El regreso de tres perfiles clave desde Thinking Machines Lab a OpenAI ha vuelto a poner en primer plano una pregunta que recorre el sector desde hace meses, aunque rara vez se formula de manera explícita: hasta qué punto el talento más escaso de la inteligencia artificial puede permitirse trabajar fuera de los grandes polos de poder durante más que un breve intervalo.
La noticia, avanzada inicialmente por Wired y confirmada después por la propia compañía, tiene un componente personal evidente. Pero reducirla a una secuencia de despidos y contrataciones deja fuera lo más relevante. Lo que se está observando es un movimiento más amplio, casi tectónico, en el mercado del talento senior en IA, donde la movilidad es alta, el capital abunda y, sin embargo, la capacidad real de decisión parece concentrarse cada vez más en menos manos.
En este caso, los protagonistas son Barret Zoph, Luke Metz y Sam Schoenholz, tres ingenieros con trayectoria en OpenAI que abandonaron la empresa a finales de 2024 para fundar, junto a Mira Murati, un nuevo laboratorio: Thinking Machines Lab. Menos de un año después, los tres regresan al punto de partida.
El movimiento ha sido leído por algunos como un revés para la startup. Para otros, como una victoria estratégica de OpenAI. Sin embargo, para un observador empresarial, el interés está en otra parte: en lo que este vaivén dice sobre cómo se organiza hoy la competencia por el talento más especializado del sector tecnológico.
Un mercado pequeño, hipercompetitivo y con memoria
La base del problema es conocida, aunque a menudo se subestima. El número de investigadores capaces de liderar procesos de entrenamiento, ajuste fino y despliegue de modelos de frontera sigue siendo reducido. No se trata solo de saber programar o publicar artículos académicos, sino de combinar investigación, ingeniería y producto en entornos de enorme presión operativa.
Ese perfil es el más codiciado del mercado. Y también el más móvil. Las salidas de OpenAI hacia nuevas startups durante 2023 y 2024 se interpretaron, en su momento, como una señal de fragmentación interna y de oportunidad para proyectos alternativos. Sin embargo, la experiencia de Thinking Machines introduce un matiz incómodo: moverse no siempre implica alejarse del centro de gravedad.
Los incentivos económicos, con salarios y paquetes de acciones que superan con creces los estándares tradicionales, ya no son el principal factor diferencial. En muchos casos, tampoco lo es la autonomía intelectual. El elemento que empieza a pesar más es el acceso inmediato a infraestructura, datos, ciclos de iteración rápidos y, sobre todo, impacto real en productos utilizados a escala global.
Plataforma frente a promesa
Aquí emerge una de las tensiones clave del sector. Startups como Thinking Machines han nacido con una ambición clara: construir nuevos enfoques técnicos y ofrecer a desarrolladores herramientas más flexibles para personalizar modelos, como su producto Tinker. El respaldo financiero tampoco ha sido un obstáculo. La compañía cerró una ronda semilla de 2.000 millones de dólares y llegó a ser valorada en 12.000 millones, con conversaciones posteriores para elevar esa cifra de forma significativa, según informó Bloomberg.
Sin embargo, incluso con capital abundante, levantar un laboratorio de IA desde cero implica asumir fricciones que no siempre son visibles desde fuera. La definición de prioridades técnicas, la gestión de la confidencialidad, la gobernanza interna y la presión constante de inversores y mercado se concentran en una fase muy temprana del proyecto.
En contraste, plataformas consolidadas como OpenAI ofrecen algo menos romántico pero más tangible: modelos ya en producción, millones de usuarios, infraestructura propia y una capacidad de ejecución que convierte las decisiones técnicas en resultados visibles en semanas, no en años. Para perfiles senior, acostumbrados a medir su trabajo por el impacto final, esa diferencia empieza a inclinar la balanza.
El coste invisible de la experimentación
El caso de Thinking Machines también ilustra otro fenómeno poco discutido. Fundar una startup de IA en 2025 no se parece a hacerlo hace una década. La escala esperada es mayor desde el primer día, las valoraciones anticipan éxitos futuros y el margen para el error se reduce. Incluso para equipos formados por veteranos del sector, el aprendizaje organizativo tiene un coste elevado.
La salida previa de otro cofundador, Andrew Tulloch, hacia Meta, y ahora el regreso de Zoph y Metz a OpenAI, dibujan un patrón que va más allá de un conflicto puntual. Sugieren que algunos de estos nuevos laboratorios funcionan, al menos en su fase inicial, como espacios de experimentación profesional más que como alternativas consolidadas a los grandes actores.
Eso no invalida el proyecto, pero sí obliga a replantear expectativas. La rotación temprana en puestos críticos, como el de director tecnológico, introduce una incertidumbre operativa difícil de compensar únicamente con financiación.
La recaptura como estrategia
Desde el punto de vista de OpenAI, el movimiento tiene otra lectura. La compañía no solo compite por atraer talento externo, sino que demuestra capacidad para reabsorber perfiles que han explorado otras opciones. Según explicó Fidji Simo, responsable de aplicaciones de OpenAI, en una comunicación interna a la que también tuvo acceso TechCrunch, la reincorporación de estos ingenieros llevaba semanas gestándose.
El mensaje implícito es claro. Probar alternativas no cierra puertas. Al contrario, refuerza la posición de la empresa como punto de referencia al que se puede volver cuando las condiciones de ejecución resultan más atractivas. Para otros laboratorios emergentes, este efecto boomerang añade una dificultad adicional: no basta con fichar talento de primer nivel, hay que ofrecer razones estructurales para que se quede.
Un sector en rotación permanente
Nada de esto sugiere que el dominio actual esté garantizado a largo plazo. La historia tecnológica está llena de cambios inesperados. Pero sí apunta a una fase del mercado en la que la movilidad del talento no se traduce automáticamente en redistribución del poder.
Para directivos y empresarios, la lección es menos evidente de lo que parece. La guerra por el talento en IA no se gana solo con cheques grandes o narrativas fundacionales ambiciosas. Se juega en la capacidad de sostener equipos estables, ofrecer impacto real y gestionar la complejidad organizativa desde etapas muy tempranas.
Queda abierta la incógnita de si surgirán estructuras capaces de romper esta dinámica o si, al menos durante los próximos años, los perfiles más influyentes seguirán orbitando en torno a unos pocos centros, aunque en el camino tracen breves desviaciones. El movimiento reciente sugiere que el campo de batalla está más concentrado de lo que muchos inversores quisieran admitir.
