O Google fez em 5 de agosto de 2026 uma mudança que mexe ao mesmo tempo com três frentes estratégicas: quem comanda o desenvolvimento do Gemini, quem pensa a pesquisa de longo prazo da Alphabet e onde alguns dos pesquisadores mais influentes da empresa trabalharão daqui para frente.
Demis Hassabis deixou as responsabilidades operacionais diárias do Google DeepMind para se tornar Chair da unidade e Chief Scientist da Alphabet. Koray Kavukcuoglu, até então CTO do DeepMind e já Chief AI Architect do Google, assumiu a liderança cotidiana como Senior Vice President. No mesmo movimento, Jeff Dean e Sanjay Ghemawat deixaram o Google para participar da criação da Discovery Loop. A empresa independente também tem Quoc Le e Oriol Vinyals entre seus quatro cofundadores.
A primeira leitura pode ser a de uma debandada de talentos. Ela é incompleta. O Google perdeu quatro pesquisadores e engenheiros de enorme peso, mas decidiu investir na nova companhia, fornecer infraestrutura por meio do Google Cloud e manter colaboração em sistemas de machine learning. Ao mesmo tempo, concentrou sob Kavukcuoglu a operação do Gemini, a pesquisa de IA de fronteira, o aplicativo Gemini e as equipes voltadas a desenvolvedores.
O resultado é menos uma simples troca de executivos e mais uma redistribuição das apostas da Alphabet: execução de modelos e produtos de um lado, pesquisa estratégica de longo prazo de outro e, fora da companhia, uma nova empresa que quer automatizar o próprio processo de descoberta.
O Google separou mais claramente operação e pesquisa
Hassabis não saiu do ecossistema da Alphabet. Ele continua ligado ao Google DeepMind como Chair, passa a ocupar o posto de Chief Scientist da Alphabet e permanece à frente da Isomorphic Labs. Em sua mensagem aos funcionários, afirmou que queria deixar as responsabilidades operacionais diárias para ter mais tempo para questões amplas relacionadas a AGI e ciência.
Kavukcuoglu recebe um mandato diferente. Segundo Sundar Pichai, ele supervisionará o desenvolvimento dos modelos Gemini, a pesquisa de Frontier AI, o aplicativo Gemini e as equipes para desenvolvedores. A Reuters confirmou que o executivo assumirá as responsabilidades do dia a dia sem receber o título de CEO do DeepMind.
Essa distinção importa porque evita uma interpretação exagerada da reorganização. Hassabis não foi simplesmente substituído nem deixou de participar da estratégia de IA. O que mudou foi a divisão de responsabilidades: ele se afasta da gestão diária, enquanto Kavukcuoglu passa a responder por uma parcela maior da execução técnica e de produto.
Há uma razão evidente para essa execução ganhar peso. Poucas semanas antes da reorganização, o Google havia lançado o Gemini 3.6 Flash e confirmado que o Gemini 3.5 Pro ainda estava em testes, enquanto uma nova rodada de pré-treinamento para o Gemini 4 já havia começado. No anúncio de 5 de agosto, Hassabis voltou a citar o progresso do Gemini 4.
A concorrência também não parou. A OpenAI atualizou o GPT-5.6 Sol em 6 de agosto, um dia depois da mudança no Google, enquanto a Anthropic havia apresentado o Claude Sonnet 5 em 30 de junho. Não é necessário declarar um vencedor para enxergar o problema organizacional: ciclos rápidos de modelos exigem pesquisa forte, mas também capacidade de transformar avanços em produtos, APIs e distribuição com pouca demora.
Por que essa mudança também é uma história sobre a Busca
Jeff Dean e Sanjay Ghemawat estão associados historicamente a partes importantes da infraestrutura que permitiu ao Google escalar seus sistemas de busca e computação. O próprio Pichai destacou no anúncio que os dois participaram de transições que foram da infraestrutura inicial do Search às redes neurais da era moderna da IA.
Isso não significa que Dean e Ghemawat comandassem a operação atual do Google Search. A conexão mais importante em 2026 é outra: a Busca está cada vez mais dependente dos modelos que saem do Google DeepMind.
