La inversión de 14.300 millones de dólares que Meta realizó en junio de 2025 en Scale AI, una de las principales empresas de etiquetado de datos para inteligencia artificial, prometía ser el inicio de una nueva era en el desarrollo de modelos de superinteligencia.
Sin embargo, apenas unos meses después, la relación entre ambas compañías muestra signos evidentes de desgaste. ¿Qué está ocurriendo dentro de Meta Superintelligence Labs (MSL)? ¿Por qué los investigadores prefieren trabajar con competidores como Surge y Mercor? Este artículo analiza en profundidad los factores que están debilitando esta alianza estratégica y sus implicaciones para el futuro de la IA.
Una inversión multimillonaria con expectativas desbordadas
Meta apostó fuerte por Scale AI no solo con capital, sino también incorporando a su CEO, Alexandr Wang, y a varios altos ejecutivos para liderar MSL, el laboratorio dedicado a construir modelos de superinteligencia. La jugada parecía estratégica: Wang es una figura reconocida en el ecosistema de IA desde la fundación de Scale AI en 2016, y su incorporación buscaba atraer talento de primer nivel.
Pero la integración no ha sido tan fluida como se esperaba. Ruben Mayer, ex vicepresidente senior de producto y operaciones de GenAI en Scale AI, dejó Meta apenas dos meses después de su llegada. Aunque Mayer afirma que su salida fue por motivos personales y que su experiencia fue positiva, fuentes internas señalan que su rol no estaba alineado con el núcleo de investigación de MSL, lo que refleja una posible desconexión entre expectativas y realidad.
Preferencia por competidores: ¿problemas de calidad en los datos?
Uno de los aspectos más preocupantes es que, a pesar de la inversión, Meta está trabajando activamente con otros proveedores de etiquetado de datos como Mercor y Surge, competidores directos de Scale AI. Según fuentes cercanas a TBD Labs —la unidad central de MSL—, los investigadores consideran que los datos proporcionados por Scale AI son de baja calidad y prefieren colaborar con los otros dos proveedores.
Este punto es especialmente crítico porque el etiquetado de datos es la base sobre la que se entrenan los modelos de IA. Scale AI construyó su negocio sobre un modelo de crowdsourcing con mano de obra barata para tareas simples. Pero los modelos actuales requieren datos generados por expertos en dominios específicos —médicos, abogados, científicos— para alcanzar niveles de precisión y sofisticación superiores. Aunque Scale AI ha intentado adaptarse con su plataforma Outlier, Mercor y Surge han crecido más rápido al apostar desde el inicio por talento altamente cualificado.
Meta, en busca de talento y resultados
La presión por avanzar en IA ha llevado a Meta a una campaña agresiva de reclutamiento. Tras el lanzamiento poco impactante de Llama 4 en abril, Mark Zuckerberg se mostró impaciente con los resultados del equipo de IA. En respuesta, Meta ha fichado a investigadores de OpenAI, Google DeepMind y Anthropic, además de adquirir startups como Play AI y WaveForms AI, y asociarse con Midjourney para generación de imágenes.
Sin embargo, esta estrategia también ha generado caos interno. Varios empleados de MSL han expresado frustración por la burocracia corporativa, y miembros del equipo GenAI original han visto reducido su alcance. Algunos investigadores recién llegados ya han abandonado la compañía, lo que pone en duda la capacidad de Meta para retener talento clave.
¿Fue Scale AI solo un medio para atraer a Wang?
Una teoría que circula en el sector es que la inversión de Meta en Scale AI tenía como objetivo principal atraer a Alexandr Wang. Si bien Wang ha sido clave para captar talento, su perfil no es el de un investigador de IA tradicional, lo que ha generado dudas sobre su idoneidad para liderar un laboratorio de superinteligencia. Zuckerberg incluso intentó fichar a figuras como Mark Chen de OpenAI y adquirir startups de Ilya Sutskever y Mira Murati, sin éxito.
El futuro de Meta Superintelligence Labs
A pesar de los desafíos, MSL sigue adelante con el desarrollo de su próximo modelo de IA, que se espera lanzar antes de fin de año. Para ello, Meta está construyendo centros de datos masivos en EE. UU., incluido el proyecto Hyperion en el estado de Luisiana, valorado en 50.000 millones de dólares.
La gran incógnita es si Meta logrará estabilizar su equipo, mejorar la calidad de sus datos y consolidar una estrategia coherente que le permita competir con OpenAI y Google. La ruptura parcial con Scale AI, la rotación de talento y la fragmentación interna son señales de alerta que podrían comprometer su ambición de liderar el futuro de la inteligencia artificial.