Cada vez que abres Instagram o Facebook, un modelo de ML — un sistema matemático entrenado con montañas de datos — decide qué anuncios ves y cuánto pagan los anunciantes. Esta máquina invisible le genera a Meta unos $160 mil millones al año. Detrás de ella, un ejército de ingenieros ajusta constantemente los modelos de ranking: corren experimentos, prueban ideas, depuran errores, y vuelta a empezar. Tedioso. Caro. Lento.

El problema es que cada modelo necesita más o menos dos ingenieros dedicados solo para seguir mejorándolo. Multiplica eso por docenas de modelos y estás quemando nómina en trabajo repetitivo que sigue el mismo patrón una y otra vez.

El 17 de marzo de 2026, el blog de ingeniería de Meta publicó discretamente los detalles de REA — el Ranking Engineer Agent. No es un chatbot. No es un autocompletado de código. Es un agente autónomo de IA que ejecuta el ciclo completo de machine learning — todo el proceso desde la hipótesis hasta el modelo entrenado — para el ranking de anuncios. Genera ideas, lanza trabajos de entrenamiento, depura fallos cuando algo truena, e itera sobre los resultados. Por días. Por semanas. Sin que un humano toque el teclado.

REA corre sobre Confucius, el framework interno de agentes de Meta (piénsalo como el sistema operativo que mantiene al agente vivo y organizado). El truco clave es lo que Meta llama "mecanismo de hibernar y despertar". Cuando un trabajo de entrenamiento arranca y tarda horas o días en terminar, REA se apaga solo. Cuando el trabajo termina, despierta, lee los resultados y decide qué hacer después. Esto no es un chatbot fingiendo que se acuerda de la conversación de ayer. Es un agente con persistencia real — la capacidad de sobrevivir a reinicios, caídas y flujos de trabajo que duran semanas.

El cerebro trabaja en dos vías simultáneamente. Primero, una base de datos de insights históricos — cada experimento pasado, qué movió métricas, qué fue un fracaso. Segundo, un agente de investigación que lee papers de ML de frontera y encuentra configuraciones que ningún ingeniero humano se le ocurriría probar solo por experiencia. REA combina ambas fuentes en propuestas de experimentos, y luego ejecuta en tres fases: Validación (prueba ideas individuales en paralelo), Combinación (fusiona las ganadoras, busca sinergias inesperadas) y Explotación (apuesta fuerte por las mejores candidatas). El agente estima costos de cómputo en GPU — el precio de correr cálculos en hardware especializado — antes de cada fase y se detiene cuando el presupuesto se acaba. Nada de facturas de la nube desbocadas.

Los ingenieros humanos siguen existiendo en este ciclo, pero su trabajo cambió. Definen la dirección estratégica, aprueban presupuestos y revisan las propuestas de REA en los checkpoints.

Los números del primer despliegue en producción con seis modelos: REA duplicó la precisión promedio de los modelos sobre la línea base. Tres ingenieros usando REA entregaron propuestas de mejora para ocho modelos — trabajo que antes requería dieciséis ingenieros. Cada ingeniero pasó de producir una propuesta de mejora a cinco en el mismo periodo. Eso no es "la IA te ayuda a programar más rápido". Eso es "la IA hace la ingeniería mientras tú miras".

Pero hablemos de lo que implica. Meta construyó un agente de IA que mejora el sistema de IA que genera casi todos los ingresos de Meta. La recursión — IA optimizando IA que genera dinero — es real y un poco inquietante. Y esto evidencia el abismo entre las demos de agentes y los agentes en producción. La mayoría de los frameworks de agentes — el andamiaje que los desarrolladores usan para construir agentes de IA — colapsan después de una sola sesión. REA corre por semanas. La mayoría de los agentes alucinan cuando encuentran errores. REA depura fallos de entrenamiento y reintenta. El patrón de hibernar y despertar es la innovación aburrida pero crítica: un agente que no sobrevive un reinicio del servidor es un juguete.

Si estás construyendo agentes de IA o evaluándolos para tu equipo, la lección no es sobre inteligencia. El problema difícil nunca fue "hacer que la IA sea inteligente". Fue "hacer que la IA trabaje de martes a viernes sin que alguien la esté cuidando". REA resuelve eso con hibernación deliberada y despertar estructurado — no manteniendo un proceso vivo para siempre.

Meta acaba de demostrar que los agentes autónomos pueden hacer ingeniería sostenida, durante semanas, sobre el sistema que financia toda la empresa. No en una demo. No en un benchmark. En producción, sobre la máquina de anuncios de $160 mil millones. La IA ahora hace la ingeniería de la IA. Y los ingenieros que antes hacían ese trabajo? Los ascendieron a supervisores — aunque nadie les haya preguntado si querían.