La apuesta de $2 mil millones de Meta para construir a tu colega de IA

Diez días desde la primera conversación seria hasta la firma de documentos para una adquisición de $2 mil millones suena como un error tipográfico. Para Meta y Manus, fue todo el cronograma. Sin cortejos prolongados, sin una telenovela regulatoria de un año—solo un trato comprimido y de alta velocidad que parecía más una ronda de inversión inicial de una startup que una de las apuestas más grandes de Big Tech de la década.

Meta pagó aproximadamente $2 mil millones, lo que convierte a Manus en su tercera mayor adquisición de la historia, detrás de WhatsApp y su inversión en Scale AI para 2025. Esa etiqueta de precio sacó instantáneamente a Manus de la categoría de "startup caliente" y lo colocó firmemente en la estrategia central de Meta, junto a Instagram y WhatsApp como apuestas fundamentales, no como experimentos opcionales.

La velocidad y el tamaño enviaron una ola de choque inmediata a la industria de la IA. Una empresa que recién alcanzó alrededor de 100 a 125 millones de dólares en ingresos anuales recurrentes y procesó más de 147 billones de tokens acaba de convencer a un gigante tecnológico para que actúe a un ritmo de emergencia. Los competidores lo interpretan como una sirena: los sistemas agentivos ya no son una búsqueda secundaria; son parte esencial del juego.

Los expertos de la industria que ya se preocupaban por un “sobrante de capacidad del modelo” vieron de repente cómo su tesis se validaba en $2 mil millones. Meta efectivamente indicó que el problema no son los modelos más inteligentes, sino la estructura de soporte—la capa de ejecución que permite a los agentes de IA escribir código, crear máquinas virtuales y operar de manera confiable más de 80 millones de computadoras virtuales. Manus se convirtió en la respuesta de Meta a esa capa faltante.

En comparación con acuerdos históricos, el ritmo parece casi absurdo. La asociación de Microsoft con OpenAI evolucionó a lo largo de los años; el impulso interno de Apple en inteligencia artificial ha avanzado de manera cautelosa y incremental; incluso la venta de Instagram a Facebook en 2012 tomó semanas de negociaciones. Un apretón de manos de diez días por varios miles de millones de dólares se destaca como un nuevo punto de referencia para la decisividad en la sala de juntas.

Ese ritmo también expone la urgencia en la frontera. Meta aún no posee un claro "modelo de frontera" como lo afirman OpenAI, Anthropic o Google DeepMind. Al adquirir Manus, que ya opera sobre modelos externos de primer nivel, Meta ganó tiempo, talento y una capa de ejecución de un solo movimiento—y luego comprimió todo el proceso en un único y frenético sprint.

Los agentes de IA de propósito general parecen abstractos, pero la idea es simple: en lugar de un chatbot que responde preguntas, tienes un trabajador de software que puede planificar, hacer clic, escribir y operar aplicaciones de la misma manera que lo haría un humano. No solo le hablas; le das un trabajo y él se encarga de averiguar cómo pasar de una solicitud vaga a un entregable final.

Manus creó agentes que viven dentro de computadoras virtuales completas, no en demostraciones aisladas. Cada agente puede abrir un navegador, ejecutar aplicaciones de estilo Office, gestionar archivos y encadenar docenas de pasos sin que un humano dirija cada clic.

Las capacidades fundamentales se parecen inquietantemente a lo que muchos trabajadores conocedores hacen todo el día. Un agente de Manus puede escribir código de calidad de producción, refactorizar una base de código heredada, crear un entorno de desarrollo y ejecutar pruebas. Luego, el mismo agente puede cambiar a la construcción de una presentación en PowerPoint, extrayendo gráficos de hojas de cálculo y capturas de pantalla de maquetas de productos.

Ese salto de la predicción de texto al trabajo real proviene de lo que Manus llama una capa de ejecución. Los modelos de lenguaje grande proporcionan "cerebros" — razonamiento, planificación, comprensión del lenguaje natural — pero no pueden manejar un ratón o teclado. Manus envuelve esos modelos en una infraestructura que traduce planes de alto nivel en acciones concretas de interfaz de usuario en una máquina real.

La ejecución significa que el agente no solo dice "deberías hacer X"; realmente hace X. Puede instalar software, iniciar sesión en paneles web, mover datos entre herramientas y recuperarse cuando un diseño de sitio web cambia o un script produce un error. La estructura que rodea al modelo maneja el estado, la memoria y la corrección de errores.

