Il rimpasto dell’AI di Google mette alla prova la nuova catena di comando di DeepMind

Google ha modificato la propria struttura di comando per l’AI dopo mesi di ritardi nei modelli, partenze di dirigenti e crescente pressione da parte di OpenAI e Anthropic. Le ultime notizie Google non riguardano semplicemente il fatto che Demis Hassabis abbia ricevuto un nuovo titolo. Riguardano il fatto che l’autorità quotidiana su Gemini ora sia più vicina al CEO di Alphabet Sundar Pichai.

Koray Kavukcuoglu, in precedenza chief technology officer di Google DeepMind, assume il controllo operativo dell’unità come senior vice president. Hassabis diventa presidente di Google DeepMind e chief scientist di Alphabet. Si concentrerà sulla ricerca di più lungo periodo, sull’intelligenza artificiale generale e sulle conseguenze scientifiche di sistemi sempre più capaci.

Allo stesso tempo, lo storico scienziato di Google Jeff Dean lascia l’azienda insieme a Sanjay Ghemawat, Oriol Vinyals e Quoc Le per creare Discovery Loop. Google prevede di investire nella nuova società e di restare un partner cloud. L’accordo attenua la separazione, ma non cancella la perdita di quattro ricercatori che hanno avuto una profonda influenza sulla storia tecnica di Google.

Il conflitto centrale è ora chiaro. Google vuole ancora che DeepMind persegua una scienza ambiziosa, ma Gemini deve anche competere nel coding, nel software enterprise, nella ricerca e negli assistenti per i consumatori. Il rimpasto separa queste missioni in modo più esplicito e assegna all’esecuzione una linea di riporto più breve verso Pichai.

Cosa ha cambiato Google nella sua organizzazione AI

Google ha separato la leadership scientifica dalla responsabilità di distribuire i suoi prodotti AI commercialmente più importanti.

Hassabis aveva guidato Google DeepMind da quando Google ha unito DeepMind e Google Brain nel 2023. Quella fusione ha collocato ricerca di frontiera, sviluppo dei modelli principali e gran parte della strategia AI dell’azienda sotto un’unica organizzazione. Ha inoltre reso Hassabis responsabile sia degli obiettivi scientifici di lungo termine sia delle esigenze immediate legate a Gemini.

La nuova struttura restringe quel ruolo. Hassabis resta influente come presidente di Google DeepMind e diventa il primo chief scientist di Alphabet. Tuttavia, Kavukcuoglu ora supervisiona i team responsabili della ricerca AI, dello sviluppo dei modelli, dei prodotti Gemini e dei servizi per sviluppatori.

Kavukcuoglu mantiene inoltre il suo ruolo più ampio di chief AI architect di Alphabet. Questa posizione gli richiede di coordinare infrastruttura AI, modelli e implementazione tra le diverse unità aziendali. La sua autorità si estende quindi oltre le mura del laboratorio di ricerca.

Secondo il rimpasto ai vertici riportato da Reuters, il cofondatore di Google Sergey Brin era diventato più coinvolto anche nella direzione AI dell’azienda. Secondo quanto riferito, Brin ha promosso il miglioramento ricorsivo autonomo, un processo in cui i sistemi AI aiutano a migliorare gli strumenti, gli esperimenti o i modelli impiegati per costruire sistemi successivi.

Il concetto suona drammatico, ma la sua forma pratica è più facile da comprendere. Un modello può proporre modifiche al codice, progettare valutazioni, analizzare esperimenti falliti o aiutare i ricercatori a stabilire le priorità per il successivo addestramento. Ogni attività può abbreviare il ciclo di sviluppo senza richiedere a un sistema AI di riprogettarsi senza controllo umano.

Google ha già esplorato parti di questo approccio. I suoi sistemi di ricerca hanno cercato algoritmi migliori, ottimizzato processi di calcolo e sostenuto la scoperta scientifica. La questione strategica è se questi metodi possano migliorare con continuità lo sviluppo di Gemini in condizioni di produzione.

