Edición en Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Zuckerberg dice que Muse hará ganar dinero a la gente. ¿Quién se quedará con los beneficios?

> Muse, de Meta, puede actuar en distintos servicios, y Zuckerberg espera que ayude a los usuarios a ganar y ahorrar dinero. Analizamos el lanzamiento, las tarifas propuestas y las pruebas que respaldan esa apuesta.

By BIG CHANGE Editorial

Published: 2026-09-22T02:10:07.229Z
Updated: 2026-09-22T02:10:07.229Z
Canonical: https://bigchange.ai/blog/meta-muse-zuckerberg-make-money-earnings-business-model

![Pencil sketch of a small-shop workbench with task cards, a laptop, a parcel and an unfinished receipt beside an open doorway.](https://bigchange.ai/api/media/file/muse-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Business preparation still needs a customer at the door.

Meta lanzó su agente personal de IA, Muse, el 8 de septiembre de 2026. Ofrece a los usuarios un ordenador en la nube capaz de trabajar con servicios conectados, continuar tareas en segundo plano y pedir aprobación antes de realizar acciones importantes. El despliegue inicial es en Estados Unidos. [el anuncio de lanzamiento de Meta](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/)

La promesa de Mark Zuckerberg va más allá de vaciar una bandeja de entrada. En una entrevista con Alex Heath, predice que Muse «hará ganar dinero a la gente y le permitirá ahorrar». Describe un modelo de negocio en el que Meta acabaría quedándose con una pequeña parte de las transacciones, posiblemente pagada por las empresas participantes. [entrevista de Sources, 24:53](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1493s)

Esa propuesta merece tomarse en serio. El propietario de un negocio que no puede permitirse ayuda administrativa podría obtener una capacidad útil con un agente. Un hogar podría recuperar dinero perdido por una factura pasada por alto o encontrar una compra más barata. Reducir esas cargas sería importante incluso sin un avance espectacular en inteligencia.

Pero para ganar dinero alguien tiene que pagar. Una herramienta que crea un producto, redacta su publicidad y gestiona sus anuncios ha automatizado partes de un negocio. Eso no demuestra que los clientes quieran el producto, que la publicidad sea rentable ni que el propietario vaya a conservar una parte suficiente de los ingresos.

El lanzamiento de Muse vuelve más urgente esa distinción, porque la misma plataforma podría ayudar a un usuario a vender, a otro a comprar y, con el tiempo, cobrar por conectar a ambos. La cuestión económica va más allá de si el agente funciona: ¿cuánto valor llega al usuario una vez pagados los demás participantes?

## Qué propuso realmente Zuckerberg

El principal intercambio sobre dinero en la entrevista abarca aproximadamente de 24:53 a 27:25. Zuckerberg vincula la oportunidad con las pequeñas empresas y el comercio, describe una amplia cuota gratuita junto con suscripciones y presenta las tarifas por transacción como un modelo de negocio previsto «con el tiempo». Dice que Muse puede conectarse a los sistemas publicitarios de Meta y ayudar a crear un producto y gestionar el negocio. [ver el intercambio completo](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1502s)

Esos comentarios describen varios mecanismos que conviene evaluar por separado. Vender más genera ingresos. Negociar una factura más baja supone un ahorro. Terminar el papeleo más rápido libera tiempo. Cada resultado puede beneficiar al usuario, pero son resultados distintos, y solo algunos añaden dinero a una cuenta.

El anuncio de lanzamiento y este intercambio no establecen un programa general en el que Meta pague a la gente por usar Muse. Tampoco ofrecen una garantía de ingresos, un porcentaje publicado de participación en los beneficios ni pruebas de que los usuarios típicos ya estén obteniendo un rendimiento neto. La propuesta de cobrar tarifas por transacción se refiere a cómo podría cobrar Meta; no debe confundirse con un calendario de pagos a los usuarios.

