Meta puso humanos en llamadas del agente IA Muse: 98% éxito

Qué pasó: humanos discretos en las llamadas de Muse

Meta llevaba semanas probando una función oculta dentro de su agente de IA Muse, lanzado el 8 de septiembre: un "concierge humano" que permitía a operadores entrenados tomar el control de llamadas telefónicas que, en principio, debía hacer la propia IA. La información, adelantada por Reuters y replicada por Gizmodo y Techspot, se basa en mensajes internos a los que tuvo acceso la agencia.

El flujo era simple en apariencia: el usuario pedía a Muse algo como reservar una cita en una peluquería, consultar si un producto estaba en stock o pedir un presupuesto a un contratista. Si la IA tropezaba, el sistema podía transferir la solicitud a un operador humano, que completaba la llamada en tiempo real. El problema central, según reconocieron los propios empleados de Meta, es que la transición estaba lejos de ser obvia para quien estuviera al otro lado del teléfono: muchas empresas receptoras simplemente cuelgan en cuanto la voz se identifica como una IA.

La cifra clave: 95-98% de éxito con humanos

Los datos internos que Meta compartió con su propio personal son elocuentes: cuando el agente humano entraba en juego, las llamadas se completaban con éxito entre el 95% y el 98% de las veces. Cuando el agente IA intentaba la llamada completa sin ayuda, la tasa caía a un nivel "más bajo", sin que la compañía haya dado la cifra exacta en público, según Yahoo Finance/Reuters.

🤖 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

Un empleado de Meta documentó el caso concreto: al pedir a Muse que llamara a su aseguradora, la compañía colgó reiteradas veces tras descubrir que no hablaba con una persona. Ante esa barrera, la intervención humana dejó de ser un complemento opcional y se volvió, en la práctica, la única forma de cerrar el servicio en muchos escenarios. La brecha entre ambas tasas es, según Yahoo Finance, la mejor evidencia pública hasta ahora del límite real de los agentes IA conversacionales cuando el interlocutor es un humano que puede colgar.

El incidente racista y el retroceso de Meta

Lo que terminó de forzar el retroceso fue un caso que se filtró en conversaciones internas: un empleado pidió a Muse que negociara una bajada en su factura de internet y cable, y al revisar la transcripción descubrió que el contratista humano había hecho un comentario racista durante la llamada, según Reuters. Una vicepresidenta del Superintelligence Labs de Meta se disculpó con el empleado y confirmó que el operador ya no volvería a trabajar en proyectos de la compañía.

La ejecutiva reconoció además, en un comunicado recogido por Gizmodo, que iniciar las pruebas con operadores humanos sin avisos claros de transparencia fue "una falta". La función fue revertida, aunque Meta dejó la puerta abierta a retomarla más adelante. El portavoz Daniel Roberts insistió en que el feedback de los empleados había sido "abrumadoramente positivo" y que seguirían refinando el sistema antes de cualquier lanzamiento público.

No es la primera vez: Facebook M, Nate, Amazon y Presto

El patrón de "IA por fuera, humanos por dentro" tiene varios antecedentes conocidos en tecnología. Techspot recordó cuatro ejemplos que cualquier founder debe tener en mente:

Facebook M (2015-2018): el asistente lanzado por Meta ya dependía de contratistas humanos para completar la mayoría de las tareas. Reportes estimaron que alrededor del 70% de las solicitudes las terminaron personas antes del cierre del proyecto.
Nate (2021): la app de compras que aseguraba automatizar compras con IA. El Departamento de Justicia de EE.UU. acreditó que cientos de trabajadores en Filipinas y Rumanía completaban manualmente entre el 60% y el 100% de las transacciones durante parte de 2021.
Amazon Just Walk Out (2022): la tecnología de tiendas sin cajeros dependía de más de 1.000 personas en India revisando transacciones. Reportes dijeron que unas 700 de cada 1.000 compras requerían revisión humana, aunque Amazon disputó las cifras.
Presto Automation (2023): la firma de drive-thru con IA para restaurantes reveló que cerca del 70% de los pedidos necesitaba intervención humana remota, incluso desde Filipinas.

Lo peculiar del caso Muse, reconoció Techspot, es que Meta está hablando del problema en voz alta en lugar de ocultarlo. Pero si el producto se promociona como una IA que llama por ti, el usuario final tiene derecho a saber cuándo la persona al otro lado es realmente una IA y cuándo es alguien en un call center.

Qué significa esto para tu startup

El episodio de Muse muestra tres cosas que cualquier founder que esté construyendo, vendiendo o integrando agentes de IA tiene que internalizar:

1. La autonomía total todavía no es viable en interfaces conversacionales. Si tu producto depende de llamar a negocios o hablar con personas reales, asume que un porcentaje significativo de tus tareas va a requerir fallback humano. La brecha del 95-98% con humanos مقابل (versus) una tasa "más baja" solo con IA, ahora pública, debe entrar en tu modelo de coste. Comunícalo al usuario antes de que él lo descubra por su cuenta.

2. La transparencia ya no es opcional. Una vicepresidenta de Meta reconoció que arrancar pruebas con humanos sin avisar fue "una falta". Si estás probando funciones human-in-the-loop, deja claro en la interfaz quién está hablando o actuando en cada momento. La regulación europea (AI Act) y la presión regulatoria en varias jurisdicciones latinoamericanas van en esa dirección, y los consumidores están cada vez más atentos a quién atiende del otro lado.

3. Construye el control de calidad humano desde el día uno. El incidente racista en la llamada de cable no fue una rareza: cuando sumas humanos terceros a un flujo "autónomo", heredas también sus fallos y riesgos legales. Implementa revisión aleatoria de transcripciones, métricas de calidad por agente y cláusulas de rescisión inmediata con los proveedores que fallen, igual que harías con cualquier outsourcing crítico.

Acción concreta para tu roadmap: añade una capa explícita de human-in-the-loop a tu agente, con métricas separadas de éxito cuando actúa solo y cuando delega en humanos. No la escondas: intégrala al producto como una ventaja ("resolvemos lo que la IA no puede") y documenta los casos con cifras, como acaba de hacer Meta con el 95-98%. Los inversores, los usuarios y los reguladores van a pedírtelo tarde o temprano. Da el paso antes que nadie.