La carrera por el liderazgo en inteligencia artificial (IA) ha llevado a las grandes empresas tecnológicas a gastar miles de millones de dólares no solo en infraestructura, sino también en talento, generando una intensa competencia por los mejores profesionales para desarrollar modelos de lenguaje.
La noticia más reciente se hizo pública el jueves 18 de junio, cuando Noam Shazeer anunció que dejaría Google para trabajar en OpenAI .
“Me complace anunciar que me uniré a OpenAI y estoy deseando trabajar con su excepcional equipo”, declaró el vicepresidente de ingeniería de Google y colíder de los modelos de IA Gemini, en una publicación en X.
Hasta la fecha, OpenAI no ha hecho ningún anuncio ni ha proporcionado información sobre el puesto que ocupará en la empresa de Sam Altman .
La marcha de Shazeer supone un duro golpe para Google, que pagó un precio muy alto para traerlo de vuelta menos de dos años después de su salida, lo que demuestra la intensa competencia que existe por los profesionales con experiencia en IA.
En 2024, Google destinó 2700 millones de dólares a la startup de chatbots Character.AI, cofundada por Shazeer. Esta fue la forma en que la compañía recuperó a su antiguo empleado, junto con su equipo de investigación, para fortalecer su división de inteligencia artificial.
Las grandes empresas tecnológicas están pagando miles de millones de dólares a startups de IA para reclutar especialistas en esta tecnología, que aún escasea en el mercado. Para ello, recurren a diferentes métodos, no solo al tradicional cazatalentos con una alta oferta salarial.
Una de estas estrategias es la denominada adquisición de talento , utilizada por Google con Shazeer. Se trata de una estrategia corporativa en la que una empresa compra otra principalmente para absorber su talento, y no necesariamente sus productos o servicios. Es como una fusión o adquisición de personas.
Las grandes empresas tecnológicas también han recurrido a un modelo en el que contratan a fundadores e investigadores clave de IA procedentes de empresas emergentes y obtienen licencias de la tecnología de esas empresas.
Noam Shazeer ayudó a que Google volviera a la carrera de la IA .
Microsoft hizo algo similar en 2024 con Inflection AI, contratando a su director ejecutivo, Mustafa Suleyman, para dirigir la unidad de IA Copilot. Además, pagó a la compañía una tarifa de licencia de 650 millones de dólares, según información de The Wall Street Journal (WSJ) .
La escasez de talento también provoca que los profesionales cambien de empresa con frecuencia en busca de la mejor oferta. En 2025, Apple perdió a Ruoming Pang, su principal ejecutiva de modelado de IA, que se marchó a Meta.
Un informe de Bloomberg indicó que la empresa de Mark Zuckerberg ofreció un paquete salarial valorado en decenas de millones de dólares anuales para atraer a Pang. La compañía ha estado invirtiendo fuertemente en IA: solo en 2023, Meta destinó 78.400 millones de dólares a esta tecnología, una cantidad que también se utilizó para reclutar profesionales de OpenAI y Anthropic .
A pesar de haber pagado un precio elevado por Pang, no permaneció mucho tiempo en Meta. Según información del sitio web The Information , fue contratado por OpenAI a principios de año, siete meses después de comenzar su trayectoria profesional en Meta.
En el caso de Shazeer, OpenAI incorpora a un profesional considerado uno de los pioneros de la IA. Más allá de haber contribuido a que Google volviera a la cima de la IA, reduciendo la brecha con ChatGPT , es uno de los responsables de formular los conceptos que dieron origen a la IA generativa.
En 2017, mientras aún trabajaba en Google, fue coautor de un artículo sobre la arquitectura Transformer, una forma de construir sistemas de IA capaces de comprender y generar lenguaje (y otros tipos de datos) analizando simultáneamente las relaciones entre diferentes piezas de información.
Esta publicación se considera uno de los factores que impulsaron el auge de la IA generativa, al presentar una arquitectura capaz de identificar qué partes de una información son más importantes para comprender el contexto, sirviendo de base para todos los modelos de lenguaje más populares en la actualidad.
