El nuevo líder de DeepMind admite la brecha: y traza el camino para superarla
Korey Carmichael Kabkuchoglu asume el mando real en DeepMind tras el paso de Hassabis a presidente. En su primera entrevista, admite sin filtros que los modelos de Google van por detrás de la vanguardia, y apuesta por flujos de trabajo agénticos y una organización unificada de investigación y producto para cerrar la brecha.
El movimiento honesto de apertura
Korey Carmichael Kabkuchoglu no titubeó.
En su primera entrevista desde que asumió el comando día a día de Google DeepMind, después de que Demis Hassabis pasara al cargo de presidente del consejo, el recién empoderado vicepresidente senior miró directamente a la realidad incómoda y la nombró con sus letras. “La valoración del mercado de que la calidad actual de nuestro modelo se queda un poco por debajo de la frontera más avanzada es una crítica justa”, dijo en el canal de YouTube Release Notes de Google.
Esa oración sola vale la pena seguirla. En el juego habitual de los directivos tecnológicos, un líder que emerge de una transición suele desviar la culpa o reforzarse en una confianza vaga. Kabkuchoglu no hizo ninguna de las dos cosas. Aceptó la premisa, y sobre ella construyó toda una declaración estratégica.
“Que alcancemos la cima de la frontera es nuestro único objetivo importante”, afirmó. “Cada decisión, cada prioridad de investigación, cada asignación de recursos apunta exclusivamente a lograrlo.”
La contundencia del mensaje señala algo inusual en una empresa que ha pasado los últimos dos años navegando una brecha percibida cada vez más amplia frente a OpenAI y, de manera creciente, frente a Anthropic. También sugiere que Kabkuchoglu, quien ayudó a guiar el desarrollo de los TPU de Google y las inversiones de inteligencia artificial a largo plazo desde adentro, comprende que el único camino creíble hacia adelante empieza con decir la verdad sobre dónde están parados.
Qué cambió en el organigrama
El cambio en la cúpula dirigente importa más que los títulos. El paso de Hassabis a presidente no es una jubilación; sigue siendo el rostro público y la brújula estratégica de DeepMind. Pero Kabkuchoglu ahora se ubica en el centro de la máquina operativa, quien decide qué investigaciones se convierten en productos y qué productos retroalimentan la investigación.
Ese cambio estructural es precisamente la razón por la que Kabkuchoglu dedica considerable tiempo en esta entrevista a describir la reorganización posterior al lanzamiento de Gemini 3.0 como un viraje ya completado, no como un trabajo en curso. La investigación y el producto se consolidaron bajo un mismo techo de DeepMind. La antigua separación entre los laboratorios que publican artículos y los equipos que lanzan funcionalidades se ha desglosado en gran medida.
El resultado que se reclama es un ciclo de retroalimentación que antes no existía: las interacciones de los usuarios con Gemini ahora alimentan directamente las prioridades de investigación hacia la AGI, y los avances de investigación pasan más rápido a producción porque ya no hay un muro organizacional entre ambas funciones. Kabkuchoglu lo llama un “flywheel de datos” construido sobre el ecosistema de Google, una expresión que puede sonar a lenguaje corporativo pero que describe algo concreto: billones de interacciones diarias a través de Search, YouTube, Gmail, Workspace y Android generando señales de entrenamiento que OpenAI y Anthropic simplemente no pueden replicar a la misma escala.
La apuesta por lo agente
Quizá la señal estratégica más significativa de la entrevista sea la forma en que Kabkuchoglu enmarca dónde llegará el próximo gran avance de DeepMind.
Describe un cambio de paradigma desencadenado por Gemini 3.0: la comprensión de que empujar más alto los puntajes en los benchmarks de un solo modelo ya no es la jugada ganadora. La frontera se está moviendo hacia lo que él denomina “flujos de trabajo agente”: sistemas que no solo responden preguntas, sino que ejecutan tareas de ingeniería de software en múltiples pasos y trabajos de alto nivel junto con los usuarios.
“A medida que los resultados de investigación y la infraestructura técnica acumulada durante el desarrollo de agentes de IA comienzan a converger, el impulso se acelera”, afirmó.
Esto es una respuesta directa al paisaje competitivo. OpenAI ha pasado 2024 y 2025 construyendo hacia GPT-5 y capacidades cada vez más agentivas. Anthropic avanza por una trayectoria más cautelosa con Claude. La respuesta de Google es apostar a que el próximo salto significativo en capacidad no proviene de escalar un modelo monolítico único, sino de construir sistemas que combinen múltiples capacidades en flujos de trabajo autónomos e iterativos.
Es además una posición más defendible que la pura escala. Cada competidor puede comprar GPUs. Pocas empresas cuentan con la pila integrada —chips, nube, modelos, canales de distribución y datos de comportamiento de los usuarios— que convierte la investigación agente en una ventaja compuesta.
Gemini 4: el proyecto más ambicioso de Google
En el lado de los productos, Kabkuchoglu confirmó que el preentrenamiento de Gemini 4 avanza según lo planeado y lo describió como “el proyecto más ambicioso en la historia de Google”. Los resultados internos de prueba, dice, son “alentadores”.
Esa palabra —alentadores, no revolucionarios, no revolucionarios— merece atención. Es un lenguaje deliberadamente calibrado. Google envía confianza sin sobreexigir promesas, lo cual es una postura retórica distinta a los anuncios efusivos habituales en esta industria.
La entrevista también revela que Google está ejecutando dos vías en paralelo: Gemini 4 como el empuje de investigación insignia, acompañado de un refinamiento simultáneo de la línea de modelos Flash para despliegues de alta eficiencia y baja latencia. La estrategia es clara: capturar la frontera con Gemini 4 mientras se amplía el mercado accesible con modelos de gama Flash que compiten directamente en costo y velocidad.
Esto refleja el patrón histórico de Google: dominar la cima de la investigación y luego monetizar a través de la infraestructura y el alcance al consumidor. La pregunta es si la brecha se ha ampliado demasiado para que ese manual funcione tan fiablemente como lo hizo en el pasado.
Redefinir la AGI
Los comentarios más interesantes desde el punto de vista filosófico de Kabkuchoglu giran en torno a la propia AGI. Rechaza la idea de que un único benchmark o examen declarará el momento de la llegada.
“No existe una prueba o benchmark definitivo único que determine si se ha alcanzado la AGI”, afirmó. “La AGI no es un umbral que se cruza en un cierto momento del tiempo. Es un proceso: la elevación continua de la inteligencia colaborativa en la que los usuarios pueden confiar para abordar investigaciones de alto nivel y problemas cotidianos.”
Esta es una elección de marco estratégico, no solo filosofía. Si la AGI es un objetivo móvil definido por la confianza del usuario y la resolución de tareas, y no por una puntuación en un ranking, entonces el ecosistema distribuido de Google se vuelve una ventaja y no un lastre. OpenAI puede ganar un benchmark. Google puede ganar la acumulación de resolución de tareas del mundo real entre billones de usuarios, siempre que la calidad del producto siga el ritmo de la afirmación.
Quién gana, quién pierde y qué sigue
El ganador inmediato de este posicionamiento son los inversionistas de Google, quienes han observado cómo la posición relativa de DeepMind se erosionaba mientras OpenAI cerraba la brecha y Anthropic se ganaba un lugar creíble en el medio. La honestidad de Kabkuchoglu disuelve la ficción de que Google iba adelante en calidad, y la reemplaza con una narrativa de carrera que al menos los vuelve a colocar en contienda.
El perdedor es cualquier observador que asumió que la transición de liderazgo era solo ceremonial. Kabkuchoglu ahora tiene la responsabilidad directa de la frontera de capacidades, y su entrevista deja claro que está tratando esa responsabilidad con urgencia, no con la cautela institucional de siempre.
Qué sucede a continuación depende de tres cosas: si los resultados internos “alentadores” de Gemini 4 se traducen en rendimiento verificable externamente, si la apuesta por los flujos de trabajo agente produce un cambio demostrable en la capacidad en lugar de una mejora incremental, y si el flywheel investigación-producto realmente genera ventajas de datos lo suficientemente rápido como para cerrar una brecha que ya puede ser significativa.
La propia entrevista es un golpe táctico magistral: reconocer la deficiencia construye credibilidad, trazar un camino concreto hacia adelante mantiene el impulso, y reformular la AGI como un proceso en lugar de un destino le compra a Google tiempo y espacio para ejecutar. Si la ejecución entrega o no es la pregunta que ninguna entrevista de prensa puede responder.