La [página original del episodio](https://sources.news/p/mark-zuckerberg-meta-muse-ai-podcast-interview) de Alex Heath se publicó el 8 de septiembre e indica que la conversación se grabó el viernes anterior en la sede de Meta. Revisamos los subtítulos completos disponibles en YouTube y contrastamos la información pertinente sobre el lanzamiento y los aspectos técnicos. Este análisis se basa en esas pruebas; no es una prueba práctica de BIG CHANGE ni un experimento sobre ingresos.

## Qué cambia el agente a la hora de trabajar

Muse es el agente personal, mientras que Muse Spark es el modelo que lo impulsa. La descripción del diseño del producto de Meta menciona un sistema de archivos, un terminal y un navegador, además de memoria persistente y tareas programadas o activadas por eventos. Puede generar documentos y artefactos interactivos, así como actuar mediante servicios conectados. [cómo diseñó Meta Muse](https://introducing.muse.ai/)

Esto le da una función potencialmente distinta a la de un chatbot que solo ofrece consejos. Un agente útil puede trasladar información de una tarea a otra: recuperar una consulta, preparar una respuesta, actualizar un registro y volver cuando el cliente responda. El posible ahorro procede de eliminar coordinaciones repetitivas, no simplemente de generar texto más rápido.

Pensemos en un taller de reparación de muebles hipotético. El propietario pasa las tardes clasificando fotos, comprobando medidas y concertando citas. Un agente que prepare esa información de forma fiable podría dejarle más tiempo para trabajos de reparación remunerados. El negocio ya ofrece un servicio y tiene clientes; el agente aborda una limitación administrativa conocida.

Un nuevo negocio que venda diseños genéricos generados con IA se enfrenta a otro problema. Muse podría ayudar a crear un catálogo rápidamente, pero ese catálogo aún necesita una razón de ser. Los compradores pueden compararlo con alternativas, incluidos diseños que ellos mismos generen. La automatización reduce el esfuerzo necesario para ofrecer algo, pero no necesariamente aumenta la disposición a pagar por ello.

Esa diferencia debería guiar las expectativas. La combinación de una demanda existente con una tarea rutinaria costosa ofrece una oportunidad más concreta que pedirle a un agente que invente una fuente de ingresos desde cero. Esto último puede funcionar, pero requiere pruebas del interés de los clientes y de que el margen sea viable.

![Three-part sketch linking a laptop and stopwatch to a shop, then to an accounting ledger under a magnifying glass.](/api/media/file/muse-economics-v1.png)

## La conexión de pago existe, pero hace salir dinero

Stripe confirma por separado la integración anunciada. Los consumidores de Estados Unidos pueden conectar Link a Muse; el agente puede usar métodos de pago guardados en comercios participantes o una tarjeta virtual de un solo uso para otras compras. Stripe afirma que los consumidores aprueban el importe de cada transacción en el chat y que Muse no ve los datos de pago subyacentes. [el anuncio de Stripe del 8 de septiembre](https://stripe.com/newsroom/news/stripe-helps-meta-muse-shop-with-link)

Es una infraestructura importante. Si un agente puede investigar una compra, pero no completarla, el usuario tiene que repetir parte del trabajo. Una conexión de pago puede cerrar esa brecha y mantener un paso de aprobación.

También aclara la dirección del flujo de dinero documentado. Esta integración permite al usuario comprar a un comercio. Por sí sola, no demuestra que el usuario gane dinero. Ahorrar en una compra necesaria puede mejorar las finanzas del usuario; comprar algo innecesario con descuento sigue reduciendo su saldo.

Por otro lado, un comerciante puede conseguir una venta. Que esa venta sea rentable depende de los costes de entrega, los reembolsos, las comisiones de pago y el coste de atraer al comprador. Una compra completada demuestra que hubo una transacción. No establece cuánto beneficio económico retuvo cada participante.

Por eso, las afirmaciones sobre futuros ingresos deberían especificar el mecanismo. ¿Se generaron ingresos gracias a un nuevo cliente? ¿Se evitó un gasto? ¿Se vendió un activo? ¿O el usuario simplemente pudo completar antes una tarea que ya tenía? Mezclar todos esos resultados puede hacer que un asistente capaz parezca una fuente de ingresos automáticos.

