Los analistas cuestionan la costosa y fragmentada estrategia de IA de Meta

Meta ha puesto en circulación otro producto de IA pese a las crecientes críticas de que su estrategia sigue sin tener un eje claro. La cobertura más reciente de Google News recoge el conflicto: Meta puede financiar más experimentos que casi cualquier rival, pero los analistas aún tienen dificultades para identificar su producto de IA definitorio.

Esta tensión importa porque la experimentación en Meta tiene ahora un precio extraordinario. La empresa prevé gastos de capital de entre 125.000 y 145.000 millones de dólares en 2026. También está reorganizando equipos, contratando investigadores costosos, desarrollando modelos, mejorando sistemas publicitarios e introduciendo agentes para consumidores.

El resultado puede parecer menos una estrategia coordinada y más varias apuestas que compiten por prioridad. Google tiene Gemini y su distribución mediante búsquedas. Microsoft tiene Copilot y su software empresarial. OpenAI tiene ChatGPT. Meta cuenta con un alcance social inigualable, pero todavía no ha establecido una razón igualmente clara para que la gente elija Meta AI.

El titular de Google News refleja un problema más amplio de Meta

Calificar el enfoque de Meta como “espaguetis contra la pared” es provocador, pero la preocupación de fondo es precisa: la actividad no equivale automáticamente a enfoque estratégico.

Meta persigue modelos fundacionales, asistentes para consumidores, sistemas de recomendación, automatización publicitaria, gafas inteligentes, herramientas para creadores, mensajería empresarial y agentes autónomos. Estos proyectos pueden compartir infraestructura, pero no necesariamente comparten un mismo cliente ni una misma vía de ingresos.

La expresión surgió cuando la actividad más reciente de Meta en IA atrajo nueva atención en Google News. Describe a una empresa que prueba muchas interfaces posibles mientras espera que el comportamiento de los usuarios revele cuál merece una inversión mayor.

Este enfoque no es irracional. Los mercados de IA están cambiando demasiado rápido como para que una empresa pueda predecir con confianza cuál será la interfaz final. El chat de texto, los asistentes de voz, los dispositivos wearables, los agentes sociales y el software que completa tareas siguen siendo puntos de entrada plausibles.

Meta también dispone de suficiente flujo de caja para ejecutar varios experimentos simultáneamente. Su consolidada operación publicitaria puede respaldar largos ciclos de investigación que desbordarían a una empresa más pequeña.

Sin embargo, la escala eleva el estándar de prueba. Un experimento de producto modesto puede juzgarse por lo que enseña. Un programa de capital medido en cientos de miles de millones exige pruebas de que las lecciones producirán valor económico duradero.

La cartera de productos de Meta no ha aportado una respuesta sencilla. Su asistente de IA aparece en WhatsApp, Instagram, Facebook, Messenger, una aplicación independiente y la web. Ese alcance genera exposición, pero la exposición no es lo mismo que la preferencia.

Un usuario que se encuentra con un botón de IA dentro de un servicio existente no necesariamente ha elegido Meta AI. La distinción importa cuando la dirección presenta la distribución como una ventaja competitiva.

El lanzamiento de Meta en julio de nuevas capacidades similares a agentes ilustra la estrategia. La empresa afirmó que sus funciones Muse y Spark permitirían a Meta AI realizar acciones en lugar de limitarse a devolver texto. Las herramientas comenzaron a llegar a mercados seleccionados a través de la aplicación Meta AI y meta.ai, según el lanzamiento de funciones de agentes.

Ese lanzamiento ofrece a Meta otra oportunidad para convertir su grafo social en una ventaja de IA. También introduce otra superficie que necesita un propósito claro, un rendimiento fiable y un uso recurrente.

La interpretación escéptica es que Meta sigue lanzando interfaces porque ninguna experiencia individual ha consolidado el liderazgo. La interpretación favorable es que la empresa está probando dónde encaja la IA personal antes de que el mercado se estabilice.

Ambas lecturas solo pueden seguir siendo plausibles durante cierto tiempo. Con el tiempo, el uso y los ingresos deberán distinguir la exploración de la deriva.

