Uber recorta atención al cliente y apuesta por inteligencia artificial

Tabla de contenidos

  • Uber recortó el 10% de los puestos en su área de atención al cliente (operaciones comunitarias).
  • La empresa lo enmarca en una reorganización para simplificar operaciones e integrar mejor la IA.
  • También busca reforzar la colaboración presencial y pidió a parte del personal remoto trasladarse a una oficina central.
  • Es la primera vez que Uber vincula despidos de forma explícita a eficiencia impulsada por IA.

Uber Technologies anunció un recorte del 10% de los puestos de trabajo de su departamento de atención al cliente, dentro del equipo de operaciones comunitarias.

Según lo reportado por Bloomberg Línea, la empresa enmarcó la decisión en una reorganización para simplificar operaciones, reforzar la colaboración presencial e integrar mejor la inteligencia artificial. La compañía presentó la medida como parte de una iniciativa más amplia para “apostar por la inteligencia artificial” y, al mismo tiempo, simplificar una estructura interna que considera sobredimensionada y difícil de coordinar.

Contexto del anuncio (julio 2026)
Actualidad (julio de 2026): este tipo de anuncios suele evolucionar rápido (nuevas cifras, reubicaciones, cambios de política interna). En este artículo, los datos y citas se refieren a lo comunicado y reportado en torno al anuncio del 22 de julio de 2026.

El ajuste llega en un momento en que Uber ya venía moviendo piezas: en mayo comunicó que ralentizaría la contratación debido al uso interno de IA, aunque mantiene más de 500 vacantes publicadas, incluidas posiciones de ingeniería vinculadas a colaboraciones en robotaxis. La empresa no informó cuántas personas integran el área de atención al cliente, por lo que el impacto total en números absolutos no fue detallado.

Motivos detrás de la decisión

La explicación oficial combina tres ideas: simplificación operativa, fortalecimiento del trabajo presencial e integración más efectiva de la inteligencia artificial. En un memorándum interno, Megha Yethatika, vicepresidenta de operaciones comunitarias globales, sostuvo que la organización “se ha vuelto demasiado compleja y está demasiado fragmentada”.

En ese diagnóstico aparece la IA como catalizador, pero también como exigencia: según el mensaje, el equipo ya había dado “algunos pasos adelante” en su uso, aunque para “aprovechar todo este potencial” se necesita una organización eficaz sobre la cual integrar la tecnología. El argumento central es que no se puede escalar una herramienta avanzada si los procesos de base están dispersos.

Impacto en los empleados

Más allá del recorte, la reorganización incluye un cambio práctico para parte del personal: empleados que trabajaban de manera remota para el equipo fueron instruidos a trasladarse a una oficina central, en línea con la política de regreso a la oficina de la empresa. Es una señal de que Uber asocia la nueva etapa —con IA más integrada— a mayor coordinación presencial.

La compañía no precisó si habrá reubicaciones internas para quienes salen del área ni qué proporción del recorte se concentra en ubicaciones específicas. Lo que sí queda claro es el giro de prioridades: mientras reduce roles ligados a soporte, mantiene abierta la puerta a contrataciones en áreas técnicas, especialmente ingeniería.

Reorganización para simplificar operaciones

Uber enmarca el recorte como parte de una “iniciativa más amplia” para simplificar su plantilla. La idea de fondo es reducir fragmentación y capas de coordinación, un problema que, según la propia dirección del área, se había acumulado con el crecimiento y la diversificación de operaciones.

Esta reorganización no es un hecho aislado: es la segunda ronda de recortes en menos de dos meses orientada a “simplificar las estructuras de los equipos”. En junio, la empresa recortó el 23% de su denominada “división de personal” (recursos humanos), un ajuste que representó menos del 1% de sus 34.000 empleados globales y que se produjo tras la llegada de un nuevo presidente.

Uber no detalló el tamaño de su departamento de atención al cliente, por lo que el 10% informado no se tradujo en una cifra absoluta de personas afectadas.

