- La inversión de Meta de $14B (14 mil millones de dólares, unos 20 billones de wones), conocida como la adquisición de Scale AI, en realidad no tuvo como objetivo una compra total, sino asegurar una participación del 49% y contratar al CEO Alexandr Wang
- Los empleados de Scale AI mantienen sus acciones y al mismo tiempo reciben un dividendo en efectivo, mientras que Alexandr Wang se cambia a Meta pero permanece en el directorio
- El objetivo de Meta no está centrado en el negocio de Scale AI, sino en incorporar a Alexandr Wang como individuo
- Meta ha venido quedándose atrás en la competencia de IA y sufre un bajo desempeño por política interna y problemas de liderazgo, en particular por una cultura de investigación conservadora centrada en Yann LeCun
- El autor considera irracional invertir una suma de 11 dígitos en una persona específica, pero subraya que Meta debe enfocarse en mejorar su cultura organizacional y su estructura de talento
Actualización: estructura accionaria de los empleados de Scale AI
- Los empleados de Scale AI reciben de una sola vez un dividendo equivalente a la prima sobre todas sus acciones, y al mismo tiempo conservan las acciones que poseen
- A diferencia de una adquisición tradicional, esta estructura tiene la ventaja de permitir que los empleados sigan beneficiándose del crecimiento futuro de la empresa
- Se sabe que el CEO Alexandr Wang solicitó personalmente esta estructura, y se valora positivamente desde la perspectiva de protección a los empleados
- La mayor parte del dinero no fue solo para el CEO, sino que se repartió entre todos los empleados
- En realidad, Meta no adquirió por completo a Scale AI, sino que hizo una inversión con el carácter de ofrecer una nueva compensación en efectivo a accionistas y empleados
El verdadero significado de la “adquisición” de 14 mil millones de dólares de Meta
- Meta invirtió 14 mil millones de dólares en Scale AI y solo aseguró una participación del 49%, mientras que el control de gestión sigue en manos del directorio de Scale AI
- Legalmente no es una “adquisición”, pero en la práctica la suma de las participaciones de Meta y Alexandr Wang supera la mayoría, por lo que efectivamente controlan la toma de decisiones de la empresa
- El CEO Alexandr Wang se muda a Meta, pero sigue en el directorio de Scale AI y continúa influyendo en la gestión de la compañía
- Esta estructura de transacción es poco común en la industria y muestra que el objetivo principal de Meta no es la empresa en sí, sino asegurar talento específico (Alexandr Wang)
- No se monetizaron todas las acciones como en una adquisición tradicional; se diseñó de forma que fuera posible tomar el control cediendo solo una parte de la participación
La naturaleza de Scale AI y lo que Meta realmente quiere
- Scale AI opera un negocio de tipo “Mechanical Turk as a Service” enfocado en etiquetado de datos B2B y tercerización de recursos humanos a gran escala
- La fortaleza competitiva de esta empresa no está en algoritmos de punta ni en IP, sino en la operación eficiente de personal y la producción de datasets masivos
- Las grandes empresas de IA ya trabajan con varios socios de etiquetado de datos y equipos internos de etiquetado, por lo que no dependen de manera absoluta de los datos de Scale AI
- De hecho, los principales clientes de Scale AI son Toyota, Etsy, GM y organismos gubernamentales, es decir, rezagados del ecosistema de IA u organizaciones no especializadas
- Esto respalda la idea de que Meta no valora demasiado el negocio de Scale AI en sí, sino que se enfoca en captar talento clave
Debilitamiento de la competitividad de IA de Meta y problemas internos
- Desde Llama 2, Meta ha quedado rezagada frente a OpenAI, Google, Anthropic y otros en la competencia de IA