## El acceso gratuito reduce una barrera, pero no todos los costes

Zuckerberg dice que la cuota inicial gratuita es de unos 100 millones de tokens por semana y que también hay suscripciones. Hay que entenderlo como una descripción del acceso en una fecha concreta, no como una promesa permanente de trabajo ilimitado. [entrevista, 25:02](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1502s)

La página de suscripciones de Meta, consultada el 22 de septiembre, ofrece Power por 20 dólares al mes con 500 millones de tokens de Muse por semana, y Max por 100 dólares con 3.000 millones. Indica que las prestaciones varían según la región y la cuenta, y que la disponibilidad sigue siendo limitada. Son cuotas de producto, no un recuento de trabajos completados ni tokens de API directamente comparables. [detalles oficiales de las suscripciones a Muse](https://www.meta.com/help/subscriptions/1021145227643680/)

Una cuota de tokens no indica cuántos pedidos útiles, facturas conciliadas o entregas aceptadas obtendrá una empresa. Depende de la tarea, el contexto y el número de intentos. El trabajo también puede consumir recursos ajenos al agente: publicidad, alojamiento, inventario, entregas y la atención del propietario.

El mayor coste inicial podría ser aprender qué tareas merece la pena delegar. Alguien debe explicar el objetivo, conectar las cuentas adecuadas, reconocer un resultado inverosímil y decidir cuándo conviene aprobar una acción. Un mejor diseño del producto puede reducir esa carga. No puede hacer desaparecer las prioridades del usuario ni las exigencias de los clientes.

El tiempo ahorrado también debe contabilizarse con honestidad. Una hora liberada para un trabajo remunerado puede aumentar los ingresos si hay trabajo disponible. Una hora para pasar con la familia tiene valor aunque no se convierta en ingresos. Asignar a cada minuto ahorrado un salario por hora supuesto exageraría el rendimiento económico para muchos usuarios.

Para quien esté creando un negocio, el resultado pertinente es el dinero adicional que conserva después de costes y obligaciones, comparado con lo que habría ocurrido sin el agente. En un negocio existente, puede consistir en menos consultas desatendidas, una finalización más rápida o un menor gasto administrativo. Son resultados medibles y ninguno exige fingir que cada tarea completada es una venta.

## Una tarifa por transacción podría financiar el producto y modificar sus incentivos

Un agente financiado con tarifas por transacción tiene una fuente de ingresos plausible. Si ayuda a los clientes a encontrar productos adecuados y reduce el trabajo necesario para completar una compra, los comerciantes podrían estar dispuestos a pagar por ese servicio. Una tarifa podría financiar el acceso de usuarios para quienes una suscripción sería demasiado cara.

El acuerdo también plantea preguntas sobre qué intereses condicionan las recomendaciones. ¿Recomendaría Muse la mejor opción disponible si no genera comisión? ¿Podría participar un comerciante sin pagar? ¿Vería el usuario una relación comercial antes de aprobar una compra? ¿Cómo se compararían las ofertas competidoras?

El material revisado no responde a esas preguntas con un calendario completo de tarifas por transacción de Muse ni con una política de clasificación. No deberíamos llenar ese vacío afirmando que Muse ya favorece a los vendedores que pagan comisiones. La cuestión es que un eventual modelo de tarifas necesita reglas que los usuarios y las empresas puedan consultar.

Cobrar al comerciante no elimina automáticamente el coste económico para el comprador. El comerciante podría absorber el cargo, compensarlo reduciendo el coste de captar clientes o reflejarlo en los precios. Lo que ocurra depende del mercado. Una tarifa que sustituya un coste existente más alto podría beneficiar a ambas partes; una tarifa adicional podría reducir el margen disponible.

Esta es una forma más útil de evaluar la propuesta de Zuckerberg que considerar al agente gratuito un regalo o una trampa. El producto puede crear valor y captar una parte. La cuestión aún sin resolver es cómo se reparte ese valor y si los usuarios conservan opciones significativas cuando dependen del servicio.

