Meta lanza Muse Spark: IA cerrada que dispara sus acciones un 6% en bolsa

Giro radical: Meta abandona el código abierto y apuesta por IA cerrada, impulsando sus acciones.

Meta Platforms Inc. (META) presentó este miércoles Muse Spark, su último modelo de inteligencia artificial y el primero desarrollado bajo la nueva estrategia de Meta Superintelligence Labs (MSL), liderada por el director de IA, Alexandr Wang. Este lanzamiento marca un cambio histórico para la empresa, que durante años promovió el código abierto con sus modelos Llama, pero ahora opta por proteger su propiedad intelectual en un mercado dominado por competidores como OpenAI y Google.

El anuncio provocó un salto del 6 % en las acciones de Meta en la Bolsa de Nueva York, reflejando la confianza de los inversores en su capacidad para competir en la carrera de la IA generativa. Este repunte es significativo tras meses de escepticismo por el gasto récord de US$14.000 millones en infraestructura y talento, una inversión que Zuckerberg justificó como necesaria para no quedarse atrás frente a rivales como Anthropic y Alphabet.

Muse Spark, conocido internamente como Avocado, fue desarrollado en solo nueve meses por un equipo de élite de alrededor de 100 investigadores. A diferencia de los modelos anteriores de Meta, este es cerrado, lo que significa que su código y diseño no serán públicos. Según un ejecutivo de la compañía —que pidió anonimato—, el modelo aún está en una fase temprana y no supera en todas las áreas a alternativas como ChatGPT (OpenAI), Claude (Anthropic) o Gemini (Google), pero representa un “primer punto de referencia” en la nueva hoja de ruta de Meta.

El modelo ya impulsa el chatbot Meta AI y, aunque por ahora es gratuito para los usuarios, la compañía evalúa introducir tarifas de suscripción en el futuro. Este cambio podría redefinir el modelo de negocio de Meta, históricamente basado en la publicidad. Además, Muse Spark se integrará en plataformas como Instagram, Facebook y WhatsApp, donde mejorará funciones como la recomendación de productos y la segmentación publicitaria.

Uno de los aspectos más polémicos es que Muse Spark se entrenó utilizando modelos de terceros, incluido Qwen del gigante chino Alibaba. Esta decisión contrasta con la postura de muchos ejecutivos y políticos estadounidenses, que han expresado preocupaciones sobre la dependencia de tecnología china en IA por riesgos de seguridad nacional. Meta defendió su enfoque argumentando que emplea “técnicas de destilación con estrictas medidas de seguridad” para mejorar sus propios modelos sin comprometer la integridad.

Muse Spark ofrece tres niveles de razonamiento:

• Modo “Instantáneo”: respuestas rápidas para consultas simples.
• Modo “Pensando”: análisis más profundo para preguntas complejas.
• Modo “Contemplando”: capacidades de nivel investigativo, ideal para ciencia, salud y matemáticas.

Sin embargo, el ejecutivo reconoció que el modelo aún tiene limitaciones en áreas como la programación, donde competidores como Gemini y GPT-4 mantienen ventaja. A pesar de ello, Meta insiste en que Muse Spark está optimizado para nichos específicos donde la compañía tiene ventajas competitivas, como el análisis de datos propios de sus plataformas.

¿Por qué Meta abandona el código abierto con Muse Spark?

El lanzamiento de Muse Spark sella el fin de una era para Meta, que durante años lideró el movimiento de IA de código abierto con sus modelos Llama. La pregunta clave ahora es: ¿por qué este giro hacia modelos cerrados? Según analistas, la respuesta tiene tres pilares:

1. Protección de la propiedad intelectual: Evitar que competidores repliquen sus avances, como ocurrió con versiones anteriores de Llama.
2. Monetización directa: Abrir vías de ingresos recurrentes mediante APIs de pago, algo inédito en una empresa que hasta ahora dependía casi exclusivamente de la publicidad.
3. Seguridad y cumplimiento: Reducir riesgos regulatorios al controlar estrictamente el acceso al modelo, especialmente en un contexto donde gobiernos como el de EE.UU. exigen mayor transparencia en los datos de entrenamiento.

El cambio no está exento de controversia. La comunidad de desarrolladores y académicos podría ver limitada su capacidad para auditar sesgos o mejorar el modelo, mientras que los inversores celebran la posibilidad de que Meta diversifique sus fuentes de ingresos. Según datos históricos, cuando empresas como Microsoft o Google transitaron de modelos abiertos a cerrados, sus ingresos por licencias crecieron entre un 20 % y 30 % en el primer año, siempre que el producto superara al líder del mercado en al menos una métrica clave (velocidad, coste o precisión).

Muse Spark aún no iguala a GPT-4 o Claude 3 en benchmarks generales, pero Meta apuesta por su especialización en ciencia, salud y matemáticas, áreas donde la compañía tiene acceso a datos únicos gracias a sus plataformas. Además, la integración con herramientas como un agente de compras en fase alfa —que ya recomienda productos en Instagram y Facebook— podría ser la clave para aumentar la conversión publicitaria sin depender de suscripciones.

Riesgos geopolíticos y el futuro de Muse Spark

La decisión de Meta de utilizar Qwen de Alibaba para entrenar Muse Spark ha generado tensiones en Washington. El Comité de Asuntos Exteriores de la Cámara de Representantes ya ha solicitado informes sobre el uso de modelos chinos en el desarrollo de IA estadounidense, citando posibles riesgos para la seguridad nacional. Aunque Meta asegura que aplicó “protocolos de seguridad estrictos” durante la destilación, el episodio refleja un dilema creciente en la industria: ¿hasta qué punto la eficiencia técnica debe anteponerse a las consideraciones geopolíticas?

