El ERE de Amazon deja una lección clara: la IA está cambiando roles en e-commerce. Aprende qué automatizar, qué medir y cómo reorganizar tu operación.
ERE en Amazon: qué revela sobre IA y empleo retail
Amazon ha pactado un ERE en España con un impacto máximo de 920 personas (hasta 791 en Barcelona y 129 en Madrid), con 38 días por año trabajado y un tope de 24 mensualidades. El dato es contundente, pero lo realmente útil para quienes gestionan retail y e-commerce es el mensaje de fondo: la eficiencia operativa ya no se discute, se ejecuta, y la IA está en el centro de esa reconfiguración.
A pocos días de Navidad (y con el pico de devoluciones a la vuelta de la esquina), muchas compañías siguen pensando que “automatizar” es poner un chatbot y listo. La realidad es otra: la IA está cambiando qué equipos necesitas, dónde los necesitas y cómo mides productividad. Y cuando una organización de la escala de Amazon ajusta estructura en áreas como soporte a proveedores o perfiles técnicos de datos y seguridad, conviene leerlo como caso de estudio: no para copiar, sino para aprender.
Lo que me interesa de esta noticia no es el morbo del recorte. Es la lección práctica: si tu modelo de operación no se rediseña con IA, lo hará la presión de costes, la competencia o el mercado. En esta entrega de la serie IA en Comercio Minorista y E-commerce, lo bajamos a tierra con implicaciones, ejemplos y un plan de acción.
Qué sabemos del ERE y por qué importa al e-commerce
El punto clave: Amazon reduce plantilla mientras el negocio crece. Según la información publicada, la compañía registró 18.213 millones de euros de beneficio neto en el tercer trimestre, un +38,2% interanual, con ingresos de 154.879 millones (+13,4%). Cuando una empresa gana más y aun así recorta, normalmente está optimizando estructura, no “sobreviviendo”.
En Barcelona, el ERE afectaría a aproximadamente el 28% de la oficina (unos 2.800 empleados), con impacto en puestos de atención/asesoramiento a proveedores y perfiles técnicos relacionados con datos y seguridad. También se contempla la recolocación de más de 100 personas dentro del grupo y un permiso retribuido hasta el 28/02.
Esto importa al e-commerce por tres razones directas:
- El soporte a vendedores/proveedores es un coste grande en marketplaces y operaciones omnicanal. La IA reduce ese coste si está bien implementada.
- Datos y seguridad ya no son “equipo back office”: son infraestructura para automatizar decisiones (pricing, inventario, fraude, personalización).
- La productividad se mide por proceso, no por “tareas humanas”. Cuando un proceso se automatiza, el organigrama cambia.
Frase para quedarse: si la IA automatiza el flujo, el trabajo “alrededor del flujo” deja de justificar su tamaño.
La automatización no elimina trabajo: elimina fricción (y reordena roles)
La idea incómoda: en retail digital, una parte importante del empleo se fue acumulando para tapar grietas del sistema. Tickets manuales, revisiones humanas repetitivas, conciliaciones, revisiones de catálogo, control de incidencias… Ese trabajo existe porque la operación genera fricción.
La IA bien aplicada hace dos cosas a la vez:
- Reduce fricción (menos errores, menos idas y vueltas, menos tiempos muertos).
- Desplaza el valor hacia funciones de mayor impacto (estrategia comercial, calidad de datos, control de riesgos, experiencia de cliente).
Dónde se nota más en e-commerce y marketplaces
En el día a día, los recortes suelen aparecer donde la IA puede absorber volumen con calidad aceptable:
- Atención a sellers/proveedores: autoservicio guiado, agentes de IA para incidencias, análisis automático de causas, plantillas inteligentes.
- Operaciones de catálogo: detección de duplicados, clasificación, enriquecimiento, compliance de fichas.
- Riesgo y fraude: scoring en tiempo real, detección de patrones, revisión priorizada.
- Devoluciones y postventa (muy estacional en diciembre-enero): triage automático, predicción de motivos, prevención de devoluciones.
Esto no significa “menos personas siempre”. Significa menos personas haciendo lo mismo y más personas haciendo lo que la IA no puede cerrar sola: negociación, creatividad comercial, gestión de excepciones complejas, y gobernanza.
La señal estratégica: eficiencia con IA incluso con resultados récord
El dato de negocio (beneficio e ingresos al alza) combinado con un ajuste global (se habla de 14.000 puestos a nivel mundial) sugiere una estrategia clara: convertir costes fijos en costes variables y automatizar la toma de decisiones repetibles.
En retail y e-commerce, esta estrategia se traduce en cuatro movimientos muy concretos:
1) IA para “cerrar el circuito” (no solo recomendar)
Muchas empresas se quedan en recomendadores y segmentación. Lo rentable es cerrar el circuito:
- predices demanda →
- ajustas inventario →
- optimizas reposición →
- recalculas precio/promos →
- actualizas mensajes y atención →
- mides margen y rotación.
Cuando ese circuito se automatiza, el trabajo humano pasa a ser supervisión, mejora y excepciones.
2) Autoservicio para proveedores y equipos internos
Si vendes en marketplace o gestionas muchos proveedores, el cuello de botella suele ser la interacción humana: “¿por qué me bloquearon la ficha?”, “¿por qué subió la tasa de defectos?”, “¿qué me falta para habilitar X?”.
