به گزارش پیچینو به نقل از تک کرانچ، در ژوئن ۲۰۲۵، متا با سرمایه‌گذاری ۱۴.۳ میلیارد دلاری در شرکت داده‌برچسبی Scale AI، مدیرعامل آن، الکساندر وانگ، و چند چهره کلیدی شرکت را برای راه‌اندازی Meta Superintelligence Labs به خدمت گرفت. اما حالا، در کمتر از یک فصل مالی، یک مدیر ارشد سابق اسکیل — روبن مایر — از متا جدا شده و گزارش‌ها حاکی از این است که آزمایشگاه TBD متا در حال استفاده از داده‌برچسبی رقبای بزرگ اسکیل، مانند Surge و Mercor، برای آموزش مدل‌های بعدی‌اش است.
چند منبع گفتند برخی پژوهشگران، داده‌های اسکیل را «کم‌کیفیت» می‌دانند و ترجیح می‌دهند با رقبایی کار کنند که از ابتدا با تیم‌های متخصص و پردرآمد کار کرده‌اند.
این کشمکش در حالی است که اسکیل بعد از از دست دادن مشتریانی چون OpenAI و گوگل، ۲۰۰ نفر را در کسب‌وکار داده‌برچسبی اخراج کرد و قصد دارد تمرکزش را به بخش‌هایی چون فروش به دولت معطوف کند.
همزمان، موجی از ورود استعدادهای برتر هوش مصنوعی از OpenAI و DeepMind به متا با بی‌نظمی داخلی، اختلاف فرهنگی و محدود شدن تیم‌های قدیمی GenAI همراه شده و حتی به جدایی برخی محققان تازه‌وارد منجر شده است.
با وجود چالش‌ها، Meta Superintelligence Labs مشغول کار روی نسل بعدی مدل‌های AI است که طبق هدف‌گذاری، تا پایان سال عرضه شود.

تحلیل پیچینو:
این تغییر جهت سریع نشان می‌دهد که سرمایه‌گذاری عظیم لزوماً به وابستگی استراتژیک منجر نمی‌شود.
پیام به بازار: متا با به‌کارگیری رقبا در کنار اسکیل، سیگنال روشنی می‌دهد که کیفیت داده برایش بر وفاداری به شریک اولویت دارد.
ریسک تمرکز سرمایه: اخراج‌ها در اسکیل و از دست دادن مشتریان بزرگ، شکنندگی مدل کسب‌وکار این استارتاپ را آشکار کرده است.
چالش ادغام فرهنگی: ورود موجی از مدیران خارجی به یک ساختار پیچیده مانند متا، بدون نقشه‌راه روشن، احتمال اصطکاک و ریزش را افزایش می‌دهد.
برای متا، این بحران یک یادآوری است که در رقابت با OpenAI و گوگل، نه‌تنها جذب استعداد بلکه ایجاد مسیر کاری پایدار و منسجم اهمیت حیاتی دارد.

نقل قول:
«ارزش همکاری ما فراتر از یک قرارداد مالی است و همچنان به گسترش روابط تجاری با متا پایبندیم.» — سخنگوی اسکیل AI
سؤال تعاملی:
آیا متا با این سیاست چندشریکی، کیفیت مدل‌های خود را تضمین می‌کند یا فقط بحران اعتماد با سرمایه‌گذاران و شرکای کلیدی‌اش را عمیق‌تر می‌کند؟