Core Automation atrajo con fuerza a investigadores de Anthropic y Google DeepMind, y el mercado de IA está prestando atención
El mercado de inteligencia artificial está en plena ebullición, y el movimiento más reciente que está dando de qué hablar involucra talento de peso saliendo de gigantes como Anthropic y Google DeepMind para embarcarse en algo completamente nuevo.
Core Automation es la AI startup del momento, y llegó haciendo ruido.
Fundada por Jerry Tworek, exvicepresidente de OpenAI, la empresa se presentó al mundo con una propuesta audaz: construir el laboratorio de IA más automatizado del planeta. Tworek aparece como CEO y cofundador de Core Automation en su bio de X, dejando claro que no está ahí de paso.
Pero lo que realmente llamó la atención no fue solo la misión de la startup, sino quién aceptó dejarlo todo para formar parte de ella.
Investigadores que estaban cómodamente instalados en algunos de los mejores labs de IA del mundo simplemente pasaron la página, y el motivo tiene hasta nombre: nerdsniped 🧠
Para quien no conoce el término, nerdsniped es esa sensación de quedar completamente atrapado por un problema o una idea tan interesante que simplemente no puedes resistirte, aunque eso signifique cambiar de rumbo por completo.
Y es exactamente lo que ocurrió aquí.
De dónde vinieron estas personas y por qué importa
Cuando una AI startup logra atraer investigadores que estaban trabajando en lugares como Anthropic y Google DeepMind, eso no es un detalle menor. Estos dos laboratorios están entre los más respetados y mejor financiados del sector. Anthropic, fundada por exmiembros de la propia OpenAI, es conocida por su trabajo profundo en seguridad de IA y por los modelos Claude, que figuran entre los más avanzados disponibles hoy. Por su parte, Google DeepMind es responsable de avances que moldearon el campo entero, de AlphaFold a Gemini. Salir de uno de estos lugares no es una decisión simple, sino una apuesta clara por algo que, en la visión de estas personas, vale más la pena.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Rohan Anil, investigador de Anthropic que también trabajó en Google DeepMind, confirmó públicamente en X que dejó la empresa después de que Tworek lo nerdsniped. En sus propias palabras, Anthropic era uno de los mejores lugares para trabajar como investigador, pero la propuesta de Core Automation fue lo suficientemente irresistible como para hacerlo cambiar de opinión.
Anmol Gulati, científico de investigación de Google DeepMind que trabajaba directamente en Gemini, también anunció que partía hacia algo nuevo junto a personas excepcionales. Gulati fue más allá y compartió su visión sobre el momento actual del campo, diciendo que sentía cada vez más que el paradigma actual de investigación, basado en escalar modelos, datos y despliegues estáticos, no sería suficiente para llevar el área adonde necesita llegar. En su visión, la próxima fase viene de algo diferente: nuevos algoritmos de aprendizaje, arquitecturas que van más allá del stack actual y sistemas que automatizan el propio proceso de construcción.
Este tipo de declaración es significativo porque viene de alguien que estaba dentro de uno de los proyectos más ambiciosos de Google, Gemini. Cuando un investigador de ese calibre dice que el camino actual tiene limitaciones, vale la pena prestar atención a lo que está proponiendo como alternativa.
El equipo que se está formando en Core Automation
La lista de nombres que se están sumando a Core Automation va mucho más allá de Anil y Gulati. Joanne Jang, que actuó como gerente general en OpenAI de diciembre de 2021 a abril de 2026, actualizó su bio en X con la frase intentando automatizarme a mí misma @coreautoai. Este tipo de posicionamiento muestra que la cultura de la startup ya está establecida desde el primer día: la automatización no es solo un producto, es una filosofía que permea todo.
Otros nombres que confirmaron su participación incluyen a Ehsan Amid y Avery Lamp, ambos exempleados de Google DeepMind, además de Julia Villagra, que era head de personas en OpenAI, y Sai Surya Duvvuri, expasante de investigación en Google y en Meta. La presencia de Villagra es particularmente interesante porque indica que Core Automation no está pensando solo en investigación pura, sino también en cómo construir una organización sólida desde la base, con cultura y gestión de personas siendo prioridad desde el inicio.
En el sitio web de la empresa, Core Automation describe a su equipo como personas que ayudaron a construir modelos de frontera y arquitecturas influyentes. No es una afirmación vacía, considerando el historial de cada persona que se está sumando al proyecto. Estamos hablando de profesionales que contribuyeron directamente a sistemas como Gemini, Claude y los modelos de OpenAI, es decir, la élite de la investigación en inteligencia artificial a nivel global.
Lo que queda evidente es que Core Automation no está simplemente contratando currículos bonitos. Está reuniendo personas que ya estuvieron en la cima de la cadena de investigación en IA y que, aun así, sintieron esa inquietud de ir hacia algo diferente. Este tipo de movimiento suele ocurrir cuando una idea es genuinamente disruptiva, cuando propone un camino que los grandes jugadores todavía no están dispuestos a recorrer, ya sea por burocracia, por enfoque en otros productos o simplemente por el tamaño de las estructuras que deben cargar.
Qué es Core Automation y qué quiere construir
Core Automation se posiciona como una AI startup con un objetivo bastante específico y ambicioso: crear el laboratorio de inteligencia artificial más automatizado del mundo. En su primer post en X, la empresa dejó claro cuál es el objetivo central: sistemas que optimizan y automatizan el trabajo, empezando por la propia investigación.
Esto significa desarrollar sistemas donde la propia investigación de IA sea conducida, en gran parte, por otras IAs. Es un concepto que mezcla ingeniería de sistemas, investigación en large language models, automatización de procesos y una visión muy particular sobre cómo el futuro de la ciencia puede acelerarse. Jerry Tworek, que pasó por OpenAI como vicepresidente antes de crear Core, claramente lleva consigo un entendimiento profundo de cómo funcionan estos sistemas y, más importante, de dónde están los cuellos de botella que todavía frenan el avance del área.
La idea de automatizar la investigación en IA no es nueva, pero la forma en que Core Automation está abordando esto parece tener algo diferente. En lugar de usar automatización solo como herramienta de soporte para investigadores humanos, la propuesta es ir más allá y construir una infraestructura donde los ciclos de experimentación, evaluación e iteración ocurran a una velocidad que los humanos simplemente no podrían sostener solos. Esto tiene implicaciones enormes para el ritmo de desarrollo de nuevos modelos, para la identificación de fallos y para el descubrimiento de enfoques que todavía ni se han intentado.
Es un terreno emocionante y, al mismo tiempo, lleno de preguntas abiertas sobre cómo funcionaría en la práctica. Pero la combinación de visión clara y equipo técnico de altísimo nivel es exactamente el tipo de base que da credibilidad a una propuesta de este tamaño.
El efecto nerdsniped y lo que revela sobre el sector
El término nerdsniped se viralizó entre la comunidad técnica porque describe con precisión algo que cualquier persona apasionada por la tecnología ya sintió: ese momento en que un problema o una idea te atrapan de tal forma que simplemente no puedes pensar en otra cosa. Es casi una compulsión intelectual. Y cuando esto ocurre a nivel colectivo, cuando varias personas altamente cualificadas tienen esa misma reacción ante el mismo proyecto, es una señal de que algo genuinamente diferente se está proponiendo.
Core Automation parece haber activado exactamente ese gatillo en personas que, en principio, tenían todos los motivos para quedarse donde estaban.
Este fenómeno también revela algo sobre el momento actual del sector de inteligencia artificial. Incluso con laboratorios bien financiados, salarios altísimos y proyectos de impacto global, todavía existe un grupo significativo de investigadores que siente que los problemas más interesantes aún no se están abordando de la forma correcta. Hay una inquietud en el aire, una sensación de que el campo todavía no llegó adonde necesita llegar y que las estructuras existentes, por más poderosas que sean, quizás no son el mejor entorno para resolver ciertas cuestiones. Esa inquietud es combustible para startups como Core Automation, que aparecen exactamente en el momento justo para canalizar esa energía.
