La advertencia del vicepresidente de ingeniería de Meta es directa: la infraestructura tecnológica sobre la que corre el mundo digital se diseñó para humanos, no para agentes de inteligencia artificial. En apenas seis meses, las consultas de estos agentes en los sistemas de la compañía se han multiplicado por 30, y el ritmo de crecimiento amenaza con sobrepasar cualquier planificación de capacidad. La ventana para reconstruir esa arquitectura es de solo 20 meses, o las empresas se enfrentarán a un colapso operativo sin precedentes.
Claves de la operación
- Las consultas de agentes IA en Meta se han multiplicado por 30 en medio año. La cifra, ofrecida por Barak Yagour durante el evento VB Transform 2026, refleja una explosión de demanda que ningún centro de datos actual puede absorber a largo plazo.
- Tres frentes críticos: capacidad, identidad y velocidad. Los sistemas de planificación de recursos se basan en el número de empleados humanos; un solo ingeniero puede generar decenas de agentes y subagentes, disparando el consumo hasta niveles equivalentes a 100.000 usuarios de la noche a la mañana. Además, los controles de acceso no están pensados para entidades no humanas que toman decisiones autónomas, y la velocidad a la que generan código satura las canalizaciones de compilación y despliegue.
- Meta propone ‘entornos de datos confiables’ como solución de gobernanza. Se trata de espacios donde los agentes operan con libertad, pero cada resultado queda trazado y verificado, garantizando que los datos compartidos sean fiables y estén bajo control.
El colapso de la capacidad: 30 veces más consultas en medio año
Durante su intervención, Yagour fue muy gráfico: “Una organización de 1.000 personas puede generar la carga de 100.000 usuarios prácticamente de la noche a la mañana”. El problema de fondo es que la planificación de infraestructura se ha basado históricamente en contar cabezas. Si un proyecto necesitaba más cómputo, se miraba cuántos desarrolladores trabajaban en él. Ahora, cada uno de esos ingenieros puede desatar una prole de agentes y subagentes que consumen recursos de forma exponencial.
Meta no es ajena a esta tensión. Sus sistemas internos están pasando de un procesamiento por lotes —que puede tardar hasta 24 horas en actualizarse— a un procesamiento en tiempo real, imprescindible cuando un modelo debe razonar sobre la intención de un usuario en ese mismo instante. También está migrando del almacenamiento opaco a un modelo que entiende su propio contenido, de modo que solo se leen los datos necesarios en cada consulta y se aligera así la carga sobre las GPU.
La autonomía sin gobernanza no es más que caos, y el tiempo para poner orden es dramáticamente escaso.
El dilema de la identidad y la velocidad
El segundo gran escollo son los sistemas de identidad y acceso. Un agente no es una persona, pero se mueve por la infraestructura, toma decisiones, ejecuta código y accede a datos. Los mecanismos tradicionales de autenticación y autorización no contemplan esta naturaleza híbrida. El riesgo no es solo de seguridad; es de integridad operacional: un agente mal gobernado podría corromper un pipeline de datos entero antes de que nadie se dé cuenta.
La velocidad añade otra capa de presión. Los agentes pueden escribir código más rápido que cualquier programador, pero, como recordó Yagour, “ese código aún necesita ser compilado, probado, desplegado y monitoreado”. La cadena de integración continua no está preparada para absorber picos de producción tan agresivos, lo que puede llevar a cuellos de botella y fallos en producción difíciles de prever.
El directivo apunta que los modelos de razonamiento están forzando un cambio en la capa de datos: ya no basta con buscar coincidencias por palabras clave; hace falta el historial completo de comportamiento para entender la intención del usuario. Esto exige rediseñar tanto el almacenamiento como el procesamiento, una tarea que en su opinión solo puede abordarse en meses, no en años.
La carrera contra el reloj: ¿España está preparada para la era agéntica?
La advertencia de Meta resuena con fuerza en el tejido empresarial español, donde la adopción de agentes IA empieza a acelerarse, sobre todo en banca, seguros y telecomunicaciones. Compañías como Telefónica, que está migrando sus cargas hacia entornos de nube híbrida, se enfrentan al mismo desafío que describe Yagour: la infraestructura heredada no fue pensada para una autonomía sin supervisión humana constante. El riesgo de quedarse atrás no es tecnológico, es competitivo.
En esta redacción entendemos que la ventana de 20 meses que menciona Meta no es exclusiva de los gigantes de Silicon Valley. Las empresas españolas que estén desplegando agentes sin una gobernanza robusta y sin un rediseño de sus plataformas de datos pueden encontrarse con facturas de computación desbocadas y fallos de servicio en los momentos más inoportunas. La clave ya no es si la IA es rentable, sino si la infraestructura aguanta.
La propuesta de los ‘entornos de datos confiables’ apunta a un nuevo paradigma: dar rienda suelta a los agentes pero con una trazabilidad total. Para el mercado español, donde la regulación de protección de datos es especialmente exigente, este enfoque podría convertirse en un estándar de facto antes de lo que muchos piensan. Quien no tenga sus datos bajo un control semántico correrá el riesgo de que la autonomía se convierta, efectivamente, en caos.
