En los tiempos que corren, las salidas y entradas de talento en las grandes empresas tecnológicas, si bien a los que analizamos la industria de la IA nos encienden una pequeña alerta, son movimientos que no se suelen entender hasta pasados unos meses.

Cuando Mira Murati dejó OpenAI en septiembre de 2024 junto a Bob McGrew y Barret Zoph, muchos lo interpretaron como una rotación ejecutiva más, dentro de una empresa que ya había sobrevivido a la crisis de noviembre de 2023. Cuando Ilya Sutskever, co-fundador y Chief Scientist, abandonó la empresa meses antes para fundar Safe Superintelligence Inc., algunos lo vieron como la resolución personal de un conflicto interno. Cuando Noam Shazeer, el ingeniero que había pasado veinticinco años en Google y co-había inventado la arquitectura Transformer, anunció su marcha a OpenAI en junio de 2026, o cuando John Jumper, Nobel de Química por AlphaFold, se fue a Anthropic apenas días después, la mayoría de los titulares se quedaron en la anécdota: otro genio que cambia de empresa.

Pero los casos de Murati, Sutskever, Shazeer, Jumper y tantos otros no fueron movimientos aislados. Fueron los primeros pasos de una migración sistémica que solo ahora, con la salida de Jeff Dean, empieza a revelar su verdadera magnitud. Cada uno de ellos abrió una grieta en la muralla que separaba el talento de las grandes tecnológicas del mercado exterior. Y esas grietas, vistas en conjunto, dibujan un patrón que merece un análisis mucho más profundo que la simple cronología de quién se va y a dónde. Porque lo que está ocurriendo no es una rotación saludable de personal. Es la descomposición de un modelo de industria que durante dos décadas asumió que la frontera de la inteligencia artificial solo podía construirse desde dentro de unas pocas compañías enormes.

El 25 de julio de 2026, Jeff Dean estaba frente a unas 6.000 personas en el Chase Center de San Francisco. Y Combinator había reunido allí a miles de futuros fundadores para su Startup School y alguien le hizo una pregunta que no parecía tener la importancia que tiene hoy: “Si hoy tuvieras que crear una startup, ¿en qué trabajarías?“

Dean empezó diciendo que lo importante era elegir un problema que realmente te interesara y que pudiera resultar útil para el mundo. El contestó que imaginaba un sistema capaz de automatizar el método científico: proponer un experimento, preparar lo necesario para ejecutarlo, realizarlo, evaluar el resultado y utilizar lo aprendido para decidir cuál debía ser el siguiente. Una vez cerrado ese ciclo, la inteligencia artificial podría repetirlo miles de veces en paralelo y aplicarlo a campos tan distintos como la biología, el diseño de chips, la ciencia de materiales o incluso la propia inteligencia artificial.

Lo que las 6.000 personas que le escuchaban todavía no sabían es que Dean no estaba simplemente dando un consejo. Estaba describiendo la empresa que acababa de crear en secreto.

Unos días después llegó el anuncio. Tras casi 27 años en Google, Jeff Dean abandonaba la compañía junto a Sanjay Ghemawat, Oriol Vinyals y Quoc Le para fundar Discovery Loop, una nueva empresa de inteligencia artificial que pretende convertir aquella idea en realidad.

Sundar Pichai intentó convencerlos en varias reuniones para que se quedaran, pero los cuatro decidieron marcharse. Google, sin embargo, eligió una reacción bastante más interesante que intentar cortar los puentes: Alphabet sería inversor fundador de Discovery Loop, Google Cloud aportaría capacidad de computación y ambas organizaciones continuarían colaborando en investigación sobre sistemas de machine learning e infraestructura.

Si quien se marchara fuera simplemente el Chief Scientist de Google, ya sería una noticia importante. El problema es que describir así a Jeff Dean es quedarse bastante corto. Y el problema mayor es que interpretar su salida como una decisión personal, como el cansancio de un ingeniero tras casi tres décadas en la misma empresa, es pasar por alto algo mucho más grave: lo que acaba de ocurrir no es una simple renuncia, es el clímax de un éxodo sistémico que lleva meses desangrando a Google, y que el mercado ya ha castigado con una brutalidad que no deja lugar a interpretaciones benignas.

Lo que las cifras del mercado ya anticipaban

Para entender lo que significa la salida de Dean hay que retroceder un par de meses.

En junio de 2026, Google ya había perdido a Noam Shazeer, co-inventor de la arquitectura Transformer que sustenta prácticamente toda la inteligencia artificial generativa actual. Había perdido también a John Jumper, galardonado con el Nobel de Química por su trabajo en AlphaFold. Y había perdido a Denny Zhou, una de las figuras centrales de Google Brain en razonamiento automático, a quien muchos en la industria consideraban el “rey del razonamiento” dentro de la empresa. Eran la columna vertebral intelectual de la organización, no simples empleados.

El mercado reaccionó con una contundencia que debería haber servido de advertencia. En el día de aquellas salidas, Alphabet perdió aproximadamente 270.000 millones de dólares en valor de mercado, lo que ponía de manifiesto que los inversores empiezan a sospechar que un monopolio intelectual se está desmoronando. La salida de Dean, anunciada a principios de agosto, no es por tanto un episodio aislado de un tipo que se aburre después de 27 años. Es el capitán abandonando el barco cuando ya se han ido media docena de oficiales esenciales. El mercado lo volvió a castigar: el día del anuncio, Alphabet se desplomó un 5%, lo que representa otros 160.000 a 200.000 millones de dólares evaporados. En total, entre junio y agosto, Google ha visto cómo el mercado le quitaba más de 400.000 millones de dólares en valoración directamente relacionados con la fuga de su talento científico más valioso.

El timing no es casual: una operación de control de daños

La fecha del anuncio tampoco fue elegida al azar. El 5 y 6 de agosto, Google, consciente del castigo que tendría por parte de los mercados, intentó diluir la noticia, y no solo comunicaba la salida de Dean, sino que el mismo día, anunciaba que Demis Hassabis dejaba la gestión diaria de Google DeepMind para convertirse en Chairman y Chief Scientist de Alphabet, con dedicación preferente a la estrategia científica, la inteligencia artificial general y Isomorphic Labs. Koray Kavukcuoglu, por su parte, asumía la responsabilidad operativa completa de DeepMind, incluyendo el desarrollo de Gemini, la investigación de frontera y los equipos de producto.

Esto no es una despedida amistosa planificada con calma durante meses. Es una verdadera operación de control de daños. Google intentó diluir una noticia devastadora (la de perder a su científico más importante, el hombre que co-lideró Gemini, creó TensorFlow, diseñó las TPU y fundó Google Brain) dentro de una reorganización que pareciera ordenada y deliberada. Pero la simultaneidad de los movimientos delata la urgencia. No se trata de una transición planificada, se trata de una empresaque está reorganizando su cúpula de inteligencia artificial a contrarreloj porque la estructura anterior ya no se sostiene.

Para entender por qué la estructura anterior no se sostiene, hay que entender quién es Jeff Dean y qué ha construido.

Antes de Google ya estaba intentando resolver problemas demasiado grandes

Jeff Dean nació en Hawái en 1968 y creció en una familia vinculada a la investigación. Su trayectoria académica le llevó a estudiar informática y economía en la Universidad de Minnesota y posteriormente a doctorarse en Computer Science en la Universidad de Washington, especializándose en optimización de compiladores. Pero hay un detalle anterior que resulta especialmente interesante visto desde 2026.