Brin non ha bisogno di un titolo operativo per contare. Rimane cofondatore di Google, direttore di Alphabet e importante detentore di potere di voto. La sua partecipazione può spostare attenzione e risorse anche quando la gestione formale continua a fare capo a Pichai.

La ristrutturazione crea quindi tre distinti centri d’influenza. Pichai controlla le priorità aziendali e l’allocazione delle risorse. Kavukcuoglu guida l’esecuzione tra modelli e prodotti. Hassabis si concentra sulla scienza di più lungo periodo e sul percorso verso l’intelligenza artificiale generale, o AGI, vale a dire sistemi con ampie capacità in numerosi compiti cognitivi.

Questa separazione può ridurre il sovraccarico gestionale. Può anche introdurre dispute su capacità di calcolo, priorità di ricerca, revisioni di sicurezza e tempi di rilascio. L’organizzazione funzionerà solo se questi tre centri concorderanno su ciò che Gemini deve offrire per primo.

La partenza di Jeff Dean rende la transizione più rilevante. Dean è entrato in Google nel 1999 e ha contribuito a definire sistemi che hanno supportato ricerca, pubblicità, calcolo distribuito e machine learning. Ghemawat ha lavorato con lui su infrastrutture fondamentali, inclusi sistemi che hanno influenzato l’elaborazione moderna dei dati.

Vinyals ha avuto un ruolo importante nei modelli linguistici e in Gemini, mentre Le ha contribuito a fondare Google Brain. La loro nuova società, Discovery Loop, intende secondo quanto riferito usare il machine learning per automatizzare parti della sperimentazione scientifica.

La decisione di Google di investire in Discovery Loop preserva una relazione con i ricercatori in uscita. Potrebbe inoltre consentire a Google Cloud di fornire l’infrastruttura di calcolo necessaria alla loro startup. Tuttavia, i diritti di partnership non sostituiscono l’accesso quotidiano a leader tecnici esperti.

Ecco perché l’annuncio conta oltre i titoli professionali. Google ha ridistribuito l’autorità perdendo al tempo stesso diverse persone che hanno contribuito a creare il suo vantaggio tecnico. I suoi nuovi leader devono ora dimostrare che un’organizzazione più snella può muoversi più rapidamente del gruppo che ha sostituito.

Perché il rimpasto è avvenuto proprio ora

Il cambio di leadership è arrivato quando le solide performance aziendali di Google non proteggevano più la sua organizzazione AI dalle domande sull’esecuzione.

Google ha trascorso anni a unire team di ricerca e ad avvicinare i gruppi di prodotto a DeepMind. Nell’aprile 2024, ha trasferito i team dedicati all’AI responsabile da Google Research all’organizzazione che costruisce i modelli. Più tardi nello stesso anno, ha spostato il team dell’app Gemini in DeepMind.

Quelle riorganizzazioni precedenti seguivano una logica coerente. Ricercatori, specialisti della sicurezza, product manager e ingegneri dei modelli si sarebbero mossi più rapidamente se avessero fatto capo a un numero inferiore di livelli organizzativi. Un consolidamento del 2024 ha avvicinato la responsabilità per i modelli avanzati e le relative salvaguardie.

Quel consolidamento ha dato ad Hassabis maggiore controllo, ma ha anche ampliato il suo carico operativo. Google DeepMind non funzionava più soltanto come laboratorio di ricerca. Doveva supportare un chatbot per consumatori, API per sviluppatori, prodotti enterprise, esperienze di ricerca, sistemi scientifici e un portafoglio di modelli in espansione.

La pressione è aumentata quando il coding con l’AI è diventato un importante campo di battaglia. Anthropic ha suscitato forte interesse tra gli sviluppatori attorno a Claude e ai suoi strumenti di coding. OpenAI ha continuato a espandere ChatGPT nello sviluppo software, nella ricerca e nei flussi di lavoro aziendali. Google ha dovuto competere con entrambi proteggendo al contempo Search e facendo crescere Cloud.

Le tempistiche dei modelli hanno aggiunto un’ulteriore fonte di pressione. Reuters ha riferito che Wall Street era diventata preoccupata per i ritardi di un modello di punta di Google e per la posizione dell’azienda nel coding e nel ragionamento di frontiera. Queste preoccupazioni sono persistite anche mentre Pichai difendeva la strategia AI più ampia.

Le perdite di talenti hanno reso la questione più acuta. Il premio Nobel John Jumper ha annunciato a giugno che avrebbe lasciato Google DeepMind per Anthropic. Noam Shazeer è passato a OpenAI, mentre altri ricercatori di Gemini starebbero valutando o completando trasferimenti verso laboratori concorrenti.

Hassabis ha respinto l’idea che Google avesse perso la sua attrattiva. Ha descritto il mercato come intensamente competitivo e sostenuto che i talenti si spostavano tra tutti i principali laboratori. La sua posizione aveva fondamento, poiché anche OpenAI, Anthropic, Meta e le startup hanno registrato arrivi e partenze di rilievo.

Eppure, il modello contava all’interno di Google. La perdita di un singolo ricercatore può riflettere una normale rotazione. La perdita di contributori senior nell’architettura dei modelli, nell’AI scientifica e nella leadership crea un rischio di coordinamento, in particolare durante un cambiamento di gestione.

I risultati finanziari di Google hanno reso più difficile ignorare tale rischio organizzativo. L’azienda non si stava ristrutturando perché i suoi prodotti AI mancassero di domanda. Si stava ristrutturando mentre la domanda accelerava.

Alphabet ha riferito che i ricavi di Google Cloud sono cresciuti dell’82 percento nel trimestre precedente al resoconto di Reuters, molto al di sopra della stima media degli analisti citata in quel rapporto. L’azienda ha inoltre difeso l’aumento degli investimenti in conto capitale come necessario per l’infrastruttura AI e la domanda dei clienti.

Le comunicazioni precedenti mostravano la stessa direzione. Alphabet ha dichiarato che i ricavi Cloud hanno raggiunto un ritmo annualizzato superiore a $50 miliardi nel 2025, mentre i prodotti AI hanno contribuito ad ampliare l’attività dei clienti. In seguito ha previsto investimenti in conto capitale per il 2026 tra $175 miliardi e $185 miliardi.

Queste cifre creano un requisito operativo rigoroso. Più server e data center diventano un vantaggio solo quando modelli, software e team commerciali li trasformano in prodotti utili. La leadership deve scegliere quali sforzi di ricerca ricevano capacità di calcolo scarsa e quali prodotti raggiungano per primi i clienti.

Le prospettive di investimento nell’AI di Alphabet mostrano anche perché contino le responsabilità combinate di Kavukcuoglu. Poco più della metà della capacità di calcolo per il machine learning dell’azienda doveva supportare Cloud nel 2026. La ricerca di frontiera deve quindi condividere l’infrastruttura con i carichi di lavoro dei clienti che generano ricavi.

È un problema di allocazione difficile. Un team di ricerca può desiderare sperimentazioni più ampie con esiti incerti. Un dirigente cloud può desiderare capacità prevedibile per clienti con contratti. I team di Search necessitano di inferenza affidabile, ossia del calcolo impiegato per generare risposte per gli utenti in tempo reale.

Il rimpasto avvicina Kavukcuoglu a tutte e tre le scelte. Lo rende inoltre responsabile quando tali scelte entrano in conflitto. Pichai ottiene un leader operativo diretto che può bilanciare qualità dei modelli, scadenze di prodotto e disponibilità dell’infrastruttura.

