Meta frenó su plan para reemplazar 60% de equipos con IA

Por qué Project OT nació y qué buscaba exactamente

A comienzos de enero, Mark Zuckerberg y su equipo senior se reunieron en su complejo en Hawái y diseñaron Project OT (Organization Transformation), un plan para convertir a Meta en una empresa «AI native». La idea, según documentos internos revisados por Reuters y replicados por The Next Web, era usar agentes de IA para ejecutar gran parte del trabajo diario que hoy hacen miles de empleados y dejar a pequeños grupos «talent-dense» supervisando a esos trabajadores virtuales.

El plan contemplaba dos olas de recortes: la primera en mayo y la segunda en noviembre. Combinaba despidos, cierre de vacantes abiertas y salidas por bajo desempeño. Una ejecutiva de RR.HH. llegó a proyectar una poda tan grande o más que la del 25% que Meta ejecutó tres años atrás, según un documento interno citado por The Next Web. La estructura objetivo, descrita en un playbook interno titulado AI-Native Playbook, reducía los equipos de producto de 10 a 20 personas a pods de 3 a 5; fusionaba ingeniería, diseño y producto bajo el título único de builder; eliminaba capas de management medio y fijaba las prioridades diarias mediante «agent-assisted analysis». Para junio, al menos 11 unidades de Meta habían adoptado esa estructura, reportó Reuters.

Meta confirmó la existencia del plan y el escenario del 60%, aunque aclaró que esa cifra aplicaba sólo a «ciertos equipos» y que nunca estuvo sobre la mesa recortar 60% de toda la compañía. La portavoz agregó que el ejercicio «resultó en mover a miles de empleados a trabajo prioritario en equipos recién formados» y que no se avanzó con todos los escenarios planteados.

🤖 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

Las cifras que hundieron el plan

La primera ola se ejecutó: el 20 de mayo, Meta despidió a unas 8.000 personas, alrededor del 10% de su plantilla, y reasignó a unas 7.000 a funciones de IA en la misma semana, según Reuters. La segunda ola, prevista para noviembre, fue cancelada la noche del 19 de mayo, horas antes de que se anunciaran los despidos de la primera, en una reunión entre Zuckerberg y ejecutivos senior reportada por The Next Web.

La decisión de frenar llegó tras una autopsia interna con números incómodos. Andrew Bosworth, director de tecnología de Meta, publicó en junio una radiografía recogida por Reuters que muestra la brecha entre lo que la IA producía y lo que efectivamente llegaba a los usuarios:

Cambios de código en plataformas internas e infraestructura: +220% interanual.
Funciones nuevas o mejoradas que llegaron a usuarios: +36% interanual.

La brecha no se quedó en el dashboard. Publicaciones internas advertían desde marzo sobre señales de alerta de confiabilidad, y un post de abril alertaba que agentes de IA sin suficiente supervisión estaban tomando «acciones disruptivas a gran escala que los humanos difícilmente ejecutarían». Reuters reportó que los incidentes técnicos y de seguridad mayores —incluidas disrupciones de servicio y posibles filtraciones de datos— subieron 40% interanual, mientras el tiempo dedicado a apagar esos incendios creció 70%.

El episodio se hizo visible fuera de Meta en junio, cuando hackers explotaron el bot de soporte al cliente potenciado por IA de la compañía para acceder a cuentas de Instagram de alto perfil, incluida la cuenta inactiva de la Casa Blanca de Obama.

El factor humano: encuestas, lawsuits y resistencia interna

Los datos técnicos no fueron el único frente. La moral cayó en paralelo: el puntaje de favorabilidad de la encuesta semestral Pulse de Meta bajó de 74% a 55%, según la información recogida por Reuters. Los empleados empezaron a llenar foros internos con críticas, fotos de elefantes en respuesta a posts de ejecutivos y mensajes temiendo que estaban entrenando a sus propios reemplazos. Un plan para instalar software de monitoreo en dispositivos de empleados estadounidenses —diseñado para capturar pulsaciones de teclado y movimientos del mouse con el fin de entrenar agentes de IA— enfureció a la plantilla y terminó siendo pausado en junio, reportó The Next Web.

