Meta uses employee data to train internal AI models

•Meta 的「模型能力倡議 (Model Capability Initiative, MCI)」涉及在美國和英國員工的設備上部署內部追蹤軟體，以捕捉詳細的行為數據，包括滑鼠移動、點擊、鍵盤輸入和定期螢幕截圖。
•這些收集到的數據旨在訓練 AI 代理，使其能理解人類如何與軟體互動並執行日常電腦任務，目標是創建能夠複製或協助這些任務的系統。
•此舉引發了員工對隱私的嚴重擔憂，內部出現反彈和反對追蹤工具的請願，且員工無法選擇退出公司配發設備上的此類追蹤。
•該倡議與 Meta 更廣泛的重組計畫同時進行，包括裁員數千名員工並將其他員工重新分配到 AI 相關職位，這引發了人們對由員工數據訓練的 AI 代理最終可能取代人類工作的猜測。
•Meta 內部目標是讓 65% 的工程師使用 AI 工具編寫超過 75% 的程式碼，這表明公司正大幅轉向 AI 輔助或自動化的軟體開發。

Meta 的「模型能力倡議 (MCI)」透過追蹤鍵盤輸入、滑鼠移動、點擊和螢幕截圖來收集數據，旨在讓 AI 模型學習人類如何實際使用電腦。
Meta 已開發出 Code Llama 系列模型（於 2023 年 8 月發布，Code Llama 70B 於 2024 年 1 月發布），這是一個專門用於程式碼生成、補全和偵錯的大型語言模型，支援 Python、C++、Java、PHP、Typescript (Javascript)、C# 和 Bash 等多種程式語言。
於 2025 年 9 月發布的 Code World Model (CWM) 是一個擁有 320 億參數的開源大型語言模型 (LLM)，其訓練數據包括 1.2 億條 Python 執行軌跡和 300 萬條代理軌跡，旨在理解程式碼的執行語義而非僅僅語法。CWM 是一個密集型、僅解碼器 (decoder-only) 的 LLM，上下文大小可達 131k 個 token。
CWM 的目標是實現 Python 程式碼執行的逐步模擬，並透過在計算環境中的推理和規劃來改進代理編碼。
Meta 的 AI 策略核心是龐大的計算能力、開源模型發布（如 Llama 系列）以及獲取高品質訓練數據。
公司還開發了多模態 AI 系統，例如 Muse Spark，它結合了文本、視覺理解和工具使用，用於高級推理和多代理協調。
Meta 使用「AI 利用率指標」框架來量化員工 AI 生產力提升，追蹤工具參與率、生產力放大因子、任務轉移指數、品質一致性分數、採用保留指標和協同分數。

企業對員工的監控將成為 AI 訓練數據收集的新常態。

Meta 的「模型能力倡議」透過追蹤鍵盤輸入、滑鼠移動和螢幕截圖來收集數據，這可能促使其他公司效仿以獲取高質量行為數據。

AI 代理將在軟體開發和日常任務中取代部分人類工作。

Meta 旨在讓 65% 的工程師使用 AI 工具完成超過 75% 的程式碼編寫，並在實施員工數據追蹤的同時進行裁員，暗示了自動化對勞動力的影響。

員工隱私權和數據使用倫理將面臨更嚴峻的法律和社會挑戰。

Meta 的做法引發了員工的強烈反彈和隱私擔憂，現有法律在 AI 時代對員工保護不足，可能導致未來更嚴格的法規和訴訟。

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。

2023-02

LLaMA 1 發布，挑戰閉源模型範式。

2023-08

Code Llama 發布，一個用於程式碼生成的大型語言模型。

2025-09

Code World Model (CWM) 發布，一個 320 億參數的開源 LLM，旨在提升程式碼理解和代理編碼能力。

2026-04

Meta 啟動「模型能力倡議 (MCI)」，開始追蹤美國員工的鍵盤輸入、滑鼠移動和螢幕截圖以訓練 AI 模型。

Meta 利用員工工作數據訓練內部 AI 模型