Imagina preguntar a un agente de Manus: “Audita nuestros últimos 12 meses de gasto en publicidad y dime qué recortar.” Podría iniciar sesión en Meta Ads y Google Ads, exportar informes, normalizar los datos en una hoja de cálculo, realizar un análisis de atribución básico y luego redactar un resumen y una presentación de diapositivas con las recomendaciones de cambios en el presupuesto.

O imagine un equipo de productos entregándole a Manus un informe de errores y un repositorio de GitHub. El agente podría reproducir el problema en un entorno virtual, rastrear el commit ofensivo, proponer una solución, abrir una solicitud de extracción con pruebas y publicar una actualización de estado en Slack, de principio a fin, sin que un humano toque el teclado.

De cero a leyenda, Manus tardó apenas un año. La empresa pasó de un lanzamiento discreto a una impresionante tasa de ingresos recurrentes anual de $125 millones, una trayectoria por la que muchos fundadores de SaaS matarían en cinco años, no en doce meses. Los ingresos siguieron al uso, y el uso estuvo por las nubes.

Scale se parecía menos a una startup y más a un protocolo de internet. Los agentes de Manus procesaron más de 147 billones de tokens, un volumen que los coloca en la misma conversación que las plataformas LLM de primer nivel. Además, esos agentes crearon más de 80 millones de computadoras virtuales, cada una un espacio de trabajo desechable donde residían software, archivos y herramientas que la IA podía manipular.

Ese truco de computadora virtual resolvió un dolor real. Las empresas no querían un chatbot ingenioso; querían una inteligencia artificial que pudiera acceder a paneles, refactorizar bases de código, actualizar presentaciones y gestionar tickets sin violar las normativas. Manus agrupó eso en un producto por suscripción que las empresas podían implementar sin tener que contratar un pequeño laboratorio de investigación.

La demanda del mercado para IA agentiva resultó ser mucho menos hipotética de lo que afirmaban los escépticos. Los equipos utilizaron Manus para automatizar: - Sprints de investigación - Limpieza y reporte de datos - Tareas rutinarias de ingeniería y DevOps - Flujos de trabajo internos en finanzas, recursos humanos y soporte

Cada flujo de trabajo exitoso hizo que la plataforma fuera más atractiva, aumentando el uso — y el ARR — hacia arriba y a la derecha.

Para cuando Meta llamó, Manus ya no parecía una apuesta arriesgada; se veía como la capa de ejecución predeterminada para futuros trabajos de IA. Meta vio una empresa que ya había validado la demanda de agentes a gran escala, había sometido su infraestructura a pruebas de estrés con billones de tokens y había construido una base de usuarios que trataba a los colegas de IA como algo normal. Para un desglose detallado directamente de la fuente, Manus expuso silenciosamente su trayectoria en una publicación del blog: Manus se une a Meta para la próxima era de innovación.

La compra de Manus por parte de Meta gira en torno a una idea nerd pero crucial: el problema de la "sobrecarga de capacidad del modelo". Esa es la brecha entre cuán inteligentes son ya los modelos de lenguaje grandes y cuán poco de esa inteligencia se refleja realmente en el trabajo. Los modelos pueden sobresalir en benchmarks y escribir fragmentos de código elegantes, pero aún así no logran ejecutar de manera confiable un informe de ventas o lanzar una característica de producto de principio a fin.

La inteligencia de modelos en bruto responde preguntas; los trabajos requieren ejecución en múltiples pasos. Lanzar una función significa leer una especificación, editar una base de código, ejecutar pruebas, actualizar la documentación, presentar tickets y publicar en Slack. Un modelo estilo chat puede ayudar en cada paso, pero no posee el flujo de trabajo, no realiza un seguimiento del estado ni se recupera cuando algo falla a mitad de camino.

Manus ataca esa brecha actuando como un andamiaje alrededor de cualquier modelo frontal que conectes. Sus agentes no solo responden; planifican, secuencian y supervisan tareas. Pueden activar una de más de 80 millones de computadoras virtuales que Manus ha propulsado, instalar herramientas, escribir y ejecutar scripts, y repetir el proceso hasta que se alcance un objetivo concreto.

Ese andamiaje se parece menos a un chatbot y más a un sistema operativo para trabajadores de inteligencia artificial. Agentes Manus: - Mantienen un contexto prolongado sobre un proyecto - Llaman herramientas como navegadores, IDEs y PowerPoint - Manejan errores, reintentos y lógica de ramificación a lo largo de las sesiones

Los proveedores de modelos se enfocan en tokens; Manus se centra en entornos. La empresa ya ha procesado más de 147 billones de tokens, pero el valor proviene de cómo esos tokens mueven archivos, API y GUI, no solo del texto. Transforma "responde a esta pregunta" en "hazte dueño de este proceso".

