En la mayor reestructura de su historia, Meta reorganizó Meta Superintelligence Labs (MSL) en cuatro frentes —investigación, entrenamiento, producto e infraestructura—, disolvió equipos previos y concentró la línea de reporte directamente en Alexandr Wang (28). El plan apunta a entrenar modelos cada vez más grandes (incluido un enigmático “omni”) y llevarlos más rápido a productos masivos, en medio de tensiones internas y competencia feroz.
Un rediseño total para correr más rápido
En un memo interno enviado a todo el staff de I.A., Wang no dejó dudas sobre la ambición del movimiento: “La superinteligencia está llegando y, para tomarla en serio, necesitamos organizarnos en torno a las áreas clave para alcanzarla: investigación, producto e infraestructura.” Según el escrito, MSL se ordena ahora en cuatro equipos con misiones específicas:
- TBD Lab (un equipo pequeño) se enfocará en entrenar y escalar grandes modelos “en pre-training, razonamiento y post-training” y explorar nuevas direcciones como un modelo ‘omni’.
- FAIR (el histórico laboratorio de investigación de Meta) actuará como “motor de innovación” para MSL, transfiriendo ideas y proyectos hacia los grandes corridas de entrenamiento que ejecutará TBD.
- Products & Applied Research acercará la investigación aplicada a los lanzamientos, integrando líneas como Assistant, Voice, Media, Trust, Embodiment y Developer.
- MSL Infra unificará la infraestructura para acelerar la investigación y la producción, con clusters de GPU, data pipelines y herramientas para desarrolladores.
Wang fue explícito al subrayar el objetivo operativo del rediseño: “Estamos haciendo tres cambios clave… centralizar la investigación fundamental en TBD Lab y FAIR; reforzar producto con investigación aplicada; y establecer un equipo de infraestructura unificado para respaldar nuestras apuestas de investigación.”
Mandos y reportes: poder centralizado
La reorganización concentra la línea de decisión en la cúpula de MSL. “Nat continuará liderando este trabajo reportándome a mí,” escribió Wang sobre Nat Friedman, encargado de Productos & Investigación Aplicada. En FAIR, Rob Fergus seguirá al frente y Yann LeCun continuará como Chief Scientist, “con ambos reportándome a mí,” precisó Wang.
La investigación de MSL queda dirigida por Shengjia Zhao como Chief Scientist de MSL, mientras que Aparna Ramani asume MSL Infra: “Aparna liderará este equipo reportándome a mí.” El énfasis en infraestructura no es casual: entrenar y servir modelos frontera exige centros de datos y orquestación a gran escala.
Adiós AGI Foundations y más integración con FAIR
El memo confirma la disolución del equipo AGI Foundations, creado meses atrás, y el traslado del talento a producto, infraestructura y FAIR. Es la segunda vez en menos de seis meses que Meta cierra un grupo mayor de I.A., tras la desaparición de GenAI (que había llevado los modelos Llama), y que dejó un sabor “tibio” con Llama 4. La nueva consigna es alinear la investigación con entrenamiento y despliegue, acelerando el pasaje del paper al producto.
Cultura, fricción y velocidad
Wang reconoce el costo organizacional del giro: “Sé que los cambios de org pueden ser disruptivos, pero creo de verdad que tomarnos el tiempo para acertar la estructura ahora nos permitirá llegar a la superinteligencia con más velocidad.” La presión por resultados convive con tensiones internas: la formación de MSL atrajo fichajes estrella y compensaciones elevadas, lo que generó fricciones con equipos existentes y hasta amenazas de renuncias.
Hacia afuera, la comunicación mantiene el pulso combativo. Tras una nota crítica sobre la reorg, el director de comunicaciones de Meta, Andy Stone, habló de “navel-gazing” en X al referirse a cierta cobertura mediática del tema.
¿Qué persigue Meta con este mapa?
El roadmap reordena el pipeline completo de I.A.: FAIR produce avances; TBD los escala en entrenamiento; Productos & Investigación Aplicada los lleva a experiencias concretas; e Infra asegura la capilaridad técnica. La mención a un modelo “omni” sugiere una apuesta multimodal (texto, audio, imagen, video y más), coherente con los primeros fichajes de MSL en esas áreas.
En paralelo, Meta quiere que sus productos —desde asistentes hasta dispositivos como gafas de I.A. y Quest— reciban mejoras tangibles y pasen de “buenas reseñas” a tracción real de ingreso. Ahí, time-to-market y velocidad de iteración serán métricas clave del éxito de la nueva org.
Lo que sigue: tres señales para el mercado
- Transferencia efectiva FAIR→TBD. Si la tubería fluye, veremos saltos de capacidad en los próximos runs de entrenamiento.
- Definición de “omni”. Cuando MSL muestre qué es exactamente “omni”, tendremos una lectura del vector diferencial que Meta busca en la carrera por la I.A. avanzada.
- Estabilidad organizacional. Tras dos disoluciones en pocos meses, la durabilidad de esta estructura será un test directo de gobernanza en la era de la superescala.
En síntesis, Meta eligió centralizar poder y alinear verticalmente su I.A. para competir por la próxima frontera. En palabras del propio Wang: “Estamos construyendo una organización de clase mundial… para alcanzar la superinteligencia.” La ejecución, más que la promesa, dirá si el rediseño fue un golpe de timón o solo otro cambio de organigrama.