La Búsqueda de Talento de Meta por Mil Millones de Dólares: Por Qué Zuckerberg Sigue Perdiendo la Carrera de la IA

En poco más de un año, Meta de Zuckerberg ha realizado tres adquisiciones importantes en IA por un valor total de más de 16 mil millones de dólares. Sin embargo, cada operación revela la misma verdad incómoda: la empresa que alguna vez poseyó la red de distribución más valiosa del mundo está cada vez más luchando por adquirir el talento y las innovaciones que realmente importan en la era de la IA. El patrón que emerge de estos movimientos no es de éxito en adquisiciones, sino de desajuste estratégico en un panorama competitivo fundamentalmente alterado.

La apuesta de 14.300 millones de dólares que salió mal

En junio de 2025, Meta hizo su movimiento más audaz: adquirir una participación del 49% en Scale AI por 14.300 millones de dólares, incorporando al fundador Alexandr Wang como Director de IA para liderar el recién creado Meta Superintelligence Lab. En papel, esto parecía un movimiento de poder decisivo. Pero la realidad tras el anuncio reveló algo inquietante sobre cómo opera ahora Meta.

El negocio principal de Scale AI no es entrenar modelos de IA, sino organizar etiquetadores humanos para categorizar datos de entrenamiento. Esto es infraestructura esencial, el tipo de trabajo poco glamoroso pero necesario que toda gran empresa de IA requiere. Pero es fundamentalmente diferente de la investigación revolucionaria en IA. Cuando Meta anunció que Wang lideraría su división de IA, la voz interna más calificada de disenso—Yann LeCun—se negó a aceptar esa estructura de reporte. LeCun, ganador del Premio Turing y uno de los tres arquitectos fundacionales del aprendizaje profundo, había dedicado más de una década a construir FAIR, la credibilidad académica de Meta en investigación en IA. A diferencia del consenso en torno a los grandes modelos de lenguaje, LeCun había argumentado consistentemente que los LLMs representan un callejón sin salida, y que el futuro pertenece a los modelos del mundo—sistemas que entienden física, causalidad y razonamiento en lugar de simplemente predecir la próxima palabra.

En lugar de negociar esta diferencia fundamental, Zuckerberg eligió su nueva adquisición. LeCun se fue para lanzar AMI, su empresa de investigación independiente centrada en modelos del mundo, con Meta aceptando colaborar con él externamente. El mensaje fue claro: Meta había apostado por el camino de los LLMs, y no había espacio para el escepticismo interno calificado respecto a esa dirección.

Cuatro rechazos que expusieron la nueva realidad

Antes de Scale AI, Zuckerberg había iniciado una campaña de reclutamiento extraordinaria a partir de la primavera de 2025. Según informes, visitó personalmente a candidatos en sus residencias en Lake Tahoe y Palo Alto, ofreciendo bonos de firma de hasta 100 millones de dólares. Sus objetivos fueron cuidadosamente seleccionados: Perplexity AI (startup centrada en búsquedas), Runway (líder en generación de video independiente), Safe Superintelligence (creada por Ilya Sutskever tras salir de OpenAI), y Thinking Machines Lab (fundada por Mira Murati, ex CTO de OpenAI).

Los cuatro rechazaron.

Aravind Srinivas de Perplexity ya había ganado credibilidad en OpenAI y DeepMind antes de lanzar su propia empresa en 2022. Sutskever abandonó OpenAI precisamente porque quería construir basado en su propio juicio técnico, libre de estructuras organizativas que pudieran comprometer su visión. Murati tenía la misma motivación de independencia. Srinivas, igualmente, no necesitaba ayuda de la distribución de Facebook—quería libertad para ejecutar su propia tesis.

Estas negativas revelaron un cambio estructural en la industria de la IA. En 2012, cuando el equipo de 13 personas de Instagram recibió la oferta de Zuckerberg de 1 mil millones de dólares, la respuesta era obvia: la startup había demostrado que el producto funcionaba, pero necesitaba la distribución de mil millones de usuarios de Facebook para escalar. Los fundadores de WhatsApp hicieron el mismo cálculo en 2014—habían construido la aplicación, pero valoraban el alcance de Facebook. Ambos concluyeron racionalmente que la distribución era su recurso más escaso.

Para 2025, esa escasez había cambiado por completo. El capital fluye libremente hacia las mejores empresas de IA. La limitación ya no es la distribución; es la independencia—la libertad de perseguir una visión técnica sin compromisos. Para esta generación de fundadores, aceptar la integración con Meta significaba rendirse a la autonomía narrativa que hizo posible su trabajo en primer lugar.

