モデル動向
Meta超知能研究所（MSL）は1年で何を築いたのか ― 社員の業務ログをRL訓練データに変える戦略
社員の画面操作を録画しエンジニア3,000人をRL環境構築に専従させるMetaの投資は、「最高のAI訓練データは自分の組織の業務そのもの」という仮説に賭けた投資だ。
原題
“The Future of Meta Superintelligence: A 1 Year Progress Update” （Meta超知能研究所（MSL）の現在地：データ・計算資源・人材の三拍子）
原文からの引用
“Even if algorithmic progress stalls out, and we just never figure out how to keep progress going...the current suite of algorithms are sufficient to automate white collar work provided you have enough of the right kinds of data.”
日本語訳 アルゴリズムの進歩が止まり、進歩を続ける方法をもう見つけられなかったとしても……適切な種類のデータが十分にあれば、現行のアルゴリズム群だけでホワイトカラーの仕事を自動化するには十分だ。
要点
- Llama 4の失敗を契機にZuckerbergが1年前にAI組織を刷新。$14.3BでScale AI（Alexandr Wang）を取り込み、研究者に数億ドル規模の報酬パッケージを提示して人材獲得競争を展開
- 4月に公開デビューしたモデル「Muse Spark」は、ほぼ同時期のオープンソースモデル（DeepSeek v4 Pro、Kimi K2.6）にほとんどのベンチマークで劣るスタートだったが、SemiAnalysisは「傾きこそが重要」とし、6ヶ月以内にGoogleを超える可能性があると分析
- SemiAnalysisは、フロンティアAIの競争がOpenAI vs Anthropicの2強に見えてきており、Googleは一時の存在感から大きく後退したと見る
- MetaはRL（強化学習）用の訓練データ生成において独自の優位を構築：社員の画面・キーボード操作を記録するプログラムと、約3,000人のエンジニアをフルタイムのRL環境構築に充てる組織再編を実施
- 計算資源では5つの1GW超「Titanクラスター」を同時建設中（オハイオ・ルイジアナ・エルパソ・アイオワ・インディアナ）。SemiAnalysisのモデルでは、年末までにOpenAI・Anthropicを上回るAI計算資源を保有する見通し
編集部の考察
MetaがRL訓練用に社員の業務画面を録画し、エンジニア3,000人をそのデータ生成環境の構築に専従させているという事実（要点4）は、「最高品質のホワイトカラーAI訓練データは自社の業務そのもの」という仮説に巨額を賭けた行動だ。これを外部の話として読み飛ばせない理由がある——ITメガベンチャーであれば、すでに数年分の業務ログ（チケット対応の会話、コードレビューコメント、提案資料の修正履歴、商談記録）が蓄積されているはずで、それは現時点では「検索対象のアーカイブ」に過ぎない。Metaが見せたのは、そのデータを強化学習のタスクと検証基準（ルーブリック）の素材として位置づけ直す組織的な取り組みだ。汎用モデルがどれだけ賢くなっても、「自分の組織のエース社員がどう判断するか」を模倣するモデルは自分の組織の業務データからしか作れない——これが外部AIとの本質的な差分になる。自分の組織に置き換えて問うべきは「どのチームのどのワークフローをRL環境化すれば、外部AIに追いつかれない参入障壁になるか」だ。3,000人を専従させる規模は再現できなくても、「どの業務プロセスから着手するか」を経営議題として立てるかどうかが、1年後の競争力の差になる。
本記事は海外記事の独自キュレーション・考察であり、原文の翻訳ではありません。引用部分の著作権は原著者に帰属します。
この記事の調査と下書きにはAIを使っています。数値や事実は出典と照合し、公開するかどうかは運営者が判断しています。（制作方針）