- O investimento de US$ 14 bilhões na Scale AI anunciado pela Meta tinha, na prática, como objetivo não uma aquisição completa, mas sim garantir 49% de participação e contratar o CEO Alexander Wang
- Os atuais funcionários da Scale AI continuam mantendo suas ações, ao mesmo tempo em que recebem distribuição em dinheiro, e Alexander Wang deixa a empresa para ir para a Meta, mas permanece no conselho
- O objetivo da Meta não está no negócio da Scale AI em si, mas em trazer Alexander Wang como indivíduo
- A Meta tem ficado para trás recentemente na corrida da IA, enfrentando baixo desempenho por conta de política interna e problemas de liderança, especialmente devido a uma cultura de pesquisa conservadora centrada em Yann LeCun
- O autor considera irracional investir uma quantia de 11 dígitos em uma pessoa específica, mas enfatiza que a Meta deveria se concentrar em melhorar sua cultura organizacional e sua estrutura de talentos
Atualização: estrutura acionária dos funcionários da Scale AI
- Os funcionários da Scale AI recebem de uma só vez dividendos equivalentes ao prêmio sobre todas as ações, enquanto continuam mantendo as ações que já possuem
- Diferentemente de uma aquisição tradicional, essa estrutura tem a vantagem de permitir que os funcionários continuem se beneficiando de ganhos adicionais à medida que a empresa cresce
- Segundo relatos, o próprio CEO Alexander Wang pediu essa estrutura, e ela é vista de forma positiva do ponto de vista de proteção aos funcionários
- A maior parte do valor não foi destinada apenas ao CEO, mas distribuída entre todos os funcionários
- Na prática, a Meta não adquiriu a Scale AI por completo; foi um investimento que ofereceu uma nova compensação em dinheiro a acionistas e funcionários
O verdadeiro significado da “aquisição” de US$ 14 bilhões da Meta
- Ao investir US$ 14 bilhões na Scale AI, a Meta garantiu apenas 49% de participação, e o controle formal da gestão continua com o conselho da Scale AI
- Legalmente, não é uma “aquisição”, mas, na prática, como a soma das participações da Meta e de Alexander Wang ultrapassa a maioria, eles acabam tendo o controle das decisões da empresa
- O CEO Alexander Wang vai para a Meta, mas continua no conselho da Scale AI e segue influenciando a gestão da empresa
- Esse tipo de estrutura de transação é raro no setor e mostra que o principal objetivo da Meta não era a empresa em si, mas sim garantir um talento específico (Alexander Wang)
- Diferentemente de uma aquisição convencional, nem todas as participações foram convertidas em dinheiro; a operação foi desenhada para permitir o controle mesmo com a transferência de apenas parte das ações
A essência da Scale AI e o que a Meta realmente quer
- A Scale AI opera um negócio de rotulagem de dados B2B e terceirização de grandes volumes de trabalho humano, algo como “Mechanical Turk as a Service”
- A competitividade da empresa está menos em algoritmos de ponta ou propriedade intelectual e mais em operação eficiente de força de trabalho e produção de datasets em grande escala
- Grandes empresas de IA já trabalham com vários parceiros de rotulagem de dados e com equipes próprias, portanto não dependem de forma absoluta dos dados da Scale AI
- Na prática, os principais clientes da Scale AI são Toyota, Etsy, GM, órgãos governamentais e outras organizações retardatárias ou menos especializadas dentro do ecossistema de IA
- Isso reforça a leitura de que a Meta não atribui grande valor ao negócio da Scale AI em si, e sim à aquisição de talento-chave
Enfraquecimento da competitividade em IA da Meta e problemas internos
- Desde o Llama 2, a Meta está atrás de OpenAI, Google, Anthropic e outras na competição em IA
