2025年6月、シリコンバレーに激震が走った。Meta Platformsが、データラベリングの巨人Scale AIに対し143億ドルという巨額の投資を実行したのだ。これはScale AIの創業者兼CEOであるAlexandr Wang氏と主要幹部をMetaの新たな精鋭部隊「Meta Superintelligence Labs（MSL）」に迎え入れ、AI開発の心臓部を委ねるという、事実上の戦略的吸収合併とも言える一手だった。Llama 4の期待外れの結果に苦しみ、OpenAIやGoogleの後塵を拝していたMark Zuckerberg氏にとって、これはAI覇権奪還に向けた起死回生の賭けであった。
しかし、その壮大な構想は、わずか2ヶ月で深刻な不協和音を奏で始めた。投資の熱狂が冷めやらぬ中、パートナーシップの内部からは幹部の早期離職、データ品質への深刻な不満、そしてMeta自身のAI部門を覆う組織的な混乱といった不穏な情報が次々と漏れ伝わっている。
本稿では、これまでの情報を基に、この巨大パートナーシップに生じた亀裂について、現代のAI開発が直面する本質的な課題、巨大企業が陥る戦略的ジレンマ、そして才能を巡る熾烈な戦争の実態を見ていきたい。
蜜月から一転：幹部離職が告げた不協和音の序曲
巨大投資の成功を象徴するはずだった人事の目玉は、早くも綻びを見せた。Scale AIでGenAI製品およびオペレーション担当上級副社長を務め、Wang氏と共にMetaに移籍したRuben Mayer氏が、わずか2ヶ月で同社を去ったのである。
TechCrunchの報道によれば、Mayer氏はMetaでAIデータオペレーションチームを監督する立場にあったが、AI超知能構築の中核を担う「TBD Labs」には統合されていなかったという。Mayer氏自身はTechCrunchに対し、当初の役割は「ラボの立ち上げ支援」であり、「初日からTBD Labsの一員だった」と一部を訂正しつつも、個人的な事情で退職したと説明している。
しかし、その役職や所属に関する認識の齟齬自体が、組織内の混乱を物語っている。鳴り物入りで迎えられたはずの幹部が、これほど短期間で去るという事実は、外部に対して極めてネガティブなシグナルとなった。これは単なる一個人の退職ではない。MetaとScale AIという異なる企業文化の融合がいかに困難であるか、そしてMSLという急ごしらえの組織が抱える構造的な問題を浮き彫りにした、最初の危険信号であった。
「データ品質」というアキレス腱：最先端の研究者たちが突きつけた”No”
Mayer氏の離職が表面的な亀裂だとすれば、より深刻で根深い問題は、AI開発の生命線である「データ」そのものにあった。複数の関係者が証言するところによると、MetaのAI研究の最精鋭が集うTBD Labsの研究者たちは、パートナーであるはずのScale AIが提供するデータを「低品質」と見なし、公然と不満を表明しているという。
そして、その不満は単なる愚痴では終わらなかった。研究者たちは、Scale AIを迂回し、その最大の競合であるSurge AIやMercorといった他のデータベンダーを積極的に利用しているというのだ。AI開発ラボが複数のデータベンダーと協力すること自体は珍しくない。しかし、143億ドルもの巨額を投じた中核パートナーの製品を現場が「使えない」と判断し、競合他社に依存を深めているという事実は、このパートナーシップの根幹を揺るがす異常事態である。
Metaの広報担当者はScale AIの製品に品質問題があることを否定しているが、現場の声は明らかだ。この状況は、Zuckerberg氏が描いた「Scale AIのデータインフラとMetaのAI研究開発力の融合」という青写真が、現場レベルで完全に崩壊していることを示唆している。
なぜScale AIのデータは「使えない」のか？ビジネスモデルの根本的ミスマッチ
なぜ、データラベリング市場の覇者であったはずのScale AIのデータが、Metaの最前線で「低品質」の烙印を押されてしまったのだろうか。その答えは、同社の成功を支えてきたビジネスモデルそのものに内包されている。
Scale AIは、クラウドソーシングを活用し、世界中の低コストな労働力を使って大量のデータにタグ付けや注釈を付ける（アノテーション）ことで急成長した。この「大規模・低コスト」モデルは、比較的単純なタスクが中心だった初期のAI開発においては絶大な威力を発揮した。
しかし、今日の最先端AI、特に生成AIモデルは、より高度で専門的な知識を要求する。例えば、医療画像の診断、法律文書の解釈、あるいは科学論文の要約といったタスクには、医師、弁護士、科学者といったドメインエキスパートによる高品質でニュアンスに富んだデータが不可欠となる。単純な正誤判断ではなく、「なぜそう判断したのか」という思考プロセスや専門的知見そのものが、AIの性能を飛躍させる鍵なのだ。
この市場の変化に対し、Scale AIの対応は後手に回った。一方で、Surge AIやMercorといった新興の競合は、当初から高報酬で専門家を確保し、高品質なデータを提供することに特化したビジネスモデルを構築していた。彼らは、AI開発の最前線が求める「質の転換」にいち早く適応し、急速に評価を高めていた。
結果として、Metaの研究者たちは、量では勝るかもしれないが質では劣るScale AIのデータよりも、高価でもAIの性能向上に直結するSurge AIやMercorのデータを選好した。これは、巨大投資をもってしても埋めることのできない、データ哲学とビジネスモデルの根本的なミスマッチが生んだ必然的な帰結だったのである。
