Meta AI团队成为Alexandr Wang与Nat Friedman面临的管理挑战——彭博社
Jo Constantz
摄影师:加比·琼斯/彭博社Meta Platforms Inc.正斥巨资集结人工智能领域最顶尖的人才。首席执行官马克·扎克伯格或许需要注意:研究表明,团队中天才过多可能适得其反。
截至目前,已有十余名OpenAI工程师转投Meta,Anthropic和谷歌DeepMind的知名专家也相继加入。扎克伯格的赌注是:通过集中顶尖人才并给予无限资源,他能在竞争中抢占先机,加速开发出如此先进的人工智能系统,以至于接近"通用人工智能"——即模型能力超越人类水平的理论临界点。
事实证明,正如任何沮丧的体育迷都会告诉你的那样,组建全明星团队并非总是制胜策略。若缺乏专业管理,群体中天才过多可能导致收益递减——甚至彻底失败——尤其是当自我意识冲突且团队协作极差时。
“华尔街和硅谷有种信念,认为只要聚集最有能力的人,奇迹就会自然发生,“哈佛商学院教授鲍里斯·格罗斯伯格说,他研究团队动力学已超过二十年。“不,奇迹不会发生。多数情况下你只会看到大量嫉妒、背后中伤和蓄意破坏。”
在Meta公司,避免这些超级明星陷入此类陷阱的任务落在了Alexandr Wang——这位28岁的前Scale AI首席执行官,以及前GitHub公司CEO、48岁的Nat Friedman身上,他们新近被任命为Meta 50人超级智能团队的领导者。
数十年的学术研究表明了他们将面临的挑战。
20世纪70年代,管理学者Meredith Belbin 观察到,完全由高智商个体组成的团队容易陷入冗长争论,缺乏凝聚力且难以达成决策,成员们更热衷于辩论而非合作。
2011年,Groysberg等人的研究指出,在华尔街顶级公司中,当研究团队中"全明星"分析师占比超过某个临界点(通常为专业领域重叠的全明星成员约占团队半数时),继续增加这类精英反而会损害团队表现。此时分析师们的自我意识占据上风,开始封锁信息而非协作。
另有研究表明,团队表现很大程度上取决于成员间沟通协作的质量。那些在讨论中更注重轮流发言的团队往往具有更高的"集体智慧”,与成员个体智力水平无关。
超级团队管理要诀
在管理精英团队时,有几项管理原则尤为重要。首要原则是必须明确界定每个人的职责边界。
“如果每个人都有清晰的’泳道’,就不会将彼此视为威胁,“密歇根大学罗斯商学院教授林德雷德·格里尔指出。对于背景和才能相似的成员,格里尔表示这种人员配置并无不妥——只要确保他们的工作领域相互独立。
另一个诀窍是初期就公开确定关键事务的决策权归属,否则权力之争可能摧毁团队。“虽然层级制常遭诟病——人们反感领导者发号施令,“卡内基梅隆大学泰珀商学院教授安妮塔·威廉姆斯·伍利解释道,“但恰当的层级结构确实能帮助团队协调运作。“她补充说,层级可根据具体问题动态调整,但在人人争当主角的环境中,权责明晰至关重要。
此外还需培养团队化学反应,这意味着建立成员间的信任、保持开放沟通并形成共同目标意识。从理查德·哈克曼2002年著作《团队领导》到谷歌的亚里士多德计划,关于打造卓越团队已有大量科学研究,但格罗伊斯伯格指出,许多领导者不愿投入必要的时间成本。
“我们只是缺乏足够多具备严谨性和耐心去执行此事的高管和CEO,”他表示,“我常说,如果你周五需要一支高效团队,周四才开始组建就为时已晚。”
尽管这一警告具有普适性,但对Meta而言尤为贴切——该公司正急于组建超级智能团队以追赶谷歌和OpenAI的步伐。
此外还有资金问题,这几乎总是会让情况复杂化。
随着扎克伯格广为人知的高薪挖角行动(包括提供总额超过2亿美元的薪酬方案),许多新员工的待遇细节已成为公开信息。这可能影响团队建设并改变团队内部动态。
“在这种环境下,很多团队成员的薪资就像军衔袖章一样显眼——你带着两颗星走进来,别人却有三颗星,”伍利说道,“这完全确立了等级制度。领导者必须明确说明这种情况是否同样存在于当前团队中。”
戴尔科技公司CEO迈克尔·戴尔在近期采访中表示,AI新员工的天价薪酬可能引发Meta老员工不满。“人们普遍具有公平意识,对吧?他们希望获得与同事及整个市场机会相匹配的公平待遇。”
格罗伊斯伯格表示,如果不满情绪没有立即显现,并不意味着它不会在下一个薪酬周期中表现出来。
明星管理明星
当被要求对Meta超级智能实验室潜在的管理挑战发表评论时,公司发言人告诉彭博社:“我们知道人们对MSL很感兴趣,似乎每个人都有看法,但我们只专注于开发个人超级智能的工作。”
扎克伯格对一些媒体报道中关于他向AI专家提供的具体待遇提出异议,但他为自己招募全明星团队的策略辩护,在最近的一次采访中告诉The Information,AI“将成为我们生活中最重要的技术。它将支撑我们如何开发公司的一切,并将广泛影响社会。所以我们只想确保我们让最优秀的人来从事这项工作,从企业家到研究人员,再到从事数据和基础设施工作的工程师。”
可以说,扎克伯格在Wang身上下了最大的赌注。Meta向Scale AI投资了143亿美元,但没有完全控制该公司。Scale AI去年通过提供训练AI系统的数据服务创造了8.7亿美元的收入。它的一些最著名的客户,包括谷歌和OpenAI,据报道正在切断与公司的联系,这引发了关于Meta的真正目标是否是收购Wang,而不是它现在持有的49%股份的争论。
尽管王在数学和科学方面天赋异禀,并作为创始人拥有成功履历——他于2016年从MIT辍学一年后联合创立了Scale AI——但他本人及其初创公司均未取得突破性AI研究成果。在Scale AI,王的团队与大批数据标注承包商合作,提供被他称为AI淘金热中"镐与铲"的基础服务。如今在Meta,他必须赢得一支世界级AI科学家团队的尊重。
王以不懈拼搏著称,在Scale AI设定了严苛的工作节奏,正如他在2024年所写"过量即适量”。他还因坚持让组织保持"人才密度"而闻名,始终寻找能匹配其野心的成员。
据近期撰写Scale AI案例研究的格罗伊斯伯格透露,王参与每周招聘会议,亲自审核每位候选人的材料,并要求经理们严格论证选择理由。“亚历克斯会用细齿梳审视每个职能的每个人,“一位高管告诉格罗伊斯伯格,“他极其重视聘用杰出人才。我们多数时候通过智商与情商的平衡来衡量,再结合超乎寻常的毅力来综合评估。”
在Scale上有效的方法是否适用于Meta还有待观察。
“我认为Meta聘请了我认识的最聪明的人,”格罗斯伯格说。“在那个领域,他们得到了明星。接下来的问题是:他们能打造出明星团队吗?”