Simplificación operativa para integrar IA
Cómo suele verse una “reorganización para simplificar” en un equipo de atención al cliente (y por qué habilita integrar IA):
1) Mapear el flujo real de casos (entrada → clasificación → resolución → cierre)

  • Checkpoint: si hay múltiples “puertas de entrada” (canales/equipos) con reglas distintas, la IA aprende y automatiza peor.

2) Reducir fragmentación organizativa (menos handoffs y menos capas)

  • Qué cambia: consolidación de subequipos, unificación de criterios de priorización y responsables claros por tipo de incidente.
  • Checkpoint: si un caso pasa por 3+ equipos antes de resolverse, la automatización tiende a aumentar fricción en vez de reducirla.

3) Estandarizar políticas y bases de conocimiento

  • Qué cambia: respuestas y criterios consistentes (reembolsos, seguridad, disputas), con versiones controladas.
  • Checkpoint: si la base de conocimiento está desactualizada o contradictoria, la IA escala “errores consistentes”.

4) Reforzar colaboración presencial (cuando la empresa lo decide)

  • Qué cambia: mayor coordinación diaria entre operaciones, producto y soporte para ajustar reglas, plantillas y excepciones.
  • Checkpoint: si las decisiones de política tardan semanas en bajar a operación, la IA queda “desalineada” con la realidad.

5) Integrar IA por capas (asistencia → automatización parcial → automatización con supervisión)

  • Checkpoint: antes de recortar capacidad humana, medir si bajan recontactos, escalaciones y tiempos de resolución.

Fortalecimiento del trabajo presencial

El refuerzo de la colaboración presencial aparece como un objetivo explícito. En la comunicación sobre el recorte, Uber señaló que busca “reforzar la colaboración presencial”, una formulación que conecta con la idea de que la coordinación entre equipos —y la estandarización de procesos— es más difícil cuando la organización está distribuida.

En la práctica, el énfasis en presencialidad funciona como parte del rediseño operativo: menos fragmentación, más alineamiento y, en teoría, una implementación de IA más ordenada. La empresa sugiere que la tecnología no reemplaza la necesidad de estructura; la vuelve más urgente.

Cambio en la política de trabajo remoto

El mensaje implícito es doble. Por un lado, Uber busca concentrar capacidades y decisiones en hubs físicos. Por otro, la transición hacia procesos más automatizados y asistidos por IA se plantea como un cambio que requiere cercanía entre líderes, operaciones y equipos que ejecutan.

Vinculación de despidos a la inteligencia artificial

La novedad del anuncio no es únicamente el recorte, sino la forma de explicarlo. Uber vinculó los despidos a medidas de eficiencia relacionadas con inteligencia artificial, algo que —según lo reportado— no había hecho antes de manera tan directa. En un sector donde muchas empresas hablan de IA como promesa, Uber la coloca como factor explícito de rediseño laboral.

La compañía sostiene que ya avanzó en el uso de IA, pero que para “aprovechar todo el potencial” necesita una base organizativa menos fragmentada. En otras palabras: primero ordenar procesos, luego automatizar y escalar.

Eficiencia con IA en Uber
Fragmentos clave citados en el anuncio (según Bloomberg Línea) que explican el vínculo con IA:

  • “Nuestra organización se ha vuelto demasiado compleja y está demasiado fragmentada”, escribió Megha Yethatika, vicepresidenta de operaciones comunitarias globales de Uber, en un memorándum.
  • El equipo “ha dado algunos pasos adelante” en el uso de IA, pero “para aprovechar todo este potencial, necesitamos una organización eficaz sobre la que integrar la IA”.
  • “No podemos ampliar el alcance de una tecnología de vanguardia sobre la base de procesos fragmentados”.

Por qué esto importa: el reporte destaca que es la primera vez que Uber vincula los despidos de forma explícita a medidas de eficiencia en materia de IA.

Estrategia de eficiencia mediante IA

La estrategia declarada combina automatización con rediseño: integrar mejor la IA para simplificar operaciones. Aunque Uber no detalló qué tareas específicas se automatizarán en atención al cliente, el enfoque se alinea con la lógica de usar IA para absorber trabajo repetitivo y estandarizable, y así reducir necesidad de estructura humana amplia en ciertas funciones.

