Mientras medio internet sigue discutiendo cuál chatbot redacta mejores correos, el 5 de agosto de 2026 ocurrió el movimiento de personal más significativo que ha visto la industria de la inteligencia artificial en lo que va del año. Y no vino acompañado de un lanzamiento de modelo, ni de un benchmark, ni de una demo espectacular. Vino en forma de una carta del CEO.
Jeff Dean —científico jefe de Google, empleado número 30 de la compañía, 27 años de casa— renunció. Y no se fue solo.
Qué anunció Google exactamente
Sundar Pichai lo comunicó en el blog oficial de la empresa bajo un título deliberadamente optimista: “The next chapter of our AI momentum”. Debajo del optimismo había tres noticias.
La primera: Jeff Dean y Sanjay Ghemawat dejan Google para lanzar una corporación de beneficio público (public benefit corporation) independiente, enfocada en descubrimientos de machine learning, ciencia e ingeniería. La empresa se llama Discovery Loop. Pichai fue generoso en la despedida: “Over 27 years, Jeff and Sanjay helped to drive some of the most significant technology transitions”. Y agregó que Google seguirá trabajando con la nueva compañía “as a founding investor and Cloud partner”.
La segunda: no son dos, son cuatro. A Dean y Ghemawat se les suman Quoc Le y Oriol Vinyals. Si esos nombres no le dicen nada a alguien de negocios, vale traducirlos. Ghemawat co-creó Google File System, Bigtable y Spanner: literalmente la plomería sobre la que corre buena parte de internet moderno. Quoc Le fue pieza clave en la fundación de Google Brain y co-inventor del aprendizaje sequence-to-sequence. Vinyals lideró AlphaStar en DeepMind y co-lideró el programa Gemini junto al propio Dean. Dean, por su parte, está detrás de MapReduce, Bigtable y TensorFlow.
Es decir: Google no perdió a cuatro empleados. Perdió a un porcentaje no trivial de las personas que inventaron la infraestructura sobre la que se construyó la IA moderna.
La tercera noticia, en la misma carta: Demis Hassabis deja las responsabilidades operativas del día a día de Google DeepMind y pasa a ser Chair de Google DeepMind y Chief Scientist de Alphabet, manteniendo el liderazgo de Isomorphic Labs. “I've decided that now is the right time for me to hand over my day-to-day operational responsibilities”, escribió. En su lugar, Koray Kavukcuoglu —13 años en DeepMind, hasta ahora CTO— asume como Senior Vice President de Google DeepMind, reportando directamente a Pichai, con el desarrollo de los modelos Gemini, la investigación de frontera y los equipos de la app y de desarrolladores bajo su mando.
Todo esto el mismo día. En una compañía cuya app Gemini declara más de 950 millones de usuarios mensuales y cuyos modelos abiertos Gemma acumulan más de 900 millones de descargas.
Discovery Loop: una empresa cuyo primer cliente es ella misma
Lo verdaderamente interesante no es quién se fue, sino a qué se fue.
Discovery Loop no es otro laboratorio compitiendo por sacar el próximo chatbot. Su objetivo declarado es automatizar los bucles experimentales de la investigación científica. La tesis, en versión corta: durante siglos el progreso científico dependió de iteraciones humanas lentas y secuenciales. Un investigador propone una hipótesis, diseña un experimento, lo corre, espera, mira el resultado, ajusta y vuelve a empezar. Discovery Loop quiere construir sistemas de IA que corran miles de experimentos en paralelo, donde la propia IA propone el experimento, lo ejecuta, aprende del resultado y itera de forma recursiva.
Y acá viene el detalle que conviene subrayar: el plan arranca aplicando eso a la investigación de machine learning misma. Es decir, la empresa es su propio primer cliente. Usar IA para mejorar la IA. Recién después la idea es generalizar a dominios físicos: diseño de chips, biología, descubrimiento de fármacos, ciencia de materiales, energía limpia, medicina.
En declaraciones recogidas por la prensa especializada, Quoc Le lo puso en términos concretos: “I'm very excited about automating machine learning. It might be that we will discover a different transformer architecture”. Vinyals apuntó al núcleo del problema: “One of the things that we'll be obviously very focused on is how these models come up with new ideas to try”.
Esa frase —cómo estos modelos se les ocurren ideas nuevas para probar— es probablemente la pregunta de investigación más cara del planeta ahora mismo.
La ronda inicial está co-liderada por Radical Ventures y Khosla Ventures, con participación de Lightspeed, Kleiner Perkins, Doerr Capital y la propia Alphabet. Jordan Jacobs, de Radical, se suma al directorio. El monto y la valuación no se hicieron públicos. La empresa se está armando de forma presencial en Palo Alto y está estructurada como corporación de beneficio público, no como una C-Corp tradicional.
