Directora financiera de Meta advierte sobre el futuro de la empresa: “Si Muse no funciona, las cosas van a ir mal”

Susan Li, directora financiera de Meta, advirtió en privado a Alexandr Wang que el futuro de la compañía depende del éxito de Muse Wonder, el nuevo modelo de inteligencia artificial presentado el 12 de octubre.

Según reveló el propio Wang en el podcast Cheeky Pints, conducido por el cofundador de Stripe John Collison, Li lo interceptó varias veces durante un retiro ejecutivo en Hawái para transmitirle una idea directa: si el modelo no funcionaba, las consecuencias financieras serían severas.

Cuál es la advertencia de Susan Li sobre el futuro de Meta

Wang reconstruyó el momento con precisión. “Estábamos en Hawái a fines del año pasado. Todo el equipo ejecutivo se había reunido”, relató. Y agregó la frase que pone presión al proyecto: “Susan me llevó aparte muchas veces y me dijo: si esto no funciona, va a ser muy, muy malo”.

La advertencia no se quedó ahí. Según Wang, Li fue todavía más explícita sobre el margen de error disponible: “Tiene que ser bueno. Si es bueno, todo está bien, somos geniales. Pero si es malo, es realmente, realmente, realmente malo”.

Susan Li lleva 18 años en Meta, casi todos en funciones financieras, y es la encargada de supervisar los estados contables de la compañía y de garantizar que las inversiones generen el retorno esperado para los accionistas. Parte de su trabajo consiste en frenar el impulso de crecimiento sin límites que caracteriza a Mark Zuckerberg y, ahora, también a Wang.

Ese rol de contrapeso cobra una relevancia particular porque Li atravesó de cerca otro giro estratégico de alto riesgo para Meta: la transformación de Facebook hacia el metaverso, una apuesta que no rindió los resultados prometidos. Esa experiencia explica, en parte, la cautela con la que vigila el nuevo salto hacia la inteligencia artificial de frontera.

Por qué Muse Wonder concentra tanta presión

Muse Wonder y Muse Wonder Full son los primeros modelos de frontera desarrollados por Meta Superintelligence Labs, el laboratorio que lidera Alexandr Wang tras su llegada a Meta como parte de un acuerdo valuado en 14.300 millones de dólares, luego de haber fundado Scale AI.

Muse Wonder es el modelo de inteligencia artificial con el que Meta busca competir directamente con OpenAI, Anthropic y Google tras meses de inversión multimillonaria; su éxito o fracaso definirá, según su propia directora financiera, si esa apuesta se traduce en beneficios o en un golpe financiero severo para la compañía.

Los nuevos modelos superan a Muse Spark, su predecesor, e incorporan razonamiento multipaso, memoria dinámica y ejecución de herramientas en entornos web y de escritorio. Según pruebas internas de Meta, su rendimiento es comparable al de Fable 5.1 y GPT-6 Astra.

Una inversión de cientos de miles de millones sin garantías

La magnitud de la apuesta quedó expuesta cuando Zuckerberg admitió, según un artículo publicado por Bloomberg un día después del lanzamiento de Muse, que Meta comprometió cientos de miles de millones de dólares en infraestructura de inteligencia artificial solo durante 2025 sin certeza de que los productos resultantes tuvieran éxito comercial.

Ese patrón se repite entre las grandes tecnológicas, que compran hardware de forma acelerada sin tener aún resuelta la infraestructura energética y de conectividad necesaria para ponerlo en funcionamiento.

En el terreno bursátil, la cautela de los inversores se refleja en los números: las acciones de Meta subieron apenas un 6% en doce meses, muy por debajo del 20% de Amazon y el 45% de Google.

Los resultados del segundo trimestre reforzaron esa desconfianza. Los ingresos crecieron un 28%, pero el beneficio por acción quedó por debajo de lo previsto y el flujo de caja libre cayó un 91% como consecuencia directa del gasto en inteligencia artificial.

A diferencia de Google y Amazon, que además de sus modelos propios obtienen ingresos crecientes al alquilar infraestructura de nube a través de Google Cloud y Amazon Web Services, Meta depende casi por completo del desempeño de sus propios modelos para justificar la inversión.