El gasto de Meta eleva el coste de la incertidumbre

La mayor presión de Meta no procede de una falta de recursos. Procede de la brecha cada vez mayor entre su inversión y la visibilidad de su retorno.

Meta informó ingresos de 56.310 millones de dólares en el primer trimestre de 2026, un 33 por ciento más que el año anterior. El beneficio neto alcanzó los 26.770 millones de dólares, según los resultados del primer trimestre. Estas cifras muestran por qué la empresa puede financiar un programa de IA inusualmente agresivo.

El mismo informe elevó el gasto de capital previsto para 2026 a entre 125.000 y 145.000 millones de dólares. Meta atribuyó el aumento principalmente al mayor coste de los componentes, además de un incremento del gasto en centros de datos.

El extremo superior es más que una partida presupuestaria. Presiona a la dirección para explicar qué productos requieren esa infraestructura y cómo esos productos mejoran la economía de Meta.

Algunos retornos ya aparecen dentro del negocio publicitario. El aprendizaje automático puede mejorar las recomendaciones de contenido, la clasificación de anuncios, la generación de creatividades y el rendimiento de las campañas. Mejores recomendaciones pueden aumentar el tiempo dedicado a las aplicaciones de Meta, mientras que una mejor segmentación puede elevar el valor de una impresión.

Estas mejoras tienen relevancia económica. También complican el debate porque mezclan nuevas inversiones en IA generativa con sistemas que han respaldado el negocio de Meta durante años.

Un clúster de infraestructura podría entrenar un nuevo modelo fundacional, atender a un asistente, mejorar una herramienta publicitaria o respaldar recomendaciones. Los inversores no pueden separar fácilmente el gasto de mantenimiento de la capacidad especulativa.

La propuesta independiente de Meta AI sigue siendo menos visible. El analista de Bloomberg Intelligence Mandeep Singh observó que la aplicación no había generado una interacción comparable a la de los principales competidores, como se resume en un análisis de los retornos de la inversión en IA.

Esta debilidad importa porque la aplicación independiente es la prueba más clara de demanda voluntaria. Los usuarios que la abren deliberadamente aportan una evidencia más sólida que quienes se encuentran con un asistente dentro de Instagram o WhatsApp.

Por tanto, Meta debe demostrar dos propuestas diferentes. Primero, la IA debe seguir mejorando sus productos publicitarios y sociales existentes. Segundo, sus nuevos servicios para consumidores deben resultar lo bastante útiles como para respaldar un negocio o una posición estratégica diferenciada.

La primera propuesta ayuda a defender los ingresos actuales. La segunda pretende justificar el lugar de Meta en la próxima plataforma informática.

Por eso, el debate en Google News va más allá de la metáfora de un analista. El mercado se pregunta si Meta está construyendo un sistema de IA integrado o financiando múltiples proyectos sin una jerarquía definida.

Los inversores ya han mostrado sensibilidad ante el asunto. Las acciones de Meta cayeron más de un 6 por ciento en las operaciones extendidas tras sus resultados de abril, pese a que los ingresos y beneficios superaron las expectativas.

La reacción de la acción no demuestra que la estrategia sea errónea. Muestra que los sólidos beneficios actuales ya no cierran el debate sobre el gasto futuro.

Meta también está reduciendo plantilla mientras dirige más recursos hacia la infraestructura y el talento especializado en IA. Esa combinación intensifica la presión interna. Los equipos fuera de los grupos de investigación más favorecidos deben competir por capacidad de cómputo, personal y atención ejecutiva.

Para los empleados, la respuesta obligada es la priorización. Para los inversores, es un calendario de retorno más claro. Para la dirección, es un producto que conecte un gasto enorme en infraestructura con un comportamiento que pueda medirse.

El verdadero rival de Meta es la coherencia estratégica

La competencia central no es simplemente Meta contra Google u OpenAI. Es la promesa de Meta de una superinteligencia personal frente a su realidad de producto aún fragmentada.

Mark Zuckerberg ha planteado el objetivo a largo plazo como una superinteligencia personal para miles de millones de personas. Esa expresión sugiere un asistente que comprende a cada individuo, funciona en distintos contextos y realiza acciones útiles.

Los activos de Meta encajan con esa ambición. Facebook, Instagram, Messenger y WhatsApp contienen conexiones sociales, conversaciones, intereses, comunidades, empresas y creadores. Las gafas inteligentes añaden una interfaz física que puede ver y oír desde la perspectiva del usuario.

Pocas empresas pueden combinar tanta distribución con contexto de consumo. Meta informó que 3.560 millones de personas utilizaron al menos una de sus aplicaciones a diario en marzo de 2026.

La distribución puede resolver el descubrimiento, pero no puede resolver la confianza ni la calidad del producto. Un agente personal debe comprender las solicitudes de forma fiable, conservar el contexto, gestionar permisos y actuar sin generar consecuencias no deseadas.

La empresa también debe decidir cómo encajan sus componentes. ¿Es la aplicación independiente el destino principal? ¿Es WhatsApp la interfaz conversacional? ¿Son las gafas Ray-Ban Meta la futura capa de hardware? ¿Los agentes de Instagram son principalmente herramientas para creadores? ¿Los agentes empresariales son una extensión de la mensajería?

Cada respuesta puede respaldar la misión más amplia. Presentarlas todas a la vez hace que la misión sea más difícil de evaluar.

La ruta de Google es más fácil de describir. Gemini se conecta con las búsquedas, Android, Workspace, los servicios en la nube y los sistemas de conocimiento existentes de Google. Microsoft vincula Copilot con el software de trabajo y Azure. OpenAI generó demanda directa entre los consumidores con ChatGPT antes de expandirse hacia agentes y herramientas empresariales.

Los productos establecidos de Meta no fueron diseñados en torno a un asistente. La empresa debe insertar la IA en servicios que ya tienen identidades y patrones de interacción sólidos.

Esto crea el riesgo de abundancia de funciones sin cambio de comportamiento. Los usuarios podrían generar una imagen en un chat o hacer una pregunta rápida sin adoptar Meta AI como su asistente predeterminado.

La aplicación independiente tenía el propósito de hacer esa elección más explícita. Sin embargo, entró en un mercado saturado donde la gente ya asociaba la asistencia de propósito general con ChatGPT, Gemini, Claude o Perplexity.

La respuesta de Meta ha sido enfatizar su ventaja social. Un asistente personalizado podría basarse en intereses y relaciones a los que los chatbots convencionales no pueden acceder. Los agentes sociales también podrían interactuar con creadores, grupos y empresas.

Esta idea plantea importantes cuestiones de privacidad y seguridad. El contexto que mejora la personalización suele ser el mismo que los usuarios consideran sensible.

Meta debe establecer límites de permisos que la gente común pueda entender. También debe evitar que un agente trate las preferencias inferidas como instrucciones confirmadas.

La necesidad de un contexto fiable hace que la gestión personal del conocimiento sea relevante más allá de las propias aplicaciones de Meta. Cada vez más, las personas necesitan una forma de conservar información útil mientras controlan lo que un asistente puede recuperar. Una base de conocimiento personal ofrece un modelo para esa separación.

Meta aún no ha demostrado que su contexto social produzca un asistente consistentemente mejor. Hasta que lo haga, su ventaja de distribución seguirá siendo una oportunidad más que una barrera competitiva demostrada.

Este conflicto entre promesa y realidad es la razón principal por la que los lanzamientos dispersos atraen críticas. Cada nueva función amplía la superficie de la promesa. Pocas han reducido hasta ahora la incertidumbre sobre el producto final.

La experimentación puede funcionar, pero Meta necesita un mecanismo de selección

Probar muchos productos solo es defendible cuando Meta puede identificar a los ganadores, cerrar los proyectos débiles y reasignar recursos sin confundir a los usuarios.

Las empresas tecnológicas utilizan habitualmente experimentos paralelos para descubrir nuevos comportamientos. La propia historia de Meta respalda ese método. Su transición a los dispositivos móviles, la inversión en vídeo de formato corto y el desarrollo de sistemas de recomendación requirieron años de iteración.

