Щоразу, коли ви відкриваєте Instagram чи Facebook, ML-модель — математична система, натренована на горах даних — вирішує, яку рекламу вам показати і скільки рекламодавці заплатять. Ця невидима машина друкує Meta приблизно $160 мільярдів на рік. За нею — армія інженерів, які постійно допилюють ranking-моделі: проводять експерименти, тестують ідеї, дебажать падіння, і так по колу. Нудно. Дорого. Повільно.

Проблема? Кожна модель потребує приблизно двох виділених інженерів лише для підтримки покращень. Помножте це на десятки моделей — і ви спалюєте штат на рутинну роботу, яка щоразу йде за одним і тим самим шаблоном.

17 березня 2026 року інженерний блог Meta тихенько опублікував деталі про REA — Ranking Engineer Agent. Не чат-бот. Не автодоповнення коду. Автономний AI-агент, який виконує повний цикл машинного навчання — весь процес від гіпотези до натренованої моделі — для рекламного ранжування. Він генерує ідеї, запускає тренувальні джоби, дебажить падіння, коли щось ламається, та ітерує результати. Днями. Тижнями. Без жодного дотику людини до клавіатури.

REA працює на Confucius — внутрішньому агентному фреймворку Meta (щось на кшталт операційної системи, яка тримає агента живим і організованим). Ключовий трюк — те, що Meta називає 'hibernate-and-wake mechanism'. Коли тренувальний джоб стартує і займає години чи дні, REA вимикає себе. Коли джоб завершується — прокидається, читає результати і вирішує, що робити далі. Це не чат-бот, який прикидається, що пам'ятає вчорашню розмову. Це агент із реальною персистентністю — здатністю переживати перезавантаження, краші та багатотижневі воркфлоу.

Мозок працює у двох напрямках одночасно. Перший — база історичних інсайтів: кожен минулий експеримент, що рухало метрики, що провалилось. Другий — дослідницький агент, який читає передові ML-статті та знаходить конфігурації, до яких жоден людський інженер не додумався б на основі свого досвіду. REA поєднує обидва джерела в пропозиції експериментів, а потім виконує їх у три фази: Validation (тестування окремих ідей паралельно), Combination (об'єднання переможців, пошук неочікуваних синергій) та Exploitation (подвоєння ставок на найкращих кандидатів). Агент оцінює витрати на GPU — вартість обчислень на спеціалізованому залізі — перед кожною фазою і зупиняється, коли бюджет вичерпано. Жодних космічних рахунків за хмару.

Людські інженери досі існують у цьому циклі, але їхня робота змінилась. Вони задають стратегічний напрямок, затверджують бюджети та переглядають пропозиції REA на контрольних точках.

Цифри з першого продакшн-деплою на шести моделях: REA подвоїв середню точність моделей відносно базового рівня. Троє інженерів з REA видали пропозиції покращень для восьми моделей — роботу, яка раніше вимагала шістнадцяти інженерів. Окремі інженери перейшли від однієї пропозиції покращення до п'яти за той самий час. Це не 'AI допомагає швидше кодити'. Це 'AI робить інженерію, поки ти дивишся'.

Але поговоримо про компроміси. Meta побудувала AI-агента, який покращує AI-систему, що генерує майже весь дохід Meta. Рекурсія — AI оптимізує AI, який заробляє гроші — реальна і трохи тривожна. І це підкреслює прірву між демо агентів і агентами в продакшні. Більшість агентних фреймворків — будівельних лісів, які розробники використовують для створення AI-агентів — розвалюються після одної сесії. REA працює тижнями. Більшість агентів галюцинують, коли натикаються на помилки. REA дебажить падіння тренувань і повторює спроби. Hibernate-and-wake патерн — це нудна, але критична інновація: агент, який не переживає перезавантаження сервера — це іграшка.

Якщо ви будуєте AI-агентів або оцінюєте їх для своєї команди, урок не про інтелект. Складна проблема ніколи не була 'зробити AI розумним'. Вона була 'зробити так, щоб AI працював з вівторка по п'ятницю без няньки'. REA вирішує це навмисною гібернацією та структурованим пробудженням — а не спробами тримати процес живим вічно.

Meta щойно довела, що автономні агенти можуть виконувати тривалу, багатотижневу інженерну роботу над системою, яка фінансує всю компанію. Не в демо. Не на бенчмарку. У продакшні, на рекламній машині за $160 мільярдів. AI тепер інженерить AI. А інженери, які раніше цим займались? Їх підвищили до наглядачів — незалежно від того, чи вони про це просили.