Meta shifts engineers to AI data labeling tasks

•Meta正將約7,000名員工（包括基礎設施工程師）強制轉調至新成立的AI相關團隊，例如Applied AI (AAI) 工程部門、AI雲端基礎設施團隊以及代號為Hatch的內部AI代理團隊，以加速AI產品開發和內部營運自動化。
•Meta透過「模型能力倡議」(Model Capability Initiative, MCI) 計劃，監控員工的鍵盤輸入、滑鼠移動和螢幕截圖等電腦活動，將其作為訓練AI代理的數據，以提升AI模型在軟體操作和複雜任務處理上的能力。
•Meta將其整個企業運作視為AI模型的「後訓練環境」，員工與AI系統的每次互動都會產生回饋數據，用於微調和校準包括Llama系列在內的基礎模型，並為此設立了「AI研究科學家，後訓練」等新職位。
•Meta已對數據標註和評估公司Scale AI進行了數十億美元的投資（例如2025年6月投資143億美元收購49%股權），並任命Scale AI的創始人Alexandr Wang領導其「超級智能」部門，顯示了其在AI數據策略上內外兼修的方針。
•Meta的AI數據策略也延伸至內容審核領域，透過部署先進的AI系統來處理內容執法，旨在提高有害內容的識別和移除效率，同時減少對第三方內容審核供應商的依賴。

模型能力倡議 (MCI)：Meta透過此內部計劃，記錄員工在經批准的工作應用程式（如Gmail、Google Chat、VSCode、GitHub、Slack、LinkedIn及內部工具）上的鍵盤輸入、滑鼠移動和螢幕截圖，以生成高質量的訓練數據。
AI代理訓練目標：這些數據旨在訓練AI代理模仿人類工作流程，特別是學習如何編碼、導航軟體介面以及執行複雜的任務，例如從下拉選單中選擇項目或使用鍵盤快捷鍵。
後訓練環境：Meta將其內部營運轉變為AI模型的「後訓練」實驗室，透過員工與AI工具的實際互動產生回饋數據，用於模型的微調、對齊和改進，以將原始模型轉化為實用工具。
數據質量工具：公司投資於自動化數據輸出測試和數據比較機制，以大規模識別測試與生產數據之間的差異，確保數據管道的質量和可靠性。
隱私感知基礎設施 (PAI)：Meta採用「左移」方法，在產品開發早期整合數據模式化和註釋，並建立通用隱私分類法，以標準化數據隱私管理，確保數據理解的質量和合規性。

Meta將加速其AI產品和服務的開發與部署。

透過將大量工程師轉調至AI數據標註並利用內部員工活動訓練AI，Meta能更快地獲取高品質訓練數據，加速模型迭代和產品上市。

企業組織結構將持續扁平化，中層管理職位可能進一步減少。

隨著AI代理接管協調和重複性任務，公司將尋求更精簡的層級以提高效率和決策速度。

員工隱私和工作監控的爭議將日益加劇。

Meta透過Model Capability Initiative (MCI) 監控員工的鍵盤輸入、滑鼠移動和螢幕截圖來訓練AI，引發了員工對隱私和工作保障的擔憂。

2013

Meta AI (原Facebook Artificial Intelligence Research, FAIR) 成立

2017

FAIR 發布 PyTorch，一個開源機器學習框架

2024-04

Meta 宣布將開始標註AI生成內容，並調整操縱媒體政策

2025-06

Meta 投資 Scale AI 143億美元，收購其49%股權，Scale AI 創始人 Alexandr Wang 加入 Meta 領導「超級智能」部門

2026-03

Meta 宣布擴大AI在內容審核中的應用，減少對第三方供應商的依賴

2026-04

Meta 宣布將安裝追蹤軟體 (Model Capability Initiative, MCI) 監控員工電腦活動以訓練AI模型

2026-05

Meta 宣布將約7,000名員工轉調至AI相關團隊，並裁員約8,000人，同時扁平化管理層級

Meta將工程師轉調至AI數據標註任務