¿Qué ocurrió en Google?
El anuncio se produjo en el contexto de una reorganización de la división de inteligencia artificial de Google y DeepMind. Jeff Dean dejó su posición después de casi 27 años en la compañía, mientras que otros tres referentes del desarrollo de IA se sumaron al nuevo proyecto.
Los cuatro expertos formarán Discovery Loop, una empresa que contará con Google como inversor fundador y socio tecnológico a través de Google Cloud.
| Protagonista | Trayectoria | Nuevo papel |
|---|---|---|
| Jeff Dean | Científico jefe de Google y figura clave de su infraestructura tecnológica | Cofundador de Discovery Loop |
| Sanjay Ghemawat | Pionero de la infraestructura informática de Google y colaborador histórico de Dean | Cofundador |
| Oriol Vinyals | Vicepresidente de investigación de DeepMind y referente técnico de Gemini | Cofundador |
| Quoc Le | Cofundador de Google Brain y responsable de investigaciones como AutoML-Zero | Cofundador |
La combinación de experiencia en infraestructura, aprendizaje automático, modelos generativos y automatización científica convierte a Discovery Loop en una de las nuevas startups de IA más observadas del sector.
¿Quién es Jeff Dean?
Jeff Dean es una de las figuras más influyentes de la informática moderna. Se incorporó a Google en 1999 y participó en el desarrollo de sistemas que permitieron a la compañía procesar enormes cantidades de información.
Su trabajo estuvo relacionado con:
- Infraestructura distribuida.
- Sistemas de aprendizaje automático.
- Procesamiento masivo de datos.
- Desarrollo de herramientas internas de Google.
- Investigación aplicada a productos de inteligencia artificial.
Su salida resulta especialmente significativa porque Dean no era un investigador más: durante décadas fue una de las personas asociadas a la capacidad técnica de Google para construir productos globales.wired+1
¿Qué aporta Sanjay Ghemawat?
Sanjay Ghemawat trabajó junto a Jeff Dean durante gran parte de la historia de Google. Ambos estuvieron vinculados a sistemas fundamentales para el funcionamiento de la compañía y son considerados pioneros de la computación a gran escala.
Su experiencia puede ser decisiva para Discovery Loop, especialmente en áreas como:
- Diseño de infraestructuras para IA.
- Procesamiento de grandes volúmenes de datos.
- Sistemas distribuidos.
- Automatización de experimentos.
- Escalabilidad de modelos científicos.
La investigación científica moderna genera enormes cantidades de datos. Para analizarlos de manera eficiente no basta con un modelo potente: también se necesitan plataformas capaces de ejecutar, comparar y repetir miles de experimentos.
¿Qué papel desempeña Oriol Vinyals?
Oriol Vinyals es uno de los investigadores españoles más reconocidos en el campo de la inteligencia artificial. En Google DeepMind ocupó un cargo directivo en investigación y participó en el desarrollo de tecnologías relacionadas con Gemini.20minutos+1
Su experiencia combina:
- Aprendizaje profundo.
- Modelos de lenguaje.
- Investigación científica en IA.
- Sistemas multimodales.
- Aplicaciones avanzadas de aprendizaje automático.
Su incorporación aporta a Discovery Loop conocimiento directo sobre el desarrollo de modelos capaces de trabajar con texto, imágenes, código y otros tipos de información.
¿Por qué es importante Quoc Le?
Quoc Le fue uno de los cofundadores de Google Brain y ha liderado investigaciones de gran impacto en aprendizaje automático. También estuvo relacionado con AutoML-Zero, un proyecto que exploraba la posibilidad de que los algoritmos diseñaran automáticamente nuevos métodos de aprendizaje.indianexpress+1
Su trayectoria encaja con la misión de Discovery Loop porque la startup pretende automatizar partes del proceso científico, no limitarse a crear otro chatbot.
La experiencia de Le puede contribuir a desarrollar sistemas que:
- Propongan hipótesis.
- Diseñen experimentos.
- Analicen resultados.
- Detecten patrones científicos.
- Sugieran nuevas líneas de investigación.
¿Qué es Discovery Loop?
Discovery Loop es una startup de inteligencia artificial centrada en la automatización del descubrimiento científico. Su propósito es aplicar la IA a un ciclo experimental completo:
- Identificar un problema.
