Muse de Meta: ¿asistente útil o un agente que vigila demasiado?

Introducción

Meta presentó Muse como un agente de inteligencia artificial pensado para encargarse de tareas cotidianas: desde comprar en el supermercado hasta cancelar suscripciones. La propuesta es facilitar la vida digital delegando acciones repetitivas a un asistente que actúa en nuestro nombre. Sin embargo, una investigación publicada por Time ha puesto el foco en cómo Muse obtiene la información que necesita para ser eficaz y en las implicaciones de ese acceso profundo a la vida privada.

Para profesionales y tomadores de decisión en América Latina, donde la regulación y la alfabetización digital varían ampliamente, entender el diseño y los riesgos de agentes como Muse es clave antes de integrarlos en servicios o recomendarlos a equipos y clientes.

Qué hace Muse (según la investigación)

Time detalla que cuando Muse comienza a operar para un usuario construye un dossier interno —un “mapa de relaciones sociales”— que se actualiza con frecuencia, hasta cada hora. Ese registro no solo reúne lo que sabe sobre la persona que usa Muse, sino también sobre las personas con las que esa persona interactúa en chats, correos y mensajes.

El agente clasifica información como: cómo se conocieron dos personas, intereses compartidos, conversaciones previas y hasta registros de “tensiones y alianzas” entre contactos. Además, Muse tendría instrucciones para identificar qué tipo de mensajes funcionan mejor con cada contacto, y para inferir detalles no explícitos en las conversaciones (por ejemplo, horarios y estilos de recordatorios que resultan más eficaces con una persona concreta).

Time estima que Muse ya cuenta con alrededor de cuatro millones de usuarios, lo que multiplica la cantidad de relaciones y datos que el sistema puede analizar.

Alcance más allá del usuario principal

Un hallazgo importante y preocupante es que Muse no se limita a los datos del usuario que lo activó: cualquier persona que aparezca en ese mapa mental queda de algún modo presente en la memoria del agente. Muse busca expresiones internas, bromas y contextos para modular su tono y generar confianza, según describe la investigación.

Este enfoque plantea un dilema ético: personas que nunca autorizaron el uso de sus datos por parte de un agente de IA pueden verse analizadas y perfiladas por estar en los mensajes de otra persona.

Controles de borrado y limitaciones

Meta afirma que los usuarios controlan qué recuerda Muse y que pueden pedirle que olvide información concreta. Sin embargo, Time reporta que esa acción no siempre borra el rastro original: el mensaje en el chat donde se compartió una información puede seguir visible y Muse podría no notificar al usuario sobre esa permanencia. En otras palabras, la orden de “olvidar” podría no reflejar una eliminación completa y transparente de los datos.

Esta clase de limitaciones es especialmente relevante para organizaciones que manejan datos sensibles o para usuarios que esperan que un asistente digital cumpla con solicitudes de eliminación de forma absoluta.

Las defensas y garantías que presenta Meta

La compañía no niega que Muse guarda “lo que más importa” para cada usuario; en su comunicación pública recuerda que esa memoria incluye información sobre otras personas solo si el usuario la comparte. Además, Meta lista varias protecciones: cada usuario recibe una máquina virtual aislada en la nube para ejecutar su Muse; un agente paralelo llamado Sentinel revisa lo que Muse comparte en internet; Muse pide confirmación antes de realizar acciones sensibles; y, según Meta, los datos de Muse no se comparten con los sistemas de publicidad y no pueden ver contraseñas ni métodos de pago.

Time y reportes adicionales han señalado incidencias previas (por ejemplo, correcciones reportadas por 404) relacionadas con el aislamiento de estas máquinas virtuales, lo que sugiere que las garantías técnicas pueden requerir validación externa continua.

Aprendizaje compartido entre agentes

Un punto técnico y operacional es que, para mejorar, Muse filtra nombres y datos identificativos pero comparte aprendizajes con otros Muse. Meta describe que cada usuario recibe “un ordenador en la nube” para operar su agente, y que el sistema está diseñado para proteger frente a amenazas como la inyección de prompts. Aun así, la investigación apunta a que la agregación de aprendizajes entre instancias puede implicar intercambio de patrones derivados de datos personales.

Implicaciones para América Latina

En la región existen varios factores que agravan estas preocupaciones: niveles dispares de madurez regulatoria sobre privacidad y protección de datos, alto uso de aplicaciones móviles y una brecha en alfabetización digital en amplios segmentos de la población. Decisores y líderes empresariales deben considerar:

• Riesgo reputacional por usar agentes que analizan contactos no consentidos.
• Necesidad de políticas internas que regulen qué tipos de cuentas o datos corporativos pueden interactuar con agentes externos.
• Impacto en cumplimiento: algunos sectores (salud, finanzas) tienen obligaciones estrictas sobre tratamiento y eliminación de datos que podrían verse comprometidas.

Recomendaciones prácticas para organizaciones y responsables

1. Evaluación de riesgos: antes de integrar agentes tipo Muse en flujos laborales, realizar un análisis de riesgos específico por área y tipo de datos.
2. Política de uso: definir qué perfiles pueden activar agentes, qué permisos se otorgarán y cuándo deben usarse instancias controladas.
3. Inspecciones técnicas: exigir auditorías independientes que validen el aislamiento de máquinas virtuales y la efectividad de mecanismos de borrado.
4. Consentimiento informado: si la empresa maneja datos de terceros, documentar y obtener consentimientos claros cuando sea necesario.
5. Formación: capacitar a equipos sobre qué datos evitar compartir con asistentes y cómo revisar los registros de actividad del agente.

Conclusión

Muse ejemplifica el avance funcional de los agentes de IA: pueden automatizar tareas y personalizar interacciones, pero lo hacen a costa de un acceso profundo a conversaciones, contactos y patrones de relación. La investigación de Time subraya que las garantías declaradas por el proveedor deben comprobarse y que las órdenes de borrar datos no siempre equivalen a eliminaciones transparentes.

Para América Latina, la recomendación es abordar su adopción desde la gobernanza: medir riesgos, exigir auditorías técnicas y asegurar que usuarios y organizaciones sepan exactamente qué datos se están compartiendo y cómo se gestionan. Solo así la promesa de eficiencia de los agentes podrá equilibrarse con la protección de la privacidad y la confianza pública.