La IA introduce todavía más incertidumbre. Las capacidades de los modelos pueden cambiar en cuestión de meses, la infraestructura se encarga con años de antelación y las expectativas de los consumidores cambian tras cada lanzamiento importante.

Un plan rígido generaría su propio riesgo. Meta podría elegir una interfaz demasiado pronto y perder la forma que los usuarios acaben prefiriendo.

La cuestión crucial es el mecanismo de selección. Una estrategia experimental necesita criterios medibles para decidir qué merece ampliarse.

Para un asistente de consumo, esos criterios deberían ir más allá de los registros o la exposición forzada. Entre las medidas útiles se incluyen el uso semanal voluntario, la realización repetida de tareas, las acciones exitosas, la retención tras la curiosidad inicial y la migración entre las superficies de Meta.

Los productos de agentes necesitan una evaluación más estricta. Un chatbot puede producir una respuesta imperfecta que el usuario ignora. Un agente que envía un mensaje, modifica una reserva o interactúa con una empresa puede generar consecuencias reales.

Meta debe medir la finalización de tareas junto con las correcciones, las revocaciones y los fallos de permisos. Una alta interacción significaría poco si los usuarios tienen que reparar con frecuencia el trabajo del agente.

La integración de productos también necesita un modelo coherente. Los usuarios deberían entender si Meta AI mantiene una identidad única entre WhatsApp, Instagram, las gafas y la aplicación independiente. Deberían saber qué información circula entre esos servicios.

Sin esa claridad, cada superficie adicional aumenta la carga cognitiva. La misma función puede comportarse de forma distinta según dónde la encuentre el usuario.

La estructura organizativa importa tanto como la interfaz. Meta creó Meta Superintelligence Labs después de que su programa de IA afrontara dudas sobre el progreso de los modelos y el liderazgo. También realizó una importante inversión en Scale AI y contrató a su fundador, Alexandr Wang.

La operación con Scale AI fue valorada en 14.300 millones de dólares en 2025. Dio a Meta una gran participación en una empresa conocida por sus servicios de datos e infraestructura de evaluación, al tiempo que incorporó a Wang a su liderazgo de IA.

Ese movimiento señaló urgencia. También planteó preguntas sobre cómo coexistiría la nueva organización con los equipos de investigación y producto ya establecidos.

Una cartera interna puede funcionar cuando cada grupo posee una capa diferenciada. Un equipo podría desarrollar modelos de frontera, otro podría crear sistemas de evaluación y los grupos de producto podrían adaptar esas capacidades para públicos específicos.

Los problemas comienzan cuando los grupos persiguen modelos superpuestos, compiten por el mismo cómputo o reciben prioridades cambiantes. La reorganización pasa entonces a sustituir la selección de productos.

Meta ya ha vivido turbulencias visibles. Diversos informes han descrito reestructuraciones de equipos, salidas, despidos y disputas sobre la asignación de recursos. Cierta disrupción es esperable tras un gran reajuste estratégico, pero los cambios repetidos pueden ralentizar el trabajo que pretenden acelerar.

El historial de modelos abiertos de la empresa añade otra decisión sin resolver. Llama dio a Meta influencia entre los desarrolladores porque las organizaciones podían descargar y adaptar sus modelos bajo la licencia de Meta.

Una estrategia propietaria más sólida podría mejorar el control y respaldar la diferenciación para consumidores. También podría reducir el apoyo de desarrolladores externos que ayudó a Llama a volverse relevante.

Meta no necesita tratar los modelos abiertos y cerrados como opuestos absolutos. Sí necesita explicar qué capacidades lanzará, cuáles reservará y cómo cada decisión respalda la misma estrategia de producto.

La alternativa es una colección de decisiones individualmente razonables que apuntan en direcciones distintas. Esa es la condición que los críticos describen como tirar espaguetis a la pared.

Por tanto, los lectores de Google News deberían separar la metáfora de la cuestión operativa. El problema no es la experimentación en sí. El problema es la experimentación sin reglas visibles de convergencia.

Lo que la crítica de los “espaguetis” no demuestra

La presentación desordenada de Meta no demuestra que sus inversiones en IA estén fracasando, pero la empresa no ha aportado suficientes pruebas para descartar la preocupación.

