El error de Meta que duró 3 días: cuando la IA ignora el consentimiento
En julio de 2026, Meta lanzó una función en Instagram que permitía a cualquier usuario generar imágenes de IA de personas reales, simplemente etiquetando su cuenta pública. No había solicitud de permiso. No había aviso previo. Las cuentas públicas quedaron inscritas automáticamente desde el primer momento.
El resultado fue predecible para casi todo el mundo, excepto, aparentemente, para quienes aprobaron la función dentro de Meta. La comunidad reaccionó con una ola de críticas tan intensa que la empresa tuvo que retirar la característica apenas 72 horas después de haberla lanzado. Tres días. Eso es todo lo que duró.
Este episodio no es solo una anécdota curiosa sobre una big tech que metió la pata. Es una señal de alerta sobre cómo muchas organizaciones —grandes y pequeñas— están desplegando capacidades de IA sin los controles mínimos necesarios. Y para las empresas en Perú y América Latina que hoy están explorando cómo integrar IA en sus operaciones, las lecciones son directamente aplicables.
¿Qué pasó exactamente con la función de Meta?
La función permitía etiquetar cualquier cuenta pública de Instagram y pedirle al modelo de IA que generara imágenes nuevas de esa persona. Esto significa que un usuario cualquiera podía tomar el rostro de un influencer, un político, un empresario o incluso una persona común con perfil público, y crear imágenes completamente fabricadas de esa persona en situaciones que nunca ocurrieron.
El problema no era solo técnico. Era estructural. Meta decidió que el consentimiento por defecto era "sí", es decir, si tu cuenta era pública, ya estabas dentro del experimento sin saberlo. No hubo notificación. No hubo opción de exclusión visible. No hubo revisión de casos de uso potencialmente dañinos antes del lanzamiento.
El creador de contenido Matt Wolfe lo describió de forma directa: cualquier persona con perfil público podía ser colocada en un anuncio falso, en un evento que nunca existió, o en cualquier contexto que el generador de imágenes pudiera producir. Para figuras públicas, esto ya era un riesgo conocido. Para personas comunes con una cuenta abierta, era un escenario completamente nuevo y sin protección alguna.
El problema de fondo: velocidad sin criterio
Lo que hace interesante este caso no es el error en sí, sino lo que revela sobre la cultura de lanzamiento de productos de IA en este momento. Existe una presión enorme —en empresas de todos los tamaños— por desplegar funciones de IA rápido, antes que la competencia, antes de que el mercado se mueva.
Esa presión no es nueva. Lo que sí es nuevo es que las capacidades de IA pueden causar daños reales, rápidos y a escala masiva si no se evalúan con el cuidado adecuado. Una función de software tradicional que falla simplemente no funciona. Una función de IA que falla puede fabricar evidencia falsa de una persona, dañar reputaciones o habilitar acoso a escala.
El caso de Meta plantea una pregunta incómoda que aplica a cualquier organización que hoy desarrolla o adopta IA: ¿existe un proceso real de revisión antes de que una capacidad que involucra datos personales, imágenes o identidad llegue a producción? ¿O el criterio es simplemente "si técnicamente funciona, lo lanzamos"?
¿Cómo aplica esto a empresas en Perú y América Latina?
Puede parecer que este tipo de errores solo ocurren en Silicon Valley, con presupuestos de miles de millones y equipos de cientos de ingenieros. Pero la realidad es que empresas medianas en la región están integrando hoy herramientas de IA generativa en sus procesos: generación de contenido, atención al cliente automatizada, análisis de datos de empleados, reconocimiento de imágenes en operaciones.
Cada una de esas implementaciones involucra decisiones sobre consentimiento, privacidad y uso de datos. Y en muchos casos, esas decisiones se toman sin un marco claro, porque la urgencia de adoptar IA supera la capacidad de las organizaciones para establecer políticas internas coherentes.
En América Latina, el marco regulatorio sobre IA todavía está en construcción. Eso no es una licencia para operar sin criterios propios. Al contrario: las empresas que hoy establecen estándares internos claros sobre ética en IA tendrán una ventaja real cuando las regulaciones lleguen, y evitarán los costos reputacionales y operativos de tener que retirar funciones a los tres días de haberlas lanzado.
¿Cómo aplica esto en tu empresa?
Si tu organización está evaluando o ya implementando funciones de IA que involucran datos de personas —clientes, empleados, usuarios— hay tres preguntas mínimas que deberían responderse antes de cualquier despliegue:
- ¿El usuario sabe que su información o imagen está siendo usada? El consentimiento implícito no es consentimiento.
- ¿Puede el usuario excluirse fácilmente? Si la respuesta requiere buscar en configuraciones avanzadas, la respuesta práctica es no.
- ¿Revisamos los casos de uso dañinos antes de lanzar? No basta con que la función funcione correctamente en el caso ideal. Hay que evaluar qué pasa cuando alguien la usa con malas intenciones.
Estas preguntas no frenan la innovación. La orientan. Y la diferencia entre una implementación de IA que genera valor sostenible y una que genera una crisis en tres días está, en gran medida, en si alguien se tomó el tiempo de hacerlas.
Conclusión
Meta tenía los recursos, el talento y la experiencia para haber lanzado esta función de manera responsable. Eligió no hacerlo, o simplemente no lo consideró necesario. El resultado fue una retirada apresurada que dañó su credibilidad en un momento en que la confianza en las plataformas de IA ya es frágil.
Para las empresas en Perú y América Latina, la lección no es evitar la IA. Es adoptarla con criterio. La velocidad de despliegue es una ventaja competitiva solo cuando no viene acompañada de un retroceso público tres días después.
En Consultoría-Ti acompañamos a empresas en la implementación de soluciones de IA y automatización con un enfoque práctico y responsable. Si estás evaluando cómo integrar IA en tus procesos sin cometer errores costosos, conversemos.
Contáctanos aquí y hablemos de tu proyecto →
Fuentes y Referencias
Matt Wolfe — Literally everyone hated this feature (YouTube Shorts)
✨ Contenido generado con ContentFlow — Consultoría-Ti