Los investigadores más brillantes de la inteligencia artificial están dejando las mayores empresas del mundo para abrir sus propias startups.
Y no estamos hablando de pequeños proyectos experimentales.
Estamos hablando de miles de millones de dólares en inversiones fluyendo hacia empresas que, en muchos casos, tienen apenas algunos meses de vida.
Nombres que ayudaron a construir algunos de los sistemas de IA más poderosos del planeta, dentro de gigantes como Meta, Google y DeepMind, están saliendo en busca de algo que las grandes corporaciones parecen no poder ofrecer más: libertad para investigar de verdad.
La carrera por la dominancia en IA creó un efecto colateral curioso. Cuanto más las Big Techs se enfocan en rendimiento, benchmarks y ciclos rápidos de lanzamiento, más dejan brechas abiertas en áreas enteras de investigación. Y es exactamente en esas brechas donde una nueva generación de laboratorios independientes se está instalando 🚀
El movimiento ya tiene números impresionantes que mostrar, nombres conocidos al mando y una narrativa que puede señalar un giro importante en el rumbo de la inteligencia artificial.
Rondas multimillonarias en empresas con pocos meses de vida
Lo que más impresiona de esta ola de éxodo es la velocidad con la que aparece el dinero. Exinvestigadores de laboratorios como Google DeepMind, OpenAI, Anthropic y xAI están levantando cientos de millones — e incluso más de mil millones de dólares — en rondas de inversión para startups que apenas han completado un año de existencia.
David Silver, exinvestigador de Google DeepMind y uno de los nombres más conocidos en el campo del aprendizaje por refuerzo, anunció que captó una ronda seed récord de 1.100 millones de dólares para su startup Ineffable Intelligence, fundada hace apenas algunos meses. El foco de la empresa está en el aprendizaje por refuerzo, un enfoque donde los modelos de IA aprenden a partir de su propia experiencia, en lugar de depender exclusivamente de datos generados por humanos — una diferencia fundamental respecto a los grandes modelos de lenguaje entrenados con textos de internet.
Tim Rocktäschel, otro exempleado de DeepMind, también va por el mismo camino. Según reportajes, busca levantar hasta 1.000 millones de dólares para Recursive Superintelligence, su nueva empresa.
Y hay más. AMI Labs anunció una captación de 1.000 millones de dólares en marzo, pocos meses después de que su fundador, Yann LeCun, confirmara que estaba dejando su rol como jefe de IA en Meta. La empresa está desarrollando sistemas de inteligencia artificial capaces de aprender a partir de datos continuos del mundo real, un enfoque que busca superar limitaciones conocidas de los modelos actuales en áreas como causalidad, fundamentación y comportamiento confiable en entornos físicos.
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.
Según datos de la plataforma Dealroom, en 2026 ya se han dirigido 18.800 millones de dólares hacia startups de IA fundadas desde inicios de 2025. Ese ritmo coloca al sector en camino de superar los 27.900 millones captados el año anterior por empresas lanzadas desde comienzos de 2024. Son números que muestran que el apetito de los inversores por este tipo de apuesta está lejos de disminuir.
Cuando el talento decide volar solo
En los últimos dos años, el sector de inteligencia artificial vio una ola sin precedentes de investigadores dejando posiciones estables y bien remuneradas en empresas como Google, Meta y DeepMind para fundar sus propios laboratorios. No es exageración decir que algunos de estos profesionales estaban entre los más valorados del mercado, con salarios que fácilmente superaban los siete dígitos en dólares y acceso a infraestructuras computacionales que la mayoría de las universidades del mundo jamás podrían montar. Aun así, la decisión de irse llegó con una frecuencia que comenzó a llamar la atención de toda la industria.
Lo que motiva este movimiento va más allá de una simple búsqueda de independencia. Dentro de las Big Techs, la investigación en IA pasó a estar cada vez más orientada por métricas de producto, plazos de lanzamiento y presiones comerciales que, según relatos de exempleados, hicieron difícil desarrollar trabajos de largo plazo o explorar líneas de investigación que no tuvieran aplicación inmediata y medible.
Elise Stern, directora general de la firma de capital de riesgo francesa Eurazeo, que invirtió en AMI Labs, resumió bien esta dinámica: cuando estás en una carrera, el foco se estrecha. Y ese estrechamiento crea un vacío. Áreas enteras de investigación, como nuevas arquitecturas, agentes, interpretabilidad y modelos verticales, terminan siendo despriorizadas — no porque no sean importantes, sino porque no ayudan a ganar la carrera inmediata.
