En enero de 2026, Mark Zuckerberg convocó a su círculo directivo en su casa de Hawái con una pregunta que tenía respuesta preparada: ¿cuántos empleados de Meta podría hacer el trabajo de la IA? La respuesta que llevaban era el 60% de algunos equipos. El proyecto tenía nombre: Organization Transformation, alias Project OT. Lo que no tenían preparado era la respuesta a lo que pasaría si la IA fallaba.
Lo revela una investigación de Reuters publicada el 26 de agosto basada en decenas de documentos internos y más de veinte personas cercanas al proyecto. Rubén Andrés lo analiza en Xataka.
¿Qué era exactamente Project OT y qué prometía?
Project OT era la formalización de una idea que lleva circulando en Silicon Valley desde 2023: que una persona con acceso a IA equivale a varios sin ella, y que por tanto las empresas pueden reducir el número de personas y mantener o aumentar la producción. El plan de Meta fijaba ese multiplicador en dos rondas de cambios: una en mayo de 2026 y otra en noviembre. El objetivo era convertir a Meta en una compañía «nativa de IA».
El 20 de mayo, Meta ejecutó la primera fase: 10% de la plantilla total despedida y 7.000 personas trasladadas casi de un día para otro a proyectos de IA. En ese momento el movimiento no pareció extraordinario. Todo el sector tecnológico estaba usando la IA como justificación para recortar equipos. Los datos internos que Reuters menciona señalan que la IA justificó más de 12.000 despidos en toda la industria en 2026, un 8% del total registrado ese año. Meta era el caso más ambicioso, no el único.
¿Por qué los agentes de IA de Meta empezaron a funcionar mal?
La segunda fase nunca llegó. La razón no fue una decisión estratégica ni una reflexión ética sobre el empleo: fue que la IA no rendía lo que se esperaba.
Ya en marzo, antes de la primera ronda de despidos, los equipos de infraestructura de Meta avisaban de fallos de fiabilidad en el código generado por los agentes de IA. En abril, un aviso interno describía algo más preocupante: agentes de Meta habían ejecutado acciones «a gran escala» y disruptivas que ningún humano habría aprobado. Los datos internos a los que accedió Reuters cuantifican el impacto: los incidentes técnicos y de seguridad subieron un 40%, y el tiempo que el personal dedicaba 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 en los equipos.
Hemos comprobado en coberturas de automatización industrial y de software que el patrón de «la IA crea más trabajo de supervisión del que ahorra en ejecución» aparece consistentemente cuando la automatización se despliega demasiado rápido, sin el período de rodaje y ajuste que cualquier cambio de sistema productivo requiere. Meta no fue la excepción; fue la versión más documentada del mismo error.
La rebelión interna y la monitorización que aceleró el malestar
Mientras los agentes fallaban, Meta empezó a monitorizar las pulsaciones de teclado y los clics de ratón de sus empleados en EEUU. El objetivo era claro para quien lo analizaba: entrenar agentes capaces de imitar el trabajo humano. La reacción llegó en forma de petición de retirada del sistema MCI (Meta Capabilities Initiative), que superó las 1.500 firmas de empleados. Los canales internos se llenaron de mensajes de enfado.
El gesto de apaciguamiento que Meta eligió tampoco funcionó. La empresa propuso un hackathon para subir la moral. Según reportó Wired, la mayoría de la plantilla lo vivió como una broma fuera de lugar.
La noche del 19 de mayo, horas antes de hacer oficial la primera ronda de despidos, Zuckerberg canceló la segunda ronda prevista para noviembre. La primera se ejecutó al día siguiente, pero el resto del plan fue enterrado. Meta reconoció después a Reuters que «no implementamos todos los escenarios» diseñados. El eufemismo es transparente: vendieron la piel del oso antes de cazarlo.
Llevamos siguiendo los ciclos de automatización empresarial desde la primera ola de ERPs a principios de los 2000, y el patrón se repite: las promesas de productividad se hacen antes de que el sistema esté probado en producción real. La diferencia ahora es la velocidad: en 2001 una empresa tardaba años en descubrir que su ERP no funcionaba como esperaba; Meta tardó meses en descubrir que sus agentes de IA fallaban.
Los despidos de mayo de 2026 y la reestructuración de Meta para financiar su apuesta por IA con un capex récord ya recibieron amplia cobertura en el momento en que se anunciaron. Lo que esta investigación de Reuters añade es el contexto que Meta no reveló entonces: los despidos no fueron la consecuencia de un plan que estaba funcionando, sino la primera fase de uno que ya empezaba a torcerse.
¿Qué queda del sueño de la empresa sin humanos?
En julio de 2026, Zuckerberg reconoció ante su plantilla que se había equivocado con los tiempos y que el desarrollo de agentes de IA avanzaba más lento de lo esperado. La empresa pausó el rastreo de teclado y ratón, y dejó volver a sus puestos a algunos de los empleados reubicados.
El plan existe todavía, latente. Zuckerberg dice que solo necesita tiempo para que la tecnología sea más fiable. Puede que tenga razón. Pero la lección de Project OT no es que la IA no pueda eventualmente hacer el trabajo de esos equipos: es que desmantelar la capacidad humana antes de que la alternativa esté probada en producción real es una apuesta que Meta perdió con consecuencias directas en sus productos.
Y el capítulo de las consecuencias legales tampoco ha cerrado: la demanda de 26 ex empleados de Meta que alegan que su sistema de IA para despidos discriminó a embarazadas y trabajadores de baja médica sigue su curso. Project OT es la historia pública de una apuesta fallida. Lo que los tribunales investiguen puede ser la historia más incómoda.
Project OT también fija un punto de referencia para el resto de la industria. En 2026, decenas de empresas de todos los sectores están ejecutando variantes del mismo plan: reducir personal humano bajo el supuesto de que la IA absorberá el trabajo. La mayoría lo hace 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 con datos reales sobre qué pasó cuando la apuesta se aceleró demasiado, disponible como referencia para cualquiera que quiera aprender de ello antes de ejecutar su propia versión del experimento.