- Al principio construyó una imagen de “Linux del mundo de la IA” al crear un ecosistema impulsado por la comunidad mediante una estrategia open source, pero perdió competitividad tras la aparición de nuevos modelos como Deepseek
- FAIR (Foundational AI Research), la organización de investigación en IA de Meta, tiene una cultura conservadora y poco orientada al mercado, centrada en Yann LeCun, lo que frena la innovación
- LeCun retrasó la adopción de nuevas tecnologías por su insistencia pasada en Lua y Torch, así como por su escepticismo hacia los transformers y los LLM; incluso existe la anécdota de que el equipo inicial de Llama desarrolló un prototipo a espaldas de LeCun y se lo mostró directamente a Zuckerberg
- El estancamiento interno, los conflictos de liderazgo y la fuga de talento clave han continuado, repitiendo un círculo vicioso que ralentiza toda la innovación en IA
La audaz estrategia de Zuckerberg para reclutar talento
- Zuckerberg identifica la causa del bajo rendimiento del área de IA de Meta en la burocracia interna y la rigidez organizacional, y para superarlo se lanzó a un reclutamiento de talento fuera de lo común
- Ha intentado contratar directamente a talento top de la industria ofreciéndoles compensaciones de 8 a 9 dígitos (cientos de millones a miles de millones de dólares), organizaciones que reportan directamente al CEO y un entorno de investigación autónomo
- Se ha reportado que hizo ofertas a numerosas figuras del mundo de la IA como Nat Friedman, Daniel Gross e Ilya Sutskever
- Alexandr Wang es el primer caso exitoso de contratación, gracias a su cercanía con Zuckerberg y a su papel como asesor informal en IA
- Sin embargo, también existe escepticismo sobre si una estrategia de concentración en talento “superestrella” mediante inversiones gigantescas realmente será efectiva para impulsar la innovación organizacional y la capacidad de IA
Conclusión y evaluación del autor
- El autor enfatiza que la innovación en IA no surge de un solo “genio”, sino de entornos de experimentación colectiva y colaboración
- Pone como ejemplo que un entorno como el de Google, con libertad de investigación, fuerte colaboración y recursos ilimitados, puede impulsar la innovación a largo plazo
- Señala que mejorar la marca y la cultura interna de Meta es la clave para recuperar su competitividad en IA, y considera riesgoso un enfoque que concentre una inversión masiva en una sola persona
- Mantiene expectativas sobre la capacidad de ejecución de Zuckerberg y su impulso al cambio, pero sigue siendo incierto si la estrategia de “contratar a una sola persona” con una compensación de 11 dígitos será la solución para la innovación en IA de Meta
2 comentarios
El fundador podría haber sido el único en hacer exit, pero si hubiera sido así, al resto de los empleados les habría resultado difícil hacerlo, ¿no?
Parece que la participación que aseguró Meta no era solo la del fundador, sino que también incluía la parte de los empleados.
Alexander Wang... qué personaje tan impresionante.
Opiniones de Hacker News
Creo que no se entendió bien por qué Meta solo invirtió el 49% en Scale. Meta evita por esta vía el escrutinio regulatorio global. Si hubiera sido una adquisición total, habría necesitado la aprobación de autoridades en varios países, pero una inversión minoritaria no entra en esa categoría. Los accionistas también obtienen retornos parecidos a una adquisición mientras evitan la incertidumbre regulatoria. Además, el resto de Scale todavía conserva potencial de éxito, lo que podría generar ganancias adicionales para los accionistas, ahora incluyendo a Meta. Al final, es una situación de ganar-ganar
