2026-11-11 · Fuente:虎嗅·中继

Casi 2,8 millones de instalaciones en 12 días y 642.000 usuarios activos diarios en el mercado de EE. UU.: Meta ha impulsado con su asistente de IA Muse una subida bursátil del 11,3%. ¿Por qué funciona este agente de 'administración de la vida' centrado en regatear y ahorrar? ¿Y qué señales de compra aporta su explosión a los compradores de cómputo?
Zuckerberg por fin pudo respirar aliviado: la acción de Meta subió con fuerza un 11,3%, Tencent se dejó arrastrar al alza un 5%, y el mayor catalizador fue justamente el asistente de IA Muse. En solo 12 días desde su lanzamiento, la aplicación acumula casi 2,8 millones de instalaciones totales, alcanza 642.000 usuarios activos diarios en móvil en Estados Unidos, se coloca primera del ranking gratuito de la App Store estadounidense y en descargas del mismo periodo supera incluso a ChatGPT.
Lo llamativo es que los grandes de China ya probaron esta jugada de forma colectiva a comienzos de este año: la IA que pide comida a domicilio y la IA que llama taxis hicieron creer al mercado por un tiempo que la superapp iba a ser reescrita por los agentes, pero el eco se apagó pronto. Medio año después, la misma historia se ha convertido en la dirección más caliente de Silicon Valley: además de Muse, Instinct, Town y Grok Bot han despegado una tras otra; Instinct está aún en fase de pruebas y su valoración ya se ha disparado hasta 2.500 millones de dólares, y toda la pista llega incluso a tener aire de desbancar a la IA de oficina.
Por su posicionamiento de producto, Muse no es otro chatbot, sino un agente que ejecuta tareas por el usuario: llama por teléfono, regatea, cancela suscripciones, compara precios y coordina agendas, y se apropia en bloque de procesos que antes exigían esperas y conversaciones humanas repetidas. Eso contrasta con los productos anteriores de IA de oficina centrados en generar contenido: aquellos venden 'el tiempo ahorrado', Muse vende 'el dinero ahorrado' y 'las esperas evitadas'. Para el consumidor estadounidense, acostumbrado a pagar suscripciones mensuales, una aplicación cuyo beneficio se convierte directamente en dólares tiene una lógica de pago naturalmente más sólida.
Contrariamente a lo imaginado, lo primero que los estadounidenses hacen con Muse no es comprar ni pedir comida, sino regatear y ahorrar. La agencia de investigación FUNDA recopiló 654 casos de uso públicos de sus primeros 12 días, y ahorrar dinero, reclamar reembolsos y finanzas personales encabezan la lista con 128 casos, un 19,6%: un usuario negoció su banda ancha de 500 Mbps de AT&T de 85 dólares al mes y la dejó en 1 Gbps por 40 dólares; otro bajó su Verizon Fios de 134 a 64 dólares; un aficionado hizo que Muse activara y cancelara automáticamente distintas plataformas de streaming según el calendario de la NFL y redujo el coste de toda la temporada de 310 a 181 dólares; y otro usuario esperó 2,5 horas al servicio de atención de AT&T sin resultado, mientras Muse marcó dos líneas a la vez y encontró a una persona real en 10 minutos.
FUNDA calculó sobre 49 de esos casos con importe claramente computable un ahorro anualizado conjunto de 35.426 dólares, con una media de 723 dólares por caso y una mediana de 490. Tras reclasificar, el 62,8% de los casos corresponde a 'Life Admin', tareas administrativas de la vida diaria, con dos rasgos comunes: procesos engorrosos pero de frecuencia bajísima que la gente tiende a aplazar de forma natural, y resultados directamente convertibles en dólares. Dicho de otro modo, el valor central de Muse es alisar el coste de fricción de los escenarios de consumo masivo, y eso da justo en la llaga estadounidense: la vida de la gente corriente está desparramada por decenas de sistemas que no se comunican entre sí: la información del vuelo vive en el correo, el itinerario en Google Calendar, el seguro del coche en la web de la aseguradora, la tarjeta de crédito en la app del banco, la tarifa de banda ancha en la trastienda del operador y el historial médico duerme en el portal de pacientes de cada hospital.