La versión más dura de la crítica supone que cada producto ya debe mostrar ingresos directos. Ese estándar ignora cómo maduran las inversiones en infraestructura e investigación.

La capacidad de entrenamiento encargada hoy puede respaldar modelos y productos lanzados mucho más tarde. Los equipos de investigación también generan mejoras que se extienden a las recomendaciones, los sistemas de integridad, la publicidad y las herramientas de contenido.

El actual rendimiento empresarial de Meta aporta pruebas de que sus inversiones más amplias en aprendizaje automático generan valor. Los ingresos crecieron un 33 por ciento interanual en el primer trimestre de 2026, mientras que las ganancias superaron las expectativas de los analistas.

Esos resultados no aíslan el efecto de Meta Superintelligence Labs. Sí muestran que la empresa no está financiando la IA desde una base en colapso.

Los defensores también señalan la distribución de Meta. La empresa puede poner una nueva función ante miles de millones de personas sin pagar a otra plataforma por el acceso.

Esa ventaja se vuelve más importante si los asistentes evolucionan hasta convertirse en herramientas de comunicación cotidianas. Meta ya opera los lugares donde se producen muchas conversaciones sociales y comerciales.

Las gafas inteligentes crean otra vía creíble. Un asistente que puede responder a lo que ve una persona ofrece una experiencia distinta a la de un chatbot abierto en un portátil.

Estas fortalezas hacen prematuro declarar derrotada la estrategia de Meta. La empresa puede permitirse iterar, posee interfaces importantes y cuenta con un negocio rentable que se beneficia de la IA independientemente de cualquier asistente independiente.

Sin embargo, esas ventajas pueden fomentar una disciplina débil. La distribución barata puede hacer que un producto parezca adoptado cuando los usuarios simplemente se lo encuentran. Un gran flujo de caja puede mantener vivo un programa poco claro más tiempo del que podría una empresa más pequeña.

El negocio publicitario también puede ocultar la economía de la investigación de frontera. Si las mejoras en las recomendaciones compensan parte del gasto, la dirección puede afirmar que hay avances sin demostrar si sus modelos más recientes son competitivos.

Los críticos recuerdan Reality Labs por esta razón. Meta mantuvo un compromiso largo y costoso con la realidad virtual y aumentada pese a la limitada adopción por parte de los consumidores. Su paciencia produjo hardware e investigación útiles, pero también generó enormes pérdidas operativas.

La IA difiere del metaverso porque ya mejora los productos principales de Meta. También tiene una demanda a corto plazo más clara en el mercado en general.

Aun así, la comparación histórica afecta a la confianza de los inversores. La dirección debe demostrar que la IA tiene ciclos de retroalimentación más sólidos, un aprendizaje de producto más rápido y una asignación de recursos más disciplinada.

La acusación de los “espaguetis” también corre el riesgo de aplanar proyectos distintos en una única categoría. Los algoritmos de recomendación, la publicidad generativa, los modelos fundacionales, los dispositivos ponibles y los agentes persiguen objetivos diferentes.

Una función independiente fallida no eliminaría las ganancias en publicidad. Una herramienta publicitaria exitosa no demostraría que Meta ha creado un asistente personal líder.

La evaluación correcta mantiene separados esos resultados. Meta debería recibir reconocimiento donde existan resultados empresariales medidos y escrutinio donde el caso de producto siga sin verificarse.

Los analistas de Morningstar han descrito el negocio principal como saludable, al tiempo que advertían que el aumento del gasto de capital y los rendimientos inciertos de la IA generativa pesan sobre la tesis de inversión. Según el análisis del gasto de capital de la firma, su análisis planteó la preocupación como el retorno de recuerdos sobre el gasto experimental anterior de Meta.

JPMorgan también rebajó la calificación de Meta en 2026, citando una visibilidad limitada sobre la cartera de productos de IA. Ese lenguaje es importante. La objeción no es que Meta no tenga tecnología. Es que los observadores externos no pueden conectar la cartera con una rentabilidad suficientemente clara.