La apuesta de $2 mil millones de Meta dice que la próxima carrera armamentista de IA no se tratará solo de modelos de lenguaje más grandes, sino de quién controla la capa de ejecución sobre ellos. Manus actualmente opera con modelos de frontera de terceros; Meta aún sigue detrás de OpenAI y otros en ese aspecto. Comprar Manus permite a Meta competir en aplicaciones incluso mientras se esfuerza por alcanzar el poder de modelo en bruto.

Meta acaba de comprar una empresa que opera con modelos que en realidad no posee. Manus construyó su plataforma de agentes con un ARR de $125 millones basada en modelos fronterizos de rivales, no en su propia infraestructura. Ahora Meta posee la capa de agentes, pero aún está rezagada en la carrera por proporcionar el cerebro que la impulsa.

OpenAI, Google y Anthropic han lanzado modelos ampliamente considerados de calidad de vanguardia: GPT-4 y GPT-4o, Gemini 1.5 Pro y Claude 3.5 Opus. Estos sistemas ya impulsan copilotos dentro de Office, Workspace y flujos de trabajo empresariales, brindando a sus creadores un ciclo estrecho entre la innovación del modelo y los datos de uso en el mundo real. Meta, en cambio, ofrece Llama 3 como una familia de pesos abiertos, elogiada por su costo y apertura, no por su capacidad de vanguardia absoluta.

El movimiento de Meta divide efectivamente su estrategia de IA en dos frentes. En un frente, Manus se convierte en la apuesta por poseer la capa de agente: la planificación, el uso de herramientas y el entorno de “computadora virtual” que transforma modelos en bruto en trabajadores. En el otro, Meta debe apresurarse a evolucionar Llama de un modelo abierto sólido a algo que pueda reemplazar de manera creíble los motores propietarios de los que Manus depende hoy en día.

Esa estrategia de dos frentes introduce un riesgo real de ejecución. Los agentes de Manus, según informes, activaron más de 80 millones de máquinas virtuales y procesaron más de 147 billones de tokens al apoyarse en el modelo que mejor se adaptara a la tarea. Si Meta obliga a un cambio anticipado a Llama antes de que pueda igualar el rendimiento de clase GPT-4, la adquisición de 2 mil millones de dólares corre el riesgo de convertirse en una degradación para los clientes actuales de Manus.

La presión ahora se concentra en el equipo de Llama de una manera que Meta no ha enfrentado antes. Manus no solo necesita un modelo abierto decente; necesita un motor de razonamiento de primer nivel que pueda manejar la planificación a largo plazo, el uso de herramientas de múltiples pasos y flujos de trabajo intensivos en código sin colapsar en errores. Cada punto de referencia superado por GPT-4, Gemini o Claude socava directamente el valor de la nueva plataforma de agentes de Meta.

Los rivales de Meta disfrutan de pilas más limpias. OpenAI controla tanto ChatGPT como sus modelos subyacentes; Google fusiona Gemini con Búsqueda, Docs y Android; Anthropic se centra estrictamente en Claude como un asistente primero basado en API. En cambio, Meta está apostando a que la combinación de una hoja de ruta de Llama en rápida iteración con la infraestructura de agentes de Manus le permitirá adelantarse, no solo ponerse al día.

Si esa apuesta falla, Manus sigue siendo una brillante interfaz conectada al cerebro de otra persona. Si tiene éxito, Meta obtiene algo más peligroso: un colega de IA que vive en las plataformas de Meta, potenciado de extremo a extremo por el propio sistema de Meta, y ya no dependiente de la frontera de nadie más.

Los chatbots reaccionan. Tú escribes, ellos responden. Los agentes invierten ese guion: establecen objetivos, hacen planes, interactúan con APIs, abren aplicaciones y continúan trabajando mucho después de que cierras la pestaña, más como un colega junior que como un cuadro de búsqueda más inteligente.

Los sistemas reactivos, como los bots de atención al cliente o los asistentes de sitios web de hoy, viven dentro de una única ventana de conversación. No recuerdan tu calendario, no tocan tus archivos y no coordinan entre herramientas. Los agentes proactivos se sitúan sobre tu correo electrónico, documentos, CRM y paneles internos, decidiendo qué hacer a continuación sin esperar tu indicación.