Per Hassabis, il nuovo ruolo elimina gran parte di questa mediazione quotidiana. Può concentrarsi sulla direzione scientifica, sulla sicurezza dell’AI e sui sistemi a più lungo raggio. Se ciò rappresenti una promozione, una riduzione del ruolo operativo o entrambe le cose dipende da quanta influenza avrà in pratica la posizione di chief scientist.

Le notizie Google riguardano in realtà la ricerca contro l’esecuzione

La competizione principale non è Google contro un singolo rivale. È la cultura della ricerca di Google contro la velocità di rilascio richiesta dai suoi stessi prodotti.

Google ha contribuito a creare gran parte della tecnologia alla base dell’attuale mercato dell’AI. I suoi ricercatori hanno sviluppato l’architettura transformer, diventata centrale per i moderni modelli linguistici. DeepMind ha prodotto AlphaGo, AlphaFold e altri sistemi che hanno dimostrato la portata scientifica del machine learning.

Questo storico non ha automaticamente prodotto il chatbot per consumatori leader. OpenAI ha trasformato i grandi modelli linguistici in un prodotto ampiamente adottato con ChatGPT. Anthropic ha poi costruito una posizione distinta attorno a Claude, alla sicurezza, al lavoro sui contesti lunghi e al coding.

Google ha risposto fondendo organizzazioni, accelerando i rilasci di Gemini e integrando l’AI generativa in Search, Workspace, Android e Cloud. Possedeva una distribuzione che la maggior parte dei rivali non poteva eguagliare. Aveva anche più dipendenze, processi di revisione e attività esistenti che ogni rilascio poteva influenzare.

Le organizzazioni di ricerca di solito premiano l’originalità e le scoperte durature. Le organizzazioni di prodotto premiano affidabilità, velocità, crescita degli utenti e ricavi. Lo stesso progetto può apparire di successo secondo un parametro e deludente secondo l’altro.

Hassabis è diventato il dirigente responsabile di tenere insieme questi standard. La sua reputazione scientifica ha dato a Google DeepMind credibilità, soprattutto nelle comunità di ricerca. Tuttavia, la gestione di Gemini richiedeva anche decisioni su date di lancio, strumenti per sviluppatori, supporto alle imprese e integrazione con i prodotti pubblicitari.

La nomina di Kavukcuoglu suggerisce che Google voglia un leader il cui mandato sia più direttamente incentrato sull'esecuzione. Le sue responsabilità precedenti collegavano già la ricerca di DeepMind allo sviluppo dei prodotti e all'infrastruttura. Il rimpasto formalizza quel ponte.

Il contrasto non va ridotto a scienziato contro operatore aziendale. Kavukcuoglu è un ricercatore di machine learning che ha lavorato su sistemi su larga scala. Hassabis guida inoltre organizzazioni e partnership commerciali da anni.

La differenza risiede negli obiettivi loro assegnati. Hassabis può ora perseguire questioni il cui valore potrebbe richiedere anni per affermarsi. Kavukcuoglu deve trasformare la roadmap di Gemini in rilasci capaci di competere nei prossimi trimestri.

Questa distinzione conta per gli sviluppatori. Essi giudicano Gemini in base al comportamento del modello, alla stabilità delle API, alle prestazioni nel coding, alla gestione del contesto, alla latenza e all'integrazione degli strumenti. L'eleganza organizzativa conta poco se tali parametri non migliorano.

Gli acquirenti enterprise applicano un altro criterio. Hanno bisogno di controlli di sicurezza, prestazioni prevedibili, governance dei dati e supporto per i sistemi esistenti. La distribuzione di Google Cloud offre a Gemini accesso a questi clienti, ma i rivali possono comunque conquistare carichi di lavoro quando i loro modelli rendono meglio per un compito specifico.

I knowledge worker vivono la concorrenza attraverso Search, Workspace e assistenti standalone. Un modello che riassume bene i documenti può comunque fallire quando perde il contesto tra progetti diversi. I team costruiscono quindi i propri archivi o usano una base di conoscenza personale per preservare materiali di fonte e decisioni.

