欧易数字货币交易所 更快、更好、更强

MCI原本的设想并不复杂，甚至带着一点典型硅谷式的直接——让AI“看见”员工在电脑前的每一个动作，鼠标轨迹、点击频率、窗口切换、屏幕内容，一并收进模型训练数据里。扎克伯格在内部语境里的解释也很直白：模型需要从真实操作中学习，人类工作流本身就是最现成的数据源。

问题出在执行层面。4月上线之后，这套系统几乎立刻进入争议区间。设备卡顿、电池续航下降这些工程层面的副作用反而是最容易被接受的部分，更敏感的是“持续性记录工作画面”带来的心理压力。员工的抵触并没有停留在讨论层面，有人选择直接绕过弹窗权限，也有人手动关闭程序，行为已经从被动反馈转向主动对抗。

内部气氛在5月进一步升温。办公室里开始出现传单、请愿信，签名人数超过1500人。这个数字在Meta这样规模的公司里不算庞大，但它代表的并不是一次普通的福利争议，更像是对“数据采集边界”的直接质疑。一个技术公司试图把员工行为转化为训练语料，这条线在哪里停，本身就没有现成答案。

现在的调整版本显得克制很多。MCI的采集从“连续行为流”转向“活动摘要”，这在技术实现上意味着数据颗粒度被刻意压缩，不再追求逐帧级别的操作记录，而是保留更高层级的行为标签。员工也被允许暂停追踪30分钟，用于处理个人事务，这个设计本身有点像在高强度监控系统里嵌入一个“人工呼吸间隔”。

还有一个更现实的变化：申请豁免追踪的通道被扩大了。这类机制在大厂内部并不少见，本质是用流程替代冲突，把“是否被监控”的争议转化为“是否符合豁免条件”的审批问题。

从产品逻辑上看，MCI原本更接近一种“内部数据基础设施”，而不是单纯的监控工具。它试图把员工的工作行为变成AI训练集，这在理论上可以加速模型理解复杂软件操作的能力。但现实会把这种理想拆成很多碎片：隐私边界、设备性能损耗、组织信任成本，每一项都在消耗系统的可持续性。

类似的尝试并不只发生在Meta内部。过去几年，一些企业级软件公司也尝试通过记录用户操作来优化自动化功能，但大多数最终都退回到更抽象的数据层级。原因不复杂——当“提升模型能力”与“用户被持续观察”的体验冲突时，后者往往先触发组织层面的反弹。

这一次Meta的调整更像是一次工程现实对产品理想的修正。并没有完全放弃MCI，但采集方式已经明显后撤，从“全量行为捕捉”转向“结构化摘要”，从持续监听转向间歇采样。技术路径没有被否定，只是被重新压缩进更容易被接受的边界里。

AI训练数据的来源问题，正在从外部版权争议慢慢延伸到内部组织关系。数据不再只是“可获取资源”，而是带有社会成本的输入变量。MCI的变化，某种程度上只是这一问题在企业内部的一次早期显影。