Imagina un día de trabajo en el que un agente de IA se despierta antes que tú. Escanea los correos electrónicos nocturnos, clasifica los hilos, redacta respuestas y bloquea tiempo en tu calendario para cualquier cosa que parezca un trabajo real. Para cuando inicies sesión, recibes un breve informe, no una bandeja de entrada desbordada.

Durante el día, ese mismo agente puede: - Extraer datos de Salesforce y bases de datos internas - Crear una presentación en PowerPoint, completa con gráficos - Archivar tickets, actualizar documentos de Notion y enviar mensajes a compañeros en Slack

Ahora escale eso a lo largo de una empresa. Los analistas de investigación delegan revisiones de literatura y extracción de datos a agentes que leen cientos de archivos PDF y paneles en paralelo. Los gerentes de producto permiten que los agentes supervisen métricas de usuarios, presenten informes de errores y propongan ajustes a la hoja de ruta. Los equipos de recursos humanos cuentan con agentes que buscan candidatos, programan entrevistas y generan planes de incorporación personalizados.

El trabajo del conocimiento comienza a parecerse menos a descripciones de trabajo estáticas y más a una orquestación. Los humanos definen objetivos, limitaciones y gustos; los agentes de IA se encargan del trabajo de enlace que actualmente consume entre el 30% y el 50% de la semana de un empleado de oficina: informes de estado, copiar y pegar entre sistemas, control de calidad manual, Tetris de calendarios.

Las estructuras corporativas se adaptan a esto. Los equipos se reducen, pero producen más. Un solo gerente puede “supervisar” un pequeño grupo de personas y un enjambre de agentes especializados en comprobaciones de cumplimiento, modelado financiero o investigación de usuarios. Las evaluaciones de desempeño comienzan a medir qué tan bien diseñas, supervisas y depuras a tu personal digital.

La compra de $2 mil millones de Meta por Manus es la señal más clara hasta ahora de que este futuro agente no es una historia de 2030. Manus ya opera agentes que generan más de 80 millones de computadoras virtuales y procesan 147 billones de tokens, realizando silenciosamente un trabajo real para clientes que pagan. Para un análisis más profundo de cómo Meta está posicionando esa apuesta, consulta Meta adquiere Manus por $2B para impulsar agentes de IA autónomos.

Meta obtiene la participación; Xiao Hong insiste en que Manus mantenga el volante. En su nota posterior a la adquisición, enfatiza que Manus conserva “independencia operativa” y que el acuerdo “no cambia cómo trabaja Manus ni cómo se toman las decisiones.” Esa promesa es importante porque el valor de Manus reside en un estrecho ciclo de retroalimentación entre su tecnología agente y sus exigentes clientes empresariales, no en ser absorbido por la vasta burocracia de Meta.

Operar Manus desde Singapur no es solo una elección sentimental. La empresa ya atiende a una base de clientes global a través de su aplicación de suscripción y sitio web, y esos usuarios esperan continuidad, no una migración forzada a cuentas de Meta o inicios de sesión de Instagram. Mantener las mismas URL, flujos de facturación y canales de soporte indica que sigue siendo un producto que puedes comprar, no solo una demostración dentro de Meta AI.

La historia sigue advirtiendo sobre lo que sucede cuando los gigantes absorben a las startups. Nest de Google, las adquisiciones de Facebook relacionadas con Instagram, y innumerables acuerdos más pequeños muestran cómo la integración puede reducir la velocidad de los productos, alienar a los primeros adoptantes y drenar talento clave. Meta parece estar intentando un enfoque diferente aquí: financiar a Manus como una startup interna mientras evita las lentas cadenas de dependencia entre equipos que matan la experimentación de estilo agente.

"Una base más fuerte y sostenible" suena a un discurso de relaciones públicas hasta que se desglosan las implicaciones del plan. Para Manus, eso probablemente significa acceso garantizado a GPU en los centros de datos de Meta, una integración más profunda con superficies de primera parte como Facebook, WhatsApp e Instagram, y el capital necesario para perseguir capacidades de agente más ambiciosas en lugar de optimizar para el ARR a corto plazo. La pregunta abierta: ¿significa "sostenible" ser más lento?

Fundamentos más sólidos también vienen con barandillas invisibles. Las reglas de privacidad de Meta, las políticas de seguridad de marca y la exposición regulatoria darán forma a lo que los agentes de Manus pueden automatizar, qué herramientas pueden utilizar y cuán agresivamente iteran sobre funciones arriesgadas. Manus mantiene su esencia solo si Hong puede usar la infraestructura de Meta sin heredar el instinto de Meta de centralizar, sanitizar y estandarizar todo.

Meta acaba de girar la carrera armamentista de IA de lado. En lugar de perseguir a OpenAI y Google en las tablas de referencia, gastó aproximadamente 2 mil millones de dólares en Manus, una empresa cuyo mensaje principal es: los modelos son lo suficientemente buenos, la pieza que falta es un agente que pueda realmente hacer el trabajo. Ese movimiento ataca el flanco débil en las estrategias de ambos rivales: el problema desordenado y poco atractivo de convertir la inteligencia bruta del modelo en flujos de trabajo confiables y de extremo a extremo.

Google y OpenAI todavía venden una visión en la que el modelo fronterizo es la plataforma. GPT-4, Gemini y sus sucesores se sitúan en el centro, con complementos, acciones y APIs orbitando a su alrededor. Meta está diciendo, de manera efectiva, lo contrario: la verdadera plataforma es una capa de ejecución que puede orquestar cualquier modelo, cualquier herramienta, cualquier entorno, y Manus ya lo hace en millones de máquinas virtuales.

Los agentes de Manus pueden escribir código, manipular PowerPoint, operar escritorios completos y coordinar tareas de investigación complejas, todo impulsado por el modelo que mejor funcione. Eso hace que Manus sea peligrosamente portátil: se puede sustituir por OpenAI hoy, el modelo futurista de Meta mañana, y quizás Mistral después de eso. Si Meta puede integrar esto en Facebook, Instagram y WhatsApp, controla al agente con el que los usuarios interactúan todos los días, incluso si un modelo rival funciona internamente.

Google y OpenAI ahora enfrentan una pregunta incómoda: ¿doblarán su apuesta por la supremacía del modelo o se apresurarán a igualar a los agentes al estilo Manus? Las contramedidas obvias incluyen: - Adquirir startups rivales de agentes que construyen pilas similares de "compañeros de IA" - Agrupar agentes autónomos más agresivos en competidores de Workspace y Office - Vincular los agentes estrechamente a sus propios modelos para prevenir abstracciones al estilo Meta

Estrategicamente, esto parece el fin de juego de una plataforma. Si Meta posee el agente de trabajo predeterminado integrado en los flujos de trabajo sociales, de mensajería y empresariales, puede commoditizar los modelos subyacentes de la misma manera en que Android commoditizó a los fabricantes de dispositivos. Google y OpenAI corren el riesgo de convertirse en infraestructuras intercambiables, mientras Meta posee la relación, el flujo de datos y la distribución.

Meta está apostando a que en unos años nadie preguntará: “¿Qué modelo hizo esto?” Preguntarán: “¿Qué agente ejecuta mi trabajo?” Con Manus, Meta quiere que esa respuesta sea la suya y obligar a todos los demás a jugar en ese tablero.

Meta no gastó $2 mil millones solo para añadir otro chatbot a Facebook. Compró Manus para armar Llama. Durante años, Meta ha invertido miles de millones en modelos de código abierto, lanzando Llama 2 y Llama 3 al público mientras observa cómo OpenAI y Google capturan la mayor parte de los ingresos. Manus es la capa que faltaba para convertir esos pesos disponibles de forma gratuita en una plataforma lista para empresas que imprime dinero.

En este momento, Llama es un cerebro poderoso en busca de un cuerpo. Manus ya trata a los grandes modelos de lenguaje como motores intercambiables detrás de su pila de agentes, conectándolos a máquinas virtuales, navegadores y herramientas SaaS. Conecte esa estructura a Llama y Meta de repente tiene un marco de agente de extremo a extremo que realmente controla, desde el silicio hasta la interfaz.

Imagina anuncios en Instagram creados por un agente Manus potenciado por Llama que puede: - Extraer tu catálogo de productos - Generar copy, imágenes y variantes de video - Crear pruebas A/B - Monitorizar el rendimiento y auto-iterar diariamente

Ese flujo de trabajo salta de “chatear con Meta AI sobre ideas publicitarias” a “tu campaña está activa, gastando y optimizando mientras duermes”. Lo mismo ocurre con la escritura de Reels, el análisis de creadores y el alcance automatizado de marcas que se ejecuta dentro de las propias herramientas de Meta.