Por su impacto sectorial, la explosión de Muse certifica el punto de inflexión de la pista de los agentes del 'demostración' al 'día a día'. El apagón colectivo de los pedidos de comida por IA y los taxis por IA en China a comienzos de año frente al despegue colectivo de Silicon Valley medio año después probablemente no se explica por la tecnología, sino por la densidad de escenarios y la estructura de incentivos: el sistema fragmentado de proveedores del mercado estadounidense y el elevado coste horario de la atención humana al cliente ofrecen al agente un espacio de arbitraje nítido. En cuanto este tipo de aplicaciones entra en operación a escala, su consumo de cómputo de inferencia se multiplica de forma exponencial en forma de 'múltiples rondas de interacción por tarea y múltiples llamadas concurrentes', una demanda neta directa para los proveedores de nube y las plataformas de negociación de cómputo.
Para el comprador de cómputo para IA, este episodio tiene tres lecturas. Primera: la demanda de inferencia de las cargas tipo agente es más fragmentada y con picos y valles más marcados que la IA conversacional tradicional; al comprar conviene priorizar recursos de cómputo de tarificación elástica y fraccionables por horas, en vez de capacidad fija de fletamento de largo plazo. Segunda: la concurrencia multipista de voz y las tareas de contexto largo encarecen el coste por tarea; en la selección hay que evaluar sobre todo el caudal de inferencia y el techo de concurrencia, no solo los parámetros pico. Tercera: la explosión de tráfico de un agente de consumo suele consumarse en pocas semanas; reservar por adelantado un fondo elástico de cómputo de cierto tamaño y conservar al mismo tiempo un canal de reabastecimiento en el mercado spot es la estrategia realista ante este tipo de crecimiento tipo cisne negro.
[Datos reales de mercado] Según los registros de oferta de la plataforma, este modelo no cuenta actualmente con datos de precio publicado a la venta. Conviene advertir que esta noticia afecta al nivel de la aplicación final y de la acción de la compañía, no al lanzamiento de un modelo concreto de hardware de cómputo, por lo que no hay unidades ni bandas de precio correspondientes a la venta en el sistema de órdenes spot de la Bolsa de Cómputo de Wanan (AIXX). Si el comprador ajusta su posición de cómputo de inferencia por la mejora del ciclo de los agentes, se recomienda tomar como referencia los anuncios en tiempo real de modelos optimizados para inferencia de la misma clase, esperar el número del informe específico de oferta y demanda que la plataforma publicará más adelante y solo entonces decidir la compra, para evitar perseguir precios sin un mercado de referencia.
En conjunto, Muse demostró en 12 días que un agente puede educar al consumidor apelando al 'ahorro', y puso sobre la mesa el problema estructural de la demanda de cómputo de inferencia. La lección para el comprador de cómputo es sencilla: cada avance de escenario en la capa de aplicación acaba transmitiéndose a la capa de cómputo en forma de concurrencia y duración; el ritmo de compra debe seguir la curva de adopción de la aplicación, no la rueda de prensa.
P: ¿Cuáles son los datos clave de los 12 días de Muse desde el lanzamiento?
R: Casi 2,8 millones de instalaciones totales, 642.000 usuarios activos diarios en móvil en EE. UU., primer puesto del ranking gratuito de la App Store estadounidense y descargas superiores a las de ChatGPT en el mismo periodo; de los 654 casos que contabiliza FUNDA, el 62,8% son tareas administrativas de la vida diaria, y los 49 casos computables suman un ahorro anualizado de 35.426 dólares, con una media de 723 por caso y una mediana de 490.
P: ¿Qué impacto práctico tiene este episodio para la compra de cómputo para IA?
R: Las aplicaciones tipo agente se basan en múltiples rondas de interacción y múltiples vías concurrentes y amplifican notablemente el consumo de cómputo de inferencia; se recomienda al comprador priorizar la tarificación elástica y los recursos fraccionables por horas, y vigilar el canal de reabastecimiento en el mercado spot. Ojo: este episodio no corresponde a ningún modelo de cómputo concreto, y ese modelo no cuenta actualmente con datos de precio publicado a la venta; la decisión de compra debe guiarse por los anuncios en tiempo real de modelos de inferencia de la misma clase.
Etiquetas: Meta · Muse · Mark Zuckerberg · ChatGPT · Instinct · AI Assistant
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado