Block y el recorte del 40%: cuando la IA deja de ser herramienta y se convierte en estructura operativa
Block Inc., la fintech detrás de Square y Cash App, anunció el 26 de febrero de 2026 un recorte de más de 4.000 puestos, cerca del 40% de su plantilla global de tiempo completo (10.205 personas a diciembre de 2025), con ejecución prevista para el final del segundo trimestre fiscal de 2026. En los comunicados, el argumento no fue ambiguo: la IA ya permite que equipos más pequeños sostengan “cuerpos de trabajo” significativos, según explicó su CFO y COO, Amrita Ahuja, en una entrevista exclusiva. Jack Dorsey, CEO de Block, lo formuló con una idea operativa: equipos más pequeños y más planos habilitan una forma distinta de construir y operar una compañía.
El mercado leyó el movimiento como una mejora inmediata de eficiencia: la acción subió más de 23% en operaciones posteriores al cierre tras el anuncio. Pero ese salto de precio no explica la mecánica real. Si uno mira el negocio como mira una estructura, el recorte no es un “ajuste de gastos”; es un rediseño de carga: qué trabajo sostiene a qué producto, con qué densidad de talento, y con qué costo recurrente. Block está afirmando que su nueva viga maestra es la IA —incluido un modelo propio, “goose”— y que el edificio puede sostenerse con menos columnas humanas.
La decisión no se justifica con narrativa, se justifica con capacidad instalada
Ahuja atribuyó el punto de inflexión a 18 meses de saltos en capacidades de IA, y a partir de ahí la frase clave es “confianza”: confianza para creer que equipos más pequeños pueden ejecutar trabajo relevante. En términos de arquitectura organizacional, eso significa que Block cree haber convertido una parte del trabajo —antes intensivo en coordinación, redacción, soporte, análisis, pruebas y desarrollo— en capacidad instalada de software.
Dorsey, por su parte, encuadró el recorte como una intervención de una sola vez para evitar rondas repetidas, que erosionan moral, foco y confianza. Ese detalle importa porque revela un criterio de ingeniería: si se decide recalcular el edificio, se prefiere un rediseño integral en vez de “parches” sucesivos que dejan zonas inestables. También dijo que mantendría canales abiertos (correo y Slack) para despedidas, y que haría una sesión de video con empleados. No es un dato menor; es evidencia de que incluso en un recorte con lógica de eficiencia, la fricción humana existe y se gestiona como parte del sistema.
Lo más interesante es la explicitación del “por qué ahora”. Block ya había recortado 931 puestos en 2025 (8% de la fuerza laboral), y en ese momento la explicación fue desempeño y estrategia, no reemplazo por IA. En 2026, el mensaje cambia: la IA pasa de promesa a motor de reconfiguración del trabajo. Ese cambio de lenguaje es, en sí mismo, un indicador de madurez interna: cuando una organización está lista para rediseñar roles, equipos y jerarquías alrededor de automatización, deja de hablar de experimentos y empieza a hablar de plantilla.
Un recorte masivo también es una confesión de fricción en el modelo de rentabilidad
Block reportó más de 10.000 millones de dólares de ganancia bruta en 2025, un 17% más interanual. Crecer ganancia bruta y aun así ejecutar un recorte cercano al 40% deja un mensaje operativo: el problema no era demanda, era conversión de escala en margen. En el briefing se menciona que Block “va por detrás” en rentabilidad frente a pares como Visa, Mastercard y Shopify, con márgenes brutos menos de la mitad. Sin entrar en comparaciones no cuantificadas, la dirección es clara: el mercado ya no premia “más volumen con más gente”; premia más ganancia por unidad de estructura.
Aquí la IA funciona como palanca de dos movimientos simultáneos. Primero, reduce costo laboral directo e indirecto. La estimación citada en el briefing —a modo de orden de magnitud— sugiere que eliminar 4.000 roles con salarios promedio de 100.000 dólares podría recuperar alrededor de 400 millones anuales de nómina, aunque el propio análisis advierte que los costos de IA (centros de datos, tokens de razonamiento, operación, entrenamiento) pueden capturar una fracción relevante del ahorro. La lectura correcta no es “IA reemplaza y listo”, sino “IA cambia la frontera de costos”: parte de lo que era costo fijo humano pasa a ser costo tecnológico que puede escalar de manera distinta, pero no gratis.
Segundo, y más importante, la IA recorta el costo menos visible: coordinación. En empresas que crecen rápido, el organigrama suele engordar por capas de gestión, revisiones, dependencias y procesos. Dorsey habló de equipos “más planos”; eso suele apuntar a eliminar capas que no producen directamente producto, ventas o resiliencia. Si la IA realmente reduce el tiempo de producción y documentación, también reduce la necesidad de intermediación. Y cuando baja la intermediación, una organización puede intentar operar con menos “pasillos” y más “habitaciones conectadas”.
La pregunta estratégica —sin necesidad de formularla como pregunta— es si Block está rediseñando procesos o solo achicando plantilla. Josh Bersin, citado en el briefing, sostiene que la IA rara vez elimina empleos sin reingeniería; aumenta productividad individual, pero el recorte llega cuando se reconfigura el sistema. Block, al menos por su comunicación, está diciendo que sí reconfiguró lo suficiente como para ejecutar el golpe.
