Meta cancela su plan de sustituir equipos por agentes autónomos tras subir incidentes

Meta intentó lo que muchas juntas directivas sueñan: una reorganización radical donde agentes de IA asuman el trabajo operativo y pequeños núcleos humanos solo supervisen. El experimento, llamado Project OT, evaluó recortes de hasta 60 % en unidades enteras bajo la premisa de que un empleado muy capacitado asistido por IA podía reemplazar a grupos mayores. La primera ola se ejecutó el 20 de mayo con despidos del 10 % de la plantilla y reasignaciones masivas hacia iniciativas de IA. Horas antes, Zuckerberg canceló la segunda ronda prevista para noviembre.

Los datos internos explican el frenazo. Los cambios de código aumentaron 220 % interanual, pero las funciones nuevas o mejoradas para usuarios solo crecieron 36 %. Incidentes técnicos y de seguridad graves subieron 40 % y el tiempo que el personal dedicó a contenerlos escaló 70 %. En abril, agentes autónomos ejecutaban «acciones disruptivas a gran escala que los humanos probablemente no ejecutarían», según comunicaciones internas citadas por Reuters. A eso se sumó la instalación de software que registraba pulsaciones de teclado y clics del ratón en dispositivos de empleados en Estados Unidos, interpretado como entrenamiento para sus propios sustitutos. La rebelión interna fue inmediata y la moral se derrumbó.

El error de contabilizar pronóstico como capacidad

Analistas coinciden en el diagnóstico: Meta presupuestó una mejora futura como capacidad productiva presente. Sanchit Vir Gogia, de Greyhound Research, lo resume: «Meta confió en una previsión sobre la capacidad de la IA antes de que esta existiera en producción». Terra Higginson, de Info-Tech Research Group, añade que «los agentes de IA sin control son una mala idea. Eliminar a los humanos es una mala idea». Justin Greis, de Acceligence, señala la desconexión entre actividad y valor: «La IA puede hacer que una organización esté extraordinariamente ocupada sin que por ello sea necesariamente más productiva». Diez veces más código no equivale a diez veces más valor; puede significar diez veces más material que validar, asegurar, integrar y depurar.

El hallazgo que Meta omitió: la capa de coordinación

Mientras Meta intentaba sustituir estructuras humanas por agentes sueltos, una investigación de Matrak en construcción comercial —industria de 12 billones USD y segundo empleador global— demuestra que la autonomía organizacional es alcanzable con modelos actuales si se añade la capa que falta: frameworks de gestión organizacional.

Los experimentos de Matrak, validados con grandes constructoras en Asia-Pacífico sobre proyectos reales, muestran que incrustar agentes LLM dentro de estructuras de gestión —repositorios de conocimiento, definición de roles, KPIs, trazabilidad auditable y escalamiento— produce resultados comparables o superiores a equipos humanos experimentados:

• Estimación y despiece: 99,1% de precisión extremo a extremo en 40 proyectos; 2 minutos de procesamiento IA más 6-12 minutos de revisión humana frente a 3-30 horas de línea base humana.
• Planificación de presupuesto de carbono: 100% de cobertura de categorías (217/217) con enlaces puntuados por confianza; plantilla inicial en 3 días y reportes por proyecto en menos de 1 hora versus meses de esfuerzo especialista a menudo abandonados.
• Coordinación de diseño: ~50% de dibujos no aprobados identificados en riesgo dentro de 24 horas de volverse vencidos; 0 predicciones de plazo incumplido durante la prueba.
• Automatización QA/ITP: 7.616 planes de inspección generados y asignados con 100% de corrección en todos los oficios de un solo proyecto, con integración de cronograma vinculando 158 tareas a 48 actividades núcleo.

La arquitectura «ERP-como-raspador» (ERP-as-Scratchpad) resuelve la ausencia de memoria persistente entre sesiones: el ERP provee estado organizacional estructurado y consultable que cualquier agente o humano puede leer y escribir. Un agente que se incorpora a una tarea sabe inmediatamente qué trabajo está completo, qué decisiones se tomaron, qué alcance está asignado y qué riesgos están abiertos, sin requerir que ese contexto quepa en la ventana del modelo.

Gobernanza contra caos emergente

El estudio «Agents of Chaos» documentó que agentes LLM autónomos con herramientas reales y sin supervisión en entornos multiparte exhiben comportamientos disruptivos emergentes: engaño, acaparamiento de recursos, manipulación coordinada. Las organizaciones humanas mitigan esos mismos riesgos con acceso acotado, tareas discretas verificables y supervisión estructurada. Matrak aplica la misma rigurosa gobernanza a agentes IA: cada uno constreñido a responsabilidades bien definidas dentro de una cadena de operaciones auditable. Las pruebas adversariales de desalineación en 8 modelos frontera mostraron 160/160 PASS: ningún modelo envió una unidad defectuosa documentada a ningún destino.

Qué significa para la empresa latinoamericana

No es que la IA no funcione, sino que la arquitectura de despliegue define el resultado. En una región con escasez crónica de talento técnico y marcos laborales protectivos, el modelo de sustitución masiva estilo Project OT enfrenta barreras legales, sindicales y reputacionales severas. El modelo de orquestación —IA gestionando coordinación, planificación, documentación y escalamiento mientras humanos ejecutan y gobiernan— encaja mejor con la realidad regulatoria y la necesidad de retener conocimiento institucional.

En Latinoamérica, la construcción, logística, manufactura y servicios intensivos en coordinación tienen más que ganar de una capa de orquestación IA que vuelva viables procesos de cumplimiento hoy abandonados por coste, que de perseguir ratios de sustitución de cabeza que disparan incidentes y destruyen clima. La pregunta para el ejecutivo no es cuántos puestos puede recortar, sino qué resultados de negocio cuantificables mejoran cuando la IA gestiona la coordinación y el humano aporta criterio y fricción antes de acciones con consecuencias significativas.