Por Canuto  

General Motors despidió a alrededor de 600 empleados asalariados de TI, más del 10% del área, en una reestructuración que apunta a reemplazar perfiles tradicionales por talento con habilidades avanzadas en inteligencia artificial, datos, nube y desarrollo de agentes.
***

  • GM confirmó despidos que afectan a más del 10% de su departamento de TI, equivalentes a unos 600 empleados asalariados.
  • La empresa sigue contratando, pero ahora prioriza capacidades como desarrollo nativo en IA, ingeniería de datos, nube, modelos y prompts.
  • La reorganización refleja un cambio más amplio en grandes corporaciones: la adopción de IA implica rediseñar equipos, liderazgo y prioridades.

 

General Motors despidió a más del 10% de su departamento de tecnología de la información, una cifra cercana a 600 empleados asalariados, en lo que luce como un cambio deliberado de capacidades dentro de la empresa. La automotriz no solo está recortando personal, también está redefiniendo qué tipo de talento considera crítico para su siguiente etapa.

Según reportó TechCrunch, la compañía confirmó los despidos y los presentó como parte de una transformación interna de su organización de TI para prepararse mejor hacia el futuro. GM no ofreció detalles específicos sobre el alcance operativo de la medida, pero una persona familiarizada con el proceso aseguró que la empresa continúa contratando, solo que para funciones distintas.

El punto central de la reestructuración es la inteligencia artificial. GM busca ahora perfiles con experiencia en desarrollo nativo en IA, ingeniería de datos y analítica, ingeniería basada en la nube, desarrollo de agentes y modelos, ingeniería de prompts y nuevos flujos de trabajo construidos alrededor de IA.

En términos prácticos, la automotriz está priorizando profesionales capaces de crear sistemas de IA desde cero. Eso incluye diseñar arquitecturas, entrenar modelos y construir pipelines, no solo usar herramientas de IA como apoyo para elevar la productividad cotidiana.

Para lectores menos familiarizados con este tipo de transición, el cambio es relevante porque muestra una diferencia clave entre “usar IA” y “operar como una empresa nativa en IA”. Muchas organizaciones empezaron incorporando asistentes o automatizaciones sobre equipos existentes, pero el caso de GM apunta a un enfoque más profundo: rediseñar la plantilla con base en nuevas competencias.

Ese matiz importa también para sectores como software, finanzas y mercados digitales, donde el discurso sobre IA suele centrarse en eficiencia. La experiencia de GM sugiere que, en grandes corporaciones, la adopción real puede implicar una sustitución parcial de perfiles, una nueva estructura de liderazgo y una reasignación del presupuesto humano.

Una reestructuración que venía gestándose

Los despidos más recientes no aparecen como un hecho aislado. Durante los últimos 18 meses, GM ha recortado personal administrativo en varios departamentos mientras concentra recursos en iniciativas de alta prioridad, entre ellas la inteligencia artificial.

Un antecedente importante ocurrió en agosto de 2024, cuando la compañía redujo alrededor de 1.000 puestos de trabajo de software. Ese recorte ya había anticipado que GM estaba revisando de forma amplia su organización tecnológica, en vez de limitarse a ajustes menores o temporales.

La llegada de Sterling Anderson en mayo de 2025 también marcó un punto de inflexión. Anderson, cofundador de Aurora y veterano de la industria de vehículos autónomos, fue incorporado como director de producto, una posición desde la que impulsó cambios significativos en la estructura de software de la empresa.

Bajo su gestión, GM avanzó en la consolidación de negocios tecnológicos que antes estaban dispersos dentro del grupo. La idea fue integrarlos en una sola organización, algo que suele buscar más control estratégico, una ejecución más uniforme y una conexión más directa entre producto, software, datos e IA.

Ese proceso también vino acompañado de salidas relevantes. En noviembre pasado dejaron el equipo de software tres altos ejecutivos: Baris Cetinok, vicepresidente sénior de gestión de producto de software y servicios; Dave Richardson, vicepresidente sénior de ingeniería de software y servicios; y Barak Turovsky, exvicepresidente de Cisco que solo permaneció nueve meses como director de IA de GM.