En paralelo, Uber había anunciado en mayo que ralentizaría la contratación debido al uso interno de IA. Esa señal previa encaja con el recorte actual: menos crecimiento de plantilla en áreas donde la IA puede aumentar productividad, y más foco en roles técnicos donde la empresa sigue contratando.

Primeras implicaciones en Uber

La primera implicación es organizacional: Uber reconoce que la IA no se despliega “sobre procesos fragmentados”. La segunda es de mercado laboral interno: recorta en soporte, pero mantiene más de 500 vacantes, incluidas posiciones de ingeniería para apoyar colaboraciones en robotaxis.

También hay una implicación de gobernanza tecnológica: la empresa está en una fase donde la IA deja de ser un experimento periférico y pasa a condicionar estructura, ubicación del trabajo y decisiones de personal. El recorte del 10% en atención al cliente se convierte así en un hito: el momento en que Uber ata eficiencia y plantilla a su apuesta por IA.

Contexto de recortes en la industria tecnológica

El caso de Uber se inserta en una tendencia más amplia: empresas tecnológicas y de servicios están justificando recortes con el argumento de la inteligencia artificial y la eficiencia. En los últimos meses, compañías como Block Inc. y Oracle también señalaron a la IA como motivo de reducciones de plantilla.

En ese marco, el anuncio de Uber destaca por dos razones: por ser la primera vez que la empresa hace esa vinculación de forma explícita y por ocurrir en un periodo de ajustes sucesivos para simplificar estructuras internas.

Empresa Qué recortó / ajustó Cómo aparece la IA en la explicación pública Dato/nota para dimensionar
Uber 10% del equipo de atención al cliente (operaciones comunitarias) Uber lo vincula a eficiencia e integración de IA; además, reorganización y refuerzo de colaboración presencial Uber no informó el tamaño total del área, así que el 10% no se traduce a cifra absoluta
Block Inc. Recortes de plantilla (reportados en meses recientes) Mencionó la IA como motivo en su narrativa de eficiencia Sirve como referencia de que el patrón no es exclusivo de Uber
Oracle Recortes de plantilla (reportados en meses recientes) También señaló a la IA como parte del argumento de eficiencia Refuerza que el discurso “IA → eficiencia → ajuste” se repite en grandes compañías
EE.UU. (tendencia) Anuncios de recortes atribuidos a IA (1H 2026) La IA aparece como causa declarada en anuncios de despidos 101.743 anuncios atribuidos a IA (≈23% del total del periodo); es un registro de anuncios reportados, no un conteo único de personas verificadas caso por caso

Tendencias de despidos por adopción de IA

En Estados Unidos, durante la primera mitad de 2026 se anunciaron 101.743 recortes de empleo atribuidos a la IA, equivalentes a aproximadamente el 23% de todos los despidos del periodo. Además, durante cuatro meses consecutivos la IA fue la causa declarada más frecuente en anuncios de recortes entre grandes compañías.

Esa estadística ayuda a entender por qué el lenguaje de “eficiencia” se volvió central: la IA ya no se presenta solo como innovación, sino como herramienta para redimensionar equipos. Uber se suma a esa ola, con un recorte focalizado en una función —atención al cliente— donde la automatización suele prometer retornos rápidos.

Comparativa con otras empresas

Block y Oracle han mencionado la IA como razón de recortes, según reportes recientes. La comparación relevante no es el tamaño del ajuste, sino el patrón: empresas que reordenan costos y estructura mientras aceleran adopción tecnológica.

En paralelo, otras organizaciones han ajustado su enfoque de medición. Se ha reportado, por ejemplo, que Duolingo reorientó métricas internas tras preocupaciones sobre incentivar “uso de IA” por encima de resultados. Y Bosch ha difundido un modelo híbrido —personas e IA— para atención al cliente, con automatización alta en consultas rutinarias y escalamiento a humanos en casos complejos. El denominador común: la IA empuja cambios, pero obliga a repensar procesos y métricas.

Desafíos y oportunidades en la implementación de IA

La apuesta por IA abre oportunidades de eficiencia, pero también expone tensiones: costos de herramientas, necesidad de métricas claras y riesgo de que la automatización avance más rápido que la capacidad de gobernarla. En Uber, esa discusión ya estaba sobre la mesa antes del recorte.