Em maio, o Google tornou o Gemini 3.5 Flash o modelo padrão do AI Mode globalmente. No I/O 2026, a empresa também afirmou que o AI Overviews havia superado 2,5 bilhões de usuários ativos mensais e que o AI Mode havia passado de 1 bilhão. No comunicado de agosto sobre a reorganização, Pichai informou ainda que o aplicativo Gemini havia alcançado mais de 950 milhões de usuários mensais. São números divulgados pelo próprio Google, mas ajudam a mostrar a escala em que uma decisão sobre modelos deixa de ser apenas assunto de laboratório.
Quando Kavukcuoglu assume simultaneamente modelos, pesquisa de fronteira, aplicativo e equipes para desenvolvedores, ele passa a comandar uma camada tecnológica que alimenta várias superfícies de distribuição do Google. A Busca é uma das mais importantes.
Por isso, a disputa por Search não deve ser reduzida à velha comparação entre motores de busca. A OpenAI diz que 1 bilhão de pessoas usam o ChatGPT por semana para atividades que incluem perguntas rápidas, pesquisas na web, planejamento e pesquisa aprofundada. São métricas e períodos diferentes dos números divulgados pelo Google, portanto não permitem uma comparação direta de participação. Ainda assim, mostram como respostas geradas por modelos passaram a disputar atividades que antes começavam quase automaticamente em uma caixa de busca.
Nesse contexto, o Google precisa fazer duas coisas ao mesmo tempo: continuar avançando os modelos de fronteira e transformar esses avanços rapidamente em experiências que funcionem na Busca em escala de bilhões de usuários. A reorganização deixa essa responsabilidade operacional mais explícita.
A Discovery Loop leva a competição para dentro do processo de pesquisa
A saída de Dean seria relevante por si só depois de aproximadamente 27 anos no Google. Mas a composição da Discovery Loop torna o movimento mais importante.
A nova empresa reúne Dean, Ghemawat, Quoc Le e Oriol Vinyals. O grupo combina experiência em sistemas distribuídos, infraestrutura de larga escala e pesquisa em inteligência artificial. O site da companhia diz que sua missão é criar sistemas de IA capazes de resolver automaticamente problemas importantes de machine learning, ciência e engenharia.
A ideia não é somente colocar um chatbot na mesa de um pesquisador. Em entrevista à WIRED, os fundadores descreveram um ciclo no qual a IA pode propor experimentos, implementar o necessário para executá-los, avaliar resultados e usar as descobertas para decidir o que testar em seguida. A ambição é executar muitos desses ciclos de forma paralela.
A primeira aplicação planejada é especialmente relevante para a competição por modelos: a Discovery Loop pretende usar sua própria tecnologia para acelerar pesquisa em machine learning. Em outras palavras, antes de atacar áreas como biologia, desenho de chips, medicamentos ou materiais, a empresa quer aplicar os ciclos automatizados à melhoria dos próprios sistemas de IA.
Se essa abordagem funcionar, o diferencial não estará apenas em treinar um modelo maior. Estará em aumentar a velocidade com que novas arquiteturas, métodos e hipóteses podem ser propostas, testadas e descartadas.
Ainda é uma aposta. Até 9 de agosto de 2026, o material público consultado apresenta missão, equipe fundadora e processo de contratação, mas não traz um produto comercial lançado, benchmarks próprios de desempenho ou resultados científicos produzidos pela nova companhia. A escala da oportunidade não deve ser confundida com resultado já demonstrado.
O ponto curioso: a Discovery Loop compete com uma tese que o próprio Google já desenvolve
A Discovery Loop não está entrando em um território desconhecido para seus antigos colegas. O Google já vinha transformando “IA para ciência” em uma linha estratégica concreta.
Em maio, a companhia apresentou o Gemini for Science, reunindo ferramentas baseadas em sistemas como Co-Scientist, AlphaEvolve e Empirical Research Assistance. O Google descreve essas tecnologias como formas de acelerar etapas do método científico, incluindo geração de hipóteses, avaliação e descoberta computacional.
