Υπάρχει διαφοροποίηση στις αναφορές για τον ρόλο του Μάγιερ, καθώς ο ίδιος ισχυρίζεται ότι συμμετείχε από την αρχή στην κύρια μονάδα TBD Labs, αντίθετα με πηγές που αναφέρουν περιορισμένη συμμετοχή του.
Παρά τις μεγάλες επενδύσεις, η TBD Labs στρέφεται σε τρίτους προμηθευτές επισήμανσης δεδομένων, όπως οι Mercor και Surge, θεωρώντας τα δεδομένα της Scale AI χαμηλής ποιότητας για τα εξελιγμένα μοντέλα Τεχνητής Νοημοσύνης.
Η Scale AI, που αρχικά βασιζόταν σε μοντέλο crowdsourcing χαμηλού κόστους, προσπαθεί τώρα να προσελκύσει εξειδικευμένους επαγγελματίες, ενώ οι ανταγωνιστές της βασίζονται εξαρχής σε υψηλού επιπέδου ταλέντα. Η αλλαγή στρατηγικής και η απώλεια συνεργασιών με OpenAI και Google οδήγησαν σε μαζικές απολύσεις 200 υπαλλήλων στον τομέα επισήμανσης δεδομένων.
Η Meta, από την πλευρά της, επιδιώκει να ανατρέψει τις απογοητευτικές επιδόσεις του Llama 4 και να προλάβει τον ανταγωνισμό, προσλαμβάνοντας κορυφαίους ερευνητές από OpenAI, Google DeepMind και Anthropic, και αποκτώντας νεοσύστατες εταιρείες στον χώρο της Τεχνητής Νοημοσύνης φωνής και εικόνας. Παράλληλα, ξεκίνησε την κατασκευή μεγάλων κέντρων δεδομένων, όπως το Hyperion στη Λουιζιάνα.
Ωστόσο, οι νέες προσλήψεις και η επέκταση της MSL συνοδεύονται από αυξημένη γραφειοκρατία, απογοήτευση των στελεχών και αποχωρήσεις σημαντικών μελών, συμπεριλαμβανομένων των Rishabh Agarwal, Chaya Nayak και Rohan Varma.
Οι εντάσεις δείχνουν ότι η μεγαλύτερη επένδυση της Meta στην Τεχνητή Νοημοσύνη αντιμετωπίζει δυσκολίες στην εφαρμογή της στρατηγικής και στη διατήρηση ταλέντου, ενώ η MSL συνεχίζει να εργάζεται πάνω στο επόμενο μοντέλο Τεχνητής Νοημοσύνης, με στόχο λανσάρισμα μέχρι το τέλος του έτους.
Συνολικά, παρά την τεράστια οικονομική υποστήριξη και τις προσπάθειες προσέλκυσης κορυφαίων ειδικών, η συνεργασία Meta–Scale AI φαίνεται να δοκιμάζεται από θέματα ποιότητας δεδομένων, οργανωτικές προκλήσεις και αυξημένο ανταγωνισμό στον χώρο της Τεχνητής Νοημοσύνης.
