El 5 de agosto de 2026, Google realizó un cambio que afecta a tres frentes estratégicos al mismo tiempo: quién lidera el desarrollo de Gemini, quién piensa en la investigación a largo plazo de Alphabet y dónde trabajarán a partir de ahora algunos de los investigadores más influyentes de la compañía.
Demis Hassabis dejó sus responsabilidades operativas diarias en Google DeepMind para convertirse en presidente de la unidad y científico jefe de Alphabet. Koray Kavukcuoglu, hasta entonces CTO de DeepMind y ya arquitecto jefe de IA en Google, asumió el liderazgo del día a día como vicepresidente senior. En el mismo movimiento, Jeff Dean y Sanjay Ghemawat abandonaron Google para participar en la creación de Discovery Loop. La empresa independiente también cuenta entre sus cuatro cofundadores con Quoc Le y Oriol Vinyals.
La primera lectura puede ser la de una estampida de talento. Está incompleto. Google perdió a cuatro investigadores e ingenieros de enorme importancia, pero decidió invertir en la nueva empresa, proporcionar infraestructura a través de Google Cloud y mantener la colaboración en sistemas de aprendizaje automático. Al mismo tiempo, concentró bajo Kavukcuoglu la operación de Gemini, la investigación de vanguardia en IA, la aplicación Gemini y los equipos de desarrolladores.
El resultado es menos un simple cambio de ejecutivos y más una redistribución de las apuestas de Alphabet: ejecución de modelos y productos por un lado, investigación estratégica a largo plazo por el otro y, fuera de la empresa, una nueva empresa que quiere automatizar el proceso de descubrimiento.
Google ha separado más claramente la operación y la búsqueda
Hassabis no ha abandonado el ecosistema de Alphabet. Sigue vinculado a Google DeepMind como presidente, se convierte en jefe científico de Alphabet y sigue siendo jefe de Isomorphic Labs. En su mensaje a los empleados, afirmó que quería alejarse de las responsabilidades operativas diarias para tener más tiempo para cuestiones amplias relacionadas con AGI y la ciencia.
Kavukcuoglu recibe un mandato diferente. Según Sundar Pichai, supervisará el desarrollo de los modelos Gemini, la investigación de Frontier AI, la aplicación Gemini y los equipos de desarrolladores. Reuters confirmó que el ejecutivo asumirá las responsabilidades del día a día sin recibir el título de CEO de DeepMind.
Esta distinción es importante porque evita una interpretación exagerada de la reorganización. Hassabis no fue simplemente reemplazado o eliminado de la estrategia de IA. Lo que cambió fue la división de responsabilidades: se alejó de la gestión diaria, mientras que Kavukcuoglu pasó a ser responsable de una mayor parte de la ejecución técnica y de producto.
Hay una razón clara para que esta ejecución gane peso. Apenas unas semanas antes de la reorganización, Google había lanzado Gemini 3.6 Flash y confirmó que Gemini 3.5 Pro todavía estaba en pruebas, mientras que ya había comenzado una nueva ronda de capacitación previa para Gemini 4. En el anuncio del 5 de agosto, Hassabis volvió a citar el progreso de Gemini 4.
La competencia tampoco se ha detenido. OpenAI actualizó GPT-5.6 Sol el 6 de agosto, un día después del cambio de Google, mientras que Anthropic había presentado Claude Sonnet 5 el 30 de junio. No es necesario declarar un ganador para ver el problema organizativo: los ciclos rápidos del modelo requieren una investigación sólida, pero también la capacidad de transformar los avances en productos, API y distribución con poca demora.
Por qué este cambio también es una historia sobre la Búsqueda
Jeff Dean y Sanjay Ghemawat están históricamente asociados con partes importantes de la infraestructura que permitió a Google escalar sus sistemas informáticos y de búsqueda. El propio Pichai destacó en el anuncio que ambos participaron en las transiciones que pasaron de la infraestructura de búsqueda inicial a las redes neuronales de la era moderna de la IA.
Esto no significa que Dean y Ghemawat dirigieran la operación actual de la Búsqueda de Google. La conexión más importante en 2026 es otra: la búsqueda depende cada vez más de los modelos que surgen de Google DeepMind.