Il vantaggio di Google è che già interagisce con email, documenti, riunioni, query di ricerca, dispositivi mobili e dati aziendali. Il suo svantaggio è che integrare queste superfici in modo sicuro richiede coordinamento tra molte organizzazioni di prodotto.

La nuova catena di comando cerca di ridurre questo costo di coordinamento. Kavukcuoglu può allineare lo sviluppo dei modelli alle esigenze di Search, Cloud e delle applicazioni Gemini. Pichai può risolvere le dispute senza farle passare attraverso una gerarchia di ricerca separata.

Tuttavia, la centralizzazione ha dei limiti. Un solo leader non può eliminare l'incertezza tecnica. Team più grandi possono creare più dipendenze e scadenze di prodotto più stringenti possono scoraggiare esperimenti privi di valore commerciale immediato.

Google ha già incontrato questa tensione. L'azienda ha unito Brain e DeepMind anche per ridurre le duplicazioni interne. In seguito ha trasferito il team consumer di Gemini nella stessa unità. Ogni riorganizzazione prometteva una collaborazione più stretta, ma ampliava anche il numero di obiettivi assegnati a una singola organizzazione.

Questo rimpasto adotta un approccio diverso. Mantiene un'unica unità AI separando la visione scientifica dalla consegna quotidiana. Il disegno è più esplicito, ma il suo successo dipenderà da confini che Google non ha descritto pienamente in pubblico.

OpenAI e Anthropic trasformano i talenti in pressione sul prodotto

I rivali di Google la costringono a competere contemporaneamente per ricercatori e clienti.

La pressione più visibile arriva da OpenAI. ChatGPT ha stabilito il punto di riferimento per l'AI conversazionale destinata ai consumatori, mentre OpenAI si è espansa nel coding, negli agenti, negli strumenti di ricerca e nei servizi enterprise. La sua partnership con Microsoft fornisce distribuzione e infrastruttura, sebbene la relazione crei anche dipendenze strategiche.

Anthropic ha esercitato pressione da un'altra direzione. Claude ha ottenuto adozione tra sviluppatori e aziende che apprezzano le prestazioni nel coding, i documenti lunghi e un comportamento del modello controllato. L'azienda ha reclutato ricercatori da Google DeepMind, tra cui Jumper e altri contributori senior.

Le partenze non dimostrano che il programma di ricerca di Google stia fallendo. I laboratori leader reclutano regolarmente l'uno dall'altro e i pacchetti retributivi per gli specialisti sono aumentati drasticamente. I ricercatori lasciano inoltre le aziende consolidate per perseguire progetti più circoscritti o ottenere maggiore autonomia.

Tuttavia, il movimento dei talenti diventa strategicamente importante quando coincide con debolezze del prodotto. Google ha affrontato interrogativi sull'AI per il coding mentre ricercatori si trasferivano a un concorrente con una solida reputazione nel coding. Questa sequenza può influire sul morale dei dipendenti, sulle percezioni dei clienti e sul reclutamento futuro.

Hassabis ha respinto pubblicamente l'idea che Google non riesca più ad attrarre ricercatori di primo piano. In una risposta sui talenti, ha definito il mercato il contesto lavorativo tecnologico più ferocemente competitivo che avesse mai visto.

Questa spiegazione coglie il contesto del settore, ma non elimina la sfida operativa. Google deve sostituire le competenze in uscita rispettando al contempo i calendari di rilascio. I nuovi ricercatori hanno bisogno di tempo per comprendere i sistemi interni di addestramento, i metodi di valutazione e i vincoli di prodotto.

Discovery Loop aggiunge un'altra sfumatura competitiva. La startup non è inizialmente posizionata come rivale diretta di Gemini. Secondo quanto riportato, il suo obiettivo riguarda sistemi di machine learning per la sperimentazione scientifica, un'area che coincide con l'interesse di lunga data di Hassabis per l'AI applicata alla scienza.

