Thore Graepel, uno de los cocreadores de AlphaGo, dejó Google DeepMind para fundar una startup de razonamiento de inteligencia artificial, según un informe exclusivo de Sifted publicado el 7 de septiembre de 2026. La empresa apuesta por una tesis que va en contra de la corriente dominante de la industria: que la búsqueda estructurada, en lugar de modelos de lenguaje cada vez más grandes, es la clave para un razonamiento automático confiable.
Un veterano de DeepMind se aleja
Graepel es mejor conocido por su trabajo en AlphaGo, el sistema DeepMind que derrotó al campeón mundial de Go Lee Sedol en 2016, un hito al que se le atribuye ampliamente el inicio del auge de la IA moderna. La medida pone fin a un largo mandato en Google DeepMind, donde era una de las figuras más importantes y visibles de la organización de investigación.
Hay informes filtrados de que Graepel renunció para continuar con la empresa de razonamiento, y los medios comerciales, incluido Tech Times, enmarcaron explícitamente la apuesta principal de la nueva compañía: la búsqueda estructurada sobre la ampliación del LLM. Los detalles sobre la financiación, la dotación de personal y los planes de productos no se han revelado, y ni Graepel ni DeepMind han publicado un anuncio formal, pero la medida llega en un año de formación agresiva de startups de IA en torno a alternativas al escalamiento puro.
La tesis: búsqueda a gran escala
La apuesta es importante porque desafía la estrategia que ha definido la IA de vanguardia desde 2020: entrenar modelos transformadores más grandes con más datos y computación, luego enseñarles a razonar mediante indicaciones de cadenas de pensamiento y aprendizaje reforzado.
El linaje AlphaGo representa una tradición diferente. AlphaGo y sus sucesores combinaron redes neuronales con búsqueda de árboles y, en iteraciones posteriores, aprendieron del juego propio en lugar de de juegos humanos. Los sistemas de esta familia podían verificar sus propios movimientos contra reglas fijas, lo que hacía que su razonamiento fuera exacto de una manera que los resultados del modelo de lenguaje, generados un token plausible a la vez, no lo son.
Los defensores del enfoque de búsqueda primero argumentan que a medida que los LLM son empujados a dominios como las matemáticas, la verificación formal y la planificación, sus modos de falla (respuestas fluidas pero incorrectas, lógica de múltiples pasos poco confiable) provienen de la arquitectura, no solo de la escala. Los sistemas basados en búsquedas que pueden comparar cada paso con reglas formales ofrecen un camino diferente hacia la confiabilidad, y el progreso reciente en la demostración del teorema basado en Lean por parte de empresas emergentes y laboratorios importantes ha mantenido vivo ese debate.
Parte de un éxodo más amplio
Graepel no es el primer veterano de AlphaGo que deja DeepMind en pos de esta tesis. David Silver, quien dirigió el proyecto AlphaGo, dejó Google DeepMind a fines de 2025 después de más de una década construyendo AlphaGo, AlphaZero y AlphaStar, y fundó Ineffable Intelligence, que se constituyó en noviembre de 2025. Como se informó esta semana, Sequoia y Nvidia han respaldado la startup con una valoración de 5.100 millones de dólares.
Las salidas se suman a una serie de cambios de alto perfil en Google DeepMind. A principios de este año, el laboratorio experimentó cambios de liderazgo, incluida la transición de la presidencia de Hassabis y la salida de figuras importantes como Koray Kavukcuoglu y Jeff Dean, cobertura que AI Buzz Wire siguió en ese momento. Cuando las personas que construyeron los sistemas más famosos de un laboratorio se van en busca de una arquitectura diferente, la señal tiene menos que ver con política interna y más con un desacuerdo genuino sobre de dónde vendrá el próximo avance.
Por qué es importante para el campo
Para el ecosistema de startups, la medida de Graepel es otro indicador de que el argumento post-transformador está atrayendo capital serio y currículos serios. Los inversores gastaron 2024 y 2025 casi en su totalidad en infraestructura y aplicaciones de LLM; 2026 ha visto un flujo constante de financiación para empresas que buscan modelos mundiales, sistemas neurosimbólicos, razonamiento formal y planificación basada en búsquedas.
Para Google, la pérdida es tanto simbólica como técnica. AlphaGo sigue siendo la creación más famosa de DeepMind, y sus alumnos ahora encabezan al menos dos empresas bien financiadas que ofrecen alternativas al manual de escalamiento. Si la búsqueda estructurada puede realmente superar los modelos lingüísticos fronterizos en problemas abiertos (en lugar de problemas estrechos y formalmente verificables) es la pregunta que estas nuevas empresas tendrán que responder con productos, no con manifiestos.
También existe un camino intermedio en el que la industria ya está convergiendo: sistemas híbridos que utilizan LLM para la intuición y la búsqueda de verificación. Si la empresa de Graepel llega allí, competirá menos contra la narrativa de escala que a su lado.
Ni Graepel ni Google DeepMind habían respondido públicamente con más detalles al momento de escribir este artículo. AI Buzz Wire actualizará esta historia a medida que surja más información sobre la startup.
Manténgase por delante de la IA
Manténgase al día con las personas y empresas que están dando forma a la próxima ola de IA: lea más noticias sobre IA en AI Buzz Wire.
Leer más noticias sobre IA →
