Przetasowania w AI Google’a wystawiają na próbę nową strukturę dowodzenia DeepMind

Google zmieniło strukturę dowodzenia AI po miesiącach opóźnień modeli, odejść kadry kierowniczej i rosnącej presji ze strony OpenAI oraz Anthropic. Najnowsze wiadomości z Google nie sprowadzają się po prostu do tego, że Demis Hassabis otrzymał nowy tytuł. Chodzi o to, że codzienna odpowiedzialność za Gemini znalazła się teraz bliżej dyrektora generalnego Alphabet, Sundara Pichaia.

Koray Kavukcuoglu, wcześniej dyrektor ds. technologii w Google DeepMind, przejmuje operacyjną kontrolę nad jednostką jako starszy wiceprezes. Hassabis zostaje przewodniczącym Google DeepMind i głównym naukowcem Alphabet. Skupi się na długoterminowych badaniach, ogólnej sztucznej inteligencji oraz naukowych konsekwencjach coraz bardziej zaawansowanych systemów.

Jednocześnie wieloletni naukowiec Google Jeff Dean odchodzi wraz z Sanjayem Ghemawatem, Oriolem Vinyalsem i Quociem Le, aby stworzyć Discovery Loop. Google planuje zainwestować w nową firmę i pozostać jej partnerem chmurowym. Taki układ łagodzi rozstanie, ale nie niweluje utraty czterech badaczy, którzy wywarli głęboki wpływ na techniczną historię Google.

Centralny konflikt jest teraz jasny. Google nadal chce, aby DeepMind prowadził ambitne badania naukowe, lecz Gemini musi też konkurować w programowaniu, oprogramowaniu dla przedsiębiorstw, wyszukiwaniu i asystentach dla konsumentów. Przetasowanie wyraźniej rozdziela te misje i skraca linię raportowania za realizację celów do Pichaia.

Co Google zmieniło wewnątrz swojej organizacji AI

Google rozdzieliło przywództwo naukowe od odpowiedzialności za dostarczanie swoich najważniejszych komercyjnie produktów AI.

Hassabis kierował Google DeepMind od czasu, gdy Google połączyło DeepMind i Google Brain w 2023 roku. Fuzja umieściła badania nad technologiami granicznymi, rozwój podstawowych modeli i znaczną część strategii AI firmy w jednej organizacji. Uczyniła też Hassabisa odpowiedzialnym zarówno za długoterminowe cele naukowe, jak i bieżące wymagania wokół Gemini.

Nowa struktura zawęża tę rolę. Hassabis pozostaje wpływową postacią jako przewodniczący Google DeepMind i zostaje pierwszym głównym naukowcem Alphabet. Jednak Kavukcuoglu nadzoruje teraz zespoły odpowiedzialne za badania AI, rozwój modeli, produkty Gemini i usługi dla deweloperów.

Kavukcuoglu zachowuje również szerszą rolę głównego architekta AI Alphabet. Stanowisko to wymaga od niego koordynowania infrastruktury AI, modeli i wdrożeń we wszystkich jednostkach biznesowych. Jego uprawnienia wykraczają więc poza mury laboratorium badawczego.

Według opisanego przez Reuters przetasowania w kierownictwie współzałożyciel Google Sergey Brin także bardziej zaangażował się w kierunek rozwoju AI firmy. Brin miał promować rekurencyjne samodoskonalenie — proces, w którym systemy AI pomagają ulepszać narzędzia, eksperymenty lub modele wykorzystywane do budowy kolejnych systemów.

Koncepcja brzmi dramatycznie, ale jej praktyczna forma jest łatwiejsza do zrozumienia. Model może proponować zmiany w kodzie, projektować ewaluacje, analizować nieudane eksperymenty lub pomagać badaczom ustalać priorytety dla kolejnego uruchomienia treningu. Każde z tych zadań może skrócić cykl rozwoju, nie wymagając od systemu AI przeprojektowania samego siebie bez ludzkiej kontroli.