L'investimento di Google rende la relazione collaborativa. L'azienda può trarre vantaggio se Discovery Loop sviluppa un'infrastruttura di ricerca utile e la distribuisce tramite Google Cloud. I fondatori ottengono indipendenza senza interrompere ogni legame con il precedente datore di lavoro.

Tuttavia, l'accordo dimostra anche perché i ricercatori senior lasciano le grandi aziende. Una startup può concentrarsi su una sola missione senza dover bilanciare Search, pubblicità, contratti cloud, revisioni di sicurezza e lanci per i consumatori. La scala di Google fornisce risorse, ma crea anche obblighi in competizione tra loro.

OpenAI e Anthropic affrontano compromessi propri. OpenAI deve finanziare enormi requisiti infrastrutturali gestendo al contempo i rapporti con investitori e partner. Anthropic deve tradurre l'adozione tecnica in un'attività duratura, sostenendo al contempo un utilizzo in rapida crescita.

Google dispone di risorse che nessuno dei due rivali può riprodurre facilmente. Progetta unità di elaborazione tensoriale, gestisce data center globali, possiede importanti piattaforme consumer e mantiene attività redditizie che finanziano lo sviluppo dell'AI. I suoi modelli possono raggiungere miliardi di utenti attraverso prodotti esistenti.

Queste risorse rendono la questione organizzativa più importante, non meno. Un'azienda con una distribuzione superiore può comunque muoversi lentamente quando i team non concordano sulla responsabilità. Un laboratorio con una ricerca solida può comunque perdere un mercato quando l'integrazione del prodotto arriva tardi.

Kavukcuoglu è ora responsabile di colmare questo divario. Il suo successo non sarà misurato solo dalle classifiche dei benchmark. Si manifesterà nell'adozione da parte degli sviluppatori, nei contratti enterprise, nei flussi di lavoro di coding, nell'engagement su Search e nella velocità dei rilasci di prodotto.

Ecco perché anche le ultime google news sono rilevanti per gli acquirenti. Un cambio di leadership può modificare le priorità della roadmap prima di cambiare qualsiasi modello pubblico. I clienti che costruiscono attorno a Gemini dovrebbero osservare se documentazione, API, quote e impegni di rilascio diventano più prevedibili.

Gli sviluppatori dovrebbero inoltre osservare dove Google indirizza i suoi migliori ricercatori. Maggiori investimenti nella ricerca automatizzata potrebbero migliorare l'efficienza dell'addestramento e la qualità dei modelli. Potrebbero anche distogliere l'attenzione dalle lacune immediate del prodotto se il lavoro resta sperimentale.

La nuova struttura non risolve i maggiori rischi di Google

Una catena di comando più corta può migliorare le decisioni, ma non può garantire modelli migliori né fermare ulteriori partenze.

La prima incertezza riguarda l'effettiva autorità di Hassabis. Alphabet ha creato per lui una prestigiosa posizione scientifica e lui rimane presidente di Google DeepMind. Tuttavia, Kavukcuoglu controlla il lavoro quotidiano dell'organizzazione e riferisce a Pichai.

Se Hassabis può plasmare le priorità di ricerca e assicurarsi risorse, l'accordo potrebbe preservare la sua influenza scientifica. Se il suo ruolo diventa principalmente consultivo, Google potrebbe perdere lo stile di leadership che ha attirato molti ricercatori di DeepMind.

Secondo quanto riferito, i dipendenti hanno espresso interpretazioni contrastanti della mossa. Alcuni l'hanno vista come un modo per consentire a Hassabis di tornare al lavoro scientifico che preferiva. Altri si sono chiesti se la posizione di presidente lo avrebbe gradualmente allontanato dalle decisioni interne.

Google ha presentato positivamente la transizione. Hassabis ha affermato di voler concentrarsi sull'AGI e sulle sue implicazioni. Kavukcuoglu ha sottolineato un percorso chiaro per la roadmap di Gemini. Pichai ha elogiato i talenti dell'azienda, le risorse di calcolo e la portata dei prodotti.