Alexander Joël-Carbonell, socio de HV Capital, que también invirtió en AMI Labs, reforzó esta visión. Según él, dentro de los grandes laboratorios fundacionales, la presión por entregar rendimiento en benchmarks y mantener ciclos rápidos de lanzamiento deja poco espacio para investigación genuinamente exploratoria, especialmente fuera del paradigma dominante de los LLMs (grandes modelos de lenguaje).
Para quienes pasaron años contribuyendo con avances reales en el área, este escenario comenzó a parecer asfixiante. El resultado práctico es que estos investigadores llegan al mercado con una combinación poco común: reputación consolidada, red de contactos de altísimo nivel y una propuesta técnica que el capital de riesgo ve como una apuesta segura en un sector en expansión acelerada.
Encontrando las brechas que las Big Techs dejaron atrás
Las nuevas startups no están simplemente repitiendo lo que las grandes empresas ya hacen. Están apuntando justamente a los espacios que quedaron descubiertos por la carrera comercial de la IA.
Ricursive Intelligence, por ejemplo, captó 335 millones de dólares en dos rondas entre diciembre y enero, pocos meses después de ser fundada en septiembre. La empresa está construyendo herramientas de IA orientadas al diseño de chips. Sus fundadoras, Anna Goldie y Azalia Mirhoseini, trabajaron anteriormente en Anthropic y en Google DeepMind, donde contribuyeron con el proyecto AlphaChip, enfocado en automatizar el diseño de semiconductores.
Goldie explicó un punto interesante sobre por qué este tipo de trabajo funciona mejor fuera de una Big Tech: para que los fabricantes de chips confíen sus datos y propiedad intelectual más valiosa, la empresa necesita ser vista como una socia neutral, y no como una potencial competidora. En sus palabras, la empresa necesita ser la Suiza — algo imposible de lograr estando dentro de Google.
Ricursive Intelligence también trajo de vuelta a excolegas de las fundadoras. El equipo central de AlphaChip fue reunido nuevamente, con contrataciones de antiguos colaboradores. Otros miembros del equipo vinieron de Google, Anthropic, Nvidia, Apple y xAI.
Por su parte, Periodic Labs, fundada por exempleados de OpenAI y DeepMind, levantó 300 millones de dólares en septiembre, pocos meses después de su lanzamiento. El foco de la empresa es el desarrollo de laboratorios autónomos.
Humans&, con sede en San Francisco, fue lanzada en octubre por exempleados de Anthropic y xAI. La empresa captó 480 millones de dólares en enero y también apuesta por el aprendizaje por refuerzo, el mismo enfoque que Ineffable Intelligence de David Silver está persiguiendo.
Este patrón muestra que los nuevos laboratorios no compiten directamente entre sí por un único nicho. Cada uno está explorando un vector diferente de innovación, desde diseño de hardware hasta aprendizaje autónomo y sistemas capaces de operar en el mundo físico 🧩
La cuestión del paradigma: ¿son suficientes los LLMs?
Un tema que conecta muchas de estas nuevas iniciativas es la duda creciente sobre los límites del enfoque actual basado en grandes modelos de lenguaje. Según Joël-Carbonell, de HV Capital, un número creciente de investigadores de IA está cuestionando si simplemente escalar los LLMs actuales será suficiente para alcanzar el siguiente nivel de capacidad de la inteligencia artificial.
Esta es una pregunta que ha ganado fuerza en los últimos meses, a medida que las ganancias incrementales de rendimiento en los modelos de lenguaje comienzan a parecer menores y más costosas de obtener. Los modelos actuales, por más impresionantes que sean en generación de texto, código e incluso imágenes, todavía enfrentan dificultades serias en tareas que exigen razonamiento causal, comprensión del mundo físico y comportamiento realmente confiable en escenarios del mundo real.
AMI Labs, de Yann LeCun, es quizás el ejemplo más emblemático de esta tesis. La empresa declaró que este era el momento adecuado para surgir porque, a pesar de los grandes avances de la IA en generación de contenido, los sistemas actuales todavía tienen dificultades con fundamentación, causalidad y comportamiento confiable en entornos reales. Y conforme la IA se mueve más allá de las pantallas — entrando en industria, robótica, salud y otros entornos físicos — estas limitaciones se vuelven cada vez más relevantes.
