Acordar e ver que o Google DeepMind perdeu suas duas figuras mais importantes simultaneamente não é exatamente o tipo de notícia que inspira estabilidade. Demis Hassabis largou o cargo de CEO, Jeff Dean saiu depois de 27 anos na empresa, e junto com ele foram embora Sanjay Ghemawat, Oriol Vinyals e Quoc Le. Quatro dos pesquisadores mais citados da história da IA, todos saindo pela mesma porta, no mesmo dia.

Se você está pensando “isso parece uma debandada”, eu também pensei.

O que aconteceu exatamente

Sundar Pichai anunciou nesta terça-feira (5 de agosto) uma reestruturação profunda no Google DeepMind. A versão oficial é “reorganização para o próximo capítulo da IA”. A versão prática é que a liderança inteira mudou.

Demis Hassabis deixa o cargo de CEO do Google DeepMind para assumir o título de Cientista-Chefe da Alphabet. Ele continua na empresa, mas sai da gestão do dia a dia. Nas palavras dele, quer se dedicar ao “panorama geral” da pesquisa em AGI. Hassabis fundou a DeepMind original em 2010, que o Google comprou em 2014 por cerca de US$ 500 milhões, uma das aquisições mais transformadoras da história da empresa.

Jeff Dean, o lendário engenheiro que praticamente construiu a infraestrutura do Google moderno, saiu depois de 27 anos. E não saiu sozinho.

Quem assume? Koray Kavukcuoglu, que era CTO e arquiteto-chefe de IA do Google. Ele agora responde diretamente a Sundar Pichai como vice-presidente sênior. Kavukcuoglu trabalhou com Hassabis por mais de 13 anos, então não é exatamente um estranho no pedaço.

Discovery Loop: a startup dos quatro gênios

Aqui fica interessante. Jeff Dean não saiu para se aposentar ou tirar um sabático. Ele cofundou a Discovery Loop junto com três outros pesos-pesados:

Esses quatro juntos têm um currículo que basicamente define o campo da IA moderna. O Google Search que você usa, o Google Translate, o TensorFlow, o AlphaFold, o Gemini, tudo passa pelas mãos de pelo menos um deles.

A Discovery Loop é uma public benefit corporation (PBC), o mesmo modelo jurídico que a Anthropic e a OpenAI (na versão original) adotaram. A missão declarada é “resolver automaticamente problemas importantes em machine learning, ciência e engenharia”.

Na prática, eles querem construir sistemas que automatizam o ciclo experimental da pesquisa científica. A ideia é rodar milhares de experimentos em paralelo usando modelos de IA frontier, comprimindo meses de iteração em horas. O foco inicial é pesquisa em ML, mas o plano de longo prazo inclui medicina, energia solar, acesso a água potável e cibersegurança.

O financiamento já está garantido

A Discovery Loop já levantou funding de um lineup impressionante:

• Radical Ventures (os mesmos que investiram na Cohere e na DeepMind original)
• Khosla Ventures (Vinod Khosla, investidor lendário do Vale do Silício)
• Lightspeed Venture Partners
• Kleiner Perkins
• Doerr Capital
• E, num plot twist que ninguém esperava: a própria Alphabet investiu na startup

Sim, o Google está pagando para competir consigo mesmo. Não é exatamente a primeira vez: a Alphabet também investiu na Anthropic enquanto competia com ela no mercado de LLMs.

Por que Hassabis saiu da gestão?

A explicação oficial é que Hassabis quer focar na pesquisa de AGI sem as distrações de gerir uma organização com milhares de pessoas. Ele descreveu o momento como “um ponto crucial na história da humanidade” e disse que a AGI está “ao alcance das mãos”.

Mas existe um contexto menos poético. O Google DeepMind tem enfrentado pressão competitiva brutal, especialmente em coding, onde OpenAI e Anthropic avançaram significativamente. O Google está desenvolvendo o Gemini 4, um modelo de fundação maior projetado para fechar essa lacuna. Com Kavukcuoglu no comando operacional e Hassabis focado exclusivamente em pesquisa, a estrutura fica mais parecida com o que a Anthropic faz: separar a visão científica da execução de produto.

