Meta lanza servicio de pago para IA – pero un nuevo informe revela graves problemas de confiabilidad con agentes de IA

La factura llega – y es alta

Cuando Meta en otoño de 2025 invirtió el equivalente a 143 mil millones de coronas suecas en Scale AI y contrató al fundador Alexandr Wang como nuevo jefe de IA, la señal fue clara: esto no es un experimento, es una reestructuración estratégica. Ahora quiere recuperar el dinero.

Según tanto TechCrunch como The Verge, Meta ahora lanza el servicio de suscripción Meta One, que reúne herramientas impulsadas por IA para la creación de imágenes y videos, funciones ampliadas en Instagram y Facebook, así como herramientas empresariales para programación y análisis de audiencias. Las personas particulares pueden elegir entre Core por 79 coronas suecas al mes y Premium por 199 coronas suecas. Las empresas y creadores reciben cuatro niveles – desde aproximadamente 150 coronas suecas hasta poco más de 4 900 coronas suecas al mes – según las necesidades de capacidad, acceso al equipo y herramientas de análisis más profundas.

Es un movimiento audaz. Meta ha financiado toda su historia mediante publicidad dirigida, y ahora pedir a los usuarios que abran la billetera es un cambio cultural tanto como comercial. Pero las cifras iniciales de los servicios plus más simples, lanzados ya en marzo, sugieren que el mercado es receptivo. El paso hacia una experiencia de dos niveles – donde los usuarios que pagan obtienen más – es ahora un hecho.

El problema que se esconde detrás del promedio

Pero aquí está la pregunta que nadie en la sala de directores de Meta quiere plantear en voz alta: ¿qué sucede cuando la IA no cumple?

Un nuevo informe técnico de Hugging Face arroja una luz crítica sobre la confiabilidad de precisamente los agentes de IA en torno a los cuales empresas como Meta ahora construyen sus ingresos por suscripción. Un agente ReAct impulsado por GPT-4.1 completó el 77,4 por ciento de las tareas en promedio en el punto de referencia AppWorld – un resultado impresionante a primera vista. Pero cuando las mismas tareas se ejecutaron cinco veces, el agente completó todos los intentos para solo el 53 por ciento de las tareas.

Esto significa que casi una de cada cuatro tareas se resuelve a veces – pero no siempre – sin que nada en la tarea haya cambiado. Los investigadores llaman a esto la brecha de consistencia, y subrayan que no se trata de una falta de capacidad. Un agente puede ser capaz y al mismo tiempo no confiable. Es un problema separado.

La explicación es técnica pero importante: cuando un gran modelo de lenguaje toma una decisión, sucede a través de una distribución de probabilidad sobre los posibles pasos siguientes. Si la distribución es pronunciada, el agente elige consistentemente. Si es plana – con varias alternativas que son casi igualmente probables – el resultado se parece a un lanzamiento de moneda. Es en estas zonas grises donde la confiabilidad falla.

Hugging Face ha desarrollado una herramienta de diagnóstico llamada Consistency Analyzer que identifica estos puntos de decisión inestables. Los resultados iniciales muestran que la herramienta puede reducir la inestabilidad a la mitad – un paso prometedor, pero difícilmente una respuesta definitiva.

El capital fluye – a pesar de la incertidumbre

Paradójicamente, el mercado de inversión parece no preocuparse mucho por la brecha de consistencia. Profound, una startup que ayuda a las marcas a destacarse en los resultados de búsqueda generados por IA, recientemente recaudó 180 millones de dólares en su ronda Serie D y ahora está valorada en 1,8 mil millones de dólares – solo siete meses después de su ronda anterior de 96 millones. Pesos pesados como Sequoia y Kleiner Perkins lideran la inversión, lo que envía una clara señal de que la confianza en los modelos de negocio de IA está intacta entre los capitalistas de riesgo más influyentes de Silicon Valley.

Es un patrón que vemos una y otra vez: el capital fluye hacia la oportunidad, mientras los desafíos técnicos se resuelven en el camino. A veces funciona. A veces no.

La confiabilidad es el eslabón débil del modelo de negocio

Para Meta, Meta One se trata en última instancia de confianza. Un usuario que paga que le pide a un agente de IA que edite un video, analice una audiencia o gestione un flujo de programación espera que funcione – no en promedio, sino cada vez. La brecha de consistencia es, por lo tanto, no solo un problema de investigación. Es un problema de relación con el cliente.

La buena noticia: el problema ha sido identificado, y las herramientas para diagnosticar y reducir la inestabilidad ya están en desarrollo. Es precisamente el tipo de mejora sistemática en la que la industria tecnológica es buena cuando los incentivos son correctos – y con ingresos por suscripción en juego, los incentivos ahora son muy correctos.