Queste dichiarazioni spiegano la struttura prevista, non il suo esito. Le transizioni di leadership spesso appaiono ordinate nei memo di annuncio perché i disaccordi irrisolti rimangono privati.

Un secondo rischio riguarda la fidelizzazione dei ricercatori. Il gruppo di Dean ha ricevuto un investimento e una partnership, ma altri dipendenti potrebbero vedere la partenza come prova che veterani stimati possono perseguire lavori ambiziosi più liberamente altrove. I concorrenti sfrutteranno questa percezione nel reclutamento.

Google può rispondere con retribuzioni, accesso al calcolo e maggiore autonomia sui progetti. Può anche dimostrare che i ricercatori influenzano ancora prodotti che raggiungono un pubblico vastissimo. L'efficacia di queste risposte emergerà dalle future partenze e assunzioni.

Il terzo rischio riguarda l'auto-miglioramento ricorsivo. Automatizzare parti della ricerca sull'AI può accelerare gli esperimenti, ma le affermazioni su sistemi che migliorano se stessi richiedono un esame attento. I guadagni prestazionali possono dipendere da compiti circoscritti, obiettivi selezionati dagli esseri umani o grandi quantità di calcolo aggiuntivo.

La ricerca automatizzata può anche amplificare misurazioni difettose. Se un modello ottimizza rispetto a un benchmark incompleto, può produrre modifiche che ottengono punteggi migliori senza diventare più utile. I ricercatori umani devono comunque esaminare sicurezza, generalizzazione e modalità di fallimento nascoste.

Google DeepMind ha esperienza nella costruzione di sistemi che cercano algoritmi e soluzioni scientifiche. Questa storia rende plausibile il presunto interesse di Brin come direzione di ricerca. Non dimostra che un ciclo di miglioramento autonomo sia pronto a trasformare lo sviluppo di Gemini.

La sicurezza crea un altro compromesso. Una sperimentazione più rapida può aumentare il numero di modifiche ai modelli che i team devono valutare. Google ha avvicinato il personale responsabile dell'AI a DeepMind nel 2024, in parte per integrare il lavoro sulla sicurezza con la costruzione dei modelli.

La nuova organizzazione deve preservare questa connessione aumentando al contempo la velocità di rilascio. Se le revisioni di sicurezza diventano un ostacolo da aggirare, Google rischia prodotti inaffidabili e controllo normativo. Se le revisioni restano scollegate dall'ingegneria, possono ritardare i lanci senza affrontare i problemi in anticipo.

Un rischio finale riguarda la complessità del prodotto. Gemini non è un'unica applicazione. Supporta chat per consumatori, API per sviluppatori, funzionalità di Workspace, servizi Cloud, Android, Search e strumenti di ricerca specializzati.

Una modifica al modello che avvantaggia il coding può aumentare la latenza o i costi altrove. Una politica di sicurezza adatta a un assistente consumer può frustrare gli sviluppatori enterprise. Una risposta di Search deve soddisfare vincoli di accuratezza e pubblicità che non si applicano a un chatbot standalone.

Nessuna struttura dirigenziale elimina questi conflitti. Il massimo che può fare è rendere chiare le responsabilità e più rapide le scelte tra compromessi. La prossima fase rivelerà se i nuovi leader di Google sapranno farlo senza indebolire la cultura della ricerca che ha creato la reputazione di DeepMind.

Cosa riveleranno i prossimi tre mesi

Tre segnali mostreranno se il rimpasto ha migliorato l'esecuzione o si è limitato a riorganizzare le linee di riporto di Google.

Il primo segnale è la roadmap di Gemini. Google deve rilasciare il suo prossimo modello di rilievo e dimostrare progressi misurabili in programmazione, ragionamento, affidabilità ed efficienza. Un rilascio tempestivo con un accesso stabile per gli sviluppatori rafforzerebbe le ragioni alla base del mandato operativo di Kavukcuoglu.