Meta puede responder a esa crítica con pruebas, no con otro eslogan. Necesita resultados comparativos de modelos, retención duradera de productos, fiabilidad de los agentes y una explicación más clara de los retornos de infraestructura.

Hasta que lleguen, tanto el optimismo como el escepticismo seguirán siendo en parte especulativos.

Tres señales mostrarán si la estrategia de IA de Meta está convergiendo

La próxima etapa de la historia de IA de Meta depende de la retención de producto, la divulgación financiera y las pruebas de que sus agentes pueden realizar trabajo útil de forma segura.

La primera señal es el uso repetido de Meta AI después de que las últimas funciones de agentes lleguen a más mercados. Las descargas iniciales o las impresiones de funciones revelarán poco porque Meta puede generar ambas mediante promoción y colocación.

La señal más sólida es la retención voluntaria. Los usuarios deberían volver para completar tareas significativas en lugar de formular preguntas ocasionales por novedad.

Meta también debería revelar si las personas se desplazan entre sus superficies de IA. Un sistema coherente permitiría a alguien empezar a través de las gafas, continuar en WhatsApp y revisar el resultado en la aplicación independiente sin confusión.

Si ese comportamiento crece, reforzaría la afirmación de Meta de que su cartera forma un único asistente personal. Si cada superficie produce un uso aislado y superficial, la crítica de la estrategia dispersa gana fuerza.

La segunda señal es la próxima explicación financiera de la empresa sobre el gasto de capital. Los inversores necesitan más que otro total para centros de datos, servidores y componentes.

Necesitan pruebas de que la dirección puede conectar la capacidad con los resultados. Eso podría incluir eficiencia publicitaria, mejoras en las recomendaciones, demanda de inferencia, uso de mensajería empresarial o adopción de agentes de consumo.

Meta no necesita revelar detalles competitivamente sensibles. Sí necesita distinguir la infraestructura que respalda productos actuales de la capacidad reservada para modelos futuros inciertos.

Una distinción más clara facilitaría evaluar el rango de 125.000 millones a 145.000 millones de dólares. Los aumentos continuados sin una mejor divulgación profundizarían la preocupación de que el gasto avanza más rápido que la estrategia.

La tercera señal es la finalización fiable de acciones por parte de Muse, Spark y agentes posteriores. Estos sistemas son importantes porque ponen a prueba el paso de Meta de las respuestas generadas hacia un software que hace cosas.

Un agente útil debería completar una tarea definida, solicitar permiso en el momento adecuado y conservar un registro que el usuario pueda inspeccionar. También debería recuperarse limpiamente cuando falle un servicio o una solicitud sea ambigua.

Los incidentes de seguridad, el comportamiento inconsistente o las bajas tasas de finalización debilitarían el argumento a favor de una expansión rápida. Un uso fiable en mensajería, trabajo de creadores o conversaciones empresariales daría a Meta un centro de producto concreto.

Los desarrolladores deberían observar si Meta publica métodos de evaluación e interfaces estables. Los compradores empresariales deberían examinar los controles de permisos, la auditabilidad y los límites de datos. Los trabajadores del conocimiento deberían preguntarse si el sistema conserva un contexto útil sin hacer que cada interacción privada esté disponible por defecto.

Estas son pruebas más significativas que la cantidad de modelos o funciones que anuncia Meta. Revelan si la organización está aprendiendo de sus experimentos.

El titular de Google News funciona porque condensa una preocupación compleja en una imagen familiar. Meta parece estar probando muchas ideas mientras gasta a una escala que hace que esperar sea inusualmente costoso.

Sin embargo, la experimentación no es el veredicto. El veredicto depende de si Meta puede dejar de tratar cada superficie como una candidata y elegir las experiencias que los usuarios valoran repetidamente.

Durante los próximos meses, ignora el volumen de anuncios y observa el proceso de selección. ¿Qué agente hace que los usuarios sigan regresando? ¿Qué producto obtiene más recursos? ¿Qué iniciativa se cierra?

Esas decisiones mostrarán si Meta sigue lanzando ideas contra la pared o si por fin ha encontrado el producto de IA en torno al cual pretende construir.