La combinación de despidos, salidas ejecutivas y nuevas contrataciones dibuja una reorganización integral. No se trata únicamente de bajar costos, sino de sustituir experiencia que ya no encaja con el nuevo mapa tecnológico por perfiles alineados con la estrategia de IA de la compañía.

Qué habilidades busca ahora General Motors

La lista de capacidades más demandadas por GM ofrece una radiografía precisa del tipo de habilidades que hoy empiezan a pedir las grandes empresas. Entre ellas figuran el desarrollo nativo en IA, la ingeniería de datos y analítica, la ingeniería cloud, y la construcción de agentes y modelos.

También sobresalen la ingeniería de prompts y los llamados flujos de trabajo nativos de IA. Aunque estos conceptos se popularizaron en la ola reciente de inteligencia artificial generativa, en el ámbito corporativo implican procesos más complejos, integrados con datos internos, seguridad, automatización y escalabilidad.

En otras palabras, GM no parece buscar únicamente analistas que sepan usar chatbots o copilotos comerciales. La empresa está enfocada en contratar profesionales que puedan diseñar infraestructura, definir el comportamiento de sistemas autónomos y conectar modelos con operaciones reales del negocio.

Ese giro encaja con el momento actual de la industria automotriz. Los fabricantes ya no compiten solo en motores, diseño o cadena de suministro. También compiten en software, conducción asistida, autonomía, servicios conectados y sistemas internos que dependen cada vez más de datos y aprendizaje automático.

La contratación de Behrad Toghi, quien antes trabajó en Apple, como líder de IA, refuerza esa lectura. Lo mismo ocurre con la incorporación de Rashed Haq como vicepresidente de vehículos autónomos. Haq pasó cinco años en Cruise, la firma de conducción autónoma adquirida y más tarde cerrada por GM, donde fue jefe de IA y robótica.

Estas decisiones muestran que la empresa está concentrando conocimiento en áreas donde la IA no es un accesorio, sino una capacidad estructural. Para una automotriz global, eso puede influir tanto en los procesos internos como en el desarrollo de productos, software vehicular y programas de autonomía.

Lo que este caso dice sobre el mercado laboral en la era de la IA

La noticia de GM también funciona como una señal más amplia sobre el mercado laboral tecnológico. En el debate público, la inteligencia artificial a menudo se presenta como una herramienta que ayuda a los equipos existentes a trabajar mejor. Sin embargo, la experiencia de esta automotriz sugiere que, en algunos casos, la IA también redefine quiénes integran esos equipos.

La diferencia es importante porque cambia la conversación desde productividad hacia empleabilidad. Si una empresa decide que necesita ingenieros capaces de crear modelos, agentes o pipelines de datos a escala, algunos perfiles tradicionales de TI pueden perder peso incluso si aún cumplen funciones útiles en entornos anteriores.

Esto no significa que toda organización vaya a replicar la estrategia de GM. Cada industria tiene ritmos distintos, niveles desiguales de regulación y necesidades técnicas propias. Aun así, la reestructuración ofrece una imagen concreta de cómo luce la adopción empresarial de IA cuando pasa del discurso a las decisiones de plantilla.

También deja ver que las empresas grandes están afinando el tipo de experiencia que consideran prioritaria. La demanda parece desplazarse hacia habilidades más profundas y más cercanas a la construcción de sistemas, en vez de limitarse a conocimientos básicos de uso de herramientas generativas.

Para el ecosistema tecnológico y financiero, este tipo de movimientos suele ser seguido con atención porque anticipa tendencias de inversión y contratación. Si corporaciones del tamaño de GM redirigen presupuesto hacia IA, datos y nube, es probable que proveedores, startups y mercados laborales conectados aceleren esa misma dirección.

La reestructuración de GM, en suma, expone una realidad incómoda pero cada vez más visible. La adopción de inteligencia artificial en grandes empresas no siempre consiste en sumar nuevas herramientas sobre la estructura heredada. A veces implica desarmarla y volver a construirla alrededor de competencias distintas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados