DeepMind: el auge de la inversión en IA es una apuesta por la IA que se auto-mejora

      Todos han estado preguntando para qué es realmente la construcción de IA de un billón de dólares. Un alto ejecutivo de Google DeepMind ha dado ahora una respuesta inusualmente directa. El gasto, dice, es una apuesta por máquinas que se mejoran a sí mismas.

      Jasjeet Sekhon, director de estrategia de DeepMind, expuso su argumento en una cumbre en UC Berkeley. La auto-mejora recursiva, o RSI, se está “convirtiendo en un componente clave de la tesis de inversión en IA”, informó primero The Information. RSI es la idea de una IA que puede reescribirse y actualizarse, generando sucesores cada vez más capaces sin humanos en el circuito.

      Lo sorprendente es la franqueza que hay detrás. Sekhon admitió que los ingresos de IA “no sostienen los gastos de capital que hemos realizado hasta ahora”. El dinero se está gastando, en otras palabras, en una promesa. Argumentó que apostar en contra de ello sería imprudente, ya que ya existen “los fundamentos de RSI”. Ofreció una analogía clara: las máquinas de vapor construyeron la siguiente máquina de vapor.

      La nueva estrella del norte

      Lo que hace que el marco tenga sentido es lo que reemplaza. Durante años, la industria justificó su gasto señalando la inteligencia artificial general. Sekhon está efectivamente intercambiando un objetivo distante por otro. RSI, según esta narrativa, es la nueva AGI: el retorno que convierte los centros de datos de hoy de un costo en las máquinas más valiosas jamás construidas.

      La escala es real. Alphabet gastó $44.9 mil millones en proyectos de capital en un solo trimestre, aproximadamente el doble que un año antes, y elevó su guía para 2026 a hasta $205 mil millones. Ha prometido un aumento “significativo” nuevamente en 2027. Amazon, Microsoft y Meta están diciendo lo mismo. Sekhon comparó el esfuerzo con algo más grande que Apolo o el Proyecto Manhattan.

      Parte de esto claramente está funcionando. Los ingresos de Google Cloud aumentaron un 82% en el trimestre, con un backlog superior a $500 mil millones. Pero la factura es enorme, y Alphabet publicó su primer flujo de caja libre trimestral negativo, alrededor de $5.9 mil millones en números rojos. El gasto y los ingresos se están moviendo a velocidades muy diferentes.

      Una apuesta que puede no dar frutos

      Sekhon nombró el riesgo él mismo. Podría haber un “hueco de aire de IA”, advirtió, donde el gasto ocurre pero los ingresos nunca llegan. Ese es el miedo silencioso bajo cada llamada de ganancias de un hyperscaler, expresado en voz alta por la persona cuyo trabajo es justificar el desembolso.

      Y RSI no es un producto en el mercado. Es una esperanza de investigación con dudas reales adjuntas: seguridad, control y viabilidad técnica. Y si es siquiera factible en la línea de tiempo que los ejecutivos implican, aproximadamente de 2027 a 2028. Los rivales ya están presionando a DeepMind sobre si tiene el conocimiento de auto-mejora para llegar allí antes que OpenAI o Anthropic.

      Hay una versión modesta de la afirmación que ya es cierta. Los modelos ahora pueden generar código y, de manera limitada, ayudar a mejorar el suyo propio. El salto que Sekhon está vendiendo es de eso a la auto-mejora completa y autónoma, y es un gran salto.

      Lo que realmente ha hecho es hacer explícito el intercambio. La industria está gastando sumas del tamaño de Apolo hoy contra una capacidad que aún no existe, y puede que no exista durante años. Su honestidad es refrescante. También es, si eres un inversor, ligeramente aterradora.