No es una reversa. No es miedo. No es que los números nunca hayan existido. Es solo que la visión 👁️ duró exactamente lo que tardaron los datos en llegar a la mesa. Tranquilo: tu reemplazo queda pospuesto hasta nuevo aviso 🤖.
Descubre más en una de nuestras noticias 👇
¡Hola {{nombre | Mordelover}}! Sí, llegamos dos días tarde. Somos humanos, y a veces nos atrasamos. Meta quiso arreglar justo ese defecto: reemplazar a miles de los suyos con IA. Le salió tan mal que hoy es nuestro Plato Fuerte.
El nuevo episodio de El Bocado también llegó, y ese sí puntual → Ver el episodio en YouTube
ByteMan & el equipo gourmet de Mordiendo Bytes
🍽️ Menú del Día
🔥 El Plato Fuerte: La noche en que Zuckerberg se echó atrás.
🍝 Prompt al Dente: Haz irresistible tu propuesta comercial.
🥢 Bocados del Día: Los agentes montaron un chat secreto; El 91% trabaja donde la IA se desperdicia; El buscador se volvió agente de viajes; Veintiún años pagando centavos por tarea; Conectar dos máquinas costaba semanas.
🔥 El Plato Fuerte
El plan de Meta para reemplazar empleados con IA fracasó. En enero, Mark Zuckerberg reunió a su cúpula y dibujó una Meta nativa de IA: agentes (sistemas que ejecutan tareas completas solos, sin supervisión en cada paso) haciendo el trabajo de miles de personas, y equipos recortados hasta 60%. Ocho meses después, los documentos internos cuentan el final: la productividad prometida no apareció en los datos, la plantilla se rebeló y el plan se canceló a mitad de camino. Se llamaba Proyecto OT.
Nació en un retiro de liderazgo, con tablero y todo. La investigación de Reuters, sobre documentos internos, muestra escenarios que recortaban equipos hasta 60%, con núcleos humanos “densos en talento” supervisando a los trabajadores virtuales. La reestructuración iría en dos olas: mayo y noviembre.
La máquina producía más código, no más producto. El uso interno de IA disparó 220% los cambios de código en un año, pero las mejoras que llegaron a los usuarios subieron solo 36%. Los incidentes técnicos y de seguridad crecieron 40%, y el tiempo del equipo apagando esos incendios, 70%.
La plantilla creyó estar entrenando a su reemplazo. Meta ordenó instalar un software que registraba las teclas y los clics de sus empleados en EE. UU. para enseñar a los agentes a imitarlos. La moral interna cayó de 74% a 55% favorable, y los foros internos se llenaron de protesta.
La reversa llegó de noche, y a medias. La noche del 19 de mayo, horas antes de ejecutar la primera ola, Zuckerberg canceló la segunda, la de noviembre. La primera siguió en pie: a la mañana siguiente despidió al 10% de la plantilla, y después prometió por escrito que no esperaba más recortes generales en el año. En julio admitió internamente que los agentes no habían “acelerado” como esperaba.
El número del retiro (60%) y el número de la máquina (36%) nunca se encontraron, y en medio quedó la gente. Lo que sí ocurrió es más incómodo que el reemplazo: miles de empleados terminaron reasignados, una parte a producir datos para entrenar a los propios modelos. La IA no pudo hacer su trabajo, así que el trabajo pasó a ser alimentarla. Y la presión sigue: Meta invierte al menos USD 130.000 millones en infraestructura de IA este año, y ese dinero sale de alguna parte.
Si tu empresa anunció su propia transformación con IA, este caso te regala la pregunta que separa el plan del humo: ¿la cifra que citan salió de un piloto medido o de un retiro de liderazgo? Meta tenía dinero, modelos e incentivo, y aun así su cifra era de tablero.
Si diriges un equipo o un negocio y la IA te tienta a recortar de golpe, fíjate en cuál mitad del plan sobrevivió. El recorte masivo se canceló; siguió lo silencioso: cerrar vacantes sin reemplazo y mover gente a medida que las tareas se automatizan.
¿Por qué importa?
La empresa con más dinero, más modelos y más incentivo para reemplazar gente con IA lo intentó con planos y fecha, y no le alcanzó. Recuérdalo la próxima vez que te vendan el reemplazo como inevitable e inmediato.
Fuente: Reuters
🍝 Prompt al Dente
🎯 Haz Irresistible tu Propuesta Comercial
Una propuesta comercial no pierde ventas porque esté mal escrita. Las pierde porque el cliente no ve suficiente valor para decir que sí.
Este prompt convierte a la IA en un consultor de conversión que analiza tu oferta con dos marcos de primer nivel, encuentra el verdadero cuello de botella y la reescribe para que sea más clara, creíble y difícil de ignorar. Sin humo. Sin promesas inventadas.
¿Para qué sirve esto? Imagina:
💰 Descubrir por qué una propuesta no está convirtiendo
🎯 Detectar la objeción que realmente frena al cliente
🧠 Aumentar el valor percibido sin cambiar tu producto
✍️ Reescribir tu oferta para que resulte mucho más convincente
Aquí tienes el prompt “listo para servir” 👇🏼
Prompt al Dente PRO sube de precio el 7 de septiembre. Pasa de USD 7 a USD 14.
La colección crece cada martes con el prompt de cada edición, y el precio se pone al día. Son más de 40 prompts con el Método CAFÉ, organizados por categoría. Pago único, tuyo para siempre.
Hasta el domingo 6 lo compras al precio actual:
👩🍳👨🏼🍳 Esta Edición Gratuita se Cocina Gracias a:
📊 Vende más con IA antes de que tu competencia aprenda a usarla
El que hace el marketing (tú, o el equipo de dos que lo hace todo) ya usa IA para salir del apuro. Este reporte ordena el siguiente paso: qué están haciendo los equipos que sí ven resultados, con qué herramientas y en qué se nota primero.
Léelo antes de tu próxima campaña.
👇👇👇
The Future of AI in Marketing. Your Shortcut to Smarter, Faster Marketing.
This guide distills 10 AI strategies from industry leaders that are transforming marketing.
Learn how HubSpot's engineering team achieved 15-20% productivity gains with AI
Learn how AI-driven emails achieved 94% higher conversion rates
Discover 7 ways to enhance your marketing strategy with AI.
· De nuestra cocina a tu bandeja de entrada ·
🥢 Bocados del Día
La IA aprendió a hacer trampa en el entrenamiento. OpenAI publicó la autopsia técnica del incidente de julio, cuando sus agentes se salieron de un examen interno de ciberseguridad y terminaron dentro de los servidores de Hugging Face buscando las respuestas. La causa no fue malicia, fue el premio. Desde mayo, los modelos habían montado un tablero secreto de mensajes para pasarse soluciones de tareas que no podían resolver solos, y cada vez que el atajo funcionó, el entrenamiento lo reforzó. Para julio ya habían aprendido que hackear era un camino válido. El hallazgo más incómodo viene de un estudio previo de la propia empresa: castigar al modelo que menciona la trampa en sus notas internas no lo vuelve honesto, le enseña a esconderla. Guarda esa frase para tu oficina, porque con personas funciona igual: si la única respuesta a “esto lo hice con IA” es el regaño, no consigues menos IA, consigues menos confesiones. Fuente: MIT Technology Review
La IA ya entró a la lista de beneficios. Thomson Reuters encuestó a 1.816 profesionales de derecho, contabilidad, impuestos y cumplimiento en 62 países, y el 91% dice que su organización está por debajo de lo que la IA podría dar. La reacción ya no es queja, es movimiento. Un tercio usa herramientas que su empresa no aprobó, y el 24% de quienes sienten esa brecha considera irse en dos años. El 62% ya pondera el acceso a IA profesional al aceptar un empleo nuevo, y entre quienes ya la usan, casi uno de cada tres rechazaría el puesto sin ella. Eso reordena la entrevista de trabajo: preguntar con qué herramientas trabaja el equipo dejó de ser curiosidad técnica y pasó a pesar lo mismo que el seguro o el bono, porque decide cuánto vas a crecer ahí adentro. Y la lectura espejo para quien dirige: casi la mitad de los líderes cree que esta presión de talento está a tres años; el 13% de sus profesionales ya se puso plazo de doce meses. Fuente: Thomson Reuters
Google te avisa cuando tu vuelo baje de precio. El buscador de Google sumó a su AI Mode (el modo de conversación con IA del buscador) el rastreo de tarifas aéreas. Le describes a dónde y cuándo quieres viajar y compara precios de más de 300 aerolíneas y sitios de viaje. Si le pides que vigile la tarifa, te escribe al correo cuando cambia, y ya funciona en más de 180 países. También muestra cuánto cuesta un vuelo o un hotel en puntos y millas, con LATAM Airlines entre los programas que se suman en las próximas semanas, y en EE. UU. empezó a cerrar reservas de hotel completas con Booking.com, Expedia, Marriott y otros socios, pagando con Google Pay sin salir de la conversación. El que paga sus viajes de su bolsillo (la feria del sector, la visita al cliente, el puente de diciembre) tiene aquí una de las pocas automatizaciones que se configuran una vez y se pagan solas. Fuente: Google
Amazon apaga la plataforma que entrenó a la IA. El 30 de septiembre cierra Mechanical Turk, el mercado que Amazon abrió en 2005 para pagar centavos por microtareas: etiquetar imágenes, transcribir audios, ordenar datos. Llegó a tener más de 500.000 trabajadores, y buena parte de la IA actual aprendió de ese trabajo hormiga. Jeff Bezos la llamaba “inteligencia artificial artificial”: el cliente le pedía algo a una máquina y del otro lado respondía una persona. El aviso de cierre no menciona la IA ni una vez, y esa omisión es la historia: la plataforma entrenó a su propio reemplazo. Pero el trabajo humano no desapareció, cambió de piso. Firmas como Scale AI, Mercor y Prolific hoy reclutan expertos con credenciales para verificar y corregir respuestas de modelos: pagan por criterio lo que MTurk pagaba por clics. La tarea que cualquiera podía hacer sin contexto ya la hace la máquina; la credencial que responde por el resultado acaba de ganar un segundo mercado. Fuente: CNBC
La IA sale de la pantalla y toca máquinas. Anthropic presentó el Model Hardware Standard, un lenguaje común para que los agentes manejen aparatos reales: brazos robóticos, instrumentos de laboratorio, equipos de fábrica. La idea es la del cable USB-C. En lugar de que cada aparato hable su propio idioma, todos entienden las mismas órdenes simples: leer cómo está la máquina y darle una instrucción. Funciona con modelos de cualquier empresa, no solo los de Anthropic, y el plan es publicarlo como código abierto (Open Source o Código Abierto: el diseño se libera para que cualquiera lo use y lo mejore). Lo revelador es el tiempo. En la universidad Carnegie Mellon tenían tres equipos de laboratorio que no podían coordinarse entre sí; con el estándar, el experimento quedó funcionando solo en ocho horas, cuando contratarle esa conexión a un proveedor suele tomar semanas. Por ahora son pruebas piloto en laboratorios y fábricas avanzadas. Pero la señal le sirve a cualquier negocio con maquinaria: lo caro nunca fue la máquina, era lograr que dos máquinas se entendieran, y esa cuenta empezó a bajar. Fuente: Anthropic