En el ámbito empresarial, Manus convierte a Llama en un potente motor integral para las apuestas de productividad de Meta. Un agente de Llama podría estar integrado en Workplace, leyendo documentos, generando presentaciones, gestionando tickets y actualizando tableros de control. Manus ya impulsa más de 80 millones de computadoras virtuales y procesa más de 147 billones de tokens; conectado a Llama, esos números se convierten en uso nativo de Meta, no en la factura de la API de otra compañía.

La monetización finalmente se pone en foco. En lugar de simplemente hacer modelos de código abierto y esperar la buena voluntad del ecosistema, Meta puede vender: - Agentes Llama + Manus alojados como un servicio gestionado - Pilas de agentes locales para industrias reguladas - APIs basadas en el uso que combinan modelo + herramientas + orquestación

Eso transforma Llama de una flexibilidad de investigación en una estrategia de plataforma. Manus proporciona la capa de ejecución, Meta aporta los modelos, datos y la distribución entre miles de millones de usuarios. Si Meta logra esto, Llama deja de ser "la alternativa gratuita a GPT" y se convierte en el sistema operativo predeterminado para el trabajo automatizado.

El trabajo de oficina acaba de conseguir un nuevo compañero, que no duerme, no olvida y ya sabe cómo usar tus herramientas. Meta no gastó 2 mil millones de dólares en Manus para construir un chatbot más inteligente; compró un motor para colegas de IA que puede abrir aplicaciones, hacer clic en botones, escribir código y enviar trabajo a través de máquinas virtuales a gran escala.

Para los trabajadores del conocimiento individuales, eso transforma la IA de “copiloto en un cuadro de texto” a “compañero paralelo” que opera en segundo plano. Manus ya ha creado más de 80 millones de computadoras virtuales y procesado más de 147 billones de tokens, una pista de lo que sucede cuando cada analista, comercializador e ingeniero cuenta con un operador digital siempre activo.

El ChatGPT de hoy o el Meta AI principalmente espera indicaciones; los agentes al estilo Manus buscan tareas. Imagina una IA que: - Lee tu bandeja de entrada, redacta respuestas y programa reuniones - Inicia sesión en paneles internos, extrae métricas y actualiza diapositivas - Registra tickets, escribe código de integración y valida el despliegue

Eso ya no es ciencia ficción; es literalmente la hoja de ruta del producto de Manus, ahora integrada en la infraestructura de Meta. Para un gerente de proyecto, eso significa que los informes de estado se escriben solos. Para un vendedor, los seguimientos, las actualizaciones de CRM y las presentaciones se convierten en procesos de fondo. Para un ingeniero junior, un agente de propósito general comienza a parecerse incómodamente a un competidor directo.

La preparación deja de ser opcional. Los profesionales que tratan a los agentes como objetivos de descarga para flujos de trabajo repetitivos avanzarán más rápido que aquellos que los ignoran. Las habilidades duraderas se convierten en: - Diseño de sistemas y pensamiento de procesos - Especificaciones claras y mensajes escritos - Juicio en el dominio, evaluación de riesgos y responsabilidad

La recualificación ahora significa aprender a orquestar agentes, no solo a interrogar modelos. Si puedes describir tu trabajo como una secuencia de clics en el navegador, llamadas a API y ediciones de documentos, asume que un agente puede aprenderlo. Tu ventaja se convierte en saber cuáles tareas automatizar, cómo verificar los resultados y cuándo decir que no.

La apuesta de $2 mil millones de Meta por Manus acelera la cronología. La integración de IA en el trabajo diario ya no se sitúa en un vago horizonte de 5 a 10 años; una empresa que cerró un acuerdo de miles de millones en diez días está señalando urgencia. El lugar de trabajo agente no llegará algún día. Acaba de ser adquirido.

¿Qué es Manus AI?

Manus AI desarrolla agentes de inteligencia artificial de propósito general diseñados para realizar tareas complejas como programar, analizar datos y utilizar aplicaciones de software dentro de entornos informáticos reales.

¿Cuánto pagó Meta por adquirir Manus?

Meta adquirió Manus por 2.000 millones de dólares. El acuerdo fue notable por su rapidez, habiendo sido completado en tan solo diez días.

¿Por qué compró Meta Manus?

Meta adquirió Manus para acelerar el desarrollo de sus agentes de IA autónomos, abordando el desafío de que, aunque los modelos de IA son poderosos, carecen de la 'estructura' necesaria para realizar tareas complejas del mundo real de manera efectiva.

¿Continuará el servicio de Manus después de la adquisición?

Sí, Manus continuará operando su servicio de suscripción desde Singapur. La compañía declaró que la adquisición proporciona una base más sólida sin cambiar la forma en que opera o toma decisiones.