Google financia a la empresa que lo desangra
Hay una lectura corporativa que no conviene pasar por alto. Google no solo dejó ir a estas cuatro personas: es inversionista fundador de la empresa que las recibe, le vende la nube y le provee cómputo.
Eso no es resignación, es cálculo. Si Discovery Loop acierta —si realmente logra que la IA acelere el descubrimiento científico de forma recursiva—, Google tiene participación accionaria, tiene el contrato de infraestructura y tiene la relación de investigación. Si falla, Google no cargó con el costo de mantener ese equipo dentro de una estructura que evidentemente ya no podía retenerlo.
Es el mismo patrón que venimos viendo hace tres años en toda la industria: las estructuras grandes no logran retener a los mejores investigadores, así que optan por financiarlos afuera. La gravedad del talento ya no apunta hacia las corporaciones. Apunta hacia entidades chicas, enfocadas y con acceso a cómputo.
Por qué esto importa desde Santa Cruz, Bogotá o Ciudad de México
La tentación es leer esta noticia como chisme de Silicon Valley. Sería un error. Hay tres implicaciones bastante directas para cualquiera que esté construyendo o comprando tecnología en la región.
1. El ritmo de mejora se va a acelerar, no a estabilizarse
Mucha gente en el mundo de los negocios apostaba —con razonable esperanza— a que 2026 sería el año en que los modelos se estabilizaran lo suficiente como para poder construir encima con tranquilidad. Que cuatro de las personas más capaces del planeta acaben de dedicarse a tiempo completo a automatizar el proceso de descubrir mejores arquitecturas de IA apunta en la dirección contraria.
La consecuencia práctica: si tu empresa está construyendo un producto que depende de un modelo específico de un proveedor específico, estás construyendo sobre arena. La capa que retiene valor no es el modelo. Es tu flujo de trabajo, tus datos, tu relación con el cliente y la facilidad con la que podés cambiar de proveedor sin reescribir todo. Diseñá con esa premisa.
2. La frontera no es nuestro campo de juego. La aplicación sí.
Nadie en América Latina va a competir con una ronda semilla co-liderada por Khosla y Radical, con cómputo regalado por Google. Y está bien: no es ahí donde se gana.
El valor que sí es capturable desde acá está en el conocimiento de dominio que ninguna IA de frontera tiene. Cómo factura realmente una ferretería en el Plan Tres Mil. Cómo funciona el crédito informal entre proveedores. Qué formato de comprobante acepta impuestos internos. Ese contexto no se resuelve con más parámetros; se resuelve con gente que conoce el terreno. La caída sostenida del costo por token es, en la práctica, un subsidio para quienes construimos aplicaciones en mercados donde los márgenes son delgados.
3. El cuello de botella sigue siendo el cómputo, y sigue siendo de otros
Que el punto más destacado del acuerdo entre Google y Discovery Loop sea la provisión de cómputo dice todo. Ni siquiera Jeff Dean puede fundar una empresa de IA sin negociar primero de dónde saca las GPUs.
Para la región, eso refuerza algo incómodo: la dependencia de infraestructura extranjera no se va a resolver sola, y las decisiones de latencia, costo y soberanía de datos van a seguir siendo restricciones reales de diseño, no notas al pie. Vale la pena empezar a mirar en serio los modelos de pesos abiertos para las cargas de trabajo donde el costo o el dato sensible mandan.
Lo que todavía no sabemos
Seamos honestos sobre los límites de esta noticia. No se conoce el monto de la ronda ni la valuación. No hay producto, ni cronograma, ni resultado publicado. La promesa de “automatizar el método científico” tiene un historial largo de anuncios ambiciosos que terminaron en herramientas útiles pero mucho menos revolucionarias de lo prometido. Y la idea de IA que se mejora a sí misma de forma recursiva es, además de un objetivo técnico, un tema con implicancias de seguridad que la industria todavía no resolvió.
Lo que sí sabemos es que cuatro personas con un historial demostrado de construir cosas que efectivamente funcionaron a escala planetaria —y sus inversionistas, y Google— acaban de apostar a que el siguiente salto de la IA no ocurre en la interfaz de chat, sino en el laboratorio.
Si tenían razón, la pregunta relevante para una empresa de la región deja de ser “¿qué modelo uso?” y pasa a ser “¿qué parte de mi negocio se vuelve un bucle de experimentación que una máquina puede correr mil veces mientras yo duermo?”. Precios, rutas de reparto, mezcla de inventario, campañas, atención al cliente. Esa lista es más larga de lo que parece a primera vista.
Es una mejor pregunta. Y no hace falta esperar a Discovery Loop para empezar a responderla.