Además, el efecto nerdsniped tiene una consecuencia práctica muy concreta: atrae talento cualificado sin que la empresa necesite competir únicamente en el terreno financiero. En una industria donde los salarios ya están por las nubes y los beneficios de los grandes laboratorios son difíciles de igualar, la capacidad de presentar un problema genuinamente fascinante es un diferencial competitivo real. Core Automation supo hacerlo, y el resultado es visible en la composición del equipo que se está armando. 🚀
La tendencia de talentos saliendo de Big Tech hacia startups de IA
La migración de investigadores renombrados de los grandes laboratorios hacia startups no es algo que Core Automation haya inventado. Este es un movimiento que viene intensificándose en los últimos años y que refleja un cambio importante en la dinámica del sector.
Un ejemplo reciente y emblemático es el de Yann LeCun, que era científico jefe de IA en Meta y salió para fundar su propia startup, Advanced Machine Intelligence Labs, conocida como AMI Labs. El enfoque de AMI Labs está en el desarrollo de world models, que son sistemas de IA capaces de entender y reflejar el mundo real de forma más fiel. El enfoque de AMI Labs se distancia del foco de Meta en el desarrollo de modelos orientados a fines comerciales y escala, lo que refuerza la idea de que los investigadores de punta frecuentemente buscan direcciones que las grandes corporaciones no priorizan.
Herramientas que usamos a diario
El año pasado, las grandes empresas de tecnología libraron verdaderas batallas por el talento en IA, ofreciendo acquihires multimillonarias y paquetes de remuneración masivos. Pero las startups también se mostraron jugadoras activas en esta guerra, ofreciendo salarios competitivos, paquetes de equity generosos y algo que las grandes empresas tienen más dificultad para entregar: impacto directo y sensación real de ownership sobre lo que se está construyendo.
Shawn Thorne, director gerente de la firma de reclutamiento ejecutivo True Search, observó que los salarios base en startups subieron rápidamente conforme estas competían para atraer talento de IA. Según él, el equity es el gran factor que ayuda a compensar el costo de oportunidad para investigadores e ingenieros de punta que, de otra forma, podrían optar por emprender sus propios proyectos.
Para hacer la propuesta aún más atractiva, las startups también ofrecen incentivos adicionales como títulos de cofundador, acceso a recursos de computación a escala y tiempo dedicado para investigación independiente. Estos beneficios pueden parecer sutiles a primera vista, pero para un investigador que quiere tener libertad intelectual y al mismo tiempo formar parte de algo con potencial de impacto enorme, hacen toda la diferencia.
Qué señala esto para el futuro de la investigación en IA
La creación de Core Automation y la rápida concentración de talentos a su alrededor plantean cuestiones importantes sobre hacia dónde se dirige el campo. Si investigadores del más alto calibre están diciendo que el paradigma actual de escalar modelos y datos tiene limitaciones, y están poniendo sus carreras al servicio de un enfoque diferente, eso es un indicador que merece atención.
La propuesta de automatizar la propia investigación puede parecer abstracta, pero piensa en el impacto práctico: si una IA logra conducir experimentos, analizar resultados y proponer nuevos caminos de investigación de forma autónoma, el ritmo de innovación puede acelerarse de forma exponencial. En lugar de depender exclusivamente del tiempo y la capacidad cognitiva de investigadores humanos, los ciclos de descubrimiento podrían volverse continuos, operando en escalas y velocidades que hoy simplemente no son viables.
Claro que esto trae desafíos enormes. Cuestiones sobre calidad, seguridad, interpretabilidad y control de estos sistemas automatizados necesitan ser respondidas. Pero el hecho de que personas con experiencia directa en la construcción de modelos de frontera como Claude y Gemini se estén dedicando a este problema sugiere que existe una base técnica sólida detrás de la ambición.
El movimiento que Core Automation está haciendo es de esos que vale la pena seguir de cerca. No solo por lo que la empresa promete entregar, sino por lo que la composición de su equipo ya dice sobre la dirección que el campo de inteligencia artificial puede estar tomando. Cuando los mejores talentos del sector empiezan a apuntar hacia el mismo lugar, generalmente vale la pena prestar atención. 👀