El libro de jugadas de OpenAI: adquirir arquitectura en lugar de aplicaciones

Mientras Meta luchaba en el mercado de talento, OpenAI ejecutó una estrategia paralela con sorprendente efectividad. Moltbook, la plataforma que Meta posteriormente adquiriría, fue construida sobre OpenClaw—un marco de agentes de IA de código abierto creado en una hora por el desarrollador austríaco Peter Steinberger. Cuando Steinberger lanzó OpenClaw, acumuló 200,000 estrellas en GitHub en pocas semanas, con 2 millones de visitas semanales. El marco se convirtió en infraestructura fundamental para todo el ecosistema de agentes de IA.

La respuesta de OpenAI fue directa: contratar al arquitecto. En febrero de 2026, Sam Altman anunció en X que Steinberger se unía a OpenAI para liderar la próxima generación de agentes personales de la compañía. Steinberger había recibido propuestas tanto de Meta como de Microsoft, pero eligió OpenAI—con una condición: OpenClaw debía seguir siendo de código abierto. Posteriormente, OpenClaw pasó a una fundación independiente de código abierto respaldada por OpenAI.

Esto reveló la profundidad del problema de Meta. En el ecosistema de agentes, OpenAI adquirió al ingeniero que construyó el marco fundamental. Meta, en cambio, terminó adquiriendo a quienes construyeron plataformas usando ese marco—una diferencia fundamental en la posición competitiva.

La adquisición de Moltbook: narradores, no constructores

Este contexto hace que la adquisición de Moltbook por parte de Meta sea más comprensible, aunque no menos reveladora. Matt Schlicht, cofundador de Moltbook, abandonó la escuela secundaria y se mudó a Silicon Valley, haciendo prácticas en Ustream antes de cofundar Octane AI con Ben Parr. Octane AI aplicó IA al comercio electrónico—construyendo motores de recomendación y automatización de interacción con clientes para vendedores en Shopify. Tanto Schlicht como Parr son voces respetadas en la comunidad de agentes de IA: Parr escribe como columnista de IA para The Information, y juntos dirigen cursos, gestionan el fondo de inversión Theory Forge y mantienen redes influyentes en el ecosistema emergente de agentes.

Son conectores y narradores con relaciones y credibilidad genuinas en la industria. Esto es exactamente lo que Meta buscaba adquirir: acceso a estas comunidades y sus narrativas.

Pero no son Peter Steinberger. Steinberger concibió y construyó infraestructura fundamental. Schlicht y Parr son expertos en sintetizar ideas, crear conexiones y mover mercados a través de la narrativa. Ambos conjuntos de habilidades importan, pero operan en niveles diferentes de ventaja competitiva. En esta competencia de talento, OpenAI aseguró al constructor. Meta aseguró a quienes explican y promueven lo que los constructores crean.

La caída de Llama: lo que la estrategia de adquisición no puede resolver

La tensión subyacente apunta a un problema más profundo. El proyecto interno más crítico de Meta—Llama 4 Behemoth, destinado a ser el modelo generativo insignia de la compañía—ha enfrentado importantes desafíos de evaluación interna. La capacitación se completó, pero los resultados no cumplieron con las expectativas internas. En lugar de lanzarlo según lo previsto, Meta lo archivó y comenzó a discutir si abrirlo completamente.

Este giro coincide con turbulencias organizacionales más profundas. De los 14 investigadores originales de Llama, 11 ya han dejado Meta. En octubre de 2025, una reestructuración interna llevó a unos 600 despidos en el Meta Superintelligence Lab, descritos por Wang como una corrección a la expansión burocrática previa. Según el Financial Times, Wang expresó en privado su frustración con la micromanagement de Zuckerberg, y la relación entre ambos se ha tensado.

Las consecuencias también afectaron a los clientes originales de Scale AI. Google, Microsoft y xAI comenzaron a retirar sus alianzas, preocupados de que la propiedad de Meta comprometiera la neutralidad y fiabilidad de la empresa como proveedor de infraestructura de datos. El CEO interino de Scale AI tuvo que hacer declaraciones públicas enfatizando la independencia de la compañía—una posición problemática para una firma que Meta acaba de pagar 14.300 millones de dólares por controlar.

Este patrón sugiere algo más profundo que una transición gerencial: la estructura organizacional de Meta puede ser fundamentalmente incompatible con el tipo de autonomía técnica que exige la investigación de IA de clase mundial.

