Project OT: el plan de Meta para reemplazar equipos con IA

¿Qué era exactamente Project OT y por qué fracasó?

Project OT — Organization Transformation — era el plan de Meta para convertir a toda la compañía en una organización «nativa de IA», reduciendo hasta un 60% la cabeza de algunos equipos y dejando que agentes de inteligencia artificial asumieran buena parte del trabajo que hoy hacen miles de empleados. La segunda ronda de recortes, prevista para noviembre, nunca llegó: el propio Zuckerberg la canceló la noche del 19 de mayo, horas antes de hacer oficial la primera fase, según una investigación de Reuters publicada el 26 de agosto y basada en decenas de documentos internos y más de veinte personas con conocimiento del proyecto, recogida por Ars Technica y Engadget.

El plan se concibió en enero durante el retiro anual de liderazgo en Hawái. La hipótesis que lo sostenía —alineada con la corriente que circula en Silicon Valley desde 2023— era que una persona con acceso a IA equivale a varias sin ella, y que por tanto las empresas podían mantener o aumentar su producción con menos gente. Los ejecutivos de Meta citaban como referencia a startups asiáticas estructuradas en torno a IA, con "pods" de 3 a 5 personas generando más código en menos tiempo, según reportó Forbes a partir del mismo reportaje de Reuters.

¿Qué pasó el 20 de mayo y por qué la IA no rindió?

El 20 de mayo, Meta ejecutó la primera fase: aproximadamente el 10% de la plantilla fue despedida y unas 7.000 personas fueron reasignadas casi de un día para otro a proyectos de IA, de acuerdo con los datos confirmados por la propia compañía a Reuters. En ese momento, el movimiento no pareció excepcional: la industria llevaba meses usando la IA como justificación para reducir equipos, y los documentos internos citados por Reuters estiman que la IA justificó más de 12.000 despidos en toda la industria tecnológica en 2026, alrededor de un 8% del total registrado ese año.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Pero la segunda fase no llegó. La razón no fue ética ni estratégica: los agentes de IA no rindieron lo que se esperaba. Ya en marzo, los equipos de infraestructura de Meta alertaban de fallos de fiabilidad en el código generado por los agentes. En abril, un aviso interno describía acciones «a gran escala y disruptivas» ejecutadas por agentes que ningún humano habría aprobado, según la documentación a la que accedió Reuters y que recogió Engadget.

Los números que Reuters obtuvo de Meta son elocuentes:

Los cambios de código asistidos por IA crecieron un 220% interanual.
Las funciones nuevas o mejoradas que llegaron a usuarios solo subieron un 36%.
Los incidentes técnicos y de seguridad se incrementaron un 40%.
El tiempo que el personal dedicó a arreglar esos fallos creció un 70%.

Cuanto más código generaba la IA, menos mejoraba el producto final. La productividad prometida se había convertido en un agujero negro para los pocos humanos que quedaban supervisando a los agentes.

La rebelión interna y el fin del rastreo de teclado y ratón

Mientras los agentes fallaban, Meta instaló software en los equipos de empleados estadounidenses para rastrear pulsaciones de teclado y movimientos del ratón, con el objetivo declarado de entrenar agentes que imitaran el trabajo humano. La reacción fue inmediata: una petición para retirar el sistema MCI (Meta Capabilities Initiative) superó las 1.500 firmas, y los canales internos se llenaron de quejas, según Reuters. La aprobación de los empleados en la encuesta Pulse de Meta cayó del 74% al 55% —19 puntos en pocos meses, reportó PeopleMatters.

El gesto de apaciguamiento que Meta eligió tampoco funcionó: la compañía propuso un hackathon para levantar la moral. Según reportó Wired y recogió la fuente original, la mayoría de la plantilla lo percibió como una broma fuera de lugar. Algunos líderes de "pod" reconocieron no haber recibido formación para gestionar equipos pequeños, y varios ingenieros reasignados a tareas de entrenamiento de modelos describieron su nueva labor como "aburrida y mundana", de acuerdo con el reportaje de Forbes.

