Noam Shazeer regresa a Google en 2024 gracias a la adquisición de Character.AI por $2.700 millones, tras fundar su propia startup luego de abandonar el imperio en 2021. John Jumper, recién galardonado con el Nobel de Química 2024 por AlphaFold, ficha por Anthropic apenas dos años después. Entre ambos, una docena de científicos de primer nivel han optado por competir o crear sus propias compañías. Sin duda, el patrón es claro: algo está roto en DeepMind, y los modelos no son el problema.
La pregunta que surge es, ¿por qué Google tiene tanto talento, pero no puede retenerlo cuando más lo necesita? La respuesta parece ir más allá de salarios o equity; está relacionada con algo clave: cómo se desarrolla y despliega la IA bajo la presión de un gigante corporativo.
El caso Shazeer: cuando comprar tu propia startup sale más barato que cambiar la cultura
Shazeer no es un investigador cualquiera. Es coautor del influyente paper "Attention Is All You Need" de 2017, un pilar técnico de los transformers que alimentan ChatGPT, Claude, Gemini y prácticamente todos los modelos de lenguaje relevantes. Cuando dejó Google en 2021 para fundar Character.AI junto a Daniel De Freitas, otro ex-Google, su mensaje fue claro: prefería empezar de cero a lidiar con la burocracia interna.
Lo curioso es que tres años después, Google pagó $2.700 millones por Character.AI, en gran parte para recuperar a Shazeer y su equipo. No adquirieron la tecnología —Gemini ya existía—, sino el talento perdido debido a sus propias políticas. El acuerdo incluía una "licensing fee" de $2.500 millones, que en esencia funcionó como un golden parachute para que Shazeer volviera.
La ironía es notable: Google gastó casi tres mil millones para recuperar lo que pudo haber retenido al ofrecer más autonomía de producto. Character.AI había levantado $193 millones previamente, con una valoración de $1.000 millones. Sin embargo, Google multiplicó esa cifra por 2.7 solo para traer de vuelta a su propia gente.
Lo que esto revela: El problema no era la compensación económica. Shazeer probablemente tenía un equity considerable en Google. El verdadero reto radicaba en la velocidad de ejecución, la autonomía para experimentar y la capacidad de trasladar la investigación a la práctica sin pasar por cinco capas de aprobación corporativa.
Jumper y AlphaFold: cuando un Nobel no es suficiente razón para quedarte
John Jumper ofrece un ejemplo aún más revelador. En 2024, ganó el Nobel de Química junto a Demis Hassabis por AlphaFold, un sistema de IA que resolvió el problema del plegamiento de proteínas. Sin exagerar, es uno de los logros científicos más importantes de la década. Sin embargo, seis meses después del Nobel, Jumper anunció su marcha a Anthropic.
AlphaFold no solo fue un paper académico; cambió la investigación biomédica real. Más de 2 millones de investigadores han utilizado la base de datos de estructuras predichas. Este sistema ha acelerado el descubrimiento de fármacos, la comprensión de enfermedades y el diseño de enzimas industriales. Google tenía en Jumper a su estrella en biocomputación.
Y lo perdió.
Anthropic es la startup fundada por los hermanos Dario y Daniela Amodei, también ex-OpenAI, responsables de construir Claude. Su enfoque se centra en la "Constitutional AI" y la seguridad de modelos. Para Jumper, la decisión implica cambiar la escala corporativa de Google por un equipo de 500 personas dedicado a la investigación fundamental con aplicación inmediata.
La señal económica: Anthropic levantó $7.300 millones en su última ronda de 2024, alcanzando una valoración de $40.000 millones. Esto les permite competir en términos de compensación, pero lo que realmente prometen es algo que Google no puede ofrecer: decisiones rápidas, menos política interna y propiedad real sobre el rumbo de su investigación.
El patrón más amplio: por qué la meritocracia de DeepMind choca con la realidad de Google
DeepMind fue adquirida por Google en 2014 por $500 millones, con la promesa de autonomía operativa. Durante años, mantuvo una distancia organizacional considerable, con oficinas en Londres y una cultura académica que promovía publicaciones abiertas. El acuerdo incluía cláusulas específicas sobre la independencia de la investigación.
