GM despidió aproximadamente 600 empleados asalariados de TI esta semana — más del 10% de su departamento de TI — en lo que la compañía describe como una transformación hacia "desarrollo IA-nativo, ingeniería de datos y analítica, ingeniería basada en la nube, y desarrollo de agentes y modelos así como prompt engineering y nuevos flujos de trabajo de IA". Esta es la segunda purga similar en 18 meses; aproximadamente 1.000 trabajadores de software fueron despedidos en agosto 2024. Para cualquier observador del desplazamiento IA de cuello blanco pasando de tema de conversación a reestructuración estructural real, GM es uno de los estudios de caso a gran escala más claros hasta la fecha.
Los cambios netos de personal no se publicaron con el anuncio — GM dice que está contratando especialistas en IA pero no divulgó cuántos ni si la contratación de reemplazo iguala lo que se cortó. El encuadre es "reconstruir deliberadamente la fuerza laboral desde cero" en lugar de recapacitar al personal existente, lo que dice algo específico sobre lo que la compañía cree que el personal de TI existente puede aprender. El nuevo liderazgo confirma la dirección: Sterling Anderson como Chief Product Officer, Behrad Toghi como líder de IA, Rashed Haq como VP de vehículos autónomos. Las habilidades que se contratan están en el stack delantero — desarrollo de agentes, prompt engineering, dev de modelos, flujos de trabajo de IA — no los roles de mantenimiento e infraestructura que se cortan. La mayoría de los perfiles de habilidades de TI heredados (helpdesk, operaciones mainframe, equipos de aplicaciones .NET/Java, personalizaciones SAP, mantenimiento de herramientas internas) envejecen en heredado más rápido de lo que las compañías refrescan, y las herramientas de IA están acelerando ese envejecimiento. El encuadre de GM como posicionamiento futuro en lugar de reducción de costos está respaldado por el patrón de nuevo liderazgo, aunque los anuncios corporativos de indemnización siempre dicen eso.
El desplazamiento IA de cuello blanco ha estado "viniendo" durante dos años en la narrativa, pero los movimientos estructurales reales a escala Fortune 500 se han retrasado de la retórica. GM con 600 + 1.000 recortes es un movimiento real, y uno de los ejemplos más grandes de la industria automotriz. Stripe, Klarna, Salesforce, Dropbox, Meta han hecho reestructuras similares de varias escalas. El patrón emergente: las compañías no están reduciendo la dotación de ingeniería de manera transversal — la están remodelando. La capa de TI heredada (mantenimiento de sistemas, operaciones de infraestructura, gestión de aplicaciones) se contrae; la capa IA/agente (selección de modelos, diseño de prompts, orquestación de agentes, harneses de evaluación) crece. Para los constructores específicamente, la ventana de arbitraje de habilidades es real pero estrecha — "IA-nativo" significa saber lo que funciona en producción ahora, no haber leído los papers. Para todos los demás: esto no es "la IA reemplaza todos los trabajos" — es "la IA cambia qué trabajos de ingeniería existen", con presión de tiempo concreta sobre las personas en la columna heredada.
GM es el estudio de caso más visible del patrón en la industria automotriz en parte porque la compañía es lo suficientemente grande para ser medible, y en parte porque la fabricación de automóviles es una de las industrias de TI heredadas más profundas — décadas de sistemas de cadena de suministro, redes de concesionarios, sistemas de financiamiento, personalizaciones ERP apiladas unas sobre otras. Si la transformación de GM funciona, esperen movimientos similares en Ford, Stellantis, Toyota y proveedores Tier 1 (Bosch, Continental, ZF) en los próximos 18 meses. Si tropieza — lo que las transformaciones corporativas a menudo hacen — los síntomas a observar son interrupciones de sistemas de producción, fallas de TI de redes de concesionarios, retrasos en vehículos definidos por software. La señal que realmente importa no es el próximo anuncio de despido, es si la velocidad de productos de GM en vehículos definidos por software mejora o empeora en 12 meses. Las reestructuras de personal parecen exitosas en comunicados el día mismo; parecen exitosas en ciclos de envío de productos 12-18 meses después, o no lo parecen en absoluto.