Google DeepMind ya no es el destino indiscutible para la élite europea de la IA

Google DeepMind no se ha convertido en un laboratorio irrelevante. Sigue siendo una de las organizaciones de investigación en IA más grandes y mejor financiadas del mundo. Sin embargo, su posición en el mercado laboral ha cambiado de forma drástica: pasó de ser el empleador indiscutible al que aspiraban los investigadores europeos de primer nivel a competir en igualdad de condiciones con varias alternativas poderosas.

La señal más clara está en su participación en las nuevas contrataciones de investigación e ingeniería avanzada en Europa, Oriente Medio y África. Según datos de Zeki, esa cuota cayó del 49% en 2022-23 al 18,6% en 2025-26, el descenso regional más pronunciado registrado por la firma para un gran laboratorio de IA. 2

Las cifras reflejan una pérdida de impulso

El problema no es necesariamente que DeepMind esté perdiendo más empleados de los que contrata. El laboratorio todavía incorporaría personal de investigación e ingeniería avanzada. La diferencia es que su capacidad de atraer talento ya no parece abrumadora.

Según datos de Zeki citados por Fortune, la relación entre incorporaciones y salidas cayó de aproximadamente 12 a 1 en el segundo trimestre de 2023 a cerca de 2 a 1 en el tercer trimestre de 2026. 2 Una proporción de 2 a 1 aún representa un crecimiento neto, pero está muy lejos de la capacidad de atracción que convirtió a DeepMind en el destino natural de muchos especialistas.

El contraste con sus rivales en expansión ayuda a entender el cambio. Un análisis situó el crecimiento de las contrataciones de OpenAI en el 97% y el de Anthropic en el 152%, frente al 27% de DeepMind. 1 Esas cifras miden tasas de crecimiento, no la calidad general del talento, pero explican por qué la cuota regional de DeepMind se redujo aunque el laboratorio siga siendo enorme.

También conviene leer estos datos con cautela. Miden contrataciones y movimientos visibles, no un censo completo de la experiencia en IA. Apuntan a un debilitamiento de la posición de DeepMind como reclutador, no a la desaparición de su base científica.

Investigadores destacados que han cambiado de laboratorio

La preocupación aumenta por la importancia de algunas salidas. En junio de 2026, Noam Shazeer, uno de los responsables de Gemini, dejó Google para incorporarse a OpenAI, mientras que el investigador de AlphaFold John Jumper anunció su marcha a Anthropic. 333540

También se informó de que los colaboradores de Gemini Jonas Adler y Alexander Pritzel se irían a Anthropic. 35 Más tarde, Jeff Dean, Sanjay Ghemawat, Oriol Vinyals y Quoc Le abandonaron Google para crear una nueva empresa. 1718

Estas salidas importan por algo más que el número de empleados perdido. Los investigadores sénior se llevan conocimiento institucional, criterio técnico y credibilidad para atraer a nuevos candidatos. Además, pueden influir directamente en el desarrollo de modelos fundacionales y de la infraestructura que los sostiene.

El destino de quienes se marchan resulta igual de revelador. Según datos de Zeki citados por DiarioBitcoin, entre los empleados que dejaron DeepMind durante el año anterior, el 25% se incorporó a Anthropic, el 21% a Meta y el 14% a OpenAI. 3 Por otra parte, un análisis de SignalFire de 2025 estimó que los empleados de DeepMind se trasladaban a Anthropic a una tasa casi 11 veces superior a la del movimiento inverso. 8

Ninguna base de datos registra todos los cambios de empleo y las cifras utilizan periodos y metodologías diferentes. En conjunto, sin embargo, dibujan un patrón consistente: Anthropic, OpenAI y Meta se han convertido en destinos creíbles para profesionales que antes podían considerar a DeepMind la opción natural.

El dinero pesa, pero no lo explica todo

Los laboratorios que desarrollan los modelos de frontera compiten en un mercado laboral en el que el salario, las acciones y el acceso a recursos informáticos escasos pueden inclinar una decisión profesional. Distintos informes han descrito paquetes de compensación muy agresivos de los rivales, especialmente mientras OpenAI y Anthropic amplían sus operaciones en Europa. 411

Pero el dinero no basta para explicar el retroceso. El atractivo original de DeepMind combinaba prestigio, recursos técnicos y libertad para investigar problemas de largo plazo. A medida que Gemini se ha vuelto central para la estrategia competitiva y comercial de Google, el laboratorio ha afrontado una presión creciente para entregar productos y modelos siguiendo calendarios corporativos.

Ahí aparece una posible disyuntiva. Concentrar recursos en Gemini, los agentes y otros productos puede mejorar el foco y acelerar la ejecución. Al mismo tiempo, los investigadores que valoran la exploración abierta pueden percibir que tienen menos espacio para desarrollar proyectos cuyo resultado comercial es incierto o tardará años en llegar.

También se ha informado de mayores restricciones para publicar investigaciones y de una menor sensación de autonomía, aunque la evidencia pública no cuantifica cuánto ha contribuido cada factor a las salidas individuales. 7 Por eso sería excesivo atribuir el éxodo a una sola política o a una única decisión ejecutiva. La explicación más sólida combina compensaciones agresivas, presión comercial, cambios organizativos y el creciente atractivo de los laboratorios rivales.

El repliegue de AlphaFold envió una señal contundente

El cambio de prioridades se hizo especialmente visible en AlphaFold. En julio de 2026, varios informes señalaron que el equipo responsable del sistema de predicción de estructuras de proteínas, ganador del Premio Nobel, había sido desmantelado o reorganizado mientras DeepMind trasladaba recursos hacia los grandes modelos de lenguaje, Gemini y una automatización científica más amplia. 4950

DeepMind respondió que sus investigadores se habían trasladado a áreas como proyectos basados en Gemini, diseño de enzimas, fusión nuclear y genómica. 49 Por tanto, no sería preciso describir el movimiento como un abandono de la IA científica. Se trata más bien de una reasignación de la investigación en torno a una estrategia más centrada en Gemini.

Aun así, la señal organizativa es importante. AlphaFold representaba precisamente el tipo de investigación especializada y de largo recorrido que ayudó a diferenciar a DeepMind. Reasignar gran parte de ese trabajo puede transmitir a inversores y equipos de producto que el laboratorio prioriza objetivos estratégicos más inmediatos. Para los investigadores, plantea otra pregunta: ¿cuánta independencia queda para los proyectos cuyo beneficio comercial es lejano?

El nuevo papel de Hassabis acerca más DeepMind a Alphabet

En agosto de 2026, Demis Hassabis dejó las responsabilidades operativas diarias como director ejecutivo de DeepMind y pasó a ser presidente del laboratorio y científico jefe de Alphabet. Koray Kavukcuoglu, hasta entonces director de tecnología, asumió el control operativo y pasó a informar directamente al director ejecutivo de Alphabet, Sundar Pichai. 171822

El cambio tiene una lógica estratégica evidente. Hassabis puede trabajar en toda Alphabet sobre las prioridades científicas y de IA a largo plazo, mientras Kavukcuoglu se concentra en el desarrollo de Gemini, la investigación de frontera y los equipos de la aplicación Gemini y de desarrolladores. 2253

Pero también modifica la identidad institucional de DeepMind. La nueva estructura coloca más autoridad directamente en la dirección central de Alphabet, en lugar de mantener la imagen de un laboratorio de investigación londinense relativamente independiente. Reuters informó de que Kavukcuoglu tendría la última palabra en las decisiones importantes de DeepMind. 18

Esto podría mejorar la coordinación y la velocidad de ejecución. También podría hacer que el laboratorio parezca más una división corporativa y de producto que la institución de investigación excepcionalmente autónoma que atrajo a tantos científicos de élite. Si esa percepción se convierte en un problema de contratación dependerá de la libertad real para investigar y publicar, no solo de los cargos de sus dirigentes.