Google już badało elementy tego podejścia. Jego systemy badawcze poszukiwały lepszych algorytmów, optymalizowały procesy obliczeniowe i wspierały odkrycia naukowe. Strategiczne pytanie brzmi, czy te metody mogą konsekwentnie usprawniać rozwój Gemini w warunkach produkcyjnych.

Brin nie potrzebuje operacyjnego stanowiska, aby mieć znaczenie. Pozostaje współzałożycielem Google, dyrektorem Alphabet i głównym posiadaczem praw głosu. Jego udział może przesuwać uwagę i zasoby, nawet jeśli formalne zarządzanie nadal przebiega przez Pichaia.

Restrukturyzacja tworzy zatem trzy odrębne ośrodki wpływu. Pichai kontroluje priorytety korporacyjne i alokację zasobów. Kavukcuoglu odpowiada za realizację celów w obszarze modeli i produktów. Hassabis skupia się na długoterminowej nauce oraz drodze do ogólnej sztucznej inteligencji, czyli AGI — systemów o szerokich zdolnościach w wielu zadaniach poznawczych.

Taki podział może ograniczyć przeciążenie zarządcze. Może też wprowadzić spory o moce obliczeniowe, priorytety badawcze, przeglądy bezpieczeństwa i terminy premier. Organizacja zadziała tylko wtedy, gdy te trzy ośrodki uzgodnią, co Gemini musi dostarczyć w pierwszej kolejności.

Odejście Jeffa Deana czyni tę zmianę bardziej znaczącą. Dean dołączył do Google w 1999 roku i pomagał kształtować systemy wspierające wyszukiwanie, reklamę, obliczenia rozproszone i uczenie maszynowe. Ghemawat współpracował z nim nad podstawową infrastrukturą, w tym systemami, które wpłynęły na współczesne przetwarzanie danych.

Vinyals odegrał ważną rolę w modelach językowych i Gemini, a Le pomógł stworzyć Google Brain. Ich nowa firma, Discovery Loop, ma według doniesień wykorzystywać uczenie maszynowe do automatyzacji części eksperymentów naukowych.

Decyzja Google o inwestycji w Discovery Loop pozwala zachować relację z odchodzącymi badaczami. Może również umożliwić Google Cloud dostarczanie infrastruktury obliczeniowej potrzebnej ich startupowi. Mimo to prawa wynikające z partnerstwa nie zastępują codziennego dostępu do doświadczonych liderów technicznych.

Dlatego ogłoszenie ma znaczenie wykraczające poza nazwy stanowisk. Google rozdzieliło uprawnienia, tracąc jednocześnie kilka osób, które pomogły zbudować jego przewagę techniczną. Nowi liderzy muszą teraz udowodnić, że bardziej przejrzysta organizacja może poruszać się szybciej niż grupa, którą zastąpiła.

Dlaczego przetasowanie nastąpiło właśnie teraz

Zmiana w kierownictwie nastąpiła w momencie, gdy dobre wyniki biznesowe Google przestały chronić jego organizację AI przed pytaniami o realizację celów.

Google od lat łączy zespoły badawcze i zbliża grupy produktowe do DeepMind. W kwietniu 2024 roku przeniosło zespoły odpowiedzialnej AI z Google Research do organizacji budującej modele. Później tego samego roku przeniosło zespół aplikacji Gemini do DeepMind.

Wcześniejsze reorganizacje wynikały ze spójnej logiki. Badacze, specjaliści ds. bezpieczeństwa, menedżerowie produktu i inżynierowie modeli mieli działać szybciej, gdy raportowali przez mniej warstw organizacyjnych. Konsolidacja z 2024 roku zbliżyła odpowiedzialność za zaawansowane modele i ich zabezpieczenia.