Existe também a questão de cultura. Hassabis sempre foi mais pesquisador do que executivo. Quando a DeepMind foi fundada, era um laboratório de pesquisa puro. Com a fusão com o Google Brain em 2023, virou uma máquina de produto gigantesca. Voltar para o papel de cientista-chefe é, de certa forma, voltar para casa.

Jeff Dean: 27 anos que moldaram a internet

É difícil exagerar a importância de Jeff Dean para o Google. E para a computação em geral.

Ele entrou no Google em 1999, quando a empresa tinha menos de 100 funcionários. De lá, liderou ou co-liderou praticamente todos os sistemas que tornaram o Google viável em escala:

• MapReduce (2004): o paper que originou o Hadoop e definiu processamento distribuído moderno
• BigTable (com Ghemawat, 2006): banco de dados distribuído que influenciou DynamoDB, Cassandra e HBase
• Google Brain (2011): o projeto que provou que redes neurais profundas funcionavam em escala industrial
• TensorFlow (2015): framework de ML que dominou a indústria por anos
• TPU (Tensor Processing Unit): o chip customizado do Google para IA

Jeff Dean e Sanjay Ghemawat são famosos por programarem juntos no mesmo computador, uma dupla tão lendária que virou meme dentro do Google. Os dois juntos são co-autores de papers que acumulam centenas de milhares de citações.

Perder os dois no mesmo dia é como o Barcelona perder Messi e Xavi no mesmo jogo. O time sobrevive, mas nunca mais é o mesmo.

Quoc Le e Oriol Vinyals: a segunda camada de gênios

Se Jeff Dean e Sanjay construíram a infraestrutura, Quoc Le e Oriol Vinyals construíram os modelos que rodam em cima dela.

Quoc Le é um dos pais do Google Brain. Ele liderou o trabalho seminal em modelos sequence-to-sequence e AutoML, a técnica que permite que redes neurais projetem outras redes neurais. Se você já usou o Google Translate e ele entendeu uma frase complexa, agradeça ao Quoc Le.

Oriol Vinyals liderou o AlphaStar, a IA que derrotou jogadores profissionais de StarCraft II, um dos feitos mais impressionantes em game-playing AI depois do AlphaGo. Ele também foi um dos arquitetos-chave por trás do Gemini.

O que isso significa para o Google

Vamos ser diretos: o Google continua sendo a empresa com mais talento em IA no planeta. Perder quatro pesquisadores, por mais brilhantes que sejam, não vai parar a máquina. Koray Kavukcuoglu é altamente competente e conhece o DeepMind por dentro.

Mas o sinal que isso envia ao mercado é preocupante. Quando os fundadores e pesquisadores mais seniores de uma organização saem para montar algo próprio, geralmente significa uma de duas coisas: ou eles acham que o melhor trabalho não pode ser feito dentro de uma grande empresa, ou eles viram uma oportunidade tão grande que vale a pena arriscar.

No caso da Discovery Loop, parece ser as duas coisas. A automatização da pesquisa científica é possivelmente o maior multiplicador de valor que a IA pode oferecer. Se funcionar, muda tudo: desenvolvimento de medicamentos, ciência de materiais, engenharia de software, climatologia.

E o Google sabe disso, por isso investiu na startup.

Discovery Loop vs. os labs existentes

A Discovery Loop entra num mercado que já tem players sérios:

O diferencial da Discovery Loop é claro: enquanto os outros labs estão construindo modelos de linguagem e chatbots, Dean e equipe querem usar IA como ferramenta para acelerar a ciência propriamente dita. Não é sobre conversar com uma IA, é sobre deixar a IA conduzir experimentos reais.

Quoc Le já tinha feito algo parecido com AutoML, onde uma IA projetava arquiteturas de redes neurais melhores do que as que humanos desenhavam. A Discovery Loop é basicamente AutoML aplicado à ciência inteira.

O impacto nos salários e no mercado

Toda vez que pesquisadores seniores saem de uma big tech para fundar uma startup, o mercado de talentos esquenta. A Discovery Loop já anunciou que está contratando para um “time enxuto e presencial”. Dado o calibre dos fundadores, espere salários agressivos e equity generoso.