Para quienes siguen el sector, esto representa una posible bifurcación en el camino de la investigación en IA. Por un lado, las Big Techs continúan invirtiendo fuertemente en la escalabilidad de los LLMs. Por el otro, estos nuevos laboratorios apuestan por caminos alternativos que podrían llevar a sistemas más robustos y versátiles a largo plazo.
El efecto dominó dentro de las grandes empresas
Esta redistribución de talento tiene consecuencias que van mucho más allá del mercado laboral en tecnología. Cuando investigadores de alto nivel dejan las Big Techs y se llevan consigo no solo el conocimiento técnico, sino también una visión diferente sobre cómo la inteligencia artificial debe ser desarrollada, el campo en su conjunto tiende a diversificarse. Esto significa más enfoques siendo explorados en paralelo, más modelos con arquitecturas distintas siendo probados y, potencialmente, más posibilidades de que algún avance significativo surja de un lugar inesperado.
Muchas de estas nuevas empresas han contratado extensivamente de los antiguos empleadores de sus fundadores y de otras gigantes de la IA. Los inversores proporcionaron los recursos necesarios para que estas startups consigan atraer investigadores de primer nivel de las Big Techs, creando un ciclo que se retroalimenta. Cuanto más se consolida una startup, más fácil es atraer al siguiente gran nombre.
Herramientas que usamos a diario
Para las propias Big Techs, el fenómeno representa un desafío que va más allá de la pérdida de talentos puntuales. Cuando un exinvestigador funda una startup que rápidamente se convierte en referencia en el área, crea un nuevo punto de comparación para otros profesionales que todavía están dentro de esas empresas. El efecto dominó puede ser lento, pero tiende a intensificarse a medida que más historias de éxito surgen en el mercado.
Empresas como Google y Meta ya respondieron con aumentos de remuneración, más autonomía para investigación interna y programas dedicados a retener talentos estratégicos. Pero la cuestión de fondo, que es estructural y cultural, no se resuelve solo con ajustes salariales 💡
Gobernanza, ética y una nueva competencia
También hay una dimensión importante relacionada con la gobernanza y ética en el desarrollo de IA. Varios de los laboratorios fundados por estos exinvestigadores han colocado temas como seguridad, alineamiento de modelos y transparencia en el centro de sus propuestas, algo que, según ellos mismos, era más difícil de priorizar dentro de estructuras corporativas con presión constante por resultados comerciales.
Si este discurso se traduce en prácticas reales de desarrollo, el movimiento puede ayudar a elevar el estándar del sector en su conjunto, creando una especie de competencia saludable también en responsabilidad técnica. Cuando laboratorios más pequeños y ágiles demuestran que es posible hacer investigación de punta con principios de seguridad integrados desde el inicio, esto presiona a las empresas mayores a hacer lo mismo.
Los fundadores que trabajaron en laboratorios de frontera poseen, en palabras de Elise Stern de Eurazeo, una perspectiva única. Saben lo que funciona a escala y saben exactamente lo que se está dejando de lado internamente. Es ahí donde aparece la oportunidad.
Qué significa todo esto para el futuro de la IA
Lo que está sucediendo ahora en el ecosistema de inteligencia artificial puede verse como una de las mayores reorganizaciones de talento técnico en la historia reciente de la tecnología. La concentración que las Big Techs construyeron a lo largo de años está siendo desafiada no por regulación ni por competidores tradicionales, sino por los propios profesionales que ayudaron a levantarla.
Con inversiones robustas continuando a fluir hacia estas nuevas iniciativas y con nombres de peso como David Silver, Yann LeCun, Anna Goldie y Azalia Mirhoseini al frente de estas empresas, las startups fundadas por exinvestigadores tienen todo para redefinir quién realmente lidera el avance de la IA en los próximos años.
Google, Meta, Anthropic y OpenAI no respondieron a solicitudes de comentario sobre el asunto. Pero el silencio de estas empresas habla por sí solo — mientras intentan ajustar sus procesos internos, el talento que las hizo llegar hasta aquí ya está construyendo el próximo capítulo de la inteligencia artificial en otro lugar.