Konsolidacja dała Hassabisowi większą kontrolę, ale również zwiększyła jego obciążenie operacyjne. Google DeepMind przestało działać wyłącznie jako laboratorium badawcze. Musiało wspierać chatbot dla konsumentów, interfejsy API dla deweloperów, produkty dla przedsiębiorstw, funkcje wyszukiwania, systemy naukowe i rozszerzające się portfolio modeli.

Presja wzrosła, gdy programowanie z pomocą AI stało się głównym polem rywalizacji. Anthropic zbudował silne zainteresowanie deweloperów wokół Claude i swoich narzędzi programistycznych. OpenAI nadal rozszerzało ChatGPT na rozwój oprogramowania, badania i przepływy pracy w firmach. Google musiało konkurować z obiema firmami, jednocześnie chroniąc Search i rozwijając Cloud.

Harmonogram modeli dodał kolejne źródło presji. Reuters podał, że Wall Street zaczęło obawiać się opóźnień sztandarowego modelu Google oraz pozycji firmy w programowaniu i zaawansowanym rozumowaniu. Obawy te utrzymywały się, mimo że Pichai bronił szerszej strategii AI.

Straty kadrowe zaostrzyły problem. Laureat Nagrody Nobla John Jumper ogłosił w czerwcu, że odejdzie z Google DeepMind do Anthropic. Noam Shazeer odszedł do OpenAI, a inni badacze Gemini mieli rozważać lub finalizować przejścia do konkurencyjnych laboratoriów.

Hassabis sprzeciwił się poglądowi, że Google straciło swoją atrakcyjność. Opisał rynek jako niezwykle konkurencyjny i argumentował, że talenty przemieszczają się między wszystkimi czołowymi laboratoriami. Jego stanowisko było uzasadnione, ponieważ OpenAI, Anthropic, Meta i startupy również doświadczyły głośnych przyjść i odejść.

Jednak wewnątrz Google ten wzorzec miał znaczenie. Utrata jednego badacza może odzwierciedlać normalną rotację. Utrata starszych współtwórców w obszarach architektury modeli, naukowej AI i przywództwa tworzy ryzyko koordynacyjne, szczególnie podczas zmiany zarządzania.

Wyniki finansowe Google sprawiły, że trudniej było bagatelizować to ryzyko organizacyjne. Firma nie restrukturyzowała się dlatego, że jej produkty AI nie miały popytu. Restrukturyzowała się, gdy popyt przyspieszał.

Alphabet podał, że przychody Google Cloud wzrosły o 82 procent w kwartale poprzedzającym relację Reutersa, znacznie powyżej średniej prognozy analityków cytowanej w tym raporcie. Firma broniła także rosnących nakładów inwestycyjnych jako niezbędnych dla infrastruktury AI i popytu klientów.

Wcześniejsze ujawnione dane wskazywały na ten sam kierunek. Alphabet podał, że przychody Cloud osiągnęły roczny wskaźnik przekraczający 50 miliardów dolarów w 2025 roku, podczas gdy produkty AI przyczyniły się do wzrostu aktywności klientów. Później firma prognozowała nakłady inwestycyjne w 2026 roku na poziomie od 175 do 185 miliardów dolarów.

Liczby te tworzą rygorystyczny wymóg operacyjny. Większa liczba serwerów i centrów danych staje się przewagą tylko wtedy, gdy modele, oprogramowanie i zespoły sprzedażowe przekształcają je w użyteczne produkty. Kierownictwo musi zdecydować, które wysiłki badawcze otrzymają ograniczone moce obliczeniowe i które produkty najpierw trafią do klientów.

Perspektywa inwestycji Alphabet w AI, przedstawiona w prognozie inwestycyjnej AI, pokazuje również, dlaczego połączone obowiązki Kavukcuoglu mają znaczenie. Oczekiwano, że nieco ponad połowa mocy obliczeniowej firmy przeznaczonej dla uczenia maszynowego będzie wspierać Cloud w 2026 roku. Badania nad technologiami granicznymi muszą więc dzielić infrastrukturę z generującymi przychody obciążeniami klientów.

