Meta Platforms i 145 mld USD capex: bilans transformacji AI

Meta Platforms przeprowadziła w 2026 roku reorganizację pod kryptonimem Project OT, redukując zatrudnienie o 8 000 etatów i przesuwając 7 000 pracowników do działu Applied AI. Pomimo wzrostu rocznych nakładów inwestycyjnych do poziomu 130–145 mld USD, tempo rozwoju agentów AI minęło się z oczekiwaniami, wywołując wzrost liczby incydentów technicznych i spadek wolnych przepływów pieniężnych do 784 mln USD. Dla kadry zarządzającej IT w UE oznacza to konieczność zweryfikowania założeń dotyczących zastępowania zespołów inżynieryjnych automatyzacją oraz oceny stabilności zewnętrznych dostawców chmurowych.

Mechanizm Project OT i restrukturyzacja inżynierii w Meta Platforms

Meta Platforms wdrożyła w styczniu 2026 roku plan reorganizacji pod nazwą Project OT, zakładający zmniejszenie liczebności wybranych zespołów produktowych o 60%. Tradycyjne struktury inżynieryjne zastąpiono niewielkimi 3–5 osobowymi mikro-zespołami bez formalnej hierarchii, w których inżynierowie, projektanci i badacze otrzymali jednolitą rolę „buildera”.

Transformacja organizacyjna w Meta Platforms opierała się na następujących wskaźnikach i zmianach procesowych:

• Zakres redukcji zespołów: Kadra kierownicza przeanalizowała scenariusze zmniejszenia wybranych jednostek operacyjnych o 60%, zastępując je wirtualnymi agentami.
• Format mikro-zespołów (podów): Zamiast grup produktowych liczących od 10 do 20 osób utworzono pody liczące od 3 do 5 pracowników, a cykl planowania skrócono z 6 miesięcy do 4-tygodniowych sprintów.
• Redukcja zatrudnienia: W maju 2026 roku Meta Platforms przeprowadziła zwolnienie 8 000 pracowników (ok. 10% personelu), generując przy tym 1,2 mld USD kosztów odpraw. Druga fala zwolnień planowana na listopad została odwołana.
• Przeniesienie alokacji: Około 7 000 pracowników zreorganizowano w ramach działu Applied AI, powierzając im zadanie manualnego generowania i weryfikacji danych treningowych dla agentów AI.

Jakie ryzyka operacyjne niesie automatyzacja w Meta Platforms?

Wdrożenie masowego śledzenia aktywności pracowników oraz próba zastąpienia warstwy menedżerskiej agentami AI wywołały w Meta Platforms spadek wydajności operacyjnej. Choć liczba modyfikacji w kodzie wewnętrznym wzrosła o 220%, wskaźnik zmian docierających do użytkowników końcowych zwiększył się jedynie o 36%.

Spadek stabilności systemów w Meta Platforms wywołał bezpośrednie skutki operacyjne i bezpieczeństwa:

• Spadek morale personelu: Ocena satysfakcji pracowników w badaniu Pulse spadła z 74% do 55% po wdrożeniu oprogramowania rejestrującego kliknięcia i ruchy myszy na laptopach inżynierów w USA.
• Wzrost awaryjności: Liczba krytycznych incydentów technicznych i bezpieczeństwa w Meta Platforms wzrosła o 40%, a czas wymagany na ich usuwanie zwiększył się o 70%.
• Podatność agentów konwersacyjnych: W czerwcu 2026 roku napastnicy wykorzystali lukę w bocie obsługi klienta Meta Platforms, przejmując dostęp do wysoko profilowanych kont na Instagramie.
• Przywracanie struktury zarządczej: Wracając do tradycyjnych modeli operacyjnych, we wrześniu 2026 roku Meta Platforms rozpoczęła oferowanie inżynierom z działu Applied AI powrotu na stanowiska menedżerskie.

Finanse infrastruktury AI i model Meta Compute

Wydatki kapitałowe Meta Platforms osiągnęły w drugim kwartale 2026 roku poziom 31,1 mld USD, przyczyniając się do drastycznego spadku wolnych przepływów pieniężnych. Aby zmonetyzować nieużywane moce obliczeniowe szacowane na 35%, spółka zapowiedziała uruchomienie inicjatywy Meta Compute oraz sprzedaż dostępu do modeli przez interfejsy API.

