Despedir a un miembro del equipo es una de las decisiones más duras para cualquier founder. El proceso, cuando no está estructurado, se llena de sesgos inconscientes, métricas opacas y, cada vez más, de inteligencia artificial aplicada con prisa. La demanda que un grupo de exempleados acaba de interponer contra Meta ha puesto el foco justo en ese riesgo: elegir a quién despedir sin criterios objetivos. Pero el gigante tecnológico ha presentado una defensa que, lejos de ser solo un argumento legal, deja lecciones muy prácticas para las startups. Meta asegura que no usa IA para decidir despidos, sino criterios objetivos fijados de antemano por líderes humanos. Y aunque el caso aún se dirime, la forma en que explica su proceso es una hoja de ruta que cualquier fundador puede copiar para hacer los ‘layoffs’ de su equipo con menos riesgo de discriminación y más justicia interna.
El caso Meta: cómo se decide quién se va sin que una máquina pulse el botón
La demanda, presentada por 26 empleados recientemente despedidos, alegaba que la compañía había utilizado IA para seleccionar a las personas afectadas, perjudicando desproporcionadamente a quienes habían disfrutado de permisos o tenían alguna discapacidad. Sin embargo, la declaración de Linh Doan, directora de HR Business Partner Enablement de Meta, detalla un proceso mucho más estructurado. Doan insistió en que las decisiones las habían tomado «líderes humanos de negocio» y que la IA no intervino en ningún momento. Además, negó que los responsables tuvieran en cuenta —o siquiera conocieran— si un empleado estaba de baja, y subrayó que los criterios de selección no incluían el estatus de permiso ni ninguna otra característica protegida.
Lo más revelador de su testimonio es la mecánica del proceso. Primero se identifica la razón de negocio que justifica reducir una cohorte concreta de empleados (mismo nivel y título). Después, los líderes de cada área definen unos criterios de selección que deben ser objetivos y estar directamente vinculados a esa razón. «Los criterios de selección se cierran antes de evaluar a ningún empleado, y los responsables no pueden desviarse de ellos», asegura Doan. Esta regla de no desviación es la clave para blindar el proceso frente a arbitrariedades.
Los criterios que Meta aplica y que todo founder puede adaptar a su propia empresa
Los criterios que Meta utilizó incluyen el rendimiento histórico, la antigüedad, el perfil del puesto, la ubicación, las habilidades especializadas y lo que internamente llaman ‘spans’ y ‘layers’ —cuántos subordinados directos tiene un mánager y la distancia jerárquica respecto al CEO—. En el caso de los cuatro empleados con visado patrocinado por la compañía, a tres se les seleccionó por razones de rendimiento y al cuarto por una combinación de nivel y desempeño. Uno de ellos, que estaba de permiso parental, había recibido una calificación de ‘Cumple sistemáticamente las expectativas’, la más baja que no cae por debajo de lo esperado dentro de la cultura de alto rendimiento de Meta, que maneja siete niveles de evaluación.
Aquí surge la primera lección práctica: la empresa fijó un umbral de rendimiento antes de mirar a las personas. Si un founder tiene que reducir plantilla, puede aplicar el mismo principio: elegir métricas objetivas de productividad, como el cumplimiento de objetivos trimestrales, las ventas cerradas o el feedback de clientes, y establecer el punto de corte antes de empezar a evaluar. La antigüedad o la criticidad del rol también son válidas, siempre que no encubran sesgos.
Pero el caso también enciende una alerta. Aunque Meta afirma que no usó IA para decidir los despidos, la demanda señala que la adopción de IA por parte del empleado ya se está barajando como métrica de evaluación del rendimiento. De hecho, la compañía ha empezado a usar una herramienta llamada Checkpoint y, según denuncias internas, un director monitorizaba casi a diario un panel de uso de tokens de IA, un indicador que se desplomaba cuando un empleado se tomaba un permiso. Si el rendimiento con el que se alimenta el criterio de selección está contaminado por este tipo de métricas, el sistema deja de ser justo. No es un riesgo abstracto: Microsoft llegó a un acuerdo de 14 millones de dólares en 2024 con el Departamento de Derechos Civiles de California por represalias y discriminación a empleados que tomaron bajas, incluyendo peores evaluaciones de rendimiento.
La transparencia en los criterios es la única vacuna contra las demandas y la pérdida de confianza del equipo.
Lo que enseña este caso a tu startup: diseña tus layoffs como un proceso, no como una reacción emocional
Muchos founders españoles de startups en fase seed o Series A no tienen departamento de RRHH ni sistemas formales de evaluación. Cuando llega la necesidad de recortar, suelen decidir a golpe de intuición, lo que ha llevado a muchos a a preguntarse después por qué el talento clave que se quedó perdió la confianza. El modelo de Meta, con todas sus sombras, demuestra que incluso una empresa de más de 70.000 empleados puede articular un procedimiento basado en reglas predefinidas, separando la necesidad de negocio de las personas concretas. Y Combinator, la aceleradora de referencia, siempre ha recomendado a sus startups que, antes de un layoff, redacten una lista de criterios públicos y la compartan con el equipo; eso reduce el impacto en la cultura y aleja el fantasma de la discriminación.
Para una startup, no se trata de copiar la complejidad de Meta, sino el principio: elegir dos o tres métricas que reflejen la contribución real (ventas, código desplegado, retención de clientes) y combinarlas con la necesidad estratégica del momento (por ejemplo, si se cierra una línea de negocio, la antigüedad en ese área es el factor). Lo crucial es que esas reglas se fijen antes de poner nombres y que se comuniquen con honestidad a los afectados. La tentación de usar herramientas de IA para «optimizar» la selección es fuerte, pero sin una auditoría de sesgos, el ahorro de tiempo puede convertirse en un pleito millonario.
🚀 Hoja de Ruta para Emprender
- Define criterios antes de la reestructuración: Elige métricas objetivas de rendimiento (ventas, productividad, objetivos trimestrales) y decide el umbral de corte antes de evaluar a nadie. Documenta todo.
- Mantén el control humano: No delegues la decisión en un algoritmo. Si usas IA para recopilar datos, revisa que las métricas no penalicen a quien ha disfrutado de un permiso justificado (bajas, maternidad, enfermedad).
- Comunica con transparencia: Explica al equipo los criterios y por qué son necesarios los despidos. Ofrece paquetes de salida justos y, si es posible, recolocación. La forma de salir es la que más impacto tiene en los que se quedan.
- Revisa el impacto en la cultura: Tras los despidos, mide el clima laboral y habla con los supervivientes. Un layoff mal gestionado puede arrastrar al resto de la plantilla y disparar la rotación voluntaria.
