Ha egy cég egyszerre akar világszínvonalú AI-t építeni, költséget vágni és közben a dolgozókat is „mérni”, abból ritkán lesz nyugodt működés. A Meta most pont ebbe a háromszögbe szorult bele, és a jelek szerint belülről recseg-ropog a gépezet.

Mi történt

A Meta a metaverzum körüli korábbi nagy narratíva kifulladása után új zászlóshajót tol előre: egy „Superintelligence” (szuperintelligencia) egységet. Ennek támogatására márciusban létrehozták az Applied AI nevű, több ezer fős szervezetet. A belső beszámolók alapján azonban a csapaton belüli hangulat mélypontra került: több dolgozó „lélekölőnek” írta le a heti rendszerességgel kiosztott, repetitív feladatokat.

Ezek a feladatok részben olyan „tesztelős” munkák, mint például rejtvények és egyéb próbakérdések generálása a modellek megbízhatóságának mérésére. Gondolj rá úgy, mint a szoftvertesztelés AI-változatára: nem maga a „nagy ötlet” a munka, hanem az, hogy sok apró próbával kiderüljön, hol hibázik a rendszer. Csakhogy a leírások szerint mindezt erősen izoláltan, kevés visszajelzéssel és alacsony belső értelmezhető céllal végzik.

A morálromlást a szélesebb átszervezési környezet is fűti: több körös leépítések után a bent maradókra több feladat jut, miközben belső vitákat váltott ki egy olyan kezdeményezés is, amely a munkahelyi gépeken futó szoftverrel részletes aktivitáskövetést (leütések, kattintások) vezetne be, és az így keletkező adatokat AI-tréningre is felhasználná. Emellett a cégnek párhuzamosan adatvédelmi jellegű kommunikációs válságokat is kezelnie kell, például okosszemüvegekbe kerülő arcfelismerés körüli aggályokat.

Miért fontos

Az AI-fejlesztésben nem csak a számítási kapacitás és a kutatói zsenialitás számít, hanem a „gyártósor” is: a tesztelés, az adatminőség, a visszamérés, a hibajegyek kezelése. Ha ezeket a munkákat a szervezet alacsony presztízsű, cserélhető „busyworkként” kezeli, az két irányból üt vissza. Egyrészt romlik a minőség (a monoton, motiválatlan munka több hibát szül), másrészt a cég belső bizalmi tőkéje fogy el — márpedig AI-nál a bizalom (adatkezelés, felelősség, belső kontroll) legalább akkora versenytényező, mint a modell pontossága. A Reuters által idézett belső üzenetben Andrew Bosworth CTO azt a jövőképet vázolta, hogy az „ügynökök” (AI agentek) végeznék a munka jelentős részét, az emberek pedig irányítanának és ellenőriznének; ez viszont csak akkor működik, ha az ellenőrző szerep valóban értékes és megbecsült.

Mire figyelj

  1. Mit jelent pontosan a munkahelyi megfigyelés? Nem mindegy, hogy biztonsági naplózásról, teljesítménymérésről vagy AI-tréninghez gyűjtött viselkedési adatról van szó — és hogy van-e valódi opt-out, korlát és átláthatóság.
  2. Stabilizálódik-e a szervezet a leépítések után? A vezetés ígérete a kirúgások átmeneti szüneteltetéséről önmagában kevés, ha a terhelés és a feladatkiosztás logikája nem változik.
  3. Különválik-e a „kritikus alapmunka” és a „látszatmunka”? A modellek megbízhatóságát tényleg rengeteg apró teszt javítja, de a munkát kontextus nélkül kiosztani a leggyorsabb út a kiégéshez.
  4. Adatvédelmi fronton jön-e újabb botrány? Az arcfelismerés és a belső aktivitáskövetés ugyanarról a kérdésről szól: meddig mehet el egy cég a „mindent mérünk” logikával, mielőtt a felhasználók és a saját dolgozói is elfordulnak.

A Meta vezetése már elismerte, hogy hibáztak és még fognak is — a kérdés az, hogy ebből szervezeti tanulás lesz-e, vagy csak egy újabb kör a tűzoltásból.