En mayo, Google convirtió a Gemini 3.5 Flash en el modelo de modo AI predeterminado a nivel mundial. En I/O 2026, la compañía también declaró que AI Overviews había superado los 2.500 millones de usuarios activos mensuales y que AI Mode había superado los mil millones. En el comunicado de agosto sobre la reorganización, Pichai también informó que la aplicación Gemini había alcanzado más de 950 millones de usuarios mensuales. Son cifras publicadas por el propio Google, pero ayudan a mostrar hasta qué punto una decisión sobre modelos ya no es sólo una cuestión de laboratorio.
Cuando Kavukcuoglu se hace cargo simultáneamente de los equipos de modelos, investigación de vanguardia, aplicaciones y desarrolladores, llega a comandar una capa tecnológica que impulsa las diversas superficies de distribución de Google. La búsqueda es una de las más importantes.
Por lo tanto, la disputa sobre la Búsqueda no debe reducirse a la antigua comparación entre motores de búsqueda. OpenAI dice que mil millones de personas usan ChatGPT por semana para actividades que incluyen preguntas rápidas, búsquedas web, planificación e investigación en profundidad. Se trata de métricas y períodos diferentes a los números publicados por Google, por lo que no permiten una comparación directa de la participación. Aún así, muestran cómo las respuestas generadas por los modelos comenzaron a competir por actividades que antes comenzaban casi automáticamente en un cuadro de búsqueda.
En este contexto, Google necesita hacer dos cosas a la vez: continuar avanzando en modelos de frontera y convertir rápidamente esos avances en experiencias que funcionen en la Búsqueda a una escala de miles de millones de usuarios. La reorganización hace más explícita esta responsabilidad operativa.
Discovery Loop introduce la competencia en el proceso de investigación
La salida de Dean sería relevante por derecho propio después de aproximadamente 27 años en Google. Pero la composición del Discovery Loop hace que el movimiento sea más importante.
La nueva empresa reúne a Dean, Ghemawat, Quoc Le y Oriol Vinyals. El grupo combina experiencia en sistemas distribuidos, infraestructura a gran escala e investigación en inteligencia artificial. El sitio web de la empresa dice que su misión es crear sistemas de inteligencia artificial capaces de resolver automáticamente problemas importantes en el aprendizaje automático, la ciencia y la ingeniería.
La idea no es simplemente colocar un chatbot en el escritorio de un investigador. En una entrevista con WIRED, los fundadores describieron un ciclo en el que la IA puede proponer experimentos, implementar lo necesario para ejecutarlos, evaluar resultados y utilizar los hallazgos para decidir qué probar a continuación. La ambición es ejecutar muchos de estos ciclos en paralelo.
La primera aplicación planificada es especialmente relevante para la competencia de modelos: Discovery Loop pretende utilizar su propia tecnología para acelerar la investigación del aprendizaje automático. En otras palabras, antes de atacar áreas como la biología, el diseño de chips, los medicamentos o los materiales, la empresa quiere aplicar ciclos automatizados para mejorar los propios sistemas de IA.
Si este enfoque funciona, la diferencia no estará solo en entrenar un modelo más grande. Aumentará la velocidad con la que se pueden proponer, probar y descartar nuevas arquitecturas, métodos e hipótesis.
Sigue siendo una apuesta. Hasta el 9 de agosto de 2026, el material público consultado presenta la misión, el equipo fundador y el proceso de contratación, pero no incluye un producto comercial lanzado, sus propios puntos de referencia de desempeño ni los resultados científicos producidos por la nueva empresa. La magnitud de la oportunidad no debe confundirse con los resultados ya demostrados.
El punto curioso: Discovery Loop compite con una tesis que el propio Google ya está desarrollando
Discovery Loop no está entrando en un territorio desconocido para sus antiguos pares. Google ya había estado transformando la “IA para la ciencia” en una línea estratégica concreta.
En mayo, la empresa presentó Gemini for Science, que reúne herramientas basadas en sistemas como Co-Scientist, AlphaEvolve y Empirical Research Assistance. Google describe estas tecnologías como formas de acelerar los pasos del método científico, incluida la generación de hipótesis, la evaluación y el descubrimiento computacional.