Sin embargo, en 2023, Google fusionó DeepMind con Google Brain para crear Google DeepMind, consolidando todos los esfuerzos de IA bajo un mismo paraguas. La lógica corporativa era evidente: eliminar duplicaciones, compartir recursos y acelerar el desarrollo de productos comerciales como Gemini.
Pero la realidad fue diferente. Investigadores que habían firmado para trabajar en una organización de estilo académico británico se encontraron reportando dentro de la estructura de producto de Google. Los ciclos de retroalimentación se alargaron. Los proyectos comenzaron a requerir alineación con los objetivos de Alphabet, y la publicación abierta de investigaciones se volvió más selectiva.
Casos documentados:
- Shane Legg, cofundador de DeepMind, mantiene su título, pero ha disminuido su perfil desde la fusión.
- Laurent Sifre, científico principal, se trasladó a Mistral AI en París en 2025.
- Victoria Krakovna, líder en seguridad de IA, dejó la empresa por Redwood Research.
- David Silver (AlphaGo) fundó su propia startup de agentes autónomos.
Ninguno de estos casos involucró escándalos; simplemente, talento de clase mundial optando por entornos diferentes.
La paradoja del imperio: recursos infinitos, velocidad limitada
Google DeepMind tiene ventajas que cualquier startup mataría por tener:
- Acceso a TPUs de última generación sin límites de presupuesto.
- Datasets únicos de productos con miles de millones de usuarios.
- Talento técnico excepcional (no todos se han ido).
- Una marca que atrae candidatos de primera.
Entonces, ¿por qué pierde la guerra del talento frente a Anthropic (500 personas), OpenAI (1.700 personas) y hasta startups como Mistral (350 personas)?
La respuesta radica en el costo de coordinación. Google cuenta con 180.000 empleados. Alphabet rinde cuentas a accionistas públicos. Cualquier decisión importante de producto debe alinearse con múltiples stakeholders: equipos de Cloud, Android, Search, YouTube, políticas de privacidad, legales y éticas de IA.
Un investigador en Anthropic puede proponer un experimento arriesgado un lunes y tener luz verde el martes. En Google, ese experimento debe validar que no canibaliza productos existentes, cumple con lineamientos éticos internos, no crea vulnerabilidades de reputación y tiene un camino claro hacia su comercialización o publicación de impacto.
Ejemplo concreto: Cuando Anthropic decidió lanzar Claude con una ventana de contexto de 100k tokens en marzo de 2023, tardaron semanas desde la decisión hasta el despliegue. Google tenía la capacidad técnica para lograr lo mismo; de hecho, sus investigadores publicaron artículos sobre contextos largos antes. Sin embargo, Gemini lanzó esa funcionalidad meses después porque requería coordinación entre equipos, pruebas de producto y validación de costos de inferencia a escala de millones de usuarios.
Lo que DeepMind está haciendo para contraatacar (y por qué puede no ser suficiente)
Google no está ignorando el problema. Ha implementado varias estrategias:
Google Labs: Una unidad semi-autónoma donde equipos pequeños pueden iterar productos experimentales de IA sin pasar por procesos de aprobación completos. Bard (ahora Gemini) surgió de aquí, así como NotebookLM y varios experimentos de IA multimodal.
Paquetes de compensación agresivos: Según reportes de niveles.fyi, los científicos de investigación en DeepMind están recibiendo paquetes que van de $800k a $1.2M anuales (base + bonus + RSUs), competitivos con las ofertas de Anthropic y OpenAI.
Publicación abierta continua: DeepMind sigue publicando artículos de alto impacto. En 2025-2026 han salido trabajos importantes sobre:
- Gemini 2.0 y arquitecturas multimodales nativas.
- AlphaFold 3 para complejos proteína-ligando.
- Sistemas de razonamiento matemático (AlphaProof, AlphaGeometry).
- Agentes autónomos para control robótico.
Sin embargo, hay límites estructurales:
-
El incentivo de equity es diferente: En una startup pre-IPO, un investigador senior puede tener entre 0.1% y 0.5% de la compañía. Si Anthropic llega a una valoración de $100B en su IPO, eso podría significar entre $100-500M. Las RSUs de Google están atadas al desempeño de Alphabet, donde la contribución individual tiene un impacto marginal muy bajo.
