Zuckerberg admite que los agentes de IA de Meta van más lentos de lo previsto: el hype choca con la realidad

Por Reuters · 2 de julio de 2026.

Según una grabación de un town hall interno escuchada por Reuters, Mark Zuckerberg dijo a sus empleados que el desarrollo de agentes de IA en los últimos cuatro meses "no se ha acelerado como esperábamos". Añadió que la reorganización de la compañía —que incluyó recortes de empleo importantes— "no fue tan limpia" como podría haber sido, y que las apuestas hechas sobre la nueva estructura "todavía no han dado frutos". Meta proyecta gastar hasta 145.000 millones de dólares en infraestructura de IA este año, una porción significativa de los más de 700.000 millones que Big Tech destinará conjuntamente a la tecnología. El propio Zuckerberg dijo esperar beneficios más tangibles de esa inversión en los próximos tres a seis meses. En el mismo encuentro, el CTO Andrew Bosworth abordó por separado un incidente de seguridad con el software de rastreo de movimientos de ratón que la empresa usa para entrenar IA, confirmando que no se filtraron datos de empleados y que el programa, si se reactiva, será opt-in.

La noticia importa menos por lo que dice sobre Meta en concreto que por lo que revela sobre el estado real de la carrera de los agentes de IA en toda la industria. Durante los últimos dos años el relato dominante ha sido que los agentes autónomos —capaces de planificar, ejecutar tareas complejas y operar con mínima supervisión humana— estaban a la vuelta de la esquina, listos para reconfigurar procesos empresariales enteros. Que sea el propio CEO de una de las compañías que más dinero está volcando en esa apuesta quien admita públicamente, ante sus propios empleados, que el progreso no cumplió expectativas, es un dato valioso: pocas veces se obtiene esta honestidad sin filtrar del interior de un laboratorio de frontera.

En general, el sector de la IA vive tensionado entre dos velocidades: la de los benchmarks y demos, que avanzan con rapidez espectacular, y la de la integración real en flujos de trabajo productivos, que es mucho más lenta y accidentada. Los agentes que funcionan bien en un entorno controlado tropiezan con la variabilidad del mundo real: contextos ambiguos, sistemas heredados, necesidad de fiabilidad casi perfecta cuando se les delega autonomía. Meta no es la excepción; es probablemente la norma que otros gigantes prefieren no admitir en voz alta. La diferencia es que aquí tenemos la cita textual.

Hay además una dimensión humana que no debe pasarse por alto: los despidos vinculados a esa reorganización ya se ejecutaron, con el coste social que eso implica para las personas afectadas, mientras que los beneficios prometidos —la razón que en teoría justificaba el recorte— siguen sin materializarse según el propio Zuckerberg. Es exactamente el patrón que venimos señalando en nuestra cobertura sobre IA y empleo: las empresas actúan primero sobre la promesa de eficiencia, y la evidencia de que esa eficiencia llegó suele quedar rezagada meses o años. Quien pierde el empleo no recupera el tiempo aunque la tecnología termine cumpliendo.

Nuestra lectura es que este tipo de admisiones, lejos de ser una mala noticia para la tesis de fondo de la IA, son señal de madurez del sector: distinguir con nitidez entre lo que ya funciona y lo que todavía es aspiración es exactamente el ejercicio que defendemos frente al marketing desbordado. Que Meta siga comprometiendo 145.000 millones de dólares en infraestructura pese a resultados por debajo de lo esperado sugiere que la industria apuesta a un horizonte de varios años, no de trimestres, para que los agentes autónomos generen retorno consistente. Eso es compatible con nuestra tesis de fondo: la transición hacia una economía de abundancia impulsada por IA no será lineal ni rápida a corto plazo —habrá reestructuraciones dolorosas, promesas incumplidas en el calendario previsto y capital quemado en apuestas que tardan más de lo anunciado—, pero la dirección de la inversión, y la persistencia en ella incluso tras reconocer fricciones, es coherente con un salto de capacidad real que todavía está por llegar, no con una burbuja que se desinfla.

El episodio del rastreo de movimientos de ratón, aunque secundario en la nota, añade una capa incómoda: recuerda que parte de la infraestructura de datos con la que se entrenan estos sistemas se ha construido con métodos de vigilancia interna cuestionables, y que la respuesta —pasar a opt-in tras la polémica— llega solo después de la presión pública. Es un recordatorio de que la carrera por los agentes de IA no se libra únicamente en los laboratorios de modelos, sino también en las decisiones cotidianas sobre qué datos se recogen, de quién y con qué consentimiento.