- Formular una hipótesis.
- Diseñar un experimento.
- Ejecutar o simular la prueba.
- Analizar los resultados.
- Proponer el siguiente experimento.
Este enfoque podría aplicarse a campos como:
- Descubrimiento de fármacos.
- Nuevos materiales.
- Energía.
- Biología.
- Ingeniería.
- Ciencia de datos.
- Investigación climática.
La idea es que la IA no se limite a contestar preguntas, sino que ayude a generar conocimiento nuevo mediante ciclos de investigación más rápidos.wired+1
De los chatbots a la automatización científica
La primera gran ola de la IA generativa estuvo dominada por los asistentes conversacionales. Herramientas como ChatGPT, Gemini y Claude popularizaron la generación de texto, código, imágenes y análisis.
Discovery Loop apunta a una etapa diferente: la IA como colaboradora de laboratorios y equipos científicos.
| IA generativa tradicional | IA para descubrimiento científico |
|---|---|
| Responde preguntas | Formula hipótesis |
| Resume investigaciones | Compara resultados experimentales |
| Genera código | Diseña pruebas y simulaciones |
| Crea contenido | Propone nuevos modelos científicos |
| Ayuda a una persona | Coordina ciclos de investigación |
Este cambio podría ser especialmente importante en sectores donde cada experimento cuesta tiempo y dinero. Si una IA ayuda a descartar antes las hipótesis poco prometedoras, los investigadores pueden concentrarse en las líneas con mayor potencial.
¿Por qué los expertos abandonan las grandes tecnológicas?
La salida de estos cuatro profesionales refleja varias tendencias del mercado de IA.
1. Más libertad para investigar
Dentro de una gran empresa, los investigadores deben priorizar productos, clientes, resultados comerciales y calendarios. Una startup puede ofrecer mayor libertad para explorar ideas de largo plazo.
2. Participación directa en el valor creado
Fundar una compañía permite a los expertos participar de forma directa en el crecimiento de una tecnología, en lugar de trabajar únicamente como empleados de una corporación.
3. Capital disponible
Existe una fuerte demanda de startups dirigidas por investigadores reconocidos. El capital de riesgo sigue buscando equipos capaces de desarrollar modelos, agentes y aplicaciones científicas de alto impacto.nytimes+1
4. Competencia entre empresas
Google, Microsoft, Meta, OpenAI, Anthropic y numerosas startups compiten por atraer a los mejores especialistas. La guerra por el talento en IA se está convirtiendo también en una guerra por la propiedad intelectual y la capacidad de fundar nuevos negocios.
5. Cambio en la estructura de la innovación
La innovación ya no se concentra exclusivamente en los laboratorios corporativos. Muchas ideas pueden desarrollarse en startups pequeñas con acceso a servicios de computación en la nube, financiación especializada y equipos altamente cualificados.
¿Google está perdiendo talento o creando un ecosistema?
La lectura más sencilla es que Google está sufriendo una fuga de cerebros. Sin embargo, el caso de Discovery Loop es más complejo porque la propia compañía será inversora y colaboradora tecnológica de la startup.20minutos+1
Esto crea un modelo híbrido:
- Google conserva una relación con investigadores de primer nivel.
- Discovery Loop obtiene acceso a infraestructura de nube.
- La nueva empresa mantiene independencia operativa.
- Ambas organizaciones pueden colaborar en investigación.
- Google participa indirectamente en una nueva área de innovación.
Por tanto, no se trata necesariamente de una ruptura total. Es también una forma de extender el ecosistema de Google más allá de sus propios laboratorios.
¿Qué riesgos plantea esta nueva carrera?
El movimiento tiene un gran potencial, pero también presenta desafíos.
Concentración de talento
Si unas pocas empresas reúnen a los investigadores más reconocidos, las universidades y los laboratorios públicos pueden perder capacidad para formar y retener talento.
Costes elevados
La investigación científica con IA necesita capacidad informática, datos especializados y equipos multidisciplinares. No todas las startups pueden financiar experimentos a gran escala.
Resultados difíciles de validar
Una hipótesis generada por IA no es automáticamente un descubrimiento. Cada resultado debe revisarse, replicarse y someterse a métodos científicos rigurosos.