To trudny problem alokacji. Zespół badawczy może chcieć większych eksperymentalnych uruchomień o niepewnych wynikach. Kierownik Cloud może potrzebować przewidywalnej przepustowości dla klientów związanych umowami. Zespoły Search potrzebują niezawodnego wnioskowania, czyli obliczeń wykorzystywanych do generowania odpowiedzi dla aktywnych użytkowników.

Przetasowanie umieszcza Kavukcuoglu bliżej wszystkich trzech decyzji. Czyni go też odpowiedzialnym, gdy decyzje te są ze sobą sprzeczne. Pichai zyskuje bezpośredniego lidera operacyjnego, który może równoważyć jakość modeli, terminy produktów i dostępność infrastruktury.

Dla Hassabisa nowa rola usuwa znaczną część tego codziennego rozstrzygania. Może skupić się na kierunku naukowym, bezpieczeństwie AI i systemach długiego horyzontu. To, czy oznacza to awans, ograniczenie roli operacyjnej, czy jedno i drugie, zależy od tego, jak duży wpływ stanowisko głównego naukowca będzie miało w praktyce.

Wiadomości z Google dotyczą tak naprawdę badań kontra realizacja

Główna rywalizacja nie toczy się między Google a jednym konkurentem. Toczy się między kulturą badawczą Google a tempem premier wymaganym przez jego własne produkty.

Google pomogło stworzyć znaczną część technologii stojącej za obecnym rynkiem AI. Jego badacze opracowali architekturę transformera, która stała się kluczowa dla współczesnych modeli językowych. DeepMind stworzył AlphaGo, AlphaFold i inne systemy, które pokazały naukowy zasięg uczenia maszynowego.

Ten dorobek nie przełożył się automatycznie na wiodącego chatbota dla konsumentów. OpenAI przekształciło duże modele językowe w szeroko stosowany produkt — ChatGPT. Anthropic z kolei zbudowało odrębną pozycję wokół Claude, bezpieczeństwa, pracy z długim kontekstem i programowania.

Google odpowiedziało łączeniem organizacji, przyspieszaniem premier Gemini oraz wdrażaniem generatywnej AI w Search, Workspace, Android i Cloud. Dysponowało dystrybucją, której większość konkurentów nie mogła dorównać. Miało też więcej zależności, procesów przeglądu i istniejących biznesów, na które każda premiera mogła wpłynąć.

Organizacje badawcze zwykle nagradzają oryginalność i trwałe odkrycia. Organizacje produktowe nagradzają niezawodność, szybkość, wzrost liczby użytkowników i przychody. Ten sam projekt może wyglądać na udany według jednego kryterium, a rozczarowująco według drugiego.

Hassabis został dyrektorem odpowiedzialnym za utrzymywanie tych standardów. Jego naukowa reputacja nadawała Google DeepMind wiarygodność, szczególnie w środowiskach badawczych. Zarządzanie Gemini wymagało jednak również decyzji dotyczących dat premier, narzędzi dla deweloperów, wsparcia dla przedsiębiorstw oraz integracji z produktami reklamowymi.

Powołanie Kavukcuoglu sugeruje, że Google chce lidera, którego mandat będzie bardziej bezpośrednio skoncentrowany na realizacji. Jego wcześniejsze obowiązki już łączyły badania DeepMind z rozwojem produktów i infrastrukturą. Przetasowanie formalizuje ten pomost.

Kontrastu nie należy sprowadzać do naukowca kontra operator biznesowy. Kavukcuoglu jest badaczem uczenia maszynowego, który pracował nad systemami na dużą skalę. Hassabis również od lat kieruje organizacjami i partnerstwami komercyjnymi.

Różnica leży w przypisanych im celach. Hassabis może teraz podejmować pytania, których wartość może ujawnić się dopiero po latach. Kavukcuoglu musi przełożyć plan rozwoju Gemini na wydania konkurujące w perspektywie najbliższych kilku kwartałów.