DeepMind conserva ventajas difíciles de replicar

La caída de su cuota de contratación no equivale a un colapso de sus capacidades técnicas. El mapa de talento de Metix contabilizó en 2026 a 2.837 personas en el grupo técnico visible de Google DeepMind, por detrás de las 4.092 de Meta y por delante de las 1.251 de Anthropic en ese conjunto de datos. 6

El laboratorio también mantiene fortalezas que sus rivales no pueden reproducir fácilmente:

• Computación e infraestructura a gran escala, gracias a los recursos de Alphabet y a su ecosistema de hardware personalizado.
• Experiencia en IA científica, incluida la herencia de AlphaFold y el trabajo relacionado con la biología y el descubrimiento científico.
• Profundidad investigadora en aprendizaje por refuerzo, sistemas multimodales, agentes y modelos del mundo.
• Distribución, mediante los productos de consumo, nube y desarrollo de Google.
• Capital y alcance organizativo para financiar tanto modelos de frontera como investigaciones de largo plazo.

La cartera de investigación de DeepMind sigue incluyendo sistemas como SIMA 2, Gemini Robotics y Genie 3, prueba de que el laboratorio continúa trabajando en agentes, robótica y modelos interactivos del mundo. 56

Estos activos hacen de DeepMind un competidor formidable. La cuestión central es si podrá convertir sus recursos en productos y resultados de investigación con suficiente rapidez y, al mismo tiempo, conservar a las personas necesarias para lograrlo.

Los frentes en los que parece perder terreno

Las áreas más expuestas son aquellas en las que el liderazgo investigador, la velocidad de producto y la adopción por parte de los desarrolladores se refuerzan mutuamente. Sus rivales han construido identidades fuertes alrededor de los asistentes de consumo, las herramientas de programación y los modelos generales de frontera. OpenAI y Anthropic, en particular, se han vuelto destinos atractivos para investigadores que quieren trabajar en productos muy visibles y conectados directamente con la carrera actual de los modelos. 53

Las comparaciones de rendimiento también han alimentado la percepción de que los modelos de Google disponibles para el público van por detrás de algunos competidores, aunque las clasificaciones varían según el modelo, la tarea y la fecha. Fortune citó evaluaciones que situaban al mejor modelo comercializado de Google por detrás de sistemas de Anthropic, OpenAI, xAI, Meta y un laboratorio chino. 6 Es solo una fotografía puntual, no una clasificación permanente, pero la percepción pesa en el mercado laboral: muchos investigadores quieren incorporarse al laboratorio que consideran líder.

Meta plantea un desafío diferente: puede combinar una remuneración considerable con un enorme ecosistema de distribución. Anthropic y OpenAI ofrecen misiones muy enfocadas en modelos de frontera y narrativas de contratación potentes. La ventaja de Google en infraestructura es real, pero la infraestructura no funciona por sí sola. Solo es decisiva si la organización conserva a los científicos e ingenieros que determinan qué entrenar, cómo evaluarlo y qué productos lanzar.

El cambio de fondo: DeepMind perdió el monopolio del prestigio

La conclusión más sólida no es que DeepMind se haya debilitado hasta dejar de ser relevante. Es que su antigua combinación de prestigio, autonomía y recursos técnicos ya no le proporciona una ventaja incontestada en Europa.

Entre 2022-23 y 2025-26, su participación en las contrataciones avanzadas de IA de la región cayó del 49% al 18,6%, mientras que la relación entre incorporaciones y salidas bajó de aproximadamente 12 a 1 a 2 a 1. 2 Las salidas de investigadores destacados hicieron visible el cambio y la mayor integración con Alphabet intensificó las dudas sobre la identidad científica del laboratorio.

DeepMind todavía puede recuperar terreno. Para ello tendrá que ejecutar con éxito la estrategia de Gemini y sus productos relacionados sin eliminar la libertad científica que convirtió al laboratorio en un imán para el talento. La siguiente fase de la guerra por los investigadores de IA no decidirá únicamente quién paga más, sino qué organización ofrece la mejor combinación de autonomía, recursos, influencia y pruebas de que el trabajo de sus científicos tendrá un impacto real.