Project OT buscaba convertir a Meta en una organización “AI-native”pero la organización comenzó a transformarse antes de que el nuevo modelo demostrara que podía producir mejores resultados.
Change Xperience / Especial
Project OT buscaba convertir a Meta en una organización “AI-native”: equipos más pequeños, menos niveles de management, nuevos roles y agentes de IA haciendo parte del trabajo humano. La apuesta era ambiciosa. El problema fue que la organización comenzó a transformarse antes de que el nuevo modelo demostrara que podía producir mejores resultados.
A principios de 2026, Mark Zuckerberg y su equipo directivo comenzaron a imaginar una Meta diferente. No se trataba simplemente de dar herramientas de inteligencia artificial a los empleados, sino de rediseñar cómo se hacía el trabajo.
El proyecto recibió un nombre bastante explícito: Project OT, por Organization Transformation. Reuters reconstruyó su desarrollo a partir de documentos internos, grabaciones y conversaciones con más de 20 personas familiarizadas con el proyecto.
El objetivo: construir una Meta “AI-native”
La visión partía de una premisa atractiva: si los agentes de IA podían asumir una parte creciente del trabajo cotidiano, Meta podría operar con equipos humanos más pequeños, rápidos y especializados.
Los tradicionales equipos de producto comenzarían a sustituirse por pequeños pods. Algunos pilotos reunían apenas dos o tres ingenieros y un diseñador, trabajando en ciclos de cuatro semanas en lugar de los tradicionales procesos de planeación de seis meses. Con el tiempo, incluso roles como diseñador de producto o ingeniero podían agruparse bajo un nuevo título: builder.
El diseño también contemplaba menos niveles de management. Los pods trabajarían con agentes para análisis y priorización de tareas, mientras grupos reducidos de talento humano supervisarían un volumen mucho mayor de trabajo realizado con IA.
En los escenarios más agresivos analizados internamente, algunos equipos podían reducir su tamaño hasta 60%, aunque Meta aclaró que ese porcentaje no aplicaba a toda la empresa y que las simulaciones también incluían reasignaciones y cierre de vacantes.
Sobre el papel, la ecuación parecía sencilla: más IA + equipos más pequeños + menos jerarquía = mayor velocidad y productividad. Entonces llegaron los datos.
Primer obstáculo: producir más no era producir mejor
El uso de IA comenzó a disparar el volumen de trabajo. En determinadas plataformas internas, los cambios de código aumentaron 220% interanual. Pero los cambios que efectivamente terminaron convirtiéndose en nuevas funcionalidades o mejoras para los usuarios crecieron solo 36%.
La diferencia puso sobre la mesa una pregunta incómoda: ¿la IA estaba aumentando la productividad o simplemente la cantidad de producción?
Al mismo tiempo aparecieron señales de confiabilidad. Reuters reportó que los incidentes técnicos y de seguridad crecieron 40%, mientras el tiempo dedicado por los equipos a resolver esas crisis aumentó 70%. Equipos de infraestructura ya habían advertido que agentes sin suficiente control estaban realizando acciones disruptivas a una escala que difícilmente ejecutaría una persona.
Meta estaba obteniendo más velocidad, pero esa velocidad también estaba generando nuevos costos.
Segundo obstáculo: cambiar los roles creó nuevas preguntas
Project OT no solo modificó el tamaño de los equipos. También comenzó a cambiar quién dirigía, quién ejecutaba y quién respondía por el resultado.
En algunas unidades aparecieron Pod Leads encargados de coordinar el trabajo cotidiano, pero sin autoridad formal como managers. Un empleado expresó internamente su confusión porque debía dirigir un pod sin recibir capacitación de manager ni tener acceso a herramientas de evaluación. Al mismo tiempo, responsables de unidades más grandes podían supervisar entre 30 y 50 personas.
La estructura se estaba haciendo más plana, pero también menos clara. Y con agentes capaces de ejecutar cada vez más tareas, surgía otro problema: ¿dónde termina la responsabilidad de la IA y dónde comienza la de la persona?
No es una inquietud exclusiva de Meta. McKinsey identifica precisamente la falta de claridad sobre control y responsabilidad como uno de los temores que pueden frenar la adopción de agentes de IA. Cuando una persona sigue siendo responsable del resultado, pero no comprende completamente cómo llegó el agente a él, la confianza se vuelve frágil.
Tercer obstáculo: los empleados vieron una amenaza
Mientras la estructura cambiaba, también crecían los rumores sobre despidos. Muchos empleados comenzaron a interpretar Project OT no como una transformación del trabajo, sino como un proyecto para sustituir personas.
La preocupación aumentó cuando Reuters informó que Meta había instalado software para registrar clics y pulsaciones de teclado de empleados estadounidenses con el objetivo de enseñar a agentes de IA cómo interactuaban las personas con las computadoras. Para algunos trabajadores, la lectura fue inmediata: podían estar entrenando a sus propios reemplazos.
La reacción apareció en los canales internos. Hubo críticas abiertas, enfrentamientos con ejecutivos y empleados publicando imágenes de elefantes para señalar que los despidos eran “el elefante en la habitación”. El indicador interno de sentimiento favorable cayó de 74% a 55%.