AlphaEvolve, por ejemplo, combina modelos Gemini con evaluadores automatizados y un proceso iterativo para descubrir y optimizar algoritmos. Isomorphic Labs, que Hassabis seguirá dirigiendo, está intentando aplicar IA de vanguardia al proceso de descubrimiento de fármacos.
Esto crea una situación inusual. Google pierde cuatro expertos a favor de una empresa cuya tesis toca un área en la que la propia Alphabet está invirtiendo, pero al mismo tiempo se convierte en inversor fundador y socio de infraestructura de esa empresa.
La relación, por tanto, no encaja bien en la palabra “rival”. Discovery Loop es independiente y tendrá sus propios incentivos, inversores y propiedad intelectual, pero nació comercial y técnicamente conectado con el antiguo empleador de sus fundadores.
Para Google, esta estructura reduce la naturaleza binaria de la salida. La empresa pierde el trabajo diario de los investigadores dentro de su organización, pero mantiene una relación económica y tecnológica con el nuevo laboratorio. Para Discovery Loop, el acuerdo ofrece acceso a un socio en la nube capaz de soportar cargas computacionales intensivas sin que la startup tenga que construir esta infraestructura desde cero.
El mayor riesgo para Google es perder densidad de talento, no quedarse sin investigación
La reorganización se produjo después de otras salidas destacadas. En junio, John Jumper, uno de los responsables de AlphaFold y ganador del Premio Nobel de Química 2024 junto a Hassabis, anunció su paso a Anthropic. Durante el mismo período, Noam Shazeer, que había vuelto a trabajar en el desarrollo de Gemini, dejó Google para unirse a OpenAI.
Reuters enmarcó la secuencia como parte de una creciente lucha por los mejores investigadores e informó de una caída del 4% en las acciones de Alphabet el día del anuncio del 5 de agosto. La reacción del mercado de un solo día no demuestra el impacto operativo futuro, pero indica que los inversores atribuyeron relevancia a los cambios.
También sería exagerado concluir que Google se ha quedado sin capacidad científica. La empresa sigue reuniendo equipos de DeepMind, Google Research y Cloud, mantiene programas como Gemini for Science, AlphaEvolve y Co-Scientist y está formando a una nueva generación de Gemini.
El problema es más específico: los investigadores excepcionalmente experimentados no son piezas perfectamente reemplazables. La pérdida simultánea de personas que participaron en diferentes generaciones de infraestructura, modelos y descubrimientos puede reducir la densidad del conocimiento acumulado dentro de una misma organización, incluso cuando los programas continúan siendo financiados.
Qué buscar después de la reorganización
El cambio del 5 de agosto será más fácil de juzgar por los resultados que por los nuevos títulos.
En Google, la prueba será ver si la división entre Hassabis y Kavukcuoglu le permite acelerar modelos y productos sin debilitar la investigación a largo plazo. El progreso de las integraciones de Gemini 3.5 Pro, Gemini 4 y Search será una señal más útil que las especulaciones sobre la jerarquía interna.
En Discovery Loop, el punto decisivo será pasar de la tesis a la evidencia concreta: sistemas que funcionan, resultados reproducibles, aplicaciones científicas o avances en el aprendizaje automático que demuestren que la automatización de los ciclos de experimentación produce ganancias reales.
Y en el frente científico de Alphabet, será importante observar cómo el nuevo rol de Hassabis se conecta con Google DeepMind, Gemini for Science e Isomorphic Labs. Después de todo, la empresa no abandona la idea de utilizar la IA para acelerar la ciencia. Está acercando aún más a uno de sus principales líderes a esa misión, mientras que sus antiguos colegas intentan llevar a cabo una versión independiente de la misma transformación.
Eso es lo que hace que la reorganización sea más grande que una noticia ejecutiva. Esto demuestra que la próxima pelea de IA puede que no se trate solo de quién tiene el mejor modelo. También podría ser que quien construya el sistema pueda descubrir el siguiente modelo y, después de eso, nuevas tecnologías y descubrimientos científicos, más rápido.