## Las pruebas de utilidad cotidiana van por delante de las pruebas de ingresos

En una reseña práctica del 14 de septiembre, Eric Hal Schwartz, de TechRadar, describe cómo Muse le ayudó a comprar y preparó para su aprobación una respuesta a un correo de una compañía eléctrica. Le resultó útil delegar esas tareas, aunque seguía intranquilo por el acceso concedido. Es el testimonio de un revisor sobre tareas rutinarias, no un estudio de beneficios empresariales. [la reseña práctica de TechRadar](https://www.techradar.com/ai-platforms-assistants/i-tried-metas-new-muse-ai-agent-its-incredibly-useful-but-handing-it-my-digital-life-felt-deeply-uncomfortable)

Investigaciones anteriores dan motivos para ser prudentes antes de convertir una asistencia útil en una promesa de ingresos. Un experimento de campo aleatorizado con empresarios de Kenia no encontró una mejora media estadísticamente significativa al darles acceso a un asesor empresarial basado en GPT-4. Los resultados variaron según el rendimiento inicial de los negocios y la manera en que sus propietarios seleccionaban y aplicaban los consejos. [el resumen del artículo de trabajo de los investigadores](https://business.columbia.edu/faculty/research/uneven-impact-generative-ai-entrepreneurial-performance)

El análisis de Columbia de agosto de 2026 sobre ese trabajo describe un estudio con 640 empresarios. Destaca el papel del criterio a la hora de decidir qué recomendaciones encajan con cada negocio. [el informe de Columbia sobre la investigación](https://business.columbia.edu/insights/ai-widening-gap-between-high-and-low-performers)

El experimento no probó Muse. Incluyó un modelo anterior que ofrecía consejos, no este agente ejecutando tareas. No puede predecir los resultados de Muse. Su relevancia es más acotada: dar acceso a la IA a los propietarios de negocios no demuestra que todos vayan a beneficiarse económicamente, y un promedio puede ocultar experiencias muy distintas.

La ejecución podría mejorar el panorama si el principal obstáculo es llevar a la práctica una decisión acertada. También podría empeorarlo si resulta más fácil actuar siguiendo consejos deficientes. Un agente que aplique automáticamente una mala estrategia de precios puede causar daños con mayor rapidez que un chatbot cuya sugerencia se ignora.

Por eso, las próximas pruebas deberían incluir intentos fallidos, costes y diferencias entre usuarios. Los casos de éxito seleccionados mostrarían lo que es posible, pero no lo que debería esperar un usuario nuevo típico.

## Un agente empresarial necesita acceso, y el acceso tiene un coste

La descripción técnica de Meta señala dos aspectos pertinentes. Sentinel controla las acciones externas por separado del agente principal, y Muse aun así puede cometer errores o sufrir ataques a través de los datos que lee. El sistema está diseñado para limitar las consecuencias, no para eliminar la posibilidad de fallos. [el diseño de seguridad de Meta](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

Para una pequeña empresa, eso significa que el valor de la automatización depende en parte de dónde termina la autoridad del agente. Preparar una campaña publicitaria es distinto de gastar su presupuesto. Redactar una oferta para un cliente no equivale a comprometerse a ofrecer un descuento o una fecha de entrega. El proceso puede ser útil y, al mismo tiempo, exigir que el propietario apruebe esos compromisos.

También hay que precisar el calendario de privacidad. La versión de lanzamiento es Muse Secure VM. Meta afirma que sus políticas operativas restringen el acceso del personal, pero no impiden técnicamente el acceso necesario para prestar el servicio. Muse Confidential VM, que pretende impedir mediante criptografía que Meta acceda a los datos de la máquina virtual, está previsto para más adelante este año. [arquitectura actual y modo confidencial previsto](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

Una empresa no debería evaluar el servicio actual como si el modo confidencial prometido ya estuviera disponible. Una lista de clientes, un contrato con proveedores o un cálculo de márgenes pueden ser información comercial sensible aunque no sean contraseñas. La información que un agente necesita para negociar bien puede ser la misma que el propietario más desea controlar.