-
La autonomía no se puede simular: Google puede crear "labs" y unidades semi-autónomas, pero, en última instancia, todo vive dentro de la jerarquía corporativa. Un investigador sabe que su proyecto puede ser cancelado si deja de alinearse con las prioridades de la alta dirección.
-
El timeline de impacto: En DeepMind, puedes trabajar cinco años en un problema fundamental y publicar un artículo extraordinario. En Anthropic, puedes trabajar seis meses y ver tu investigación implementada en un producto usado por millones. Para ciertos perfiles, esa tangibilidad inmediata vale más que artículos en Nature.
Las preguntas incómodas que nadie está haciendo en voz alta
El éxodo de talento de DeepMind plantea cuestiones más profundas sobre el futuro de la investigación de IA:
¿Es sostenible el modelo de investigación corporativa a largo plazo? Bell Labs, Xerox PARC, Microsoft Research: todos han tenido épocas doradas donde la investigación fundamental coexistía con objetivos comerciales. Pero todos enfrentaron presiones crecientes para demostrar un retorno de inversión inmediato. DeepMind está en ese punto crítico.
¿Qué ocurre cuando los mejores científicos optimizan para equity y no para publicaciones? La carrera académica tradicional se enfoca en citaciones, grants, y tenure. Sin embargo, la carrera en IA corporativa se está orientando cada vez más hacia el valor capturado en equity de startups con potencial de exits de miles de millones. Esto cambia la prioridad de los problemas que se abordan.
¿Es la concentración de talento en startups mejor para el avance de la IA? Hay quienes argumentan que tener a los mejores científicos distribuidos entre OpenAI, Anthropic, Mistral, y otros genera más experimentación y diversidad de enfoques que si todos estuvieran en Google/DeepMind. Sin embargo, esto también fragmenta recursos y dificulta proyectos que requieren una escala masiva.
La apuesta de Google: Gemini y ecosistema vs. talento individual
La respuesta estratégica de Google parece ser: construir un ecosistema tan sólido que trascienda individuos. Gemini no depende de un solo científico estrella. Está integrado en Search, Gmail, Docs, YouTube y Android, productos que cuentan con miles de millones de usuarios.
Esta estrategia tiene un precedente: Google ha perdido a muchos de los creadores originales de sus productos más importantes (Gmail, Maps, Chrome), y esos productos no solo han sobrevivido, sino que han crecido. La apuesta es que la investigación de IA seguirá el mismo patrón.
El riesgo es claro: La IA no es un producto de software tradicional. Es investigación fundamental en tiempo real. Los avances surgen de las intuiciones individuales de personas excepcionales. AlphaFold existe porque John Jumper tuvo la idea de aplicar mecanismos de atención a estructuras 3D de proteínas. No hay un roadmap de producto que genere ese tipo de saltos.
Si Google continúa perdiendo a las personas que generan esos insights, ¿podrá mantener su liderazgo tecnológico, sin importar cuántos TPUs tenga?
La ironía final: todos están construyendo el futuro, solo que en lugares distintos
Lo fascinante del éxodo de DeepMind no es que la gente se vaya —eso es habitual en cualquier organización—, sino hacia dónde se dirigen y qué hacen allí. Shazeer regresó, pero con condiciones diferentes. Jumper se unió a Anthropic para trabajar en... modelos de lenguaje aplicados a proteínas, básicamente una continuidad de AlphaFold con más autonomía.
No están abandonando la investigación de IA. Más bien, están buscando lugares donde puedan tener un impacto mayor, más rápido, y con menos fricción organizacional. Y para 2026, esos lugares son cada vez menos los gigantes tecnológicos establecidos.
Google DeepMind seguirá siendo un pilar de investigación. Continuará publicando artículos importantes y atrayendo talento excepcional. Pero la era en la que podía retener a todo su talento excepcional ha llegado a su fin. Eso, sin duda, cambia el juego.
La pregunta para fundadores y científicos es: ¿En qué tipo de organización quieres hacer tu mejor trabajo? Porque en 2026, tienes más opciones que nunca. Y parece que cada vez más gente está eligiendo lugares que no se llaman Google.