To rozróżnienie ma znaczenie dla deweloperów. Ocenią Gemini przez zachowanie modelu, stabilność API, wydajność w programowaniu, obsługę kontekstu, opóźnienia i integrację z narzędziami. Elegancja organizacyjna niewiele znaczy, jeśli te wskaźniki się nie poprawiają.

Nabywcy korporacyjni stosują inny test. Potrzebują mechanizmów bezpieczeństwa, przewidywalnej wydajności, zarządzania danymi i wsparcia dla istniejących systemów. Dystrybucja przez Google Cloud daje Gemini dostęp do tych klientów, lecz rywale nadal mogą zdobywać obciążenia robocze, gdy ich modele lepiej sprawdzają się w konkretnym zadaniu.

Pracownicy umysłowi doświadczają tej konkurencji przez Search, Workspace i samodzielnych asystentów. Model, który dobrze streszcza dokumenty, może mimo to zawodzić, gdy traci kontekst między projektami. Zespoły budują wtedy własne archiwa lub korzystają z osobistej bazy wiedzy, aby zachować materiały źródłowe i decyzje.

Przewagą Google jest to, że firma już ma kontakt z pocztą e-mail, dokumentami, spotkaniami, zapytaniami w wyszukiwarce, urządzeniami mobilnymi i danymi przedsiębiorstw. Jej wadą jest to, że bezpieczna integracja tych obszarów wymaga koordynacji między wieloma organizacjami produktowymi.

Nowy łańcuch dowodzenia ma obniżyć koszt tej koordynacji. Kavukcuoglu może dostosować rozwój modeli do potrzeb aplikacji Search, Cloud i Gemini. Pichai może rozstrzygać spory bez kierowania ich przez odrębną hierarchię badawczą.

Centralizacja ma jednak swoje granice. Jeden lider nie może wyeliminować niepewności technicznej. Większe zespoły mogą tworzyć więcej zależności, a ciaśniejsze terminy produktowe mogą zniechęcać do eksperymentów pozbawionych natychmiastowej wartości komercyjnej.

Google już wcześniej mierzyło się z tym napięciem. Firma połączyła Brain i DeepMind częściowo po to, by ograniczyć wewnętrzne dublowanie pracy. Później przeniosła zespół konsumencki Gemini do tej samej jednostki. Każda reorganizacja obiecywała bliższą współpracę, ale każda również zwiększała liczbę celów przypisanych jednej organizacji.

To przetasowanie przyjmuje inne podejście. Zachowuje jedną jednostkę AI, jednocześnie oddzielając wizję naukową od codziennego dostarczania produktów. Ten projekt jest bardziej jednoznaczny, lecz jego powodzenie będzie zależeć od granic, których Google nie opisało publicznie w pełni.

OpenAI i Anthropic zamieniają talenty w presję produktową

Rywalowie Google zmuszają firmę do jednoczesnej konkurencji o badaczy i klientów.

Najbardziej widoczna presja pochodzi od OpenAI. ChatGPT ustanowił konsumencki punkt odniesienia dla konwersacyjnej AI, podczas gdy OpenAI rozszerzyło działalność o programowanie, agentów, narzędzia badawcze i usługi dla przedsiębiorstw. Partnerstwo z Microsoft zapewnia dystrybucję i infrastrukturę, choć ta relacja tworzy również strategiczne zależności.

Anthropic wywiera presję z innej strony. Claude zyskał popularność wśród deweloperów i firm ceniących wydajność w programowaniu, obsługę długich dokumentów i kontrolowane zachowanie modelu. Firma rekrutowała badaczy z Google DeepMind, w tym Jumpera i innych starszych współtwórców.

Odejścia nie dowodzą, że program badawczy Google zawodzi. Czołowe laboratoria rutynowo rekrutują pracowników od siebie nawzajem, a pakiety wynagrodzeń dla specjalistów gwałtownie wzrosły. Badacze opuszczają też uznane firmy, by realizować bardziej wąsko określone projekty lub zyskać większą autonomię.