さらに悪いことに、Metaとの蜜月関係は、Scale AIにとって諸刃の剣となった。Metaによる巨額投資が発表された直後、これまで同社の主要顧客であったOpenAIとGoogleが相次いで契約を打ち切ったのだ。これは、競合であるMetaと深く結びついた企業に自社の最先端AI開発の根幹を委ねるリスクを懸念した、当然の経営判断と言える。主要顧客を失ったScale AIは、7月にデータラベリング事業で200人規模の人員削減を断行せざるを得ない状況に追い込まれた。
揺れる巨大帝国：AI部門を襲う「才能の流出」と組織崩壊の危機
Scale AIとのパートナーシップ問題は、氷山の一角に過ぎない。その水面下では、MetaのAI部門全体が深刻な混乱に見舞われている。
Zuckerberg氏は、Llama 4の失敗以降、OpenAIやGoogleからトップクラスの研究者を高額な報酬で引き抜く「才能獲得戦争」を仕掛けてきた。Wang氏をMSLのトップに据えたのも、彼の創業者としてのカリスマ性とネットワークが、さらなるタレント獲得の呼び水になることを期待してのことだった。
しかし、その戦略は裏目に出ている。鳴り物入りで入社したトップタレントたちは、Metaという巨大企業特有の官僚主義や意思決定の遅さに不満を募らせ、次々と離職しているのだ。元々Metaに在籍していたGenAIチームは、新たにやってきたスター軍団によって活躍の場を奪われ、モチベーションを低下させている。新旧の従業員間の軋轢は深刻化し、組織は一枚岩とは程遠い状態にある。
最近では、MSLのAI研究者であったRishabh Agarwal氏、生成AIのプロダクトマネジメントディレクターであったChaya Nayak氏、研究エンジニアのRohan Varma氏といったキーパーソンが相次いで退社を表明。Agarwal氏がX（旧Twitter）に残した「変化の速い世界では、最大のリスクはリスクを取らないことだ」というZuckerberg氏自身の言葉を引用した退職の弁は、現在のMetaが才能ある研究者にとって魅力的でアジャイルな環境ではないことを皮肉に示している。
設立からわずか50日で解体・再編されるなど迷走を極めたMSLの現状は、MetaのAI戦略がいかに場当たり的で、長期的なビジョンを欠いているかを露呈している。これは単なる組織の成長痛ではない。AI開発の成否を左右する「人材」と「組織文化」という最も重要な基盤が、根底から崩れ始めている危険な兆候である。
Metaが直面する3つの構造的課題
MetaとScale AIのパートナーシップの動揺は、単一の失敗として片付けられる問題ではない。これは、現在のMetaが抱える、より根深く構造的な3つの課題が噴出した結果だと筆者は考える。
- 「スピード」と「品質」の戦略的ジレンマ: Llama 4の失敗で焦るZuckerberg氏は、OpenAIに追いつくため「スピード」を最優先した。Scale AIへの投資は、データ収集・整備の時間を金で買うという、典型的なスピード重視の戦略だ。しかし、最先端AI開発は、単純な物量作戦だけでは勝てない「品質」が問われるフェーズに移行している。現場の研究者が求める品質と、経営トップが求めるスピードとの間に生じた致命的な乖離が、今回の問題の根源にある。
- スタートアップ文化と巨大企業文化の衝突: Alexandr Wang氏のようなカリスマ創業者をトップに据え、スタートアップのようなスピード感で開発を進めようという試みは、理論上は魅力的だ。しかし、Metaはもはやガレージで生まれたスタートアップではない。数万人を抱え、複雑な社内政治と官僚主義が根付いた巨大企業である。そこに異質な文化を性急に移植しようとすれば、拒絶反応が起きるのは必然だ。新参者への嫉妬、既存プロセスとの摩擦、意思決定の遅延といった問題は、まさにこの文化の衝突が生み出したものである。
- 人材の「獲得」から「定着・育成」への視点欠如: Metaは札束でトップタレントの頬を叩く「獲得」には成功したかもしれない。しかし、彼らが最高のパフォーマンスを発揮し、長期的に貢献してくれる「環境」を整備すること、すなわち人材の「定着」と「育成」の視点が決定的に欠けている。最高の才能は、単に高報酬であることだけを求めない。彼らは、自らの研究が尊重され、迅速に実行に移され、世界にインパクトを与えることができる環境を求める。現在のMetaの混乱は、その最も基本的な要求に応えられていない証だ。
特に、AI研究者としてのバックグラウンドを持たない創業者であるAlexandr Wang氏をMSLのトップに据えた人事は、型破りな一手だった。これは、Wang氏の持つネットワークとカリスマ性を利用して、さらなるトップタレントを惹きつけるための「アックハイア（Acqui-hire、人材獲得を目的とした買収）」の側面が強かったと見られている。
しかし、その性急な改革は、組織の歪みを生み、データ品質という根本的な問題を見過ごし、結果としてさらなる人材流出を招くという悪循環に陥っている。Metaはルイジアナ州に500億ドルを投じて巨大データセンター「Hyperion」を建設するなど、ハードウェアへの投資は惜しまない。だが、その頭脳となるべき「人」と「組織」が機能不全に陥っていては、宝の持ち腐れになりかねない。
MetaとScale AIの物語は、AI開発の最前線で繰り広げられる壮大なドラマの一幕に過ぎない。しかし、その内実を深く見つめることで、我々はテクノロジー、戦略、組織、そして人間が複雑に絡み合う、AI時代の普遍的な課題を学ぶことができる。143億ドルの投資が「賢明な賭け」だったのか、それとも「高くついた授業料」だったのか。その答えは、Metaがこの深刻な亀裂から何を学び、いかに行動するかにかかっている。
Sources
