CNBC publicó el 28 de abril un repaso de los investigadores de IA que han salido de Meta, Google y OpenAI durante el último año. La lista deja una conclusión clara: los equipos centrales de IA de las grandes tecnológicas de Silicon Valley están perdiendo personal clave.
Los datos de Dealroom muestran que el capital está siguiendo ese talento. En lo que va de 2026, los VC han invertido 18.800 millones de dólares en startups de IA fundadas después de 2025. Al ritmo actual, la cifra superaría los 27.900 millones que levantaron todas las compañías nuevas creadas en 2024.
Quién se ha ido
Solo con mirar los casos de mayor peso investigador, las rondas ya son enormes para empresas de pocos meses.
- David Silver, ex Google DeepMind, fundó Ineffable Intelligence con una ronda semilla de 1.100 millones de dólares y una valoración de 5.100 millones. Su apuesta es el aprendizaje por refuerzo sin datos humanos.
- Tim Rocktäschel, antiguo principal research scientist de DeepMind, está construyendo Recursive Superintelligence con al menos 500 millones de dólares y potencialmente hasta 1.000 millones. La valoración pre-money es de 4.000 millones, con el objetivo de crear sistemas de IA que se mejoren a sí mismos.
- Yann LeCun, ex chief AI scientist de Meta, levantó 1.000 millones de dólares en marzo para AMI Labs.
- Anna Goldie y Azalia Mirhoseini, antes en Anthropic y DeepMind, captaron 335 millones de dólares en dos rondas para Ricursive Intelligence.
- Humans&, formada por antiguos cofundadores de Anthropic y xAI, levantó 480 millones de dólares en enero.
- Periodic Labs, creada por ex empleados de OpenAI y DeepMind, levantó 300 millones de dólares en septiembre pasado.
Cada cantidad es desmesurada para una startup de unos pocos meses. En 2024, una ronda semilla por encima de 100 millones aún era excepcional; ahora, para algunos spinouts de IA de élite, se acerca a la tarifa de mercado.
Por qué los VC están dispuestos a pagar
Elise Stern, managing director de Eurazeo, resumió la lógica con una frase: "When you're in a race, you narrow focus. That creates a vacuum."
Los grandes laboratorios están atrapados en carreras de benchmarks y escala. Ese foco estrecha la investigación hacia unos pocos ejes principales y deja espacio para que las nuevas compañías ocupen temas adyacentes.
Entre esas áreas menos atendidas están el aprendizaje por refuerzo, la interpretabilidad de la IA, los sistemas verticales para farmacéuticas, materiales y robótica, y las nuevas arquitecturas que no sean Transformer ni modelos autorregresivos. En las grandes empresas, la línea dominante sigue centrada en la escala de datos de preentrenamiento y el alineamiento posterior; las investigaciones con retorno comercial menos claro tienen más difícil conseguir presupuesto.
Ineffable Intelligence apunta al primer bloque. Periodic Labs trabaja en verticales. AMI Labs vende la cuarta tesis. Son temas difíciles de aprobar dentro de Big Tech, pero más fáciles de explicar como compañías independientes.
Por qué Big Tech no consigue retenerlos
No es un problema de dinero. Meta y Google ya ofrecen paquetes de compensación superiores a 10 millones de dólares a investigadores de IA de primera línea, y las tender offers de OpenAI para empleados importantes también alcanzan decenas de millones.
Lo que cuesta retener es la libertad de investigación. La investigación de IA en las mayores empresas se parece cada vez más al desarrollo de producto: el trabajo debe alinearse con los KPI del próximo modelo insignia, los papers pueden limitarse por riesgo competitivo y las líneas de proyecto quedan más sujetas a aprobación ejecutiva.
Los VC también han validado la ruta alternativa. LeCun dejó Meta y levantó 1.000 millones de dólares en pocos meses. Rocktäschel dejó DeepMind y alcanzó una valoración de 4.000 millones en pocos meses. Cuando ese patrón circula entre investigadores, fundar una empresa se vuelve difícil de ignorar.
Cuánto puede durar esta migración
A corto plazo, la tendencia parece sólida. Big Tech aún necesita mostrar gasto en computación y liderazgo en benchmarks en sus resultados financieros, así que no parece probable que sus carteras de investigación se abran de inmediato. Los fondos de venture capital también conservan capital disponible.
A medio plazo hay dos pruebas. La primera es si la primera tanda de empresas puede entregar resultados reales en unos 18 meses. Si 18.800 millones de dólares producen pocos productos comercializables o avances de investigación convincentes, la siguiente ola podría ser más cauta.
La segunda es si las grandes empresas reaccionan en sentido contrario: dar más libertad de investigación a sus equipos centrales, convertir equipos internos en compañías independientes o recuperar estructuras semiindependientes como la DeepMind original.
Pero eso exigiría que Big Tech admitiera que está fallando en la retención de talento. Por la postura mostrada hasta ahora en las llamadas de resultados, todavía no parece dispuesta a hacerlo. Durante el próximo año, Recursive Superintelligence, Ineffable Intelligence y AMI Labs serán las tres compañías a vigilar. Sus primeros resultados decidirán si esto es una burbuja o una nueva división del trabajo en la investigación de IA.
Fuentes: Meta, Google, OpenAI among Big Tech firms seeing top staff leaving to launch AI startups (CNBC, 2026-04-28), CocoLoop, Big Tech's Best Are Quitting Their Jobs to Form Startups (Autogpt.net, 2026-04-28)