Meta también afirma que los usuarios pueden descargar archivos y memoria, y excluirse del uso de sus datos para entrenar modelos. Dice que las conversaciones y los datos de las máquinas virtuales se excluyen de sus sistemas publicitarios, aunque la navegación del agente puede influir indirectamente en los anuncios. Esos controles son importantes, pero descargar archivos no demuestra por sí solo que se pueda trasladar a otro proveedor un agente plenamente operativo. [la explicación de Meta sobre las políticas de datos](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

Queda una dependencia práctica que conviene vigilar. Cuando un agente incorpora las rutinas y los flujos de trabajo conectados de una empresa, un cambio de precio, acceso o comportamiento del producto puede generar trabajo para cambiar de servicio. Conservar registros útiles fuera del agente y entender de qué servicios depende ayuda a hacer visible esa dependencia.

## La competencia podría trasladar los ahorros a los clientes

Si Muse reduce el esfuerzo necesario para ofrecer un servicio concreto, los competidores pueden obtener la misma ventaja. Un vendedor que al principio se quede con el ahorro podría acabar enfrentándose a precios de mercado más bajos. Los clientes quizá reciban gran parte del beneficio, mientras que los proveedores tendrán que hacer más trabajo u ofrecer algo más difícil de imitar.

Aun así, sería un cambio económico sustancial. Los servicios más asequibles pueden ampliar el acceso. Una organización pequeña quizá pueda encargar por fin un trabajo del que antes prescindía. El error sería suponer que reducir los costes de producción necesariamente aumenta los beneficios de todos quienes realizan ese trabajo.

Las empresas con relaciones de confianza, conocimientos especializados o capacidad para entregar productos físicamente podrían estar mejor situadas para aprovechar el agente. El software puede reducir la coordinación necesaria para explotar esas ventajas. Un recién llegado todavía debe desarrollar una oferta creíble y convencer a alguien para que la compre.

Para los trabajadores existe una tensión parecida. Eliminar tareas administrativas rutinarias puede mejorar un puesto o permitir que una organización redistribuya el trabajo. Las pruebas del lanzamiento no determinan cuántos empleos creará o sustituirá Muse. Esos efectos dependen de su adopción, de las tareas delegadas y de lo que las organizaciones hagan con la capacidad liberada.

Zuckerberg también describe futuras interacciones entre agentes, aunque dice que la mayor parte no forma parte de este lanzamiento. [entrevista, 29:00](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1740s) Si los agentes llegan a negociar y coordinarse entre empresas, las reglas de la plataforma sobre identidad, acceso y preferencias comerciales serán aún más importantes. Eso es algo que habrá que evaluar cuando se desarrolle, no una red ya existente cuyos beneficios puedan contabilizarse.

## Qué haría convincente la afirmación sobre ingresos

El impacto de Muse debería evaluarse según resultados que resistan un examen riguroso. Entre las pruebas útiles estarían:

- Una referencia clara que muestre qué hacía la persona o la empresa antes de usar el agente.
- Informar por separado de los ingresos adicionales y los ahorros verificados, teniendo en cuenta las suscripciones, la publicidad, la gestión de pedidos, los reembolsos y el esfuerzo de revisión.
- Resultados de usuarios corrientes, incluidos proyectos fallidos y personas que dejaron de usar el servicio.
- Una explicación de qué tareas completó el agente, qué siguió haciendo el propietario y si los beneficios se mantuvieron.
- Los cargos por transacción y las reglas de recomendación publicados para que los incentivos comerciales sean comprensibles.

Estos requisitos no presuponen que el producto vaya a fracasar. Permiten interpretar el éxito. Una mejora modesta que se repita en muchas empresas podría tener más consecuencias que una llamativa captura de pantalla de ingresos que no explique sus costes.

El BIG CHANGE plausible es un acceso más amplio a la asistencia práctica: más personas capaces de llevar sus ideas a la práctica, gestionar un negocio y atender las tareas del hogar. Muse ofrece un producto concreto con el que se puede poner a prueba esa posibilidad.