- No início, construiu a imagem de “Linux da IA” ao formar um ecossistema liderado pela comunidade com sua estratégia open source, mas perdeu competitividade após o surgimento de novos modelos como o Deepseek
- A organização de pesquisa em IA da Meta, a FAIR (Foundational AI Research), tem sua inovação prejudicada por uma cultura conservadora e pouco orientada ao mercado, centrada em Yann LeCun
- LeCun teria atrasado a adoção de novas tecnologias por insistir em Lua e Torch no passado e por seu ceticismo em relação a transformers e LLMs; há até um relato de que a equipe inicial do Llama desenvolveu um protótipo sem que LeCun soubesse e o apresentou diretamente a Zuckerberg
- Estagnação organizacional, conflitos de liderança e saída de talentos-chave vêm se acumulando, repetindo um ciclo de lentidão em toda a inovação em IA
A estratégia ousada de Zuckerberg para contratar talentos
- Zuckerberg atribui o fraco desempenho da área de IA da Meta à burocracia interna e à rigidez organizacional e, para superar isso, partiu para uma ofensiva de contratação fora do padrão
- Ele tentou recrutar diretamente talentos de primeira linha do setor oferecendo remuneração de 8 a 9 dígitos, estrutura ligada diretamente ao CEO e ambiente de pesquisa autônomo
- Reportagens indicam que propostas foram feitas a várias figuras do setor de IA, como Nat Friedman, David Gross e Ilya Sutskever
- Alexander Wang, por sua proximidade com Zuckerberg e por atuar como conselheiro informal em IA, tornou-se o primeiro caso de sucesso dessa estratégia de contratação
- Ainda assim, há ceticismo sobre se essa estratégia de concentrar investimentos gigantescos em talentos “superstar” realmente será eficaz para promover inovação organizacional e elevar a capacidade da Meta em IA
Conclusão e avaliação do autor
- O autor enfatiza que a inovação em IA não nasce de um único “gênio”, mas de ambientes de experimentação coletiva e colaboração
- Usa o Google como exemplo de como liberdade de pesquisa, colaboração forte e recursos praticamente ilimitados podem impulsionar inovação no longo prazo
- Aponta que branding e melhoria da cultura interna da Meta são fundamentais para recuperar competitividade em IA, e considera arriscada a abordagem de concentrar investimento massivo em uma única pessoa
- O autor deposita alguma expectativa na capacidade de execução e impulso de mudança de Zuckerberg, mas considera incerto se a estratégia de “contratar uma pessoa” com remuneração de 11 dígitos será a solução para a inovação em IA da Meta
2 comentários
Talvez só o próprio fundador pudesse ter feito o exit, mas se tivesse sido assim, teria ficado mais difícil para o restante dos funcionários e executivos fazerem o exit.
Pelo visto, a participação que a Meta garantiu incluía não só a fatia do fundador, mas também a parte dos funcionários e executivos.
Alexander Wang é realmente uma figura impressionante..
Comentários do Hacker News
Acho que não captaram direito por que a Meta investiu só 49% na Scale. A Meta evita, por esse caminho, o escrutínio regulatório global. Se fosse uma aquisição completa, precisaria de aprovação de autoridades em vários países, mas um investimento minoritário não entra necessariamente nesse tipo de revisão. Os acionistas também conseguem um retorno parecido com o de uma aquisição, evitando a incerteza regulatória. E a parte restante da Scale ainda mantém potencial de sucesso, o que pode gerar ganhos adicionais para os acionistas, agora incluindo a Meta. No fim, é uma estrutura de ganha-ganha
Não dá para ignorar uma investigação antitruste só porque é um investimento minoritário. Nos EUA, coisas como 15 U.S.C. §18 também podem analisar aquisições parciais ou participações minoritárias. Na Europa, é a mesma coisa