La empresa, además, intenta equilibrar dos movimientos que pueden parecer contradictorios: frenar contratación en algunas áreas por productividad asistida por IA, mientras mantiene cientos de vacantes en ingeniería y tecnología.

Velocidad y control en IA
Balance práctico (lo que se gana y lo que se arriesga) cuando una empresa recorta soporte mientras acelera IA:

  • A favor (oportunidades)
  • Menos costo operativo por interacción si la IA absorbe volumen repetitivo.
  • Respuestas más consistentes si se apoya en políticas y base de conocimiento unificadas.
  • Capacidad de reasignar inversión a áreas estratégicas (p. ej., ingeniería).
  • En contra (riesgos)
  • Caída de calidad si la automatización se despliega antes de ordenar procesos (más recontactos, más escalaciones, más “loops”).
  • Costos que se disparan si el uso de herramientas crece sin métricas de resultado (no solo “uso” o consumo).
  • Pérdida de conocimiento operativo si salen perfiles que resolvían casos complejos o excepciones.
  • Trade-off central
  • Velocidad vs. control: automatizar rápido puede dar ahorro temprano, pero sin gobernanza (políticas, QA, métricas) el costo reaparece como fricción del cliente.
  • Checkpoints que suelen evitar sorpresas
  • Antes de reducir más capacidad humana: medir recontacto, tasa de escalación a humano, tiempo de resolución y satisfacción.
  • Si el presupuesto de IA se acelera: exigir métricas de impacto (no solo tokens/uso) por flujo automatizado.

Presupuesto y retorno de inversión

Uber enfrentó un problema típico de adopción acelerada: se reportó que agotó su presupuesto anual de IA para 2026 en apenas cuatro meses, lo que abrió debates internos sobre cómo justificar el gasto y medir retorno de inversión. Ejecutivos reconocieron la dificultad de trazar una línea directa entre consumo de herramientas (como el uso masivo de “tokens”) y mejoras tangibles en funcionalidades de cara al usuario.

En reportes sobre esa discusión interna, se mencionó a Andrew Macdonald (COO de Uber, relevante por su rol en ejecución operativa) y a Praveen Neppalli Naga (CTO de Uber, relevante por su rol en estrategia tecnológica) como parte del liderazgo que ha reconocido el reto de conectar gasto/uso con resultados observables.

Ese contexto vuelve más comprensible el énfasis en “organización eficaz” y “procesos no fragmentados”. Si la IA es costosa y su impacto no siempre es evidente, la presión por demostrar resultados —y recortar donde se percibe redundancia— aumenta.

Perspectivas futuras para Uber

A corto plazo, Uber parece apostar por una reconfiguración: menos complejidad interna, más colaboración presencial y más integración de IA en operaciones. A mediano plazo, el mapa de empleo dentro de la empresa podría seguir desplazándose hacia perfiles técnicos, dado que mantiene más de 500 vacantes, incluidas las asociadas a ingeniería para robotaxis.

La incógnita es cómo se sostendrá la calidad del servicio al cliente durante la transición. Uber sugiere que la IA permitirá mantener o mejorar eficiencia, pero el éxito dependerá de que la automatización se apoye en procesos claros y de que la empresa encuentre métricas convincentes para evaluar resultados, no solo adopción.

Reflexiones finales sobre la transformación de Uber

El impacto de la inteligencia artificial en el empleo

El recorte del 10% en atención al cliente muestra un cambio de fase: la IA ya no es solo una herramienta de apoyo, sino un argumento explícito para rediseñar equipos. En Uber, además, el ajuste se combina con una política de regreso a la oficina, lo que amplifica el impacto laboral: no solo se recorta, también se redefine dónde y cómo se trabaja.

El caso ilustra una tensión que se repite en el sector: la promesa de eficiencia convive con desplazamientos de roles, especialmente en funciones con tareas repetitivas y alto volumen de interacciones.