Un enfoque moderno usa:
- bases de conocimiento vivas (actualizadas por señales reales de tickets)
- agentes de IA que guían pasos y recogen evidencia
- enrutamiento inteligente: solo llega a humano lo que de verdad lo requiere
Resultado: menos volumen de soporte, mejor tiempo de resolución y más consistencia.
3) Datos y seguridad como producto
Que aparezcan perfiles de datos y seguridad en la noticia es un recordatorio: sin gobernanza de datos no hay IA sostenible. Y sin seguridad, una automatización mal controlada se vuelve un problema reputacional y legal.
En e-commerce, los fallos típicos:
- modelos entrenados con datos incompletos (inventario “fantasma”)
- sesgos que afectan precios o promociones
- automatizaciones que permiten fraude o abuso
- exposición de información sensible en flujos de soporte
La solución no es “más burocracia”. Es tratar datos y seguridad como producto: SLAs, owners, auditoría y trazabilidad.
4) Reubicación y rediseño organizativo
La recolocación interna de más de 100 personas muestra algo relevante: las compañías no solo recortan, mueven talento hacia áreas con retorno (automatización, analítica, plataformas internas, eficiencia logística).
Si eres retailer (incluido México) y estás adoptando IA, este es el patrón razonable:
- reducir carga operativa repetitiva
- crear “equipos núcleo” de automatización y operaciones
- formar perfiles híbridos (negocio + datos)
Qué puede aprender un retailer en México (sin tener presupuesto de gigante)
La serie IA en Comercio Minorista y E-commerce suele hablar de recomendación, predicción de demanda y gestión de inventarios en México. Esta noticia suma un ángulo más: la IA también es un proyecto de estructura de trabajo.
Tres aprendizajes prácticos que sí aplican a un retailer mediano:
1) Empieza por procesos que generan tickets y excepciones
Si hoy tu equipo se la pasa apagando fuegos, ahí hay ROI.
- catálogo (altas, atributos, imágenes)
- devoluciones
- cambios de precio
- incidencias de entrega
- disputas con proveedores
Un primer paso realista:
- clasifica los tickets por motivo
- mide volumen, coste y tiempo
- automatiza los top 3 con flujos guiados + IA (resumen, propuesta, acciones)
2) Pon métricas que castiguen la fricción, no solo el volumen
Muchas operaciones premian “tickets resueltos”. Eso incentiva respuestas rápidas, no soluciones.
Métricas que ayudan de verdad:
- First Contact Resolution (resolución al primer contacto)
- % de casos que vuelven a abrirse
- tiempo total hasta resolución (no solo primera respuesta)
- tasa de devoluciones prevenibles
- margen por pedido (con devoluciones incluidas)
Cuando mides fricción, la IA se convierte en herramienta de mejora continua.
3) Forma a la gente para operar con IA, no para competir con ella
El error típico es comprar herramientas y no cambiar hábitos. El cambio útil es simple:
- quien atendía tickets pasa a diseñar macros, prompts, reglas y QA
- quien “subía catálogo” pasa a gestionar calidad de datos y excepciones
- quien analizaba en Excel pasa a orquestar dashboards y alertas
La IA no sustituye al criterio; sustituye lo que no requiere criterio.
Preguntas frecuentes (las que aparecen en juntas de verdad)
¿La IA explica por sí sola los ERE en e-commerce?
No. Los ERE suelen responder a una mezcla de eficiencia, reorganización, prioridades y presión global. Lo que sí es claro es que la IA acelera la capacidad de operar con menos fricción, y eso reduce la necesidad de ciertos roles tal como estaban definidos.
¿Qué roles crecen cuando automatizas retail y e-commerce?
Crecen roles de operaciones de IA, calidad y gobernanza de datos, seguridad, analítica de negocio, diseño de procesos, y gestión de proveedores con enfoque en performance.
¿Cuál es el mayor riesgo al automatizar soporte o catálogo?
Automatizar sin control. Si no hay revisión, trazabilidad y límites, puedes escalar errores: fichas incorrectas, reclamaciones, malas prácticas de devolución o vulnerabilidades.
Próximos pasos: una hoja de ruta de 30 días
Si estás en retail o e-commerce y quieres que la IA mejore eficiencia sin desorden organizativo, yo arrancaría así en enero (después del pico de devoluciones):
- Mapa de fricción: top 10 motivos de ticket + top 10 errores de catálogo.
- Piloto en 2 procesos: uno de atención (triage + respuestas asistidas) y otro de catálogo (validación/enriquecimiento).
- Gobernanza mínima: responsables de datos, revisión de outputs, registro de decisiones.
- Métricas semanales: tiempo total a resolución, tasa de re-apertura, devoluciones prevenibles.
La señal que deja el ERE de Amazon es incómoda, pero útil: la eficiencia impulsada por IA ya está reescribiendo el trabajo en e-commerce. Tu ventaja no es “tener IA”, es diseñar una operación donde la IA haga el trabajo repetible y tu equipo se concentre en lo que mueve margen y lealtad.
Si este 2026 quieres preparar tu operación para ese escenario, la pregunta no es si automatizar, sino qué proceso vas a automatizar primero y cómo vas a cuidar a tu gente en la transición.