Faz sentido inferir que a Meta escolheu isso em vez de M&A porque queria se mover rápido. No meu texto eu também argumentei que faria pouco sentido a Meta comprar algo tão diretamente ligado ao seu core business, mas acho que a possibilidade existe. Ainda assim, não considero isso um ganha-ganha. As ações da Scale continuam com baixa liquidez e, com a saída de membros centrais, para quem tem essas ações o resultado pode até ter sido uma redução de valor
Microsoft e Google fizeram algo parecido também (por exemplo, o investimento na Character AI). A Scale nem é um laboratório de IA; no fundo é uma plataforma de terceirização tipo o Fiverr. Não vejo muito como tirar talentos de lá ajudaria a aumentar o apelo da Meta para pesquisa em IA
Pelo que foi divulgado, essa estrutura do investimento aconteceu a pedido do Wang (CEO da Scale). Ou seja, o objetivo principal era devolver retorno para investidores e funcionários. Do ponto de vista da Meta, acho que ela não tinha tanto interesse em possuir a Scale. Já usa bem os dados da Scale e não precisava necessariamente ser dona da empresa
A OpenAI parece ter feito um bom negócio ao trazer Jony Ive por US$ 6,5 bilhões. Mas, ao contrário dos rumores de que o Llama 4 parecia bom nos benchmarks, a experiência real de uso foi tão decepcionante que começaram a surgir comentários de que a Meta manipulou os números. Eu mesmo não sei muito bem qual é o padrão desses benchmarks e, usando na prática, não senti a mudança toda que o pessoal divulgava como “IA incrível!”. Ainda continuo esbarrando repetidamente em respostas sem pé nem cabeça
Existem tipos diferentes de benchmark. Um é quantificável, baseado em dados reais; outro é a reação do público. O benchmark real pode ser um indicador antecedente, mas não necessariamente acerta, e no fim o que importa é a avaliação do público. Só pela reação no Reddit já dava para perceber que o Gemini 2.5 era melhor que o Claude 3.7
Não tenho uma visão muito positiva do legado do Jony Ive na Apple: notebooks finos demais, projetos impossíveis de reparar, teclados ruins, mouse que não dá para usar enquanto carrega, design de gabinete que prejudica desempenho, UI abstraída sem necessidade etc. Até hoje há várias coisas decepcionantes, como o fato de não dar para usar o mouse enquanto ele carrega
É impressionante como o Jony Ive construiu uma carreira de superstar praticamente copiando o estilo do Dieter Rams. Não consigo imaginar que valor ele pode trazer para a OpenAI. Foi alguém que atrapalhou os notebooks da Apple por 5 anos
Na verdade, a OpenAI não trouxe o Jony Ive diretamente. Ela adquiriu uma joint venture já existente, então o Ive já realizou o ganho e agora ficou basicamente com um contrato com a empresa de design dele. Na minha visão, o Ive saiu ganhando muito, e a OpenAI nem tanto
Os benchmarks do Llama 4 que a Meta divulgou foram expostos como falsos quase de imediato
Faço um contraponto à ideia de que os dados da Scale AI são secundários para o Wang. Rotulagem de dados já não é mais só algo entregue a trabalhadores; isso hoje se conecta a demonstrações feitas por especialistas e ao desenho de workflows. É um tipo avançado de dado que permite inferir como os frontier labs montam ambientes de RL. Acho que essa é a motivação real.
Também não concordo com a afirmação de que qualquer um consegue fazer um LLM. Pessoas capazes de treinar LLMs competitivos em grande escala devem ser só algumas centenas no mundo todo, e isso exige um enorme acúmulo de know-how técnico e truques práticos. Foi por isso que tanta gente ficou surpresa assim que saiu o relatório sobre a DeepSeek.
