- Meta exploró estructuras “AI native” capaces de operar con equipos de tres a cinco personas, frente a grupos tradicionales de entre 10 y 20.
- El volumen de cambios de código aumentó 220%, pero las mejoras que llegaron efectivamente a los usuarios crecieron solo 36%, según datos internos obtenidos por Reuters.
- Para el mercado publicitario, la lección no es que la IA “no funcione”, sino que automatización, productividad y valor de negocio están lejos de ser sinónimos.
Mark Zuckerberg quería que Meta dejara de ser una compañía que utiliza inteligencia artificial para convertirse en una organización construida alrededor de ella.
El proyecto tenía nombre: Project OT, por Organization Transformation. De acuerdo con una investigación especial de Reuters basada en documentos internos, grabaciones y conversaciones con más de 20 personas familiarizadas con el proceso, Meta evaluó estructuras donde agentes de IA absorberían una parte importante del trabajo cotidiano mientras equipos humanos considerablemente más pequeños supervisaban la operación.
Los escenarios más agresivos contemplaban reducir hasta 60% el tamaño de algunos equipos, aunque Meta aclaró a Reuters que esa cifra nunca correspondió al total de su plantilla y que los ejercicios incluían tanto despidos como reasignaciones y eliminación de vacantes.
El modelo organizacional también era distinto. Frente a grupos tradicionales de desarrollo de producto de entre 10 y 20 personas, el llamado “AI-Native Playbook” proponía pods de tres a cinco integrantes, con roles mucho más fluidos y especialistas compartidos entre diferentes equipos. En algunos casos desaparecerían títulos tradicionales como product manager, diseñador o ingeniero para dar paso a una figura genérica: el “builder”.
La promesa era seductora: menos estructura, menos coordinación y más velocidad. La realidad fue bastante más complicada.
La IA está cambiando algo más que las herramientas de marketing: está modificando cómo se estructuran equipos, campañas y decisiones. Únete a la Comunidad y accede a análisis que van más allá del anuncio tecnológico.
Cuando producir más dejó de significar ser más productivo
El dato más relevante del caso Meta no está en los despidos, sino en lo que ocurrió cuando la compañía comenzó a medir los resultados de esa automatización.
Según documentos internos revisados por Reuters, el uso de herramientas de IA provocó que los cambios de código realizados sobre plataformas e infraestructura interna aumentaran 220% interanual. Sin embargo, los cambios que finalmente se tradujeron en funciones nuevas o mejoradas para los usuarios crecieron solo 36%.
Es decir: la IA estaba multiplicando el output mucho más rápido que el outcome.
El problema fue todavía mayor en confiabilidad. Reuters reportó que los incidentes técnicos y de seguridad importantes —incluidas interrupciones de servicio y posibles filtraciones— aumentaron 40% respecto del año anterior, mientras que el tiempo empleado por los equipos para atender esas emergencias creció 70%.
La situación ayuda a entender por qué Zuckerberg terminó modificando el plan. Meta ejecutó en mayo una reducción equivalente a cerca de 10% de su plantilla, pero canceló la planificación de una segunda ola de reestructuración prevista para noviembre. Semanas después, Zuckerberg reconoció internamente que el desarrollo de agentes de IA no estaba avanzando a la velocidad que había anticipado.
Ahí está probablemente la parte más relevante para el ecosistema MadTech: una organización puede aumentar radicalmente la cantidad de cosas que produce sin mejorar en la misma proporción aquello que genera valor.
Y esa misma confusión empieza a aparecer en marketing.
Noé Silva
Pero esto no significa que la IA de Meta esté fallando en publicidad
Existe una diferencia importante que conviene no perder de vista.
Los problemas reportados corresponden principalmente a agentes autónomos utilizados para realizar trabajo complejo dentro de Meta. No son equivalentes a los algoritmos de ranking, optimización o generación creativa que utiliza su negocio publicitario.
De hecho, comercialmente ocurre algo casi paradójico.
En el segundo trimestre de 2026, Meta obtuvo $59,363 millones de dólares en ingresos publicitarios, 27% más que un año antes. Las impresiones aumentaron 14% y el precio promedio por anuncio creció 12%. La compañía atribuye parte de la evolución de su negocio central a sus sistemas de inteligencia artificial.
Meta también asegura que más de 8 millones de anunciantes utilizan al menos una de sus herramientas de generación creativa con IA, mientras continúa incorporando modelos como Muse Image a Advantage+ Creative.
La diferencia es relevante.
Seleccionar una audiencia, generar variantes creativas o ajustar una puja son problemas relativamente acotados, con enormes volúmenes de datos y objetivos que pueden medirse con CTR, conversiones, CPA o ROAS.
Coordinar personas, priorizar producto, interpretar excepciones, vigilar seguridad y tomar decisiones organizacionales es un problema mucho menos delimitado.
La IA funciona mejor cuando el objetivo está claramente definido y existe retroalimentación medible. El riesgo aumenta cuando la organización interpreta esa eficiencia como prueba de que el sistema puede asumir procesos completos sin supervisión.
Julieta Ruiz
El verdadero riesgo para agencias y marcas: confundir velocidad con eficiencia
El ecosistema publicitario ya está entrando en esa discusión.
IAB reportó en enero que 83% de los ejecutivos publicitarios encuestados ya utiliza IA dentro del proceso creativo, frente a 60% en su estudio anterior. Además, 64% identificó la reducción de costos como uno de los principales beneficios de la tecnología.
Pero existe una segunda estadística mucho menos cómoda: más de 70% de los profesionales de marketing consultados por IA había experimentado algún incidente relacionado con IA mientras menos de 35% planeaba aumentar su inversión en gobernanza o supervisión de integridad de marca.
Es exactamente la tensión que deja al descubierto el experimento de Meta.
Una agencia puede producir 200 variaciones creativas donde antes generaba 20. Un equipo de performance puede configurar campañas mucho más rápido. Un anunciante puede automatizar análisis, reportes y optimizaciones.
Nada de eso garantiza automáticamente mejores campañas.
Y entonces, ¿cuántas de esas acciones adicionales generan valor incremental después de considerar errores, retrabajo, supervisión, riesgo de marca y costo tecnológico?
Julieta Ruiz
Meta quiere llevar todavía más agentes al negocio publicitario
La paradoja es que Meta no está frenando su apuesta por los agentes.
En junio presentó Meta Business Agent, capaz de responder consultas, recomendar productos, calificar leads, programar citas e incluso cerrar ventas. La compañía afirma que más de un millón de empresas ya utilizan versiones de estos agentes en WhatsApp y Messenger.
Y el 19 de agosto dio otro paso: Meta AI comenzó a conectarse directamente con cuentas empresariales de Facebook e Instagram, campañas de Meta Ads y Google Workspace para analizar rendimiento, generar insights y ayudar a optimizar campañas.
Por eso Project OT no representa el final de la automatización.
Representa algo quizás más importante: el comienzo de una fase en la que las empresas tendrán que demostrar que sus agentes producen resultados y no solamente actividad.
Para el AdTech, esa diferencia puede convertirse en uno de los grandes temas de los próximos años.
La ventaja competitiva probablemente no estará únicamente en quién pueda generar más anuncios, modificar más campañas o desplegar más agentes. Estará en quién construya mejores sistemas de control, medición, gobernanza y escalamiento humano alrededor de ellos.
Las próximas ventajas competitivas no vendrán solo de adoptar IA, sino de saber medirla y gobernarla. Únete a la Comunidad para recibir análisis, tendencias y casos que ayudan a tomar mejores decisiones.