O AlphaEvolve, por exemplo, combina modelos Gemini com avaliadores automatizados e um processo iterativo para descobrir e otimizar algoritmos. A Isomorphic Labs, que Hassabis continuará liderando, tenta aplicar IA de fronteira ao processo de descoberta de medicamentos.
Isso cria uma situação incomum. O Google perde quatro especialistas para uma empresa cuja tese toca uma área em que a própria Alphabet está investindo, mas simultaneamente se torna investidor fundador e parceiro de infraestrutura dessa empresa.
A relação, portanto, não cabe bem na palavra “rival”. A Discovery Loop é independente e terá seus próprios incentivos, investidores e propriedade intelectual, mas nasce conectada comercial e tecnicamente ao antigo empregador de seus fundadores.
Para o Google, essa estrutura reduz o caráter binário da saída. A empresa perde o trabalho diário dos pesquisadores dentro de sua organização, porém mantém uma relação econômica e tecnológica com o novo laboratório. Para a Discovery Loop, o acordo oferece acesso a um parceiro de Cloud capaz de sustentar cargas computacionais intensivas sem que a startup precise construir essa infraestrutura do zero.
O maior risco para o Google é perder densidade de talento, não ficar sem pesquisa
A reorganização aconteceu depois de outras saídas de destaque. Em junho, John Jumper, um dos responsáveis pelo AlphaFold e vencedor do Nobel de Química de 2024 ao lado de Hassabis, anunciou sua ida para a Anthropic. No mesmo período, Noam Shazeer, que havia trabalhado novamente no desenvolvimento do Gemini, deixou o Google para ingressar na OpenAI.
A Reuters enquadrou a sequência como parte de uma disputa crescente por pesquisadores de alto nível e registrou queda de 4% nas ações da Alphabet no dia do anúncio de 5 de agosto. Reação de mercado de um único dia não demonstra impacto operacional futuro, mas indica que investidores atribuíram relevância às mudanças.
Também seria exagerado concluir que o Google ficou sem capacidade científica. A empresa continua reunindo equipes de DeepMind, Google Research e Cloud, mantém programas como Gemini for Science, AlphaEvolve e Co-Scientist e está treinando uma nova geração do Gemini.
O problema é mais específico: pesquisadores excepcionalmente experientes não são peças perfeitamente substituíveis. A perda simultânea de pessoas que participaram de diferentes gerações de infraestrutura, modelos e descobertas pode reduzir a densidade de conhecimento acumulado dentro de uma mesma organização, mesmo quando os programas continuam financiados.
O que observar depois da reorganização
A mudança de 5 de agosto será mais fácil de avaliar pelos resultados do que pelos novos títulos.
No Google, o teste será perceber se a divisão entre Hassabis e Kavukcuoglu permite acelerar modelos e produtos sem enfraquecer pesquisa de longo prazo. O andamento do Gemini 3.5 Pro, do Gemini 4 e das integrações com Search será um sinal mais útil do que especulações sobre hierarquia interna.
Na Discovery Loop, o ponto decisivo será a passagem da tese para evidências concretas: sistemas em funcionamento, resultados reproduzíveis, aplicações científicas ou avanços de machine learning que mostrem que automatizar ciclos de experimentação produz ganhos reais.
E, na frente científica da Alphabet, será importante acompanhar como o novo papel de Hassabis se conecta ao Google DeepMind, ao Gemini for Science e à Isomorphic Labs. A companhia, afinal, não está abandonando a ideia de usar IA para acelerar ciência. Está colocando um de seus principais líderes ainda mais perto dessa missão enquanto antigos colegas tentam perseguir uma versão independente da mesma transformação.
É isso que torna a reorganização maior do que uma notícia de executivos. Ela mostra que a próxima disputa da IA pode não ser apenas por quem possui o melhor modelo. Também pode ser por quem constrói o sistema capaz de descobrir o próximo modelo — e, depois dele, novas tecnologias e descobertas científicas — mais rapidamente.