Mimo to przepływ talentów staje się strategicznie ważny, gdy zbiega się ze słabością produktu. Google stawało wobec pytań o AI do programowania, podczas gdy badacze przechodzili do konkurenta o silnej reputacji w tej dziedzinie. Taka sekwencja może wpływać na morale pracowników, postrzeganie firmy przez klientów i przyszłą rekrutację.

Hassabis publicznie odrzucił pogląd, że Google nie potrafi już przyciągać czołowych badaczy. W wypowiedzi na temat talentów nazwał ten rynek najbardziej zaciekle konkurencyjnym środowiskiem zatrudnienia w branży technologicznej, jakie widział.

To wyjaśnienie oddaje kontekst branżowy, ale nie usuwa wyzwania operacyjnego. Google musi zastępować odchodzących ekspertów, jednocześnie dotrzymując harmonogramów wydań. Nowi badacze potrzebują czasu, by zrozumieć wewnętrzne systemy treningowe, metody ewaluacji i ograniczenia produktowe.

Discovery Loop dodaje kolejny element do konkurencyjnej układanki. Startup początkowo nie jest pozycjonowany jako bezpośredni rywal Gemini. Jego cel ma dotyczyć systemów uczenia maszynowego do eksperymentów naukowych, obszaru pokrywającego się z długoletnim zainteresowaniem Hassabisa AI dla nauki.

Inwestycja Google sprawia, że relacja ma charakter współpracy. Firma może skorzystać, jeśli Discovery Loop opracuje użyteczną infrastrukturę badawczą i wdroży ją przez Google Cloud. Założyciele zyskują niezależność, nie zrywając wszystkich więzi z byłym pracodawcą.

Układ ten pokazuje jednak również, dlaczego starsi badacze odchodzą z dużych firm. Startup może koncentrować się na jednej misji bez równoważenia potrzeb Search, reklam, kontraktów chmurowych, przeglądów bezpieczeństwa i premier konsumenckich. Skala Google zapewnia zasoby, ale tworzy też konkurujące zobowiązania.

OpenAI i Anthropic mierzą się z własnymi kompromisami. OpenAI musi finansować ogromne wymagania infrastrukturalne, zarządzając jednocześnie relacjami z inwestorami i partnerami. Anthropic musi przełożyć techniczną adopcję na trwały biznes, wspierając szybko rosnące użycie.

Google ma zasoby, których żaden z rywali nie może łatwo odtworzyć. Projektuje jednostki tensorowego przetwarzania, obsługuje globalne centra danych, posiada duże platformy konsumenckie i utrzymuje dochodowe biznesy finansujące rozwój AI. Jego modele mogą docierać do miliardów użytkowników przez istniejące produkty.

Te zasoby sprawiają, że pytanie organizacyjne staje się ważniejsze, a nie mniej ważne. Firma o lepszej dystrybucji nadal może poruszać się wolno, gdy zespoły nie zgadzają się co do odpowiedzialności. Laboratorium o silnych badaniach nadal może przegapić rynek, gdy integracja produktu następuje zbyt późno.

Kavukcuoglu odpowiada teraz za zamknięcie tej luki. Jego sukces nie będzie mierzony wyłącznie rankingami benchmarków. Będzie widoczny w adopcji przez deweloperów, kontraktach korporacyjnych, procesach programistycznych, zaangażowaniu w Search i szybkości wydań produktów.

Dlatego najnowsze wiadomości google mają znaczenie dla nabywców. Zmiana przywództwa może zmienić priorytety planu rozwoju, zanim wpłynie na jakikolwiek publiczny model. Klienci budujący rozwiązania wokół Gemini powinni obserwować, czy dokumentacja, API, limity i zobowiązania dotyczące wydań stają się bardziej przewidywalne.