En el plano competitivo, el cierre de Muse Spark podría ser el primer paso para que Meta ofrezca servicios enterprise de IA a grandes corporaciones, un mercado donde Microsoft y Google ya facturan miles de millones anuales. La compañía tiene la infraestructura necesaria —gracias a inversiones como los US$14.000 millones en Scale AI—, pero deberá demostrar que sus modelos cerrados son tan robustos y seguros como los de la competencia.

A corto plazo, el 6 % de alza en bolsa refleja más alivio que euforia: los inversores temían que Meta se hubiera quedado atrás en la carrera de la IA. Ahora, con Muse Spark como primera entrega tangible de Meta Superintelligence Labs, la atención se centra en si la compañía podrá mantener un ritmo constante de innovación. Según fuentes internas, ya hay varios modelos “Muse” en desarrollo —inspirados en la mitología griega, pasión personal de Zuckerberg—, y el próximo lanzamiento podría llegar antes de fin de año.

Pero el verdadero test será la integración en sus plataformas. Si el agente de compras basado en Muse Spark logra mejorar la tasa de conversión publicitaria aunque sea un 1 %, el impacto en los ingresos podría superar cualquier ganancia directa por suscripciones. Como declaró un ejecutivo: “No se trata solo de vender acceso a la API, sino de hacer que cada interacción en nuestras apps sea más valiosa para los anunciantes”.

¿Logrará Meta convencer a los desarrolladores y reguladores de que su apuesta cerrada vale la pena? O, por el contrario, ¿el costo de abandonar el código abierto será mayor que los beneficios de Muse Spark?

El precedente de Google y Microsoft: ¿puede Meta repetir su éxito con modelos cerrados?

El giro de Meta hacia IA cerrada con Muse Spark no es el primero en la industria, pero sí el más arriesgado para una empresa que construyó su reputación en el código abierto. Analizar cómo les fue a Google y Microsoft —los dos gigantes que dominan el mercado con modelos propietarios— ofrece pistas sobre lo que podría esperar a Meta, pero también revela un detalle clave: el éxito no está garantizado sin una ventaja diferencial clara.

En 2019, Google lanzó BERT, su modelo de lenguaje cerrado que revolucionó la búsqueda y la publicidad. En solo 12 meses, la compañía reportó un aumento del 17% en la precisión de los resultados de búsqueda, lo que se tradujo en un incremento del 5% en los ingresos por publicidad (unos $3.800 millones adicionales ese año, según su informe anual). Sin embargo, el verdadero salto llegó con PaLM en 2022, cuyo rendimiento en tareas multilingües permitió a Google cobrar primas de hasta $20.000 anuales por usuario enterprise, un segmento que hoy representa el 28% de los ingresos de Google Cloud. La lección: la monetización directas solo funciona si el modelo supera al menos en un 30% a las alternativas abiertas en métricas críticas (velocidad, coste o especialización), algo que Muse Spark aún no ha demostrado.

Microsoft, por su parte, apostó por copilotar modelos cerrados como GPT-4 en lugar de desarrollarlos internamente. Su integración en Azure y Office 365 generó $10.000 millones en ingresos recurrentes en 2023, pero a un costo: la dependencia de OpenAI le obligó a ceder el 49% de los beneficios de sus servicios de IA hasta 2025, según filtraciones del contrato. Aquí radica el riesgo para Meta: si Muse Spark no logra igualar a Claude 3 o Gemini en benchmarks clave, podría quedar relegado a un nicho, mientras sus competidores dominan el mercado enterprise con márgenes del 60-70%.

Meta enfrenta un desafío adicional: el 85% de sus ingresos aún provienen de publicidad, y cualquier distracción en este frente podría anular las ganancias de Muse Spark. En 2021, cuando Facebook intentó pivotar hacia el metaverso con $10.000 millones en inversiones, sus acciones cayeron un 25% en seis meses. La diferencia ahora es que la IA generativa tiene un mercado probado: las empresas pagan hasta $50.000 anuales por APIs como Claude Team, según datos de Anthropic. Pero para competir, Meta necesitará demostrar que Muse Spark no es solo un «punto de referencia», sino una herramienta que justifique migraciones masivas desde GPT-4 o Gemini.

La prueba de fuego: ¿podrá Meta vender lo que aún no ha terminado de construir?

El 6% de alza en bolsa refleja expectativas, no logros. Los inversores apuestan por que Meta Superintelligence Labs replique el ritmo de innovación de DeepMind (Google), que lanza un modelo revolucionario cada 18 meses. Pero hay un detalle incómodo: DeepMind invierte $1.500 millones anuales en I+D, mientras que el presupuesto de MSL —aunque no se ha revelado— está lejos de esa cifra, según estimaciones de Bloomberg Intelligence. Si Muse Spark tarda más de 12 meses en igualar a sus competidores en áreas como programación o análisis de datos, Meta podría repetir el error de IBM con Watson: un lanzamiento prometedor seguido de años de estancamiento. La pregunta no es si el modelo cerrará la brecha técnica, sino si lo hará antes de que los clientes enterprise firmen contratos de 5 años con OpenAI o Google.