Para devs brasileiros que trabalham remotamente para empresas americanas, isso tem um efeito cascata interessante. Quando startups como a Discovery Loop puxam salários para cima no topo da pirâmide, o efeito trickle-down atinge vagas de ML engineer e research engineer em empresas menores, que precisam competir para reter talento.

E o Gemini 4?

Com Hassabis focado em pesquisa e Kavukcuoglu no comando, o desenvolvimento do Gemini 4 provavelmente ganha velocidade. O modelo é a aposta do Google para fechar a lacuna com GPT-5.6, Claude Opus e Grok 4.3 no segmento de coding e raciocínio complexo.

O Gemini 3.5 Flash já mostrou resultados competitivos contra o GPT-5.5, rodando 4x mais rápido. O Gemini 4 promete ser um salto geracional, e ter Hassabis dedicado exclusivamente à pesquisa pode ser exatamente o que o projeto precisava.

Mas existe um risco real: sem Jeff Dean supervisionando a infraestrutura de IA, e sem Quoc Le e Oriol Vinyals na pesquisa de modelos, o Google vai precisar provar que o bench é profundo o suficiente para absorver essas perdas sem perder ritmo.

O padrão que se repete

Olhando para o histórico recente, existe um padrão claro na indústria de IA:

• Ilya Sutskever saiu da OpenAI para fundar a SSI (Safe Superintelligence)
• Andrej Karpathy saiu da OpenAI, passou pela Tesla, e foi para a Anthropic
• Dario e Daniela Amodei saíram da OpenAI e fundaram a Anthropic
• Jeff Dean, Sanjay Ghemawat, Quoc Le e Oriol Vinyals saíram do Google para fundar a Discovery Loop

O talento em IA está cada vez mais fragmentado, distribuído entre dezenas de organizações em vez de concentrado em duas ou três. Isso pode ser bom para a inovação (mais diversidade de abordagens) e ruim para a concentração de recursos (nenhuma organização individual tem a massa crítica de antes).

O que muda para quem desenvolve com IA

Se você usa APIs do Google (Vertex AI, Gemini API), nada muda no curto prazo. A infraestrutura não depende de indivíduos, e o Google tem reservas de talento suficientes para manter tudo funcionando.

No médio prazo, fique de olho na Discovery Loop. Se eles entregarem ferramentas de automatização de pesquisa que funcionem, isso pode criar uma nova categoria de produto, e possivelmente novas APIs e frameworks que devs vão querer usar.

Para quem trabalha com MLOps e pesquisa em ML, a visão da Discovery Loop de “rodar milhares de experimentos em paralelo automaticamente” pode tornar obsoletas muitas das ferramentas e workflows atuais. Se uma IA conseguir projetar, executar e analisar experimentos melhor do que um humano, o papel do ML engineer muda fundamentalmente.

A comunidade de IA open source também deve observar se a Discovery Loop vai seguir o caminho aberto (publicando papers e liberando ferramentas) ou fechado (modelo SaaS proprietário). O fato de ser uma PBC sugere algum compromisso com o bem público, mas a Anthropic também é uma PBC e nem por isso libera seus pesos.

O que esperar agora

Nos próximos meses, três coisas para acompanhar:

1. Kavukcuoglu no comando: Ele tem a experiência técnica, mas gerir o DeepMind no meio de uma corrida armamentista em IA é outro nível de pressão. Os primeiros 90 dias vão definir o tom.

2. Discovery Loop em modo stealth: A empresa está recrutando e provavelmente não vai mostrar produto por pelo menos 6 a 12 meses. Mas com esse time de fundadores, qualquer publicação ou demo vai movimentar o mercado.

3. Gemini 4: Se o Google entregar um modelo que compete de igual para igual com GPT-5.6 e Claude Opus, a narrativa de “o Google está perdendo a corrida da IA” morre. Se não entregar, a saída de Dean e companhia vai parecer muito mais como ratos abandonando o navio.

5 de agosto de 2026 pode ser o dia em que o Google DeepMind começou um novo capítulo. Ou pode ser o dia em que os fundadores do futuro da IA decidiram que esse futuro seria construído fora do Google. Só o tempo vai dizer qual narrativa sobrevive.

Fonte de inspiração: Discovery Loop e The Decoder