Si Muse hace ganar dinero a sus usuarios se determinará más adelante, cuando un cliente pague, se entregue el trabajo y se descuenten los costes. El registro de actividad del agente puede mostrar cuánto hizo. Los registros del propietario deben mostrar cuánto quedó.

## Sources

- [Meta presenta el agente personal Muse](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/) — 8 de septiembre de 2026. Confirma el lanzamiento, el despliegue inicial en Estados Unidos y las afirmaciones sobre el producto. El agente personal es distinto del modelo Muse Spark y de los productos de generación de contenido multimedia de Muse.
- [Mark Zuckerberg explica cómo el agente de IA Muse de Meta hará ganar dinero a la gente](https://www.youtube.com/watch?v=Lx8lrn-cytc) — Podcast Sources, 8 de septiembre de 2026. El análisis sobre el dinero empieza alrededor del minuto 24:53. Las tarifas por transacción propuestas describen el modelo de negocio previsto por Meta, no una promesa de pagos a los usuarios.
- [Página original de la entrevista de Alex Heath](https://sources.news/p/mark-zuckerberg-meta-muse-ai-podcast-interview) — 8 de septiembre de 2026. La presentación del entrevistador aporta contexto sobre la grabación y sus primeras impresiones. El episodio incluye patrocinios; aquí no se adoptan sus afirmaciones promocionales.
- [Cómo diseñamos Muse](https://introducing.muse.ai/) — Septiembre de 2026. Los diseñadores de producto de Meta describen tareas persistentes, artefactos, acceso al navegador y controles de aprobación. Estas capacidades explican posibles mecanismos, pero no demuestran rendimientos económicos típicos.
- [Stripe conecta Muse con la cartera Link para agentes](https://stripe.com/newsroom/news/stripe-helps-meta-muse-shop-with-link) — 8 de septiembre de 2026. Confirmación del proveedor de pagos sobre las funciones de compra y aprobación. Es una integración para gastar, no una prueba de que Muse pague a sus usuarios o genere beneficios para sus negocios.
- [Acerca de las suscripciones a Muse](https://www.meta.com/help/subscriptions/1021145227643680/) — Consultado el 22 de septiembre de 2026. Precios oficiales de Power y Max, cuotas semanales de Muse y límites de disponibilidad. Las cuotas de tokens del producto no deben equipararse con tareas ni con presupuestos de tokens de API.
- [Reseña de primera mano de Muse en TechRadar](https://www.techradar.com/ai-platforms-assistants/i-tried-metas-new-muse-ai-agent-its-incredibly-useful-but-handing-it-my-digital-life-felt-deeply-uncomfortable) — Eric Hal Schwartz, 14 de septiembre de 2026. Describe la asistencia para comprar y gestionar el correo a partir de la experiencia de un revisor. No es una prueba controlada de ingresos, beneficios ni resultados típicos para los usuarios.
- [El impacto desigual de la IA generativa en el rendimiento empresarial](https://business.columbia.edu/faculty/research/uneven-impact-generative-ai-entrepreneurial-performance) — Resumen de un artículo de trabajo fechado el 1 de julio de 2024. Una investigación aleatorizada sobre asesoramiento empresarial en Kenia aporta contexto sobre la desigualdad de resultados. Probó un asesor basado en GPT-4, no Muse; sus estimaciones no predicen los resultados de los usuarios de Muse.
- [Columbia: la IA y la brecha entre quienes rinden más y menos](https://business.columbia.edu/insights/ai-widening-gap-between-high-and-low-performers) — 20 de agosto de 2026. La institución de los investigadores explica el experimento y la importancia de seleccionar y aplicar las recomendaciones. Las distintas versiones presentan estimaciones diferentes para los subgrupos, por lo que este artículo no extrapola porcentajes para predecir los resultados de Muse.
- [Cómo incorporamos la seguridad a Muse](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse) — 8 de septiembre de 2026. La explicación técnica de Meta distingue los controles actuales de Secure VM de la protección prevista de Confidential VM. Los controles de seguridad no demuestran que las recomendaciones comerciales sean imparciales.