El dilema de Zuckerberg: los fines que la distribución no puede lograr

El patrón histórico hace que la situación actual sea aguda. Entre 2012 y 2014, Facebook de Zuckerberg operaba como el ejecutor más rápido de ideas probadas. Instagram ya había demostrado que compartir fotos en móvil sería innegociable; la contribución de Facebook fue escalarlo globalmente. WhatsApp ya había probado que la mensajería podía desplazar a las telecomunicaciones; la contribución de Facebook fue integrarlo en un ecosistema publicitario valorado en miles de millones.

El único fracaso en esta lógica fue Snapchat. Ofrecieron 3 mil millones en 2013 y lo rechazaron; Snapchat mantuvo su independencia, mientras Meta pasó dos años copiando la función Stories en Instagram y WhatsApp. Snapchat nunca recuperó terreno competitivo.

En esa era, la distribución era escasa, y Meta controlaba la mayor red de distribución del mundo. La fórmula era confiable: identificar productos que ya se validaban con los usuarios y usar el dominio en distribución para escalar. Cuando no era posible adquirir, copiar funcionaba como plan B.

Esa era ha terminado por completo. La red de mil millones de usuarios de Meta sigue siendo extraordinaria, pero ya no resuelve los problemas que enfrentan las empresas de IA. La propia Meta IA alcanza 1 mil millones de usuarios activos mensuales—pero su uso es incidental. Los usuarios la activan ocasionalmente en Instagram o WhatsApp, pero nadie ha cambiado fundamentalmente su forma de trabajar por ella. Nadie ha redefinido su comprensión de los asistentes de IA ni transformado su productividad gracias a Meta IA. El producto existe como una función en aplicaciones legacy, no como una transformación que valga la pena escoger.

Comparado con Claude de Anthropic, que se convirtió en el modelo preferido para despliegue empresarial de IA en finanzas y salud, estableciendo ventajas de primer-movimiento en verticales. O Gemini, integrado tan profundamente en Android que miles de millones de usuarios lo encontraron sin decisión consciente. O ChatGPT, que en dos meses de lanzamiento cambió la forma en que 100 millones de personas abordan investigación y escritura.

Lo que Zuckerberg no puede adquirir es lo que estas empresas realmente representan: la voluntad de construir el futuro en lugar de distribuirlo. Meta adquirió Manus, una compañía cuyas capacidades de agentes de IA están impulsadas por Claude de Anthropic—lo que significa que Meta gastó miles de millones en adquirir un envoltorio sobre la tecnología de un competidor. En capacidades de modelos subyacentes, Meta sigue dependiendo de las innovaciones de otros.

La incompatibilidad estructural

El problema más profundo quizás no sea táctico, sino estructural. En 2018, el observador tecnológico Pan Luan escribió un ensayo titulado “Tencent No Tiene Sueños”, argumentando que una estrategia de inversión y adquisición había reemplazado cualquier impulso interno para crear productos definitorios. La observación circuló ampliamente dentro de Tencent. Ocho años después, los síntomas han seguido la trayectoria de Tencent en otros lugares.

Tencent finalmente encontró una salida—no adquiriendo más empresas, sino fomentando WeChat como una creación interna, con Zhang Xiaolong reservando un espacio protegido dentro de la gran organización para perseguir una visión independiente. El producto redefinió la posición de Tencent en una nueva era.

¿Dónde está la innovación interna de Meta que sirva a esta función en IA? Los 100 mil millones de dólares anuales en capital no pueden lanzar un modelo insignia a tiempo. Su estructura organizacional, optimizada para distribución e integración publicitaria, lucha por generar la autonomía técnica que requiere la investigación de IA de vanguardia. Las decisiones de Zuckerberg—contratar a Wang, aceptar la salida de LeCun, adquirir Manus y Moltbook—son respuestas racionales a una situación imposible. Pero en conjunto, forman un patrón: una empresa que gasta vastos recursos intentando comprar su entrada a un campo competitivo donde el recurso más escaso ya no es el capital, la distribución o incluso productos probados, sino la independencia y claridad técnica que el dinero no puede comprar.

En el mercado de IA de 2026, el desafío fundamental de Zuckerberg no es que esté perdiendo guerras de ofertas. Es que las personas que más necesita ganar ya no definen el éxito según sus métricas. Tienen sus propias narrativas, sus propias visiones, y han concluido que Meta—a pesar de su capital y alcance—no puede ayudarlos a lograr lo que realmente importa.