La necesidad de un enfoque equilibrado en la adopción de tecnología

La propia Uber reconoce que no se puede escalar IA sobre procesos fragmentados. Esa frase resume una lección más amplia: la automatización no sustituye la gestión; la exige. Sin métricas de retorno, disciplina presupuestaria y rediseño de procesos, la IA puede convertirse en gasto difícil de defender.

El equilibrio, entonces, no es solo entre humanos y máquinas, sino entre velocidad de adopción y capacidad de gobernanza: simplificar primero, medir después y ajustar con evidencia.

La transformación de la atención al cliente en la era de la inteligencia artificial

El impacto de la IA en la eficiencia operativa

Uber plantea que integrar mejor la IA permitirá simplificar operaciones y ganar eficiencia. En atención al cliente, esa eficiencia suele buscarse en automatización de flujos repetitivos y en una gestión más consistente de interacciones. El recorte sugiere que la empresa espera capturar parte de ese beneficio reduciendo estructura humana en el área.

Al mismo tiempo, el movimiento se acompaña de una reorganización más amplia: menos fragmentación interna para que la tecnología pueda escalar sin chocar con procesos dispersos.

IA en atención al cliente
Un marco simple para transformar atención al cliente con IA sin perder control (aplicable más allá de Uber):
1) Automatizar lo repetitivo (con límites claros)

  • Ideal para: clasificación de tickets, respuestas a FAQs, seguimiento de estado, recopilación de datos.
  • Límite: si hay impacto en dinero/seguridad/cuenta, definir reglas de escalación temprana.

2) Escalar a humano lo ambiguo o de alto riesgo

  • Señales típicas: cliente recontacta, el caso tiene excepciones, hay disputa, o el modelo “duda”.
  • Objetivo: que la IA reduzca carga, no que bloquee resolución.

3) Medir resultados (no solo adopción)

  • Métricas operativas: recontacto, tasa de escalación, tiempo de resolución, backlog.
  • Métricas de experiencia: satisfacción, quejas recurrentes, consistencia de políticas.
  • Métrica de negocio: costo por caso resuelto y ahorro neto vs. costo de herramientas.

Regla práctica: si automatizas pero suben recontactos o escalaciones, el problema suele estar en procesos/políticas fragmentadas, no en “falta de IA”.

Desafíos y oportunidades en la adopción de tecnología

La oportunidad es clara: productividad y simplificación. El desafío también: costos y medición. El hecho de que Uber agotara su presupuesto anual de IA en cuatro meses y buscara métricas para justificar el gasto muestra que la adopción puede desbordar la planificación.

En ese contexto, los recortes no solo responden a “automatización”, sino a una presión por hacer sostenible la apuesta tecnológica: gastar mejor, demostrar resultados y alinear estructura con prioridades.

Enfoque equilibrado en la atención al cliente

La atención al cliente es un termómetro de reputación. Si la IA se usa para absorber volumen sin degradar la experiencia, puede ser ventaja competitiva; si se implementa sobre procesos confusos o sin supervisión, puede amplificar fricciones. Uber parece haber tomado nota al insistir en que necesita una organización eficaz antes de escalar.

El desenlace dependerá de esa ejecución: simplificar, integrar IA con criterio y sostener un servicio que, para millones de usuarios, sigue siendo el punto de contacto cuando la tecnología falla.

Desde la mirada de Suricata Cx, la lección es clara: la IA funciona mejor cuando se integra sobre procesos bien gobernados y con humanos en el circuito, para escalar soporte sin fragmentación ni fricciones para el usuario.

Este análisis se apoya en patrones operativos habituales de atención al cliente (automatización de consultas repetitivas, escalamiento a agentes y necesidad de métricas) observados en implementaciones de CX omnicanal en telecom e ISPs, y en lo reportado por Bloomberg Línea sobre el caso de Uber.

Este texto se basa en información disponible públicamente al momento de su redacción sobre el recorte, su posible vínculo con IA y sus implicaciones operativas típicas en atención al cliente. Como Uber no ha publicado el tamaño total del área afectada, el 10% no puede traducirse aquí a una cifra absoluta. En asuntos de empleo y políticas internas, algunos detalles pueden ser incompletos o cambiar conforme surjan nuevas comunicaciones de la empresa.