Una inversión minoritaria no significa que se pueda ignorar una investigación antimonopolio. En EE. UU., por ejemplo, normas como 15 U.S.C. §18 también pueden aplicarse a adquisiciones parciales o inversiones minoritarias. En Europa pasa lo mismo
Me parece razonable inferir que Meta eligió esto en vez de M&A porque quería moverse rápido. En mi texto también sostuve que no tenía sentido que Meta hiciera una adquisición tan directamente ligada a su negocio principal, aunque veo que era posible. Pero no creo que esto sea un ganar-ganar. Las acciones de Scale siguen teniendo baja liquidez, y como varios miembros clave se fueron, desde la perspectiva de quienes tienen acciones, su valor en realidad disminuyó
Microsoft y Google hicieron algo parecido también (por ejemplo, la inversión en Character AI). Scale ni siquiera es un laboratorio de IA; básicamente es una plataforma de outsourcing tipo Fiverr. No me queda claro cómo traer talento de ahí ayudaría a hacer más atractiva la investigación de IA de Meta
De hecho, se dice que esta estructura de inversión se hizo a pedido de Wang (CEO de Scale). O sea, el objetivo principal era dar retornos a inversionistas y empleados. Desde la perspectiva de Meta, no parece que tuvieran especial interés en poseer Scale. Ya usan bien los datos de Scale, y no necesitaban directamente quedarse con la empresa
Parece que OpenAI sí hizo un buen negocio al traer a Jony Ive por 6.500 millones de dólares. Pero, a diferencia de los rumores de que Llama 4 se veía bien en benchmarks, la experiencia real de uso fue tan decepcionante que incluso surgieron comentarios de que Meta había manipulado cifras. Yo mismo no tengo muy claro cuál es el estándar de esos benchmarks y, aun usándolo en la práctica, no sentí un cambio que justificara toda la fama de “¡IA increíble!”. Sigo topándome repetidamente con respuestas absurdas
También hay distintos tipos de benchmarks. Uno es cuantificable y se basa en datos reales; otro es la reacción del público. Los benchmarks reales pueden ser indicadores adelantados, pero no siempre aciertan, y al final lo que importa es la evaluación del público. Con solo ver Reddit ya se podía notar que Gemini 2.5 era mejor que Claude 3.7
No tengo una buena opinión de los logros de Jony Ive en Apple: laptops demasiado delgadas, diseños imposibles de reparar, teclados incómodos, un mouse que no se puede usar mientras se carga, diseños de carcasa que perjudican el rendimiento, una UI innecesariamente abstracta, etc. Incluso hoy sigue siendo decepcionante que no puedas usar el mouse mientras se carga
Me sorprende que Jony Ive haya construido una carrera de superestrella prácticamente copiando el estilo de Dieter Rams. No logro imaginar qué valor podría aportarle a OpenAI. Es la persona que arruinó las laptops de Apple durante 5 años
En realidad, OpenAI no trajo directamente a Jony Ive. Adquirió una empresa conjunta ya existente, así que Ive ya monetizó su parte y ahora lo que queda es un contrato con su firma de diseño. Me parece que Ive sale ganando muchísimo y OpenAI no tanto
Los benchmarks de Llama 4 que publicó Meta se demostraron falsos casi de inmediato
Cuestiono la idea de que los datos de Scale AI fueran algo secundario para Wang. El etiquetado de datos ya no es solo trabajo delegado a mano de obra, sino que lleva a demostraciones de expertos y diseño de flujos de trabajo. Es un tipo de dato avanzado que permite inferir cómo los frontier labs construyen entornos de RL. Creo que esa es la motivación real.
Además, tampoco estoy de acuerdo con la idea de que cualquiera puede hacer un LLM. Las personas capaces de entrenar un LLM competitivo a gran escala son apenas unos cientos en todo el mundo, y se necesita muchísimo know-how técnico y muchos trucos. Por eso sorprendió tanto el reporte relacionado con DeepSeek apenas salió.