La situación escaló a los tribunales. En julio, 26 exempleados presentaron una demanda colectiva en el Distrito Norte de California alegando que Meta usó herramientas internas de IA —incluido un sistema apodado «Metamate», agentes «second-brain» entrenados por empleados, monitoreo de pulsaciones de teclado y dashboards de consumo de tokens de IA— para puntuar y seleccionar candidatos a despido. Según la demanda, esos criterios penalizaban a trabajadores con discapacidades o de licencia médica, ya que sus patrones de actividad digital eran naturalmente más bajos. Ars Technica, Forbes e IBTimes cubrieron la presentación, y Reuters destacó que podría ser la primera acción legal de este tipo contra una gran empresa tecnológica estadounidense. Meta rechazó las acusaciones con un comunicado: «Las decisiones de gestión de personal las toman personas, no IA».

En un town hall de julio, el propio Zuckerberg reconoció —según reportó Engadget— que «la trayectoria del desarrollo agentic en al menos los últimos cuatro meses no se ha acelerado de la forma que esperábamos», aunque dijo que sigue esperando beneficios dentro de tres a seis meses.

Qué significa esto para tu startup

El caso de Meta no es una curiosidad de una big tech con presupuesto para equivocarse: es el experimento más documentado hasta la fecha sobre qué pasa cuando una organización prioriza volumen de output de IA por encima de valor entregado. La lección debería importarle a cualquier founder que esté metiendo agentes de IA en su stack hoy.

Mide outcome, no output. El 220% más de código que Meta generó no se convirtió en features: sólo el 36% llegó al usuario. Si tu dashboard de productividad premia commits, PRs mergeados o líneas escritas, estás incentivando exactamente lo que Meta descubrió: mucho ruido, poco producto. Reorienta los KPIs a métricas de usuario —retención, activación, revenue por feature— y úsalas como vara para evaluar cualquier herramienta generativa.
La velocidad de generación superó a la velocidad de comprensión. Un estudio longitudinal de 2026 citado por IBTimes (Annie Vella y Kelly Blincoe) encontró que el 82% de los ingenieros profesionales reportó pasar menos tiempo escribiendo código y más tiempo en «supervisory engineering work»: dirigir, evaluar y corregir lo que la IA produce. Si tu equipo está generando más PRs de los que alcanza a revisar con criterio, el cuello de botella dejó de ser la producción y pasó a ser el review.
AI-assisted no es AI-made, pero la ley ya está mirando. Meta niega tajantemente que la IA haya decidido los despidos, pero igual enfrenta una demanda por uso de herramientas asistidas por IA en decisiones de personal. Para un founder, el mensaje es claro: cualquier sistema que uses para evaluar desempeño, candidatos o reestructuras necesita trazabilidad humana documentada. Lo que parece automatización puede terminar siendo un problema legal en jurisdicciones como California, Nueva York o la Unión Europea.
No subestimes el costo cultural. En la Pulse de Meta, la favorabilidad cayó 19 puntos en seis meses. Cuando una compañía del tamaño y los recursos de Meta no logra contener la ansiedad interna de una reorganización AI-driven, una startup mucho más pequeña lo va a pasar peor. Cambiar cómo trabaja tu equipo necesita comunicación clara, tiempo de transición y, sobre todo, no instalar software de monitoreo sin explicar antes por qué.
Planifica en escenarios, no en cifras únicas. Meta pensó en términos de «60% de recorte en ciertos equipos» y eso filtró a la prensa antes de estar listo. Trabaja los escenarios de workforce planning en privado, comunica rangos en vez de metas y nunca uses un número maximalista como ancla interna: el mercado, los empleados y los jueces lo van a leer.

Mientras tanto, Meta confirmó que invertirá al menos US$130.000 millones este año en chips e infraestructura de IA, y su segundo trimestre cerró con 75.472 empleados reportados, una cifra que todavía incluye las salidas de mayo según RuntimeWire, citado por The Next Web. El número que zanjará la discusión —cuántas funciones de producto llegaron efectivamente a los usuarios por dólar gastado en IA— es el que Meta dejó de publicar. Mientras no se publique, vale más mirar qué fecha de lanzamiento tuvo cada feature que cuántos PRs se abrieron.