Un ulteriore ritardo lo indebolirebbe. I ritardi possono avere legittime cause tecniche o di sicurezza, ma ripetuti cambiamenti di calendario suggerirebbero che il principale collo di bottiglia non era la struttura manageriale.

Il secondo segnale è la capacità di trattenere i profili senior. Google non deve impedire ogni uscita. Deve però mantenere un numero sufficiente di ricercatori esperti per garantire la continuità dei modelli, mentre recluta specialisti per le nuove priorità.

Ulteriori uscite dai team centrali di Gemini dedicati all’addestramento, al ragionamento o alla programmazione suggerirebbero che l’incertezza persiste all’interno di DeepMind. Assunzioni di alto profilo o il ritorno di ricercatori sosterrebbero l’argomentazione di Hassabis secondo cui Google resta una destinazione per i talenti d’élite.

Il terzo segnale è l’adozione dei prodotti. I prossimi risultati di Alphabet dovrebbero chiarire se la domanda di AI continua a tradursi in crescita per Cloud, contratti più grandi e un coinvolgimento duraturo in Search e Gemini.

I ricavi da soli non risolveranno la competizione tra modelli. Google Cloud può crescere grazie alla domanda di infrastruttura anche quando i clienti utilizzano modelli di altri fornitori. Gli investitori dovrebbero distinguere tra la vendita di capacità di calcolo e la conquista di carichi di lavoro per Gemini stesso.

Gli sviluppatori possono fare la stessa distinzione attraverso test pratici. Le API di Gemini sono stabili con traffico in produzione? Gli agenti di coding completano attività complesse con meno correzioni? I team possono passare da una versione del modello all’altra senza ricostruire prompt e valutazioni?

Gli acquirenti enterprise dovrebbero osservare se Google trasforma il consolidamento organizzativo in un supporto più chiaro. Roadmap di prodotto, impegni di sicurezza, garanzie di capacità e strumenti di migrazione contano quanto la leadership nei benchmark quando il software arriva in produzione.

I knowledge worker dovrebbero concentrarsi su come Gemini gestisce il contesto nei progetti reali. Risposte migliori richiedono accesso a fonti accurate, autorizzazioni e memoria istituzionale. Un aggiornamento del modello non può compensare documenti dispersi o una provenienza poco chiara.

La spinta attribuita a Sergey Brin verso la ricerca assistita dall’AI merita attenzione, ma i rilasci concreti contano più dell’entusiasmo interno. Le prove potrebbero includere metodi pubblicati, valutazioni riproducibili o miglioramenti documentati nell’efficienza dell’addestramento.

Anche il ruolo di Hassabis necessita di una definizione visibile. Pubblicazioni scientifiche, framework di sicurezza o importanti programmi di ricerca sotto la sua guida dimostrerebbero che la posizione di chief scientist di Alphabet ha un’autorità reale. Il silenzio solleverebbe interrogativi sul fatto che il titolo abbia soprattutto facilitato una transizione difficile.

Le ultime google news lasciano quindi i lettori con una proposizione verificabile. Google ritiene di poter separare la leadership scientifica di lungo periodo dall’esecuzione di prodotto senza dividere la propria missione nell’AI.

Questa struttura offre a Kavukcuoglu un controllo più chiaro, a Pichai una supervisione più diretta e a Hassabis spazio per perseguire ricerche più approfondite. Inoltre, colloca la responsabilità dove clienti e dipendenti possono vederla.

Nel prossimo trimestre, ignorate i titoli cerimoniali e osservate i risultati. Monitorate i rilasci di Gemini, le uscite di figure tecniche senior e le prove che i clienti scelgono i modelli di Google anziché soltanto la sua infrastruttura. Questi segnali mostreranno se Google ha semplificato la propria organizzazione AI oppure ha semplicemente spostato le stesse tensioni in nuovi uffici.