Tampoco coincido con que el progreso en ML sea mayormente suerte, ni con que solo las organizaciones distribuidas sean racionales. Hay muchas personas como Schmidhuber, Shazeer o Alec Radford que han trabajado de forma constante en investigación fundamental, y también hay que reconocer que OpenAI hizo crecer este campo con inversión concentrada en vez de experimentación distribuida. Con DeepMind pasa algo parecido
Entrenar LLMs sí es difícil, pero no es algo imposible de aprender. Por mi experiencia de unos 3 meses después de terminar la licenciatura, no sentí gran diferencia en dificultad entre entrenar modelos pequeños o grandes. Bibliotecas como torch o megatron también ayudan bastante
Todos los investigadores son impresionantes y no busco menospreciar a nadie. Pero sí creo que muchos de los cambios importantes o nuevas ideas en ML han surgido porque mucha gente, desde muchos lugares distintos, se comunica de forma descentralizada. Es solo mi opinión
Los conflictos internos y problemas culturales dentro de la organización de IA de Meta son serios. Hoy las principales organizaciones de “IA” son GenAI, FAIR y RL-R
FAIR perdió su papel de potencia al ir cediéndose a otras organizaciones, y mucha gente se fue
GenAI empezó como un equipo pequeño, pero ahora no deja de crecer, sus productos son ambiguos y además el liderazgo tiene poca experiencia real en producto o en ML aplicado. Se la pasan haciendo A/B tests cada semana
RL-R está enredado con la organización de avatares, y su líder parece más cercano al perfeccionismo que a la ejecución, así que da la impresión de que va a fracasar. Se desperdiciaron 15.000 millones de dólares aunque sistemas simples rendían mejor que sistemas totalmente basados en ML
También está el equipo de interacción manual que depende de una pulsera de muñeca, pero ni siquiera tienen un prototipo serio a gran escala y es demasiado incómodo
El equipo de displays fracasó en llevar productos como Orion al mercado de consumo por prometer de más
El equipo de mapping solo está haciendo unos lentes de investigación que recolectan demasiada información privada
Había mucho talento en RL-R, pero con una cultura de “contratar para luego despedir”, es casi imposible hacer investigación arriesgada
Viéndolo como una empresa de etiquetado de datos, toda esta situación es ridícula. Es tan simple que hace pensar en una especie de “clasificación de hotdogs”, y aun así gastaron 14.000 millones de dólares
Meta gana tanto dinero con su negocio publicitario que incluso proyectos que pierden miles de millones no afectan mucho y la acción sigue subiendo. Ni siquiera tiene un PER exageradamente alto. Es algo realmente sorprendente
Creo que la opinión del autor sobre AGI no sigue una metodología científica. Mi impresión es que Meta más bien quiere atraer a muchas personas influyentes para poder mover la meta cada vez que cambie la definición de AGI. O sea, el objetivo sería asegurar control sobre el paradigma más que reunir capacidad técnica
Los dos últimos párrafos me dejaron confundido y desconcertado incluso después de leerlos.
No veo mucha evidencia de que Zuck sea un CEO especialmente competente. Facebook lleva más de 10 años sin éxitos de nuevos productos, salvo adquisiciones
Que un servicio relativamente nuevo como TikTok le haya ganado a Instagram es bastante vergonzoso. Meta Quest parece un negocio secundario que solo genera pérdidas, y me cuesta ver si realmente valía la pena cambiarle el nombre a toda la empresa por eso
Frente a Microsoft, Google o Amazon, Meta está muy rezagada en confianza del cliente. Esa brecha de confianza hace que sus nuevos negocios siempre lo tengan difícil. Incluso manejando cosas como LinkedIn, Gmail o Search, Microsoft y Google inspiran mucha más confianza
Personalmente, siento que Meta está en la posición de invertir 14.000 millones de dólares en otra empresa porque, en el fondo, no puede triunfar sola y está buscando casos exitosos de nuevos productos a través de terceros
(Referencia: https://allaboutcookies.org/big-tech-trust)
Su negocio principal tiene una rentabilidad y escala tan fuertes que realmente no necesita “nueva tecnología”. La innovación no es indispensable. En contextos con poca competencia, se puede crecer a gran escala sin innovar, como pasaba con las tabacaleras de antes o con Walmart
Lo de TikTok e Instagram tampoco tiene nada de vergonzoso: a ambas les va bien. Como Pepsi y Coca-Cola, pueden coexistir
Soy más o menos fan de Zuck y desde esa postura podría construir una defensa a su favor, pero eso no significa que esté automáticamente de acuerdo con todo; también me parece convincente la postura crítica
Evaluar la capacidad de un CEO solo por el éxito de nuevos productos es una métrica equivocada. Ray-Ban Meta también ha sido un éxito, agotándose de forma constante
Me pregunto si viste cómo va $META (la acción)
Estas cifras son realmente una locura
Hay partes que no son ciertas, y el autor ya se dio cuenta. Ya hubo una actualización aclarando que “los 14.000 millones de dólares no fueron todos para Alexandr”, así que hasta sería razonable cambiar el título