Também não concordo que o avanço em ML seja majoritariamente sorte e que só organizações distribuídas sejam racionais. Há muita gente como Schmidhuber, Shazeer e Alec Radford que vem fazendo pesquisa fundamental de forma consistente, e também é importante reconhecer que a OpenAI ampliou esse mercado por meio de investimento concentrado, e não de experimentação distribuída. O mesmo vale para casos como a DeepMind
Treinar LLMs é difícil, mas não é algo impossivelmente difícil de aprender. Pela minha experiência de uns 3 meses depois da graduação, a dificuldade de treinar não mudava tanto entre modelos pequenos e grandes. Bibliotecas como
torchemegatrontambém ajudam bastanteTodos os pesquisadores são excelentes e não quero diminuir ninguém. Mas acredito que as principais mudanças em ML e as novas ideias realmente surgem em muitos lugares, com pessoas diversas se comunicando de forma descentralizada. É uma visão pessoal
Os conflitos internos e problemas culturais na organização de IA da Meta são graves. Hoje os principais grupos de “IA” são GenAI, FAIR e RL-R
A FAIR foi sendo repassada entre várias áreas, perdeu o papel de potência central e muita gente saiu
A GenAI começou como um time pequeno, mas agora só cresce em número, os produtos estão cada vez mais indefinidos, e a liderança não tem muita experiência real em productização ou ML aplicado. Ficam fazendo teste A/B toda semana
A RL-R está presa à organização de avatares, e o líder parece mais perfeccionista do que alguém focado em execução, então acho que vai fracassar. Um sistema simples performa melhor do que um sistema totalmente baseado em ML, mas mesmo assim queimaram US$ 15 bilhões
Existe também a equipe de interação manual dependente de pulseira, mas não há nem um protótipo de larga escala decente, e o negócio é desconfortável demais
A equipe de displays fracassou na transformação em produto de consumo de coisas como o Orion por prometer demais
A equipe de mapping está basicamente produzindo só óculos de pesquisa com coleta excessiva de dados pessoais
Havia muito talento na RL-R, mas por causa da cultura de “contrata e depois demite”, ficou quase impossível fazer pesquisa que envolva risco
Se você olhar por uma ótica de empresa de rotulagem de dados, essa história é meio risível. Chega a lembrar uma simples “classificação de cachorro-quente”, então é chocante terem gasto US$ 14 bilhões nisso
A Meta ganha tanto dinheiro com publicidade que até projetos que perdem bilhões não afetam muito: a ação continua subindo. E o P/L nem é tão alto assim. É um fenômeno impressionante
Acho que a opinião do autor sobre AGI não segue metodologia científica. Meu palpite é que a Meta quer muito mais reunir pessoas influentes para poder mudar o alvo cada vez que a definição de AGI mudar. Em outras palavras, o objetivo é menos competência técnica e mais controle sobre o paradigma
Os dois últimos parágrafos me deixaram confuso e desconcertado mesmo depois de ler.
Não vejo muita evidência de que o Zuck seja um CEO especialmente competente. Há mais de 10 anos o Facebook não tem sucesso real em novos produtos fora aquisições
É até vergonhoso que um serviço novo como o TikTok tenha superado o Instagram. Também questiono se a Meta Quest, um negócio secundário e deficitário, justificava até mudar o nome da empresa
Em comparação com Microsoft, Google e Amazon, a Meta está muito atrás em confiança do cliente. Por causa dessa diferença de confiança, os novos negócios da Meta sempre enfrentam dificuldades. Mesmo lidando com coisas como LinkedIn, Gmail e Search, Microsoft e Google são muito mais confiáveis
Pessoalmente, me parece que a Meta está usando esses US$ 14 bilhões para, no fim das contas, investir em outra empresa porque não consegue ter sucesso sozinha com novos produtos
(Referência: https://allaboutcookies.org/big-tech-trust)
O core business dela é tão lucrativo e escalável que ela nem precisa necessariamente de “nova tecnologia”. Inovação não é obrigatória. Em contextos com pouca concorrência, dá para crescer enormemente sem inovar, como aconteceu com ações de tabaco no passado ou com o Walmart
No caso de TikTok e Instagram, as duas estão indo bem, então não há nada de vergonhoso nisso. Dá para coexistir, como Pepsi e Coca-Cola
Sou até meio fã do Zuck e consigo montar uma defesa a partir dessa posição, mas isso não significa concordar com tudo; acho que as críticas também têm força
Medir a capacidade de um CEO só pelo sucesso de novos produtos é uma métrica ruim. O Ray-Ban Meta também vem tendo sucesso consistente, até esgotando com frequência
Queria saber se você viu a situação do $META (a ação)
Esses números são realmente insanos
Tem um ponto que não é factual, e o autor agora já sabe disso. Houve até uma atualização dizendo que “nem todos os US$ 14 bilhões foram para o Alexandr”, então acho que seria melhor até mudar o título