Meta demandada: cuando la puntuación de IA de un plan social se encuentra con el derecho laboral

26 ex-empleados acusan a Meta de haber utilizado sistemas de IA —incluyendo una puntuación de productividad basada en las pulsaciones del teclado— para clasificar a quién despedir. Entre los criterios alegados: el uso de tokens.

En términos sencillos

Veintiséis ex empleados de Meta demandan a la empresa. Afirman que sistemas asistidos por IA se utilizaron para evaluar y clasificar a los empleados en una lista de despidos, y que estos sistemas perjudicaron de manera desproporcionada a personas con discapacidad, en licencia médica o embarazadas. Meta lo niega. Es uno de los primeros litigios que cuestiona frontalmente la herramienta en lugar de la decisión.

Lo que se alega

Los demandantes, que presentaron la demanda de forma anónima, invocan leyes federales y locales que prohíben la discriminación y las represalias contra empleados con discapacidad, en licencia médica o embarazadas. Además, acusan a Meta de no haber probado sus sistemas de IA en busca de sesgos, en violación de leyes recientemente aprobadas en California y Nueva York.

Según la demanda, varios sistemas internos contribuyeron a evaluar y clasificar a los empleados: «Metamate», un asistente basado en un gran modelo de lenguaje; un «segundo cerebro» entrenado con las comunicaciones y documentos de los empleados; y una puntuación de productividad derivada del análisis de pulsaciones de teclado, contenido en pantalla, correos electrónicos e historial de navegación. Según la demanda, la empresa se habría basado en factores como la productividad y el uso de tokens de IA para eliminar miles de puestos este año.

Meta responde sin ambigüedades: «Workforce management and organizational decisions were and are made by people, not AI».

Bajo el capó

La defensa de Meta —la decisión la toman humanos— es jurídicamente sólida, y es precisamente ahí donde el litigio se vuelve interesante. Porque la pregunta que hará el tribunal no será «¿quién hizo clic?», sino «¿en qué se basó la persona que hizo clic para realizar la clasificación?». Un humano que valida una clasificación generada por un sistema sesgado no elimina el sesgo: lo ratifica. El derecho antidiscriminación conoce esta figura desde hace tiempo bajo el nombre de impacto dispar—no importa la intención, solo cuenta el efecto medido sobre un grupo protegido.

Ahí es donde la elección de las variables se vuelve explosiva. Una puntuación de productividad basada en las pulsaciones de teclado y el tiempo frente a la pantalla es, casi por construcción, un sustituto de la presencia —por lo tanto, de la ausencia por motivos médicos—. En cuanto al uso de tokens de IA como indicador de rendimiento, es exactamente la métrica que se debate esta semana en relación con los cupos por ingeniero: una cifra fácil de extraer, correlacionada con mil cosas, pero causal de nada.

Entonces, ¿qué?

El punto de inflexión es regulatorio. Las leyes de California y Nueva York que exigen una auditoría de sesgos en las herramientas de decisión automatizadas convierten un debate ético en una obligación documental: o la empresa presenta la prueba, o no lo hace. Este caso dirá si la obligación tiene dientes.

Para cualquier directivo que implemente sistemas de puntuación de RRHH asistidos por modelos, la conclusión operativa no espera al veredicto: el registro de la auditoría de sesgos no es una formalidad de cumplimiento, es su única línea de defensa. Sin ella, no tienen una herramienta de decisión. Tienen una prueba de cargo.