Sergey Brin ha vuelto a sentarse encima del desarrollo de Gemini. El Financial Times adelanta que el cofundador de Google asume la supervisión directa del modelo, sin cargo nuevo y sin línea de reporte formal, después de que Gemini 3.5 Pro se saltara tres fechas de lanzamiento y de que ocho investigadores destacados salieran de la casa en dos meses.
Puntos clave
- Gemini 3.5 Pro se presentó en Google I/O en mayo con la promesa de salir "el mes que viene". Falló junio, falló mediados de julio y en agosto sigue sin publicarse.
- Demis Hassabis dejó de ser CEO de DeepMind y pasó a presidente y científico jefe de Alphabet; Koray Kavukcuoglu lleva el día a día desde Mountain View, con el poder saliendo de Londres.
- Entre las salidas: Noam Shazeer, co-responsable de Gemini, a OpenAI; John Jumper, Nobel y coinventor de AlphaFold, a Anthropic; Jeff Dean, científico jefe, tras 27 años.
- SemiAnalysis afirma que DeepMind ya no es un laboratorio de frontera y sitúa a Gemini 3.5 Pro en el puesto 8 o 9 mundial, a nivel de Opus 4.5.
Un retorno sin cargo, que es exactamente el punto
Brin no tiene título nuevo. No manda formalmente sobre Kavukcuoglu. En el organigrama no ha cambiado nada.
Según lo reportado, lleva semanas escribiendo código, revisando curvas de pérdida de entrenamiento, empujando jornadas más largas y criticando lo que considera productos demasiado restrictivos. Se sienta al lado del equipo de Gemini. En una empresa de 180.000 personas, un cofundador sentado al lado del equipo pesa más que cualquier casilla del organigrama.
Es una señal de urgencia y también de que la vía institucional no estaba funcionando. La reorganización de la semana pasada, con Hassabis saliendo del puesto de CEO, ya fue un movimiento fuerte. Este es el siguiente.
De dónde viene el atasco
El relato de Fortune sobre el interior de DeepMind es duro y coincide con lo que se veía desde fuera. Semanas de 60 horas sostenidas, presión constante y desgaste. Un ingeniero lo resume sin adornos: decirle a la gente que trabaje 60 horas semanales de forma continuada no suele funcionar, y la gente se quema.
A eso se sumó el conflicto del contrato con el Pentágono de abril de 2026, que permite usar Gemini en redes clasificadas. Más de 580 empleados, con investigadores senior entre ellos, firmaron una carta abierta en contra. Alex Turner, del equipo de seguridad, dimitió citándolo. En mayo, la plantilla de Londres lanzó el primer intento formal de sindicalización en un laboratorio de frontera.
La fuga de talento tiene además un capítulo distinto a los anteriores. Jeff Dean, Sanjay Ghemawat, Oriol Vinyals y Quoc Le no se han ido a un rival: han montado Discovery Loop, con Google como inversor. Las salidas de principios de año iban a Anthropic y OpenAI. Esta va a algo nuevo, con la propia Google poniendo dinero en lugar de mirar. El desmantelamiento del equipo de AlphaFold apuntaba en la misma dirección desde julio.
Esa distinción vale la pena entenderla porque es una forma poco habitual de perder a tu gente. Cuando un investigador se marcha a Anthropic, tu competidor gana y tú pierdes. Cuando cuatro de tus nombres más grandes montan una empresa que tú financias, la operación se presenta como una apuesta y funciona como una salida ordenada: te quedas con una participación y sin las personas. En el caso de Dean, después de 27 años en la casa y siendo el autor de buena parte de la infraestructura sobre la que Google construyó su negocio.
SemiAnalysis añade el dato que cuantifica el problema: más de 20 investigadores clave en aprendizaje por refuerzo han salido de la compañía en los últimos tiempos. El aprendizaje por refuerzo es justo la técnica sobre la que se apoya la generación actual de modelos de razonamiento, la que separa a un modelo que contesta de uno que resuelve problemas en varios pasos. No es una especialidad cualquiera de la que desprenderse.
La otra mitad de la historia: la nube va disparada
Aquí es donde el diagnóstico se vuelve interesante para cualquiera que dirija una empresa. SemiAnalysis titula su análisis con una idea doble: Gemini está tocado y Google Cloud está en su mejor momento.
Los números que da: la nube creció un 82% en el segundo trimestre de 2026 y proyectan crecimiento por encima del 100% en 2027, frente a un consenso de mercado del 64%. Backlog de sistemas TPU por encima de 150.000 millones de dólares. Y más del 20% de los envíos de TPU comprometidos hasta finales de 2027 van a Anthropic, competidor directo de Gemini.
Mientras, Gemini cerró el segundo trimestre con 12.000 millones de ingresos recurrentes anuales, pero su crecimiento de tokens se desaceleró del 60% intertrimestral en el primer trimestre al 38% en el segundo.
La tesis de SemiAnalysis es que Google eligió monetizar la infraestructura antes que ganar la carrera de modelos, y que vendió cómputo a largo plazo a sus propios rivales. Thomas Kurian, CEO de Google Cloud, defiende que las TPU se conviertan en infraestructura de propósito general. Financieramente le da la razón el balance. En la carrera de modelos, no.
Hay un antecedente que los propios analistas rescatan y que explica el patrón. DeepMind tenía un chatbot conversacional un año antes de que apareciera ChatGPT y no lo lanzó por miedo a dañar el negocio principal de búsqueda. La misma lógica de proteger el ingreso presente frente a la apuesta incierta se repite ahora vendiendo TPU a Anthropic con contratos largos: es dinero seguro hoy a cambio de armar al competidor mañana.
En esa dirección apunta también el movimiento de esta semana con la publicación en abierto de TPU Raiden, la biblioteca que hace usable el chip fuera de Google. Es una decisión que solo tiene sentido si tu prioridad es vender silicio a terceros.
Por qué importa
Si tienes procesos montados sobre Gemini, la lectura práctica es de calendario: cuenta con que la siguiente versión llega tarde y no ates un lanzamiento tuyo a una fecha de Google. Ya han fallado tres.
La lectura de fondo es otra y vale para cualquier proveedor. Una empresa puede ir estupendamente en su cuenta de resultados y a la vez perder la carrera técnica en la que tú te apoyaste para elegirla. Merece la pena que tus automatizaciones críticas puedan cambiar de modelo sin reescribirlo todo, no por desconfianza en nadie, sino porque el ranking de agosto no se parece al de noviembre.
Relacionado