El problema ya no era únicamente tecnológico. Meta tenía también una crisis de confianza alrededor de la transformación.
El resultado: Meta frenó la segunda ola
Project OT contemplaba dos grandes etapas de reestructuración, una en mayo y otra en noviembre. Meta ejecutó en mayo una reducción aproximada del 10% de su plantilla, pero horas antes Zuckerberg había decidido cancelar la planificación de la segunda ola prevista para noviembre.
Después llegaron algunos movimientos correctivos. Meta pausó el programa de seguimiento de mouse y teclado, permitió que ciertos empleados trasladados a nuevas unidades regresaran a sus equipos anteriores y reforzó los mensajes internos para recuperar estabilidad y confianza.
En julio, Zuckerberg reconoció ante empleados que habían calculado mal el momento de la reorganización y que la tecnología de agentes de IA no había avanzado tan rápido como esperaba. Eso no significa que Meta haya abandonado su apuesta por la inteligencia artificial: semanas después, el propio Zuckerberg aseguró que la IA ya estaba acelerando el negocio central de la compañía y abriendo nuevas oportunidades.
Meta no abandonó su estrategia de inteligencia artificial. La compañía continúa apostando fuertemente por ella. Lo que tuvo que reconsiderar fue la velocidad y la profundidad con la que podía reorganizarse alrededor de una tecnología cuyo desempeño todavía estaba evolucionando.
Cuando cambiar rápido deja de significar avanzar rápido
Aquí aparece la lección más importante de Project OT. Meta intentó transformar simultáneamente tecnología, estructura, roles, formas de trabajo y plantilla cuando todavía no había comprobado que el nuevo modelo produjera mejores resultados.
La compañía no estaba introduciendo una herramienta dentro de una organización estable. Estaba modificando varias piezas del sistema al mismo tiempo: qué trabajo hacían las personas, qué podía hacer la IA, cuántos integrantes necesitaba un equipo, quién lideraba, cómo se medía la productividad y cuántos puestos serían necesarios.
Desde change management, esa diferencia es fundamental. Una transformación puede ser técnicamente ambiciosa y, al mismo tiempo, organizacionalmente prematura.
Tecnología, procesos y personas no cambian a la misma velocidad
La experiencia de Meta coincide con un problema que empieza a aparecer en muchas organizaciones. Deloitte encontró que solo 5% de las empresas consultadas considera que sus procesos están altamente preparados para trabajar con agentes de IA, mientras 75% de los líderes considera que la colaboración entre humanos y agentes genera más valor que una automatización basada exclusivamente en agentes.
McKinsey plantea una idea similar con su referencia 1:3:5: por cada dólar invertido en tecnología agentic, las organizaciones con mejores resultados destinan tres al rediseño de procesos y cinco al desarrollo de capacidades y adopción.
La proporción dice mucho sobre dónde ocurre realmente una transformación con IA. La tecnología puede ser el detonador, pero el trabajo más complejo está en rediseñar procesos, desarrollar capacidades, crear confianza y definir cómo funcionará la organización después.
Lo que Project OT deja como lección
La primera lección es no confundir capacidad tecnológica con preparación organizacional. Que una IA pueda ejecutar más tareas no significa que la empresa ya esté preparada para reorganizar puestos, equipos y estructuras alrededor de ella.
La segunda es validar antes de escalar. Antes de reducir equipos o eliminar funciones, la organización necesita demostrar que el nuevo modelo ofrece mejores resultados de manera consistente y no solamente más volumen de producción.
La tercera es medir valor, no actividad. El incremento de 220% en cambios de código frente al crecimiento de 36% en funcionalidades que llegaron a los usuarios muestra por qué producir más no necesariamente equivale a transformar mejor.
La cuarta es hacer explícitas las nuevas responsabilidades. Cuando tecnología, roles y jerarquías cambian simultáneamente, las personas necesitan saber quién decide, quién supervisa, quién corrige y quién responde por los resultados.
Y hay una quinta lección especialmente importante para gestión del cambio: la percepción de amenaza también forma parte de la transformación. Si las personas creen que están entrenando a sus reemplazos y no comprenden qué ocurrirá con sus puestos, la incertidumbre no permanece fuera del proyecto; entra directamente en la adopción.
La secuencia también es change management
Project OT no demuestra que las empresas deban esperar a que la inteligencia artificial esté completamente madura antes de experimentar. Hacerlo sería imposible en una tecnología que evoluciona tan rápido.
La transformación no falla necesariamente porque la tecnología no funcione. Puede fallar porque la organización cambia demasiado antes de saber qué nuevo modelo realmente funciona.
Y ahí está quizá la lección más poderosa de Project OT: transformar no es mover todas las piezas rápido. Es saber cuáles mover primero, qué validar antes de avanzar y cuándo la organización está realmente preparada para dar el siguiente paso. / ChX
Fuentes consultadas: Reuters, Mark Zuckerberg had a bold plan to replace Meta staff with AI. Here’s how it imploded, 26 de agosto de 2026; McKinsey & Company, How to close the agentic adoption gap, 7 de agosto de 2026; Deloitte, AI Agents are Only the Beginning: The Path to Agentic Transformation, 12 de agosto de 2026; y Meta, resultados del segundo trimestre de 2026, 29 de julio de 2026.
