La ola de salidas de la empresa de $12 mil millones Thinking Machines, fundada por la ex CTO de OpenAI Mira Murati, destaca la feroz competencia por profesionales calificados en IA.

Salidas clave sacuden a la startup de IA Thinking Machines

La competencia en Silicon Valley por los mejores expertos en IA se intensificó esta semana cuando tres miembros fundadores de Thinking Machines Lab, la empresa de IA liderada por la ex CTO de OpenAI, Mira Murati, anunciaron su regreso a OpenAI. Los tres—Brett Zoph, Luke Metz y Sam Schoenholz—habían trabajado previamente en OpenAI antes de unirse a Thinking Machines.

Fidji Simo, CEO de Aplicaciones en OpenAI, reveló la noticia el miércoles. Según Simo, Zoph le reportará directamente a ella, mientras que Metz y Schoenholz reportarán a Zoph. Zoph y Metz fueron cofundadores en Thinking Machines, y Schoenholz también formó parte del equipo original de investigación e ingeniería.

Controversia en torno a las salidas

Informes de Core Memory indican que Murati informó al personal sobre el despido de Zoph debido a una supuesta “conducta poco ética”. Ni Zoph, ni OpenAI, ni Thinking Machines ofrecieron comentarios al respecto. Simo afirmó que el proceso de contratación llevaba varias semanas en marcha. Bloomberg informó que Simo dijo a los empleados de OpenAI que Zoph había notificado a Murati su intención de irse, lo que llevó a su despido inmediato. Simo también desestimó las preocupaciones sobre la conducta de Zoph.

Para el jueves, surgieron reportes adicionales de que otros dos investigadores de Thinking Machines, Lia Guy e Ian O’Connell, también se marchaban, y que Guy se uniría a OpenAI. Estas salidas de alto perfil ponen de relieve los desafíos que enfrentan los nuevos laboratorios de IA para retener talento al competir con gigantes consolidados como OpenAI, Anthropic y DeepMind. Mientras que algunas startups chinas, como DeepSeek y Moonshot AI, han construido modelos competitivos, no compiten por el mismo grupo de talento.

Desafíos de financiación y retención de talento

Thinking Machines consiguió una financiación semilla récord de $2 mil millones en julio, valorando la empresa en $12 mil millones. Bloomberg informó posteriormente que la compañía buscaba una inversión adicional a una valoración de $50 mil millones. A pesar de estos impresionantes esfuerzos de recaudación de fondos, la startup ha tenido dificultades para retener a sus investigadores de IA. Andrew Tulloch, otro cofundador, se fue el año pasado para unirse a la división de IA de Meta, conocida por ofrecer paquetes de compensación lucrativos. Ahora, con las recientes salidas de Zoph, Metz, Schoenholz, Guy y O’Connell, la empresa enfrenta una inestabilidad adicional.

De manera similar, Ilya Sutskever, ex director científico de OpenAI, recaudó $1 mil millones para su nuevo proyecto Safe Super Intelligence (SSI) a finales de 2024, solo para ver a Meta reclutar a su cofundador Daniel Gross para sus propias iniciativas avanzadas de IA.

Por qué los nuevos laboratorios de IA luchan por competir por talento

Existen varias razones por las que los laboratorios de IA emergentes, a pesar de sus impresionantes rondas de financiación, tienen dificultades para retener a los mejores investigadores:

• Limitaciones de compensación: Estas startups a menudo no pueden igualar los altos salarios en efectivo—que a veces alcanzan las siete cifras—ofrecidos por empresas tecnológicas consolidadas como Meta, Google DeepMind y OpenAI.
• Acciones vs. efectivo: Aunque los primeros miembros del equipo pueden recibir acciones con potencial de valor futuro significativo, esto suele ser menos atractivo que los paquetes de efectivo inmediatos y sustanciales disponibles en grandes empresas.
• Riesgo de opciones sobre acciones: Las acciones en empresas jóvenes y privadas son generalmente más riesgosas que las opciones de acciones de empresas públicas o laboratorios establecidos. Google y Meta, por ejemplo, ofrecen paquetes de acciones generosos con adquisición rápida, permitiendo a los empleados liquidar antes. OpenAI y Anthropic también están considerando OPI, lo que podría proporcionar pagos importantes a los empleados en el corto plazo—algo menos probable para startups más nuevas.

Un ex investigador de OpenAI, que mantiene contacto con empleados de Thinking Machines, sugirió que los incentivos financieros son la razón principal de las recientes salidas, ya que algunos empleados han sido atraídos de regreso a OpenAI con ofertas excepcionalmente generosas. Esta persona también especuló que los esfuerzos de reclutamiento de Simo podrían haber tenido la intención de interrumpir la recaudación de fondos de Thinking Machines, dado que los inversores son cautelosos cuando los miembros fundadores se marchan.

Acceso a potencia de cómputo: otro obstáculo

Otro gran desafío para los nuevos laboratorios de IA es asegurar suficientes recursos de cómputo. Aunque los laboratorios establecidos a menudo se quejan del acceso limitado a la capacidad de centros de datos para entrenar y desplegar grandes modelos de lenguaje, han invertido miles de millones en construir su infraestructura. Su escala los convierte en clientes prioritarios para Nvidia, cuyos chips son esenciales para entrenar modelos avanzados de IA. Google ha desarrollado sus propios chips de IA (TPUs), reduciendo su dependencia de Nvidia, mientras que Meta, OpenAI y Anthropic han construido centros de datos dedicados y se han asociado con grandes proveedores de nube como Amazon Web Services y Microsoft. En contraste, los laboratorios más jóvenes pueden tener dificultades para adquirir las GPU y la potencia de cómputo que necesitan, incluso si sus necesidades generales son menores.

Estrategias de producto y modelos de negocio poco claros

Muchos nuevos laboratorios de IA, incluyendo Thinking Machines, aún no han establecido ofertas de productos o planes de negocio claros. Thinking Machines solo ha lanzado hasta ahora un producto—una herramienta beta llamada Tinker, lanzada en octubre, que ayuda a investigadores y desarrolladores a ajustar modelos de lenguaje de código abierto para tareas específicas. La empresa también ha publicado investigaciones sobre la optimización del entrenamiento de modelos, pero no ha indicado cuándo podría surgir un producto ampliamente disponible o una fuente de ingresos.

Algunos empleados, según reportes, se frustraron por la falta de claridad en la dirección del producto, especialmente en comparación con el ritmo acelerado de laboratorios más consolidados. Sin embargo, fuentes sugieren que algunas de estas preocupaciones se han abordado recientemente. Es notable que Zoph, Metz y Schoenholz reportarán a Simo, la directora de producto de OpenAI, en lugar de al jefe de investigación, lo que posiblemente indique su interés en un trabajo de IA más aplicado.

Otros nuevos laboratorios enfrentan desafíos similares. Por ejemplo, SSI de Sutskever no ha dado a conocer sus planes de producto ni ha lanzado un modelo, aunque comentarios recientes sugieren que un lanzamiento podría estar cerca. Sutskever ha declarado anteriormente que SSI podría esperar un gran avance en la seguridad de la IA antes de lanzar algún producto.

Este artículo fue publicado originalmente en Fortune.com.