Cuando todavía era estudiante, Dean ya utilizaba la programación para resolver problemas científicos reales. Durante sus años de instituto y universidad colaboró con los Centers for Disease Control and Prevention y posteriormente con la Organización Mundial de la Salud. El propio CDC conserva en la historia de Epi Info la participación de Dean en el desarrollo de la versión 4 de este software epidemiológico, utilizado para recoger, organizar y analizar datos de salud pública. Más adelante trabajaría en el Global Programme on AIDS de la OMS desarrollando software para modelización estadística, previsiones y análisis de la epidemia de VIH. Incluso sus dos trabajos de fin de carrera apuntaban en dos direcciones que ahora resultan curiosamente familiares: uno estudiaba el entrenamiento paralelo de redes neuronales y otro el impacto económico del VIH/SIDA.

Es un detalle biográfico que, a mi me parece que es más importante de lo que parece porque revela una forma de entender la informática que se repetirá durante toda su carrera. Dean parece especialmente atraído por problemas cuya dificultad no está únicamente en encontrar una solución, sino en conseguir que esa solución funcione cuando la escala se vuelve enorme. Primero fueron datos epidemiológicos, después Internet y luego la inteligencia artificial.

Tras terminar su doctorado trabajó en el Western Research Laboratory de Digital Equipment Corporation, donde investigó sistemas, microprocesadores, herramientas de análisis de rendimiento y recuperación de información. Allí coincidió con Sanjay Ghemawat. Aquella relación profesional terminaría siendo tan importante que, años después, The New Yorker dedicaría un largo perfil a los dos bajo un título bastante explícito: The Friendship That Made Google Huge.

Dean entró en Google en 1999 y Ghemawat lo haría pocos meses después. Y entonces fue cuando empezó realmente la historia.

Los dos ingenieros que tuvieron que conseguir que Google no se rompiera

Para los que no lo vivieron, resulta difícil imaginar ahora lo que significaba escalar Google a principios de los años 2000. Hoy damos por hecho que escribimos una consulta y, prácticamente de inmediato, una infraestructura repartida por todo el planeta encuentra, ordena y devuelve información entre cantidades gigantescas de datos. Pero la Google de aquellos años estaba intentando construir esa capacidad mientras Internet crecía a una velocidad para la que muchas de las tecnologías disponibles simplemente no habían sido diseñadas.

En marzo de 2000 se produjo una de aquellas crisis. El sistema que rastreaba la web empezó a fallar y Google comenzó a ofrecer resultados desactualizados precisamente cuando Larry Page y Sergey Brin estaban negociando un acuerdo importante con Yahoo. Parte del problema procedía del propio hardware: miles de máquinas relativamente baratas significaban también componentes que podían fallar. Dean, Ghemawat y otros ingenieros tuvieron que modificar el software para que el sistema pudiera seguir funcionando incluso cuando las máquinas que lo sostenían no lo hacían correctamente.

Ese problema acabaría marcando gran parte de su trabajo allí. Dean y Ghemawat tenían además una forma poco habitual de programar: trabajaban juntos en un mismo ordenador, es decir, uno utilizaba el teclado mientras el otro observaba, discutía decisiones y corregía el código, intercambiándose los papeles constantemente. Más que dos ingenieros dividiendo tareas, funcionaban como una especie de sistema conjunto. Dean siempre ha dicho que el código que producían juntos era mejor que el que cualquiera de los dos habría desarrollado por separado.

De aquella colaboración surgieron algunas de las tecnologías que permitieron que Google dejara de ser un buscador simplemente “con potencial” y se convirtiera en una infraestructura capaz de operar a escala mundial. Una de ellas fue MapReduce. El concepto técnico puede parecer complicado, pero la idea que resolvía es bastante sencilla: cuando tienes cantidades enormes de información, llega un momento en el que un solo ordenador no puede procesarla razonablemente. La solución consiste en repartir el trabajo entre muchísimas máquinas y después reunir los resultados. El problema es que coordinar miles de ordenadores, distribuir tareas, gestionar fallos y recomponer los resultados convierte cualquier operación en un problema enorme de ingeniería. MapReduce ocultaba buena parte de esa complejidad. El programador podía concentrarse en definir qué quería calcular mientras el sistema se encargaba de distribuir el trabajo entre las máquinas. La idea tuvo tanta influencia que terminó inspirando proyectos externos como Hadoop y ayudó a establecer una de las bases de la computación moderna de grandes volúmenes de datos.

