Una demanda contra Meta por despidos automatizados revela c�mo los algoritmos neutrales pueden discriminar indirectamente. El uso de m�tricas de actividad digital podr�a castigar derechos protegidos. En el centro del conflicto que provoca la ya conocida ronda de despidos de Meta -la empresa anunci� en abril la eliminaci�n de 8.000 puestos de trabajo y comenz� a notificar a los profesionales seleccionados el 20 de mayo- ahora un grupo de empleados y exempleados de la compa��a ha presentado en un tribunal federal de California una demanda contra la empresa en la que los trabajadores sostienen que "diferentes sistemas internos de medici�n, supervisi�n y evaluaci�n asistidos por inteligencia artificial transformaron sus periodos de baja m�dica, permiso familiar, embarazo o discapacidad en se�ales de bajo rendimiento". Entre los sistemas mencionados en la demanda aparecen herramientas de seguimiento de actividad, utilizaci�n de IA, pulsaciones de teclado, producci�n, 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 s� s�lo una carta de despido, y no se trata �nicamente 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 Est�ndares y Tecnolog�a de Estados Unidos) explica que el caso Meta "m�s bien plantea la cuesti�n relevante de si una organizaci�n puede convertir datos de comportamiento digital en decisiones laborales sin comprobar qu� representan realmente esos datos".Si las alegaciones se demostraran, el defecto no consistir�a en que el sistema hubiese identificado expl�citamente a mujeres embarazadas, a personas discapacitadas o a trabajadores de baja. Seg�n la Family and Medical Leave Act, el problema ser�a "haber creado una arquitectura de medici�n en la que el hecho de ejercer un derecho laboral produce exactamente las mismas se�ales que un bajo rendimiento".La consecuencia m�s importante de este caso puede ser que se establezca un nuevo est�ndar de diligencia: antes de utilizar m�tricas, puntuaciones o clasificaciones para una decisi�n de gran impacto, el empleador tendr�a que demostrar no s�lo que el modelo es t�cnicamente 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 m�dica. Basta con que utilice una variable relacionada con esas situaciones. Por ejemplo, si mide horas de conexi�n, mensajes o actividad digital, una persona de baja aparecer� como menos productiva. As�, el sistema puede castigar indirectamente un derecho protegido. La variable parece neutral, pero funciona como sustituto de la condici�n protegida y reproduce el mismo efecto discriminatorio sin mencionarla de forma expl�cita.El caso de Meta ampl�a el debate abierto por la compa��a Workday, donde varios candidatos sostienen que las herramientas algor�tmicas de selecci�n han provocado discriminaci�n por raza, edad y discapacidad. Otro tribunal estadounidense ha permitido que varias reclamaciones por impacto dispar contin�en, aunque tampoco existe todav�a una decisi�n 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 discapacidadLa EEOC (Comisi�n para la Igualdad de Oportunidades en el Empleo de Estados Unidos) recuerda que "hasta ahora, gran parte de la conversaci�n sobre IA y empleo se hab�a centrado en la selecci�n de candidatos", y el litigio contra Workday cuestiona precisamente si un sistema de cribado automatizado puede discriminar durante la contrataci�n.Meta lleva ese debate un paso m�s all�: plantea si esos mismos principios deben aplicarse tambi�n 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 s�lo la contrataci�n.El caso de iTutorGroup constituye otro ejemplo m�s sencillo y directo. La EEOC aleg� que el software de selecci�n rechazaba autom�ticamente a mujeres de 55 a�os o m�s y a hombres de m�s de 60. La empresa alcanz� un acuerdo de 365.000 d�lares que afectaba a m�s de 200 candidatos.La diferencia es que iTutorGroup habr�a utilizado umbrales de edad expl�citos, mientras que Meta plantea un posible supuesto de discriminaci�n indirecta: el sistema no necesitar�a conocer formalmente el embarazo, la discapacidad o la baja; le bastar�a con penalizar las consecuencias digitales de la ausencia.Tambi�n conviene citar otro precedente internacional m�s pr�ximo conceptualmente, como es el caso del algoritmo Frank, de Deliveroo.Un tribunal de Bolonia concluy� que el sistema era discriminatorio porque reduc�a la clasificaci�n de los repartidores que no asist�an a sesiones reservadas sin distinguir adecuadamente entre los motivos de ausencia, entre ellos enfermedad o participaci�n en una huelga. La p�rdida de posici�n limitaba posteriormente el acceso a las franjas de trabajo m�s favorables.La analog�a 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 terminaci�n laboral.Todos estos casos transmiten una misma lecci�n: las empresas siguen siendo responsables de las decisiones tomadas con ayuda de algoritmos, aunque la tecnolog�a haya sido desarrollada por un proveedor externo. Adem�s, adquiere especial relevancia el concepto de impacto dispar, seg�n el cual una herramienta aparentemente neutral puede ser discriminatoria por sus efectos. Un algoritmo puede generar discriminaci�n sin haber sido dise�ado expresamente para discriminar a ning�n colectivo protegido.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.