Коли компанія публічно заявляє про амбіції побудувати AGI і водночас реструктурує власні інженерні команди, варто придивитися уважніше. Meta зараз перебуває саме в цьому парадоксі. З одного боку — Llama 4, суперкластер на мільйони GPU, відкрита AI-екосистема. З іншого — серйозне занепокоєння всередині компанії: перегляд системи оцінки ефективності, звільнення в певних підрозділах і зміна управлінської культури.
Це не просто корпоративна драма. Це сигнал про те, як технологічні гіганти балансують між AI-гонкою та операційними витратами — і яку ціну платять за це їхні інженери. За даними HackerNews, дискусія навколо цієї теми зібрала сотні коментарів від діючих і колишніх інженерів — і сентимент переважно тривожний.
«Рік ефективності» та його наслідки
2023-й Meta оголосила «роком ефективності» — після скорочень понад 11 000 співробітників у 2022–2023 роках. Але «ефективність» — термін, який у корпоративному контексті може означати принципово різні речі залежно від того, хто його застосовує.
Для фінансового директора це менше людей на той самий output. Для технічного — менше людей на більший output. Два підходи ведуть до різних організаційних рішень і формують принципово різну культуру. Схоже, Meta зробила ставку на перший варіант.
За різними звітами, компанія посилила систему PIP (Performance Improvement Plan) і підвищила планку для оцінки «Відповідає очікуванням». Рейтингові системи з forced rankings, де певний відсоток команди апріорі отримує низькі оцінки, давно відомі своєю токсичністю — недаремно Microsoft відмовилась від них ще в 2013 році після масового відтоку талантів.
Парадокс AI-компанії
Тут починається справді цікавий момент. Meta активно рекрутує AI-таланти, платить конкурентні компенсаційні пакети і будує одну з найбільших AI-інфраструктур у світі. Водночас у деяких підрозділах посилюється тиск на продуктових інженерів — тих, хто будує застосунки, а не моделі.
Це свідчить про чітку внутрішню ієрархію: AI-дослідники та ML-інженери в пріоритеті, product engineers — під тиском на ефективність. Для компанії, що вкладає мільярди у відкритий AI, це логічно з огляду на стратегію. Але для організаційної культури — потенційно руйнівно.
Llama, PyTorch, FAISS — ці проекти живуть завдяки тому, що Meta роками вміє утримувати top-tier інженерів. Якщо реорганізація підриває довіру всередині компанії, найбільший ризик — не фінансовий, а talent retention. Найкращі люди завжди мають куди піти.
Що це означає для AI-білдерів
Якщо ви будуєте продукти на основі Meta AI — Llama, WhatsApp Business API, Messenger API — ось практичні висновки:
- Open-source буфер: Llama вже у відкритому доступі. Навіть якщо внутрішня команда переживає турбулентність, модель нікуди не зникне. Але темп виходу нових версій може сповільнитись.
- API-ризик: WhatsApp Business API та Meta Graph API залежать від продуктових команд, які зараз під тиском. Непродумані скорочення можуть вплинути на стабільність платформи та якість технічної підтримки.
- Talent opportunity: Досвідчені Meta-інженери, які покидають компанію після реорга, — це можливість для стартапів і середніх компаній, які шукають AI-таланти з реальним досвідом масштабних систем.
- Культурний прецедент: Великі tech-компанії копіюють управлінські практики одна одної. Якщо Meta нормалізує агресивні forced rankings в AI-епоху, це може поширитись на всю індустрію.
Висновок AiiN: ефективність чи помилка?
Руйнує чи оновлює Meta свою інженерну організацію — відповідь залежить від точки зору. З позиції акціонерів: компанія зменшує витрати, фокусується на AI, зростає в капіталізації. З позиції інженерної культури: якщо найкращі люди починають іти або втрачають мотивацію, короткострокові gains перетворюються на довгострокові борги.
Для AI-індустрії загалом — це тест-кейс. Meta будує відкриту AI-екосистему і водночас ризикує підірвати внутрішню спроможність її розвивати. Якщо ця модель спрацює — ми побачимо новий шаблон lean AI company. Якщо ні — ще одну корпоративну помилку, за яку індустрія платитиме роками.
Найважливіший урок для будь-якої технологічної компанії: AI-гонка виграється не лише суперкластерами і бюджетами на compute. Вона виграється культурою, яка дозволяє найкращим інженерам будувати складні речі протягом тривалого часу. Зруйнувати цю культуру заради квартальної ефективності — надто висока ціна.