Dean y Ghemawat participaron después en Bigtable, diseñado para almacenar y gestionar enormes cantidades de información distribuida, y Dean trabajaría también en sistemas como Spanner y LevelDB. Pero quedarse con la lista de tecnologías vuelve a ocultar lo interesante del personaje. Jeff Dean estaba desarrollando una especialidad: convertir un problema gigantesco en un sistema que otros pudieran utilizar sin tener que enfrentarse constantemente a toda su complejidad. Esa idea volvería a aparecer cuando Google empezó a tomarse mucho más en serio las redes neuronales.

Del ingeniero que escaló Google al hombre que ayudó a construir Google Brain

En 2011 Dean cofundó Google Brain. En aquellos años el deep learning todavía no era el centro de la industria tecnológica y entrenar redes neuronales grandes implicaba resolver un problema parecido al que Google había encontrado años antes con su buscador: las ideas existían, pero ejecutarlas a una escala suficientemente grande requería infraestructura que todavía no existía.

Una de las primeras respuestas fue DistBelief, un sistema distribuido que permitía entrenar modelos utilizando múltiples máquinas. Con esa infraestructura, el equipo realizó uno de los experimentos que contribuyeron a popularizar la nueva etapa del deep learning: alimentó una red neuronal con millones de imágenes extraídas de vídeos de YouTube sin decirle qué debía buscar. Entre las representaciones que el sistema aprendió apareció algo reconocible: gatos. La historia terminaría siendo conocida como el experimento de la “neurona del gato”, aunque su importancia real estaba en demostrar que aumentar enormemente los datos y la computación permitía que las redes aprendieran representaciones sin que los humanos especificaran previamente cada categoría.

Después llegaría TensorFlow. Dean fue uno de sus principales diseñadores e implementadores originales y defendió que Google lo liberara como software de código abierto en 2015. TensorFlow terminó convirtiéndose durante años en una de las herramientas fundamentales para investigadores, universidades y empresas que querían construir sistemas de machine learning. Más tarde participaría también en Pathways, la infraestructura diseñada para coordinar grandes modelos entre miles de aceleradores y que serviría de base para sistemas como PaLM.

Su trayectoria permite entender también por qué Jeff Dean ocupa una posición un poco peculiar dentro de la historia de la IA. No se hizo famoso por inventar una única arquitectura que lleve su nombre ni por convertirse en el CEO mediático de una compañía. Muchas de sus aportaciones están un nivel por debajo de aquello que finalmente ve el usuario, es decir, son sistemas que permiten que otras personas construyan encima.

En 2018 pasó a dirigir la inteligencia artificial de Google. En 2023, cuando Google Brain y DeepMind se fusionaron para crear Google DeepMind, Dean se convirtió en Chief Scientist y pasó a trabajar junto a Demis Hassabis en la dirección científica de la empresa. También fue uno de los responsables técnicos de Gemini. En aquel entonces, aquella persona que había entrado en una Google todavía pequeña para resolver problemas de búsqueda llevaba más de dos décadas participando en prácticamente cada cambio tecnológico importante de Google: Search, sistemas distribuidos, machine learning, TPUs, TensorFlow, grandes modelos y finalmente la IA generativa.

Dentro de Google su reputación llegó a adquirir una dimensión casi absurda. Durante años los propios ingenieros han compartido los llamados “Jeff Dean Facts”, bromas inspiradas en los antiguos chistes sobre Chuck Norris que exageran sus capacidades como programador. La gracia no está tanto en las frases como en que una cultura repleta de ingenieros extraordinarios eligiera precisamente a otro ingeniero, relativamente desconocido para el público general, para convertirlo en personaje mitológico. La reacción interna a su salida ha recuperado esos memes, incluido uno especialmente apropiado: Google no estaría perdiendo a Jeff Dean, estaría “liberándolo como código abierto para la humanidad”.