Plan komercjalizacji infrastruktury przez Meta Platforms wpłynął bezpośrednio na rynek dostawców chmurowych:

• Inwestycje w Scale AI: Meta Platforms zainwestowała 14,3 mld USD w 49% udziałów bez prawa głosu w Scale AI, mianując jej założyciela Alexandra Wanga na stanowisko Chief AI Officer.
• Presja cenowa na rynkach zewnętrznych: Zapowiedź wynajmu mocy w ramach Meta Compute doprowadziła do spadku giełdowego dostawców infrastrukturalnych, takich jak CoreWeave (posiadającego 8,5 mld USD długu zabezpieczonego na GPU) oraz Nebius.
• Ekspansja centrami danych: Meta Platforms podjęła współpracę z BlackRock w celu stworzenia obiektu o mocy 1 GW w El Paso w Teksasie.

Architektura modeli i konflikt o strategię w Meta Superintelligence Labs

Utworzenie Meta Superintelligence Labs w czerwcu 2025 roku uświęciło przejście od otwartych modeli Llama do komercyjnych systemów z rodziny Muse. Równolegle ujawniono wewnętrzny konflikt naukowiec-biznes, który doprowadził do odejścia Yanna LeCuna i ujawnienia nieprawidłowości przy testowaniu wydajności modeli.

Struktura badawczo-rozwojowa oraz wydania modeli w Meta Platforms obejmują:

• Podział organizacyjny MSL: Jednostkę podzielono na cztery grupy: TBD Lab (kierowany przez Alexandra Wanga), FAIR, Products and Applied Research (kierowany przez Nata Friedmana) oraz MSL Infra pod kierownictwem Aparny Ramani.
• Portfolio z rodziny Muse: Wprowadzono agentowy model Muse Spark 1.1 dostępny poprzez publiczne API oraz model Muse Glimmer o 30 mld parametrów udostępniony na licencji Apache do uruchamiania lokalnego.
• Zarzuty dotyczące benchmarków: Będący dotychczasowym głównym naukowcem Yann LeCun ujawnił, że podczas debiutu modelu Llama 4 w kwietniu 2025 roku manipulowano wynikami testów porównawczych poprzez niestandardowe dobieranie wariantów modelu do konkretnych zadań.
• Rozłam technologiczny: LeCun opuścił Meta Platforms, określając nastawienie firmy jako ślepą uliczkę architektury LLM i założył Advanced Machine Intelligence Labs, tworzący modele świata oparte na V-JEPA.

Wnioski practicalzne i rekomendacje

• Zweryfikuj umowy z dostawcami chmury obliczeniowej AI pod kątem stabilności finansowej operatorów i potencjalnej spadkowej renegocjacji stawek za godzinę GPU w związku z wejściem Meta Compute na rynek.
• Zmierz rzeczywisty wpływ narzędzi automatyzujących programowanie na stabilność produkcji poprzez wskaźniki Lead Time for Changes i wskaźnik awarii produkcyjnych, zamiast opierać się na samej liczbie generowanych linii kodu lub commits.
• Skonfiguruj ścisłe procedury kontroli dostępu oraz ograniczenia uprawnień dla produkcyjnych agentów AI i botów konwersacyjnych, eliminując ryzyko przejęcia kont lub zasobów firmowych przez podatności w interfejsie konwersacyjnym.
• Wdróż dwutorowe podejście do architektury LLM, łącząc komercyjne interfejsy API (Muse Spark) do skomplikowanych zadań agentowych z lokalnie wdrażanymi modelami o otwartych wagach (Muse Glimmer, 30B parametrów) dla ochrony poufności danych i ograniczenia kosztów operacyjnych.

Źródła

• AI godfather blasts Zuckerberg: Yann LeCun breaks his silence – Capacity Media
• META Q2 2026 Prepared Remarks
• Meta CEO Mark Zuckerberg ran a secret project to make the company 'AI native’; asked teams to study impact of… – The Times of India
• Meta Superintelligence Labs – Wikipedia
• Meta shares sink 11% as CFO says they will continue to add compute in 2028 and beyond
• There’s a Very Basic Flaw in Mark Zuckerberg’s Plan for Superintelligent AI – Futurism
• Why Zuckerberg Wants to Give Everyone Superintelligence AI (His Real Argument)
• Zuckerberg Admits AI Development Lags Expectations; Meta Plunges Nearly 5% in Single Day, Erasing Compute-Selling Rally – BigGo Finance