Mark Zuckerbergが率いるMetaが、AI開発体制の大規模な再編に動いた。2026年3月初旬、同社は社内メモを通じて「Applied AI Engineering」と名付けた新組織の設立を発表。この組織は、Metaが掲げる超知能（Superintelligence）開発を下支えする”実動部隊”としての役割を担う。The Wall Street Journalが入手した社内メモによれば、新組織はReality Labs部門のバイスプレジデントであるMaher Saba氏が率い、CTO Andrew Bosworth氏の直轄下に置かれるようだ。

AD

なぜ今、「応用AI」専門の新組織が必要なのか

Metaの超知能開発は、2025年6月にScale AIの元CEOであるAlexandr Wang氏を招聘し、Superintelligence Labsを設立して以来、急速に進展してきた。しかし、研究室で生み出されたAIモデルを実際に市場で競争力のある製品へと転換するためには、研究とは異なるスキルセットが必要になる。Sabaはメモの中で「優れたモデルを構築するのは研究者とコンピュートだけの仕事ではない。実世界のデータ、フィードバック、そして評価が不可欠だ」と記しており、この認識が新組織の設立動機を端的に物語っている。

Applied AI Engineeringが担うのは、Metaが社内で「データエンジン」と呼ぶ仕組みの構築である。AIモデルをより速く、より効率的に改善させるためのデータ処理、ツール開発、モデル評価を一手に引き受ける。具体的には、社内向けのツールやインターフェースの開発を担当するチームと、データ・フィードバック・評価を扱うチームの二つに分かれて活動する。強化学習やポストトレーニングにおける最近の進歩を跳躍台として、有能なAIモデルを市場におけるリーダーへと押し上げることが目標だとSabaは述べている。

マネージャー1人に対してIC50人：Zuckerberg流フラット構造の真意

この新組織の最大の特徴は、マネージャー1人に対して最大50人のIC（Individual Contributor、個人貢献者）を配置するという極端にフラットな組織構造にある。一般的なテック企業では、マネージャー1人当たり5〜10人程度の直属部下を置くのが通例であり、50対1という比率は既存の常識を大幅に逸脱している。

この設計思想は、Zuckerberg氏が直近の決算説明会で繰り返し語ってきた哲学に直結する。同氏は「以前は大きなチームが必要だったプロジェクトが、今では高いスキルを持つ一人の人間で完遂できるようになっている」と述べ、ICの権限と裁量を最大化する方針を鮮明にしている。マネジメント層を削ぎ落とすことで意思決定に必要な会話の量を減らし、各人がより広い範囲の責任とインパクトを持つ——このアプローチは、官僚的なプロセスがAI開発のスピードを殺すことへの明確な対抗策である。

興味深いのは、この組織哲学がWang氏の下でも既に実践されていた点である。Wang氏自身が以前のメモでSuperintelligence Labsの人員を約600人削減した際、「チームの規模を縮小すれば、意思決定に必要な会話が減り、全員がより広い範囲に責任を持つようになる」と記している。Zuckerberg氏の「フラット＆少数精鋭」路線は、もはや一部門のローカルな実験ではなく、Meta全社のAI開発指針として定着しつつある。

AD

分散型AI開発体制：Metaの組織的リスクヘッジ

Applied AI Engineeringの設立は、MetaのAI開発がSuperintelligence Labs一極集中から多極分散型へと構造転換していることを示している。現在、Metaの次世代AI開発は主に三つの軸で進行する。Wang氏が率いる研究ラボ、Saba氏が率いる応用AIエンジニアリング組織、そしてBosworth氏が統括するより広範な技術戦略である。

この分散体制は、いわば「組織的冗長性」の構築である。NDTVの取材に対し、Meta社内の関係者はこの動きがWang氏の役割の縮小を意味するものではないと明言している。しかし、一人のリーダーに権限を集中させるのではなく、複数のリーダーに開発責任を分配するという手法は、Zuckerberg氏が過去の大型プロジェクトでも繰り返し採用してきたリスク管理の戦略である。一つのチームが壁にぶつかっても、他のチームが開発を前進させ続けることができる。

この再編は、Metaの超知能開発が初期の「研究主導フェーズ」から、大規模な製品化とインフラ整備を見据えた「実装フェーズ」へと移行していることを反映している。コードネーム「Avocado」と「Mango」と呼ばれる新しいAIモデルの開発が今後数カ月以内にローンチ予定であることも、この文脈で理解できる。モデルの研究開発と、それを支えるデータパイプラインや評価基盤の構築を並行して進めるために、組織そのものを二分したのである。

AI組織論の最前線：なぜ「構造」が競争優位になるのか

MetaのこのApplied AI Engineeringの新設は、単なる社内の組織再編にとどまらず、AI開発競争における新たな競争軸を浮き彫りにしている。OpenAI、Google、Anthropicといった競合が莫大なコンピュートリソースとモデルアーキテクチャで競い合う中、Metaはインフラストラクチャと組織設計そのものを競争優位の源泉として位置づけている。

Zuckerberg氏のアプローチは、最先端の研究をいかに速く製品に変換できるかという「変換速度」に賭けるものだ。研究チームが優れたモデルを生み出しても、それを実世界のデータで鍛え上げ、評価し、改善するサイクルが遅ければ市場では勝てない。Applied AI Engineeringはまさにこの変換プロセスの高速化を専門とする組織であり、MetaのAI戦略全体において、研究と製品の間に存在する「死の谷」を埋めるための組織的な解である。

新組織は現在、ソフトウェアエンジニアリング、プロダクトマネジメント、データサイエンス、データエンジニアリングの各職種で人材を募集しており、社内の異動希望者にも門戸を開いている。超知能という壮大な目標を掲げつつも、その実現を支えるのは地道なデータ処理とツール構築の積み重ねであるという現実をMetaは直視している。AIの覇権争いは、もはやモデルの性能だけではなく、それを支える組織の設計と実行速度の問題になりつつある。

Sources