Pero convertirlo únicamente en leyenda también sería una forma de simplificar su historia, porque lo que está haciendo ahora es una apuesta existencial sobre el futuro de la inteligencia artificial.

Discovery Loop: automejora recursiva y los Grand Challenges

La idea de Discovery Loop surgió, según Dean, apenas unas semanas antes de que se anunciara la empresa. Sanjay Ghemawat, su colaborador desde hace décadas, se sumó rápidamente. También lo hicieron Quoc Le, uno de los fundadores de Google Brain y figura clave en investigaciones sobre automatización del machine learning, y Oriol Vinyals, vicepresidente de investigación de DeepMind, responsable técnico de Gemini y uno de los investigadores más importantes de la compañía. Los cuatro no son solo compañeros, mantienen una relación personal desde hace años y, según se dice, incluso pasan vacaciones juntos.

Prepararon unas pocas diapositivas explicando quiénes eran y qué querían construir y comenzaron a hablar con inversores, sin tener aún producto, oficinas ni equipo contratado. Cuando se preguntó quién ocuparía el cargo de CEO, Dean explicó con cierta timidez que aparentemente sería él porque sus compañeros lo habían decidido. Khosla Ventures, Radical Ventures, Kleiner Perkins y otros inversores se incorporaron al proyecto. Vinod Khosla reconoció que el equipo era tan excepcional que prácticamente habría invertido antes de conocer siquiera qué querían construir. Y, ojo, Alphabet también entró como inversor.

La escena dice bastante sobre la industria actual de la inteligencia artificial. Pero antes conviene entender exactamente qué pretende construir esta empresa, porque no es una startup de biotecnología con un par de algoritmos de machine learning aplicados a pipetas de laboratorio.

Discovery Loop está estructurada como Public Benefit Corporation, una forma societaria que le obliga a equilibrar el beneficio económico con un impacto social positivo. Su objetivo no es meramente comercial. Pretende automatizar un proceso que todavía depende enormemente del trabajo humano: decidir qué experimentar, preparar el experimento, ejecutarlo, analizar lo ocurrido y utilizar ese conocimiento para diseñar el siguiente. El objetivo consiste en cerrar ese ciclo y permitir que la IA lo repita miles de veces.

Pero hay una ambición adicional que eleva (aún más) el proyecto: Discovery Loop ha definido un roadmap en dos fases. La primera fase consiste en utilizar sus propios sistemas de inteligencia artificial para mejorar su propia pila tecnológica: optimizar algoritmos, arquitecturas de hardware y pipelines de entrenamiento. Es decir, usar IA para crear IA más potente. Quoc Le ha planteado explícitamente la posibilidad de que ese proceso permita descubrir arquitecturas distintas al transformer, la base de prácticamente todos los grandes modelos actuales. La segunda fase pretende aplicar esa misma capacidad a los catorce Grand Challenges de la Academia Nacional de Ingeniería de Estados Unidos, una lista que incluye desde la inversión económica del ciclo de carbono hasta la ingeniería inversa del cerebro humano.

Esto no es automatizar experimentos de laboratorio. Es construir una inteligencia artificial que, una vez puesta en marcha, sea capaz de mejorarse a sí misma sin supervisión humana directa en cada paso.

Es la misma obsesión que ha acompañado a Dean durante toda su carrera: cuando el problema era procesar cantidades gigantescas de información, construyó sistemas para distribuir el trabajo entre ordenadores, cuando el problema era entrenar redes neuronales cada vez mayores, ayudó a construir infraestructuras capaces de repartir ese entrenamiento entre miles de máquinas, y ahora observa el propio proceso de investigación científica y vuelve a hacerse una pregunta parecida: ¿qué partes pueden convertirse en un sistema? Y, más allá, ¿puede ese sistema mejorarse a sí mismo?