Propiedad intelectual
La automatización científica plantea preguntas sobre quién posee una invención creada con ayuda de una IA: el investigador, la empresa, el laboratorio o el proveedor del modelo.
Riesgo de errores acelerados
La IA puede aumentar la velocidad de investigación, pero también acelerar conclusiones equivocadas si los datos son incompletos o el sistema interpreta mal los resultados.
¿Qué oportunidades abre para la ciencia?
Si el proyecto cumple sus objetivos, la IA podría transformar la forma en que se investiga.
Medicina y farmacología
Los modelos podrían ayudar a identificar moléculas candidatas, predecir interacciones y priorizar experimentos para nuevos tratamientos.
Nuevos materiales
La IA puede analizar combinaciones químicas y estructurales que serían demasiado numerosas para estudiar manualmente.
Energía
Los sistemas inteligentes podrían ayudar a investigar baterías, catalizadores, hidrógeno y tecnologías de almacenamiento.
Cambio climático
La automatización científica puede contribuir a modelar escenarios, optimizar procesos industriales y encontrar soluciones con menor impacto ambiental.
Ingeniería
Los agentes de IA pueden diseñar, simular y mejorar prototipos antes de construirlos físicamente.
¿Qué significa esta noticia para el futuro de la IA?
La creación de Discovery Loop envía tres mensajes importantes:
- La próxima gran batalla puede estar en la ciencia, no solo en los chatbots.
- El talento de alto nivel tiene capacidad para crear nuevos centros de poder tecnológico.
- Las grandes tecnológicas están comenzando a colaborar con startups fundadas por sus antiguos investigadores.
También muestra que la IA está pasando de generar respuestas a participar en procesos más complejos. El objetivo ya no es únicamente producir contenido, sino acelerar el descubrimiento de medicamentos, materiales, procesos y conocimientos.
Qué pueden aprender los emprendedores
Este caso ofrece varias lecciones para quienes desean crear una startup de IA:
- Resolver un problema concreto es más importante que lanzar otro chatbot.
- La experiencia técnica profunda puede convertirse en una ventaja competitiva.
- Las alianzas con grandes empresas pueden facilitar el acceso a infraestructura.
- Los productos científicos necesitan validación y especialistas del sector.
- La credibilidad del equipo fundador influye en la capacidad de atraer inversión.
- La IA aplicada a industrias específicas puede generar más valor que las herramientas generalistas.
Para emprender en este sector no siempre es necesario entrenar un modelo desde cero. También existen oportunidades en consultoría, automatización, datos, seguridad, integración y desarrollo de aplicaciones especializadas.
Conclusión: la nueva frontera está en automatizar el descubrimiento
La salida de Jeff Dean, Sanjay Ghemawat, Oriol Vinyals y Quoc Le de Google representa uno de los movimientos más relevantes del ecosistema de inteligencia artificial en 2026. Los cuatro han unido su experiencia para crear Discovery Loop, una startup centrada en utilizar la IA para automatizar parte del método científico.
El verdadero interés de esta noticia no está solo en quién se marcha de Google, sino en hacia dónde se dirige la innovación. La próxima revolución de la IA podría producirse en los laboratorios, las farmacéuticas, la energía y la ingeniería.
Google sigue siendo uno de los grandes protagonistas, pero la nueva generación de startups demuestra que el futuro de la inteligencia artificial también se está construyendo fuera de sus oficinas.
👉Si quieres aprender como prepararte en inteligencia artificial puedes mirar mi reseña aquí
Sin embargo, el crecimiento acelerado de la infraestructura de IA también plantea dudas sobre el endeudamiento, el consumo energético y los riesgos de una posible burbuja financiera. ¿Se avecina un colapso mundial por el auge imparable de la inteligencia artificial?
“No es solo Sam Altman quien lo advierte; el jefe de IA de Google, Demis Hassabis, sostiene que el progreso tecnológico ya está superando nuestra capacidad de comprensión. Esta aceleración es precisamente la que está redefiniendo qué empleos seguirán siendo valiosos. 👉Lee más sobre esta advertencia aquí .”
Si te interesa el futuro de la tecnología, descarga mi ebook completo aquí:
👉Si deseas más información descarga nuestro e-book aquí