse con los candidatos.
- El estudio de ManpowerGroup muestra que la IA es ya una infraestructura habitual de los procesos de selección: un 43% de las empresas españolas considera muy valiosa la redacción de descripciones de puestos asistida por IA. Esto se puede relacionar con el caso Meta, que demuestra que la expansión de la IA ya no se limita a la contratación, pues entra en procesos más sensibles, como la evaluación del rendimiento y, presuntamente, en la selección de personas para despidos.
- ManpowerGroup habla únicamente del reclutamiento, pero el caso Meta evidencia que la lógica algorítmica puede extenderse a todo el ciclo laboral: la IA ya no sólo ayuda a decidir quién entra en una empresa, sino también quién progresa, quién recibe una buena evaluación y quién puede ser despedido. Ese es probablemente el cambio más importante que revela el caso.
- La investigación de ManpowerGroup destaca que el 51% de las empresas sigue considerando fundamental la revisión humana de los currículos, y que los profesionales mantienen el criterio final. El caso Meta explica por qué ese dato es tan relevante. No basta con que una persona valide el resultado del algoritmo. Esa supervisión debe ser real, y el responsable debe poder cuestionar las recomendaciones del sistema, comprender cómo se han generado y corregir posibles errores o sesgos. De lo contrario, la intervención humana puede convertirse en un simple trámite.
- ManpowerGroup presenta la IA como una herramienta para mejorar la eficiencia, y el caso Meta introduce un matiz: la eficiencia no garantiza la equidad. Un algoritmo puede procesar millones de datos con enorme rapidez y, al mismo tiempo, basar sus decisiones en indicadores inadecuados. El problema no es que la IA se equivoque, sino que calcule aquello que no debería utilizarse para tomar decisiones.
-
19:37
Masayoshi Son transforma SoftBank según su visión
-
19:20
El partido de Bolsonaro proclama a su hijo Flávio como candidato presidencial
-
15:01
Lo que no se prohíbe es obligatorio
-
14:25
Irán asegura que seguirá atacando intereses de EEUU hasta su "rendición total"
-
14:08
Convocadas más de 5.500 plazas de personal laboral fijo en la Administración General del Estado