Google no pierde a Dean: lo externaliza

La reacción de Alphabet ante la salida de Dean resulta particularmente reveladora y merece un análisis cuidado: Sundar Pichai intentó retenerlos en varias reuniones, pero cuando vio que no podía, Google no eligió la confrontación. Alphabet se convirtió en inversor fundador de Discovery Loop. Google Cloud se convertirá en proveedor de su infraestructura de computación. Ambas organizaciones continuarán colaborando en investigación sobre sistemas de machine learning e infraestructura.

Esta dinámica no es nueva, ya la hemos visto antes. Es exactamente la misma fórmula que Google aplicó con Anthropic: mantener una participación financiera significativa y una dependencia de infraestructura mientras el talento opera formalmente “fuera” de la compañía. No podemos llamarlo “independencia”, sino que se trata de una nueva forma de concentración de poder disfrazada de dispersión. Dean puede salir por la puerta de Google, puede fundar su propia empresa, puede tener su propio consejo de administración, pero su electricidad, en forma de chips, centros de datos y capacidad de computación, seguirá saliendo del mismo enchufe: Google Cloud. Alphabet será accionista de la empresa que crea. Si Discovery Loop triunfa, Google no capturará ese valor porque Jeff Dean sea su empleado, pero todavía podrá hacerlo como accionista, proveedor y socio tecnológico.

La frontera entre estar dentro y fuera de una gran tecnológica empieza así a ser bastante menos clara. Y esto plantea una pregunta incómoda: ¿ha ganado realmente independencia el talento, o simplemente ha cambiado la forma en que las Big Tech ejercen su control? El investigador ya no necesita un contrato de exclusividad para estar atado, parece que le basta con un contrato de computación en la nube.

Dean no abandona Google para instalarse en un pequeño laboratorio con recursos limitados. Sale acompañado por Sanjay Ghemawat, Quoc Le y Oriol Vinyals, encuentra inmediatamente inversores dispuestos a financiar el proyecto y seguirá teniendo acceso a una de las cosas más difíciles y caras de conseguir en la inteligencia artificial actual: capacidad de computación. Paradójicamente, parte de ella se la proporcionará la misma Google que acaba de abandonar.

Los investigadores ganan independencia respecto a las grandes organizaciones mientras siguen dependiendo de una infraestructura extraordinariamente concentrada.

Y lo que está claro es que, como hemos visto con los casos de Mira Murati, Ilya Sutskever, Dario Amodei y numerosos investigadores procedentes de Google, Meta y OpenAI, el mercado está dispuesto a apostar y a dotar de capital e infraestructura a grupos muy pequeños de personas con conocimiento excepcional.

¿Por qué no lo hacen dentro de Google?

Oriol Vinyals explicó la salida con una frase que resume mejor que cualquier análisis de mercado por qué cuatro de las mentes más valiosas de Google han decidido marcharse: dentro de una organización enorme existe una inercia que hay que superar cuando se intenta hacer cambios radicales.

Una compañía con cientos de miles de empleados, con productos que generan decenas de miles de millones de dólares cada trimestre y, sobre todo, con una estructura política que debe responder ante accionistas, reguladores y gobiernos, no puede permitirse apostar cinco o diez años a ciegas en una idea que podría no funcionar. Incluso con el presupuesto más generoso del mundo, la burocracia, los comités de aprobación y la necesidad de justificar resultados trimestrales convierten la investigación de frontera en una lucha contra la propia máquina.

Jeff Dean lo sabe mejor que nadie porque fue el arquitecto jefe de esa máquina. Y precisamente por eso entiende que cuando el objetivo es automatizar el propio método científico, cuando la apuesta es la automejora recursiva, cuando el horizonte no es el siguiente modelo de lenguaje sino una inteligencia artificial capaz de rediseñarse a sí misma, no sirve una organización diseñada para optimizar anuncios y motores de búsqueda. Hace falta una estructura creada desde cero para esa única finalidad.

En ese sentido, la decisión de Dean es más radical de lo que parece. No está fundando una empresa para competir con Google en el mercado actual. Está fundando una empresa porque cree que el mercado actual (incluido el propio Google) está construido sobre premisas que pronto quedarán obsoletas.