Meta abandona Google Chat por Slack para que sus empleados usen agentes de IA, incluso los de sus rivales

Por Zendoric · 3 de septiembre de 2026.

Meta va a sustituir Google Chat por Slack como herramienta de comunicación interna a partir de este mes. La orden, según un memo interno atribuido a Alexandr Wang —jefe de inteligencia artificial de la compañía y responsable de Meta Superintelligence Labs—, no responde a una mejora de mensajería: responde a agentes. Así lo han revisado y contado Business Insider y The Information; Meta no lo ha confirmado de forma oficial.

El memo es explícito: describe a Slack como "la plataforma más fuerte disponible hoy para agentes" y da tres motivos —una interfaz conversacional pensada para interactuar con bots, herramientas de desarrollador maduras y una red de integraciones de terceros (abreviadas como 3P, de third-party) ya construida. Business Insider añade el matiz que importa: el valor no está en lo que Slack hace por sí sola, sino en la cantidad de agentes externos que ya se conectan a ella sin fricción.

El propio documento reconoce que hoy no todo el mundo en Meta construye agentes de IA. Aun así, defiende que toda la organización se beneficiará de tener por defecto un ecosistema de agentes robusto. Es una apuesta de infraestructura, no un capricho de un equipo concreto.

El cambio de criterio es lo más revelador del caso. Según The Information, la primera vez que Meta comparó Google Chat y Slack, ambas ofrecían funciones parecidas y ganó Google Chat. En la segunda comparación, el desempate no lo puso la mensajería: lo puso el ecosistema de agentes conectables. Slack ha ganado terreno no por ser mejor chat, sino por ser mejor puerto de entrada para inteligencia artificial de terceros.

Ese papel se ha reforzado este verano. El 20 de agosto de 2026, Salesforce lanzó Slack Code, un espacio dentro del chat donde equipos humanos y agentes de programación —Claude Code de Anthropic, Devin de Cognition, GitHub Copilot, ChatGPT y agentes de Vercel— colaboran sobre la misma tarea, disponible en todos los planes sin restricción de nivel de suscripción. En paralelo, Slack ya funciona como centro de mando para desarrolladores: canales por proyecto conectados a GitHub, GitLab, Jira o Jenkins, avisos automáticos de despliegues y errores, y comandos de ChatOps para desplegar código, consultar métricas o aprobar cambios sin salir del chat.

Lo más llamativo es a quién deja entrar Meta en su propia casa. La compañía compite de forma directa por construir el mejor modelo a través de Meta Superintelligence Labs, el laboratorio que dirige el propio Wang. Y aun así, el memo que lleva su firma elige una plataforma cuyo mayor atractivo es que conecta, entre otros, con el agente de programación de Anthropic y con ChatGPT. Es una separación de capas que va a marcar los próximos años: una cosa es quién gana la carrera del modelo más capaz, y otra muy distinta quién controla la capa de orquestación por la que ese modelo llega al empleado. Ganar la primera no garantiza ganar la segunda, y Meta parece haberlo asumido puertas adentro antes que hacia fuera.

Esto también deja mal parado a Google. Workspace ha intentado vender a Gemini como el agente nativo del correo y el chat corporativo, pero aquí pierde la partida frente a un rival que ni siquiera fabrica un modelo de frontera propio: Salesforce se impone no por capacidad de IA, sino por apertura e integraciones acumuladas. En general, es el mismo patrón que se repite en la competencia por los estándares de agentes: el valor se desplaza hacia quien controla la fontanería —permisos, conectores, flujos de trabajo— más que hacia quien tiene el modelo más listo en el laboratorio.

A corto plazo esto no resuelve nada de lo difícil: sigue sin haber gobernanza clara sobre qué puede hacer sin supervisión un agente conectado a Jira o a un pipeline de despliegue, ni sobre quién responde cuando ese agente falla en producción. El propio memo admite que no todas las personas dentro de Meta construyen agentes todavía; la migración es una apuesta sobre lo que vendrá, no la descripción de algo que ya funciona a gran escala. Pero la dirección del movimiento encaja con la tesis de fondo: si los agentes logran integrarse en el flujo de trabajo real —y no solo en demostraciones— la próxima ola de productividad no saldrá de un modelo mejor, sino de infraestructuras como esta, que dejan que el mejor agente disponible, sea de quien sea, absorba lo rutinario y libere tiempo humano para lo que de verdad exige criterio.