La pieza crítica es el encaje: IA, producto y canal deben alinearse o el edificio vibra
Un recorte de esta magnitud en una fintech que opera productos masivos como Square y Cash App abre una tensión: mantener ritmo de innovación con menos personas. En un plano estructural, el riesgo no es “hacer menos”, es “dejar sin soporte” una carga esencial: atención al cliente, seguridad, cumplimiento, integridad de pagos, prevención de fraude, fiabilidad del producto. En pagos, los errores no son bugs simpáticos; son pérdidas, reclamos, sanciones y fuga.
Por eso el detalle del modelo propio “goose” importa más de lo que parece. No por el nombre, sino por la intención: cuando una empresa desarrolla o adapta un modelo, busca que la IA se ajuste a su contexto, datos, flujos y políticas. En términos mecánicos, intenta fabricar una pieza a medida en vez de atornillar un componente genérico. Aun así, el riesgo se desplaza: ya no es solo “capacidad humana”, sino gobernanza del modelo, control de calidad, entrenamiento, monitoreo, seguridad y sesgos operativos. Un LLM no es un empleado; es una máquina que requiere mantenimiento, pruebas, límites y auditoría.
En el briefing se cita otro punto relevante: el costo de operar IA avanzada puede aproximarse a una fracción importante del costo de personal. Esto hace que el resultado no dependa de “tener IA”, sino de dónde se aplica. La IA aplicada a tareas de alto volumen y baja ambigüedad tiende a generar retornos claros. La IA aplicada a ingeniería “de alto contexto y no lineal”, como advierte Bersin, puede acelerar partes del trabajo, pero no elimina la necesidad de criterio, arquitectura, pruebas y responsabilidad. Si Block recorta estructura sin rediseñar la asignación de IA por tipo de trabajo, corre el riesgo de crear zonas de fatiga: menos gente absorbiendo incidentes, lanzamientos y deuda técnica.
Lo que Block está intentando, leído con frialdad, es un acto de atomización interna: equipos más pequeños con mandatos más claros, apoyados por IA, evitando el patrón de “todos le dan servicio a todo”. Cuando eso funciona, se ve en dos métricas duras: ciclos de entrega más cortos sin caída de calidad, y margen operativo que mejora sin deterioro de retención ni aumento de pérdidas por fraude. Cuando no funciona, se ve rápido: más interrupciones, más escalaciones, más costos por incidentes, y una organización que vuelve a contratar para tapar agujeros.
La señal para el mercado: la plantilla deja de ser el medidor de ambición
El salto de 23% en la acción tras el anuncio muestra apetito por eficiencia. Pero confundir reacción bursátil con salud del modelo es un error común: el precio responde a expectativas, no a ejecución confirmada. La ejecución real se evaluará en el trimestre siguiente y, sobre todo, en la continuidad: capacidad de mantener crecimiento de ganancia bruta y mejorar rentabilidad sin degradar productos.
Dorsey justificó el movimiento como forma de evitar recortes repetidos y su daño a la confianza. Esa es una decisión de gobernanza, no solo de finanzas. Recortar varias veces suele equivaler a operar con planos incompletos: cada intervención revela que el cálculo inicial era insuficiente. Hacer un recorte grande de una vez es un rediseño más agresivo; reduce incertidumbre futura para la organización, pero eleva el riesgo de haber retirado una columna portante sin detectarlo.
En el sector, Block no está sola. El briefing menciona el contexto de despidos en tecnología y casos como Amazon en enero de 2026 reduciendo capas. Hay un patrón: empresas que crecieron con la lógica “contratar para crecer” migran a “producir más con menos”, empujadas por presión de márgenes y por la disponibilidad de IA aplicada a trabajo de oficina. El matiz es que no todas las compañías tienen el mismo tipo de trabajo. Fintech combina software, regulación y riesgo transaccional. El margen no se compra solo con líneas de código más rápidas; se sostiene con control y confianza.
Si Block logra que su IA absorba trabajo repetitivo, documentación, soporte interno, análisis de tickets, partes de desarrollo y testing, puede liberar talento senior para decisiones de producto y seguridad. Si no logra esa redistribución, el recorte transforma a la IA en una excusa contable y a los equipos restantes en amortiguadores de incidentes.
La tesis operativa es simple y exigente: la IA no puede ser un barniz; debe convertirse en estructura, con procesos y límites, o la empresa cambia costo humano por costo de caos.
La mecánica que definirá si Block ganó o solo adelgazó
El anuncio de Block tiene una lectura dura: la compañía afirma que ya puede operar con menos gente porque su IA —incluido “goose”— elevó productividad lo suficiente para sostener trabajo relevante con equipos más pequeños. También tiene una lectura más profunda: Block está intentando convertir su organización en un sistema con menos fricción, menos capas y más trabajo “directo a producto”, porque su rentabilidad no está a la altura de la escala de su ganancia bruta.
El éxito no se medirá por el número de despidos ejecutados, sino por la estabilidad del edificio tras retirar masa. Si la estructura queda bien calculada, se verá en mejora de márgenes y en continuidad de innovación sin degradación de riesgos operativos. Si queda mal calculada, aparecerán grietas: más fallas, más costos ocultos y una vuelta a la contratación que anula el supuesto ahorro.
Las empresas no fallan por falta de ideas, fallan cuando las piezas de su modelo —propuesta, costos, equipo y ejecución— no encajan con precisión para producir valor medible y caja sostenible.