Deweloperzy powinni również obserwować, gdzie Google kieruje swoich najlepszych badaczy. Większe inwestycje w zautomatyzowane badania mogą poprawić efektywność treningu i jakość modeli. Mogą też odciągać uwagę od bezpośrednich luk produktowych, jeśli praca pozostaje eksperymentalna.

Nowa struktura nie rozwiązuje największych zagrożeń Google

Krótszy łańcuch dowodzenia może poprawić decyzje, ale nie może zagwarantować lepszych modeli ani zatrzymać kolejnych odejść.

Pierwsza niepewność dotyczy faktycznej władzy Hassabisa. Alphabet utworzył dla niego prestiżowe stanowisko naukowe, a on nadal pozostaje przewodniczącym Google DeepMind. Jednak Kavukcuoglu kontroluje codzienną pracę organizacji i raportuje do Pichaia.

Jeśli Hassabis może kształtować priorytety badawcze i zapewniać zasoby, układ może zachować jego wpływ naukowy. Jeśli jego rola stanie się głównie doradcza, Google może utracić styl przywództwa, który przyciągał wielu badaczy DeepMind.

Pracownicy mieli podobno różne interpretacje tego posunięcia. Niektórzy uznali je za sposób na powrót Hassabisa do preferowanej przez niego pracy naukowej. Inni zastanawiali się, czy stanowisko przewodniczącego stopniowo odsunie go od wewnętrznych decyzji.

Google przedstawiło tę zmianę pozytywnie. Hassabis powiedział, że chce skoncentrować się na AGI i jego konsekwencjach. Kavukcuoglu podkreślił jasną ścieżkę dla planu rozwoju Gemini. Pichai pochwalił talenty firmy, zasoby obliczeniowe i zasięg produktów.

Te wypowiedzi wyjaśniają zamierzoną strukturę, a nie jej rezultat. Zmiany przywództwa często wyglądają uporządkowanie w notatkach ogłoszeniowych, ponieważ nierozstrzygnięte spory pozostają prywatne.

Drugie ryzyko dotyczy utrzymania badaczy. Grupa Deana otrzymała inwestycję i partnerstwo, ale inni pracownicy mogą postrzegać odejście jako dowód, że cenieni weterani mogą swobodniej realizować ambitną pracę gdzie indziej. Konkurenci wykorzystają to postrzeganie w rekrutacji.

Google może odpowiedzieć wynagrodzeniem, dostępem do mocy obliczeniowej i większą autonomią projektową. Może też wykazać, że badacze nadal wpływają na produkty docierające do ogromnej liczby odbiorców. Skuteczność tych działań pokażą przyszłe odejścia i zatrudnienia.

Trzecie ryzyko dotyczy rekurencyjnego samodoskonalenia. Automatyzacja części badań nad AI może przyspieszyć eksperymenty, ale twierdzenia o systemach ulepszających samych siebie wymagają ostrożnej analizy. Wzrost wydajności może zależeć od wąskich zadań, celów wybranych przez ludzi lub dużych ilości dodatkowej mocy obliczeniowej.

Zautomatyzowane badania mogą również wzmacniać wadliwe pomiary. Jeśli model optymalizuje się względem niepełnego benchmarku, może wprowadzać zmiany poprawiające wynik bez zwiększania użyteczności. Badacze nadal muszą analizować bezpieczeństwo, generalizację i ukryte tryby awarii.

Google DeepMind ma doświadczenie w budowaniu systemów poszukujących algorytmów i rozwiązań naukowych. Ta historia sprawia, że zgłaszane zainteresowanie Brina jest wiarygodne jako kierunek badań. Nie dowodzi jednak, że autonomiczna pętla ulepszeń jest gotowa zmienić rozwój Gemini.

Bezpieczeństwo tworzy kolejny kompromis. Szybsze eksperymentowanie może zwiększać liczbę zmian modelu, które zespoły muszą oceniać. Google przeniosło personel odpowiedzialny za AI bliżej DeepMind w 2024 roku, częściowo po to, by zintegrować prace nad bezpieczeństwem z budową modeli.

