26 empleados demandan a Meta alegando que sus sistemas internos de IA (monitoreo de actividad, dashboards de uso de tokens y rankings de desempeño) sesgaron los despidos contra quienes tenían licencia médica o parental; es señalado como el primer gran caso de discriminación algorítmica laboral. Meta lo niega: "lo decidieron personas, no la IA".
Durante años el debate sobre los riesgos de la IA giró alrededor de los productos: chatbots que alucinan, imágenes falsas, código con bugs. Esta semana el frente se movió a un terreno mucho más íntimo. CNBC y otros medios reportaron que 26 empleados actuales y antiguos de Meta demandaron a la compañía alegando que sus sistemas internos de inteligencia artificial ayudaron a decidir a quién despedir dentro de un recorte de unos 8.000 puestos —cerca del 10% de la plantilla, anunciado en mayo— y que lo hicieron de forma discriminatoria contra trabajadores que estaban en licencia médica o parental. No es una demanda sobre lo que la IA fabrica. Es una demanda sobre lo que la IA decide sobre personas.
Cuando el scoring de productividad alimenta la lista de despidos
Según la demanda, Meta se apoyó en una batería de señales automatizadas para ordenar y comparar el rendimiento de sus empleados: datos de monitoreo de pulsaciones y actividad, dashboards de uso de tokens de IA y rankings de desempeño asistidos por algoritmo. El problema, dicen los demandantes, es que esas métricas castigan estructuralmente a quien había estado ausente por razones legalmente protegidas: alguien que tomó una baja por maternidad, una cirugía o una condición médica genera menos actividad medible y, por diseño —según el propio texto de la demanda—, esas puntuaciones "no pueden ser acumuladas" por un empleado en licencia protegida. Cuando esa puntuación alimenta la selección de recortes, un permiso amparado por la ley se traduce, en la práctica, en una probabilidad más alta de perder el empleo. De los 26 demandantes, cerca de la mitad había tomado licencia por cuidado o embarazo: ocho mujeres con licencia de maternidad, cuatro hombres con licencia parental y una mujer que cuidó a un familiar y luego tomó licencia por duelo.
Cuatro leyes federales en la mira, y una defensa de una sola frase
La demanda invoca artillería pesada del derecho laboral estadounidense: la FMLA (que protege las licencias médicas y familiares), la ADA (que protege a personas con discapacidad), la Pregnancy Discrimination Act y la Pregnant Workers Fairness Act. El argumento es que un sistema automatizado no queda exento de esas leyes solo por ser un algoritmo: si el resultado discrimina, discrimina, sin importar si lo firmó un gerente o un modelo. Meta, por su parte, respondió con una defensa compacta y reveladora: sostiene que las decisiones "las tomaron personas, no la IA", y que los reclamos "carecen de mérito y no se basan en hechos". Esa frase es precisamente el campo de batalla del caso, porque la pregunta que decidirá el pleito no es si hubo un humano al final, sino cuánto pesó realmente ese humano frente a una lista ya ordenada por la máquina.
Por qué este caso abre una puerta que no se cierra
Aunque el uso de IA en recursos humanos viene creciendo hace años —filtrado de currículums, evaluaciones de desempeño, predicción de rotación—, casi todo el litigio previo era teórico o de bajo perfil. Este es distinto por tres motivos: el tamaño del acusado, la explicitud de la acusación (no es un sesgo difuso, es "la puntuación penalizó una licencia protegida") y el hecho de que ataca la IA aplicada a decisiones sobre personas, no sobre productos. Gane o pierda, marca el terreno: a partir de ahora, cualquier empresa que use scoring automatizado para decidir contrataciones, ascensos o despidos sabe que la pregunta del juez será "muéstreme el rastro". Quién puntuó a quién, con qué datos, quién revisó la lista y qué cambió tras esa revisión. La discriminación algorítmica dejó de ser un panel académico para convertirse en una demanda con nombre y apellido.
Qué significa para quien construye con IA
La lección no es "la IA para decisiones es mala". Es más incómoda y más útil: en el momento en que un sistema automatizado toca una decisión que afecta a una persona, el valor deja de estar solo en el resultado y pasa a estar en poder demostrar cómo se llegó a él. Un score sin rastro es indefendible; un score con un humano que de verdad revisa, con un registro de qué vio y qué decidió, es otra cosa. En NeuralOS partimos de esa misma doctrina para las automatizaciones y los agentes: las acciones sensibles pasan por aprobación humana explícita antes de ejecutarse, y cada paso queda registrado en un audit-log —quién, qué, cuándo, con qué datos— en lugar de desaparecer dentro de una caja negra. No lo decimos como eslogan ni prometemos que eso te blinde de una demanda; lo decimos porque el caso de Meta enseña, sin humo, que el "humano en el bucle" solo cuenta si puedes probar que estuvo ahí. Automatizar es fácil. Poder explicar la decisión, ese es el trabajo de verdad.