Google cambia su estrategia en IA: por qué DeepMind elige modelos mundiales en lugar de la carrera de tokens
Mientras que OpenAI y Anthropic apuestan agresivamente por el autoaprendizaje recursivo y la creación de una IA capaz de diseñar de forma independiente las próximas generaciones de algoritmos, Google DeepMind parece haber elegido un camino fundamentalmente diferente. Externamente, el gigante continúa lanzando modelos y generando ingresos, pero su enfoque se ha desplazado de la búsqueda de potencia bruta a la comprensión del mundo físico.
El nuevo rumbo de DeepMind: de los tokens a la realidad
El último modelo, Gemini 3.6 Flash, lanzado el 21 de julio, hace hincapié en la velocidad y el coste, más que en el liderazgo absoluto en los benchmarks. Según Google, la nueva versión genera un 17% menos de tokens, lo que reduce el coste de la respuesta. Sin embargo, en la clasificación de Artificial Analysis, este modelo ocupó solo el décimo lugar, por detrás de sus competidores. Esto no indica un abandono del desarrollo: la empresa ya ha iniciado el entrenamiento más grande para el futuro Gemini 4, y Gemini 3.5 Pro está siendo probado por socios.
La diferencia clave en la estrategia fue expresada por el CEO de Google, Sundar Pichai: vincula la hoja de ruta con el desarrollo de agentes personales y modelos del mundo, no con las posiciones en los rankings. DeepMind declara abiertamente este rumbo: tanto Genie 3 como Gemini Robotics se encuentran en la sección de modelos del mundo e IA incorporada (embodied AI). Estos sistemas analizan la gravedad, el movimiento y las relaciones de causa y efecto, prediciendo la evolución de los eventos en el espacio, en lugar de simplemente seleccionar palabras.
Riesgos y reacción del mercado
Los inversores reaccionan con intensidad: en junio, las acciones de Alphabet cayeron un 6% tras la salida de dos investigadores principales hacia la competencia. El cofundador de Anthropic, Jack Clark, publicó un ensayo en mayo donde calificó a DeepMind como «la más comedida de las tres grandes», estimando en un 60% la probabilidad de que la IA pueda gestionar investigaciones de forma autónoma para finales de 2028. Sus argumentos se basan en documentos de la propia DeepMind, incluido un artículo sobre cuestiones de seguridad de la IA publicado en 2025.
En comparación, Anthropic actúa con más audacia: para mayo de 2026, Claude había escrito más del 80% del código que la empresa implementa en sus productos. En abril de 2025, sus modelos aumentaron la productividad en 52 veces, mientras que el año anterior este incremento era de solo 2,9 veces. Un ingeniero experimentado habría necesitado de cuatro a ocho horas de trabajo para lograr un crecimiento cuádruple.
Por qué no se puede descartar a Google
A pesar del aparente rezago, existen dos factores importantes. En primer lugar, Google mantiene el liderazgo en las pruebas de investigación de aprendizaje automático: MLE-Bench, que evalúa la capacidad de los modelos para crear arquitecturas de IA de forma autónoma, mostró un resultado de Gemini 3 del 64,4% en febrero, y la versión 3.6 Flash obtuvo un 63,9% en julio. En segundo lugar, el gigante tecnológico conserva un alcance colosal: la audiencia de la aplicación Gemini alcanzó los 950 millones de personas al mes.
Sin embargo, la postura de espera le está costando cada vez más a la corporación. En el segundo trimestre de 2024, los ingresos de la empresa alcanzaron los $119,8 mil millones, pero los gastos están aumentando. En tres meses, Alphabet destinó $44,9 mil millones al desarrollo de centros de datos y la compra de equipos, casi el doble que el año anterior. El flujo de caja libre fue de menos $5,86 mil millones, y el volumen de obligaciones a largo plazo creció de $46,5 mil millones a $98,2 mil millones en seis meses. La partida de gastos relacionada con los desarrollos conjuntos de IA generó una pérdida de $5,79 mil millones, frente a los $3,37 mil millones del año anterior.
Qué monitorear en los próximos 30 días
- Si se producirá el lanzamiento de Gemini 3.5 Pro y qué posiciones ocupará el modelo en las pruebas.
- Si DeepMind presentará nuevos datos sobre los modelos del mundo para Gemini 4.
- Si el flujo de caja de Alphabet volverá a ser positivo en septiembre.
- Si Demis Hassabis expresará una posición clara con respecto a la tecnología de autoaprendizaje.
El lanzamiento de Gemini 4 será un momento decisivo para la estrategia de la empresa. Si el enfoque de crear modelos del mundo resulta exitoso, la desaceleración actual resultará ser un cálculo preciso. El próximo informe financiero mostrará los límites reales de los recursos de Alphabet en esta carrera tecnológica.
Opinión de experto: La estrategia de Google no es un rezago, sino una elección consciente. Mientras los competidores aceleran el desarrollo mediante la automejora recursiva, DeepMind apuesta por la comprensión del entorno físico. Si sus modelos del mundo realmente pueden modelar la realidad, y no solo predecir texto, esto podría redefinir el propio paradigma del desarrollo de la IA. Sin embargo, el alto coste de esta postura de espera y la creciente deuda de Alphabet hacen que la apuesta sea extremadamente arriesgada.