OpenAI y Anthropic ya no solo cazan investigadores: van por los constructores de producto
El drenaje de talento llega al hardware y al diseño. Las consecuencias tardarán años en verse.
Que los laboratorios de IA compiten por investigadores no es novedad. Lo nuevo —y lo que convierte esto en una tendencia estructural, no en una racha de renuncias— es el perfil de las contrataciones de las últimas dos semanas: un VP de hardware de Apple, dos investigadores senior de DeepMind, y antes que ellos Noam Shazeer y John Jumper. No son solo científicos de frontera. Son personas que saben convertir ciencia en producto que la gente usa.
El arco es demasiado consistente para ser coincidencia
En diez días, tres movimientos de primer nivel: John Jumper, Premio Nobel por AlphaFold, sale de DeepMind hacia Anthropic el 20 de junio. Cuatro días después, Jonas Adler y Alexander Pritzel —dos investigadores senior de DeepMind— siguen el mismo camino, también a Anthropic. Y el 27 de junio, Paul Meade, el VP responsable del Vision Pro en Apple, confirma su salida hacia el equipo de hardware de OpenAI.
Esas fechas no son anecdóticas: marcan una aceleración. Shazeer y Jumper ya habían establecido el patrón —como documentamos cuando DeepMind empezó a perder a sus mejores cerebros— y Adler, Pritzel y Meade lo confirman. Cuando tres movimientos ocurren en una semana y se alinean con otros anteriores, la señal es que hay algo sistémico en marcha, no oportunismo individual.
Follow-the-money: ¿por qué ahora?
La explicación superficial es el dinero —los laboratorios tienen capital abundante y lo usan. Pero la lente más útil es la de los incentivos de largo plazo: quienes se van no solo capturan salarios más altos; capturan equity en compañías que aún no salieron a bolsa y que compiten por ser infraestructura global.
El caso Meade ilustra algo más fino. El Vision Pro es hardware de nicho con adopción lenta; OpenAI, en cambio, está construyendo dispositivos propios con una base de usuarios de decenas de millones. Para alguien que pasó años construyendo un producto adelantado a su tiempo, moverse a donde el volumen ya existe no es rendirse —es apostar por el impacto. Ese cálculo de incentivos es el que está moviendo perfiles que antes se quedaban en Big Tech por estabilidad y marca.
Quién pierde: Google DeepMind y el hardware de Apple
La sangría más visible es la de DeepMind. Perder a Shazeer, luego a Jumper, luego a Adler y Pritzel en una ventana de meses no se compensa con contrataciones estándar. Estos perfiles tienen décadas de intuición acumulada, conocen los límites reales de los modelos, y —crucialmente— saben qué preguntas no hacer. Eso no se reemplaza en un ciclo de recruiting.
El caso Apple es diferente pero no menor. Meade no era un ejecutivo de línea: era el líder del único producto de hardware nuevo que Apple lanzó en una década. Su salida hacia OpenAI sugiere que, desde adentro, el hardware de IA propio se ve como un proyecto más urgente y más abierto que el Vision Pro. Para Apple, eso es una señal interna de prioridades que la compañía no querrá que se lea como tal.
Quiénes ganan, por ahora, son Anthropic y OpenAI: acumulan no solo capacidad científica sino product sense —la habilidad de traducir modelos a experiencias que usuarios reales adoptan. Esa combinación es escasa y es la que define si un laboratorio construye herramientas o construye plataformas.
Conclusión falsable: el test es el producto, no el modelo
La predicción concreta: si esta tendencia es tan estructural como parece, en los próximos doce meses Anthropic y OpenAI van a lanzar productos de consumo o hardware propios que muestren una diferencia de craft respecto a lo que tenían antes —interfaces, flujos, dispositivos— no solo mejores benchmarks. Google DeepMind, en cambio, va a tener un año difícil para retener talento de nivel similar sin una reorganización de incentivos visible.
Qué mirar: el primer lanzamiento de hardware de OpenAI (con Meade ya adentro) y si Anthropic acelera algún producto propio más allá de la API. Si en 2027 Q1 esos lanzamientos son mediocres o no ocurren, la tesis se debilita. Si son sólidos, confirma que el talento de producto es tan determinante como el científico.
Para un decisor en LATAM o España: la consecuencia práctica no es qué plataforma elegir hoy, sino anticipar que la distancia entre el tier 1 (OpenAI, Anthropic) y el resto se va a ampliar en la capa de producto, no solo en la capa de modelo. Construir sobre APIs de laboratorios que están perdiendo talento de producto es una decisión de dependencia técnica que conviene revisar con ese horizonte en mente.