Lo que Zuckerberg reconoció en julio

En julio, Zuckerberg admitió ante su plantilla que el desarrollo de agentes de IA avanzaba más lento de lo esperado. Sus palabras, recogidas por Reuters: la "trayectoria del desarrollo agentico en al menos los últimos cuatro meses no se ha acelerado realmente como esperábamos", y la inversión de la compañía en agentes de IA "no ha dado sus frutos todavía". La empresa pausó el rastreo de teclado y ratón y permitió volver a sus puestos a algunos empleados reubicados. Reuters confirmó que Meta no ha abandonado del todo el plan: equipos pequeños asistidos por IA siguen operando en partes de la organización, y el gasto en infraestructura de IA continúa, con al menos US$130.000 millones comprometidos en chips e infraestructura para 2026, según analistas de LSEG citados por PeopleMatters.

Un dato fuera del reportaje de Reuters pero que ayuda a dimensionar el problema lo aporta Larridin, plataforma de medición de IA citada por Forbes: "el tiempo de revisión en equipos de ingeniería nativos en IA ha crecido cerca de un 30%" porque la generación más rápida de código crea más pull requests y diffs más grandes para el mismo número de personas. La métrica que se disparó en Meta —más código, menos producto, más incidentes— es la misma que Larridin está observando en otras organizaciones que despliegan agentes sin rediseñar el flujo completo.

¿Qué significa esto para tu startup?

El caso Meta no es solo una mala noticia para los empleados de una Big Tech: es un caso documentado con datos internos sobre lo que pasa cuando se acelera una sustitución de personas por IA antes de que la alternativa esté probada en producción real. Hay tres lecciones accionables para founders:

Mide productividad real, no velocidad de producción. Un aumento del 220% en código generado no sirvió de nada si las funciones que llegan al usuario solo crecieron un 36% y los incidentes subieron un 40%. Si vas a desplegar agentes en tu equipo, define de antemano qué métrica de impacto en producto vas a mirar —no cuántas tareas completa la IA.
No desmanteles capacidad humana antes de tener alternativa probada. El plan OT contemplaba reemplazar personas con IA supervisada por pods mínimos. La segunda fase se cayó, entre otras razones, porque los pods pequeños se vieron desbordados por fallos que nadie sabía arreglar. Para una startup más pequeña, el equivalente es dejar a un cliente sin soporte humano porque "la IA lo cubre" antes de haber validado que efectivamente lo cubre bajo carga real.
El cambio cultural importa tanto como la tecnología. El rastreo de teclado y ratón, la falta de formación para los nuevos roles de "pod lead" y el hackathon como respuesta a la caída de moral muestran lo que pasa cuando se trata un rediseño organizativo solo como un problema de效率. Stanford Social Media Lab y BetterUp Labs estimaron en un estudio de 2025 con 1.150 trabajadores que cerca del 40% de los knowledge workers recibieron "AI slop" en el último mes, con un coste aproximado de US$186 mensuales por empleado afectado —cerca de US$9M al año en una organización de 10.000 personas, según reportó Forbes. Si tu plan de IA no incluye cómo medir y contener ese coste, el ROI se evapora.

Conclusión

Project OT fija un punto de referencia incómodo para toda la industria: una compañía con US$201.000 millones de ingresos en 2025, US$130.000 millones para invertir en IA en 2026 y el mejor talento del sector no logró que sus agentes entregaran más valor del que destruían. La mayoría de empresas que están ejecutando variantes de este plan lo hacen sin publicar métricas internas. Meta no publicó las suyas voluntariamente: las publicó Reuters. El resultado más duradero de esta historia puede ser ese, un caso documentado disponible como referencia para quien quiera aprender de él antes de ejecutar su propia versión del experimento.