Nowa organizacja musi zachować to połączenie, jednocześnie zwiększając szybkość wydań. Jeśli przeglądy bezpieczeństwa staną się przeszkodą do ominięcia, Google ryzykuje zawodnymi produktami i kontrolą regulacyjną. Jeśli przeglądy pozostaną odłączone od inżynierii, mogą opóźniać premiery bez wczesnego rozwiązywania problemów.

Ostatnie ryzyko dotyczy złożoności produktów. Gemini nie jest jedną aplikacją. Obsługuje czat konsumencki, API dla deweloperów, funkcje Workspace, usługi Cloud, Androida, Search i wyspecjalizowane narzędzia badawcze.

Zmiana modelu korzystna dla programowania może zwiększyć opóźnienia lub koszty w innych obszarach. Polityka bezpieczeństwa odpowiednia dla konsumenckiego asystenta może frustrować deweloperów korporacyjnych. Odpowiedź Search musi spełniać wymogi dokładności i reklamy, które nie dotyczą samodzielnego chatbota.

Żadna struktura zarządcza nie eliminuje tych konfliktów. W najlepszym razie może jasno określić odpowiedzialność i przyspieszyć podejmowanie kompromisowych decyzji. Kolejna faza pokaże, czy nowi liderzy Google potrafią to osiągnąć bez osłabiania kultury badawczej, która zbudowała reputację DeepMind.

Co ujawnią najbliższe trzy miesiące

Trzy sygnały pokażą, czy przetasowanie poprawiło realizację, czy jedynie przestawiło linie raportowania w Google.

Pierwszym sygnałem jest roadmapa Gemini. Google musi dostarczyć kolejny duży model i wykazać mierzalne postępy w programowaniu, rozumowaniu, niezawodności i efektywności. Terminowa premiera ze stabilnym dostępem dla deweloperów wzmocniłaby argumenty za operacyjnym mandatem Kavukcuoglu.

Kolejne opóźnienie osłabiłoby ten argument. Opóźnienia mogą mieć uzasadnione przyczyny techniczne lub związane z bezpieczeństwem, jednak powtarzające się zmiany harmonogramu sugerowałyby, że główne wąskie gardło nie wynikało ze struktury zarządzania.

Drugim sygnałem jest utrzymanie kadry seniorów. Google nie musi zapobiec każdemu odejściu. Musi jednak zatrzymać wystarczającą liczbę doświadczonych badaczy, aby zachować ciągłość rozwoju modeli, jednocześnie rekrutując specjalistów do nowych priorytetów.

Dalsze odejścia z kluczowych zespołów Gemini zajmujących się treningiem, rozumowaniem lub programowaniem sugerowałyby, że w DeepMind nadal panuje niepewność. Znaczące rekrutacje lub powroty badaczy wspierałyby argument Hassabisa, że Google pozostaje miejscem docelowym dla elitarnego talentu.

Trzecim sygnałem jest adopcja produktów. Kolejne wyniki Alphabet powinny pokazać, czy popyt na AI nadal przekłada się na wzrost Cloud, większe kontrakty i trwałe zaangażowanie w usługach Search oraz Gemini.

Same przychody nie rozstrzygną rywalizacji modeli. Google Cloud może rosnąć dzięki popytowi na infrastrukturę, nawet jeśli klienci korzystają z modeli innych dostawców. Inwestorzy powinni odróżniać sprzedaż mocy obliczeniowej od zdobywania obciążeń roboczych dla samego Gemini.

Deweloperzy mogą dokonać tego samego rozróżnienia poprzez praktyczne testy. Czy API Gemini pozostają stabilne przy ruchu produkcyjnym? Czy agenci programistyczni wykonują złożone zadania przy mniejszej liczbie poprawek? Czy zespoły mogą przechodzić między wersjