La próxima batalla de la IA no será por responder mejor, sino por actuar

Pensemos en la diferencia entre un asesor y un buen concierge. El primero puede decirnos qué restaurante elegir, qué producto comprar o cómo organizar un viaje. El segundo, además de recomendar, conoce parte del contexto, consulta disponibilidad, hace la reserva y coordina lo necesario. La diferencia no está solamente en cuánto sabe, sino en su capacidad para conectar información, contexto y ejecución.

Eso ayuda a entender lo que Meta está intentando construir alrededor de Muse. Connect 2026 no fue simplemente la presentación de otro modelo. La compañía articuló diferentes piezas dentro de una arquitectura que conecta modelos, Meta Model API, Muse Code, el agente Muse, conectores con servicios externos y, próximamente, gafas capaces de aportar contexto visual.

Muse representa bien ese cambio. La propuesta ya no consiste únicamente en abrir una aplicación y mantener una conversación. Meta quiere que el agente conserve continuidad entre diferentes superficies: móvil, web, WhatsApp, Mac y, posteriormente, sus gafas con IA. La intención es que objetivos, contexto, herramientas y autorizaciones puedan acompañar al usuario mientras cambia de dispositivo.

Las gafas hacen especialmente visible esta evolución. Si un agente puede utilizar como contexto aquello que estamos observando, desaparece parte de la fricción que existe hoy entre el mundo físico y el digital. En lugar de ver un producto, sacar el teléfono, tomar una fotografía, explicar lo que necesitamos y después ejecutar una acción, el recorrido podría comprimirse a mirar, preguntar y autorizar.

Pero las gafas son solo la parte más llamativa. Los conectores probablemente sean más importantes para entender el impacto empresarial. Meta está ampliando las conexiones de Muse con servicios de comercio, pagos, viajes y productividad. La diferencia es fundamental: un modelo puede recomendar; un agente conectado puede comenzar a ejecutar.

Durante años hemos trabajado para que las personas encuentren nuestras marcas. Después aprendimos a estructurar contenido para que Google pudiera descubrirlo, interpretarlo e indexarlo. Con la IA generativa apareció una nueva preocupación: cómo lograr que los modelos comprendan y mencionen correctamente una empresa, sus productos y su información.

Los agentes agregan una capa adicional: ya no será suficiente con ser encontrado o entendido; habrá que ser operable.

Imaginemos a un consumidor diciéndole a su agente: “Necesito unos tenis para correr tres veces por semana, tengo máximo 150 dólares y deben llegar antes del viernes”. Ese agente podría comparar productos, disponibilidad, precio, tiempos de entrega, políticas de devolución y reputación antes de presentar unas pocas alternativas. Si además tiene permisos y conectores adecuados, podría completar parte de la transacción.

En ese escenario, el agente se convierte en un nuevo intermediario entre la intención del consumidor y la empresa. Esto puede modificar recorridos que hoy dependen de SEO, pauta, marketplaces, sitios web y aplicaciones. No significa que esos canales desaparezcan, sino que una parte del descubrimiento, comparación y decisión podría ocurrir antes de que el consumidor visite directamente una interfaz de la marca.

Por eso, para marketing, el desarrollo interesante no es preguntarse todavía cómo “hacer publicidad en Muse”. Es revisar si nuestros productos, precios, inventarios, condiciones y servicios pueden ser correctamente interpretados y utilizados por un agente. El propio análisis de los anuncios de Meta apunta en esa dirección: catálogos estructurados, APIs confiables, inventario actualizado, políticas claras y mecanismos adecuados de autenticación adquieren mayor importancia.

Aquí encuentro una analogía más interesante con la evolución de internet. Cuando aparecieron los buscadores, no bastaba con tener una página web; había que facilitar que una máquina pudiera recorrerla, entenderla e indexarla. Durante años construimos toda una disciplina alrededor de esa necesidad.

Los agentes podrían provocar una transición similar, pero con una diferencia importante. El buscador necesitaba comprender información para llevarnos hacia ella. El agente necesita comprender información para decidir qué hacer con ella.

Una empresa puede tener una excelente página de producto y, al mismo tiempo, estar mal preparada para este escenario si su inventario no está actualizado, sus políticas son ambiguas, sus datos están fragmentados o no existe una manera confiable de consultar y ejecutar determinadas operaciones.

Ahí aparece una implicación que va mucho más allá del marketing: la preparación para agentes es también un problema de arquitectura digital, datos, CRM, e-commerce y procesos.

Existe, por supuesto, otra cara de esta evolución. Cuantas más acciones puede ejecutar un agente, mayores son las consecuencias de un error. Recomendar equivocadamente un producto es diferente a comprarlo; interpretar mal un correo es diferente a responderlo; encontrar un vuelo incorrecto es diferente a reservarlo.

Por eso resulta relevante que Meta esté trabajando no solo en inteligencia, sino también en permisos y control. Muse utiliza entornos aislados, separación de credenciales y un sistema denominado Sentinel para controlar determinadas acciones y conexiones. Las autorizaciones pueden limitarse a una tarea, sesión o periodo, y ciertas operaciones sensibles requieren aprobación explícita.

Esto también anticipa dónde estará parte de la discusión empresarial sobre agentes. No bastará con preguntar qué pueden hacer. Tendremos que definir qué deberían poder hacer, con qué información, bajo qué permisos y cómo podemos auditar después lo que hicieron.

Visto desde esta perspectiva, la estrategia de Meta tiene sentido. Los modelos evolucionan rápidamente y las diferencias entre proveedores pueden reducirse o cambiar en pocos meses. Una ventaja más difícil de replicar puede estar en todo lo que rodea al modelo: distribución, conectores, identidad, permisos, infraestructura, aplicaciones y dispositivos.

Meta ya posee varias de esas superficies. Por eso Muse no debería analizarse únicamente como otro competidor dentro de la carrera de asistentes de IA. La apuesta es conectar razonamiento, servicios digitales y eventualmente percepción del mundo físico dentro de un mismo sistema.

Todavía existen límites importantes. Algunas capacidades permanecen en preview, Muse comenzó con disponibilidad geográfica limitada, los conectores para terceros no están completamente abiertos y las funciones para gafas fueron anunciadas para los próximos meses, no como capacidades disponibles de manera general.

Pero la dirección es suficientemente clara como para plantear una pregunta desde ahora.

Durante años las empresas se preguntaron si Google podía encontrarlas. Más recientemente empezaron a preguntarse si ChatGPT, Gemini o los diferentes modelos podían entenderlas.

La siguiente pregunta puede ser bastante más exigente:

¿Está nuestro negocio preparado para que un agente pueda entenderlo, confiar en su información y operar con él?

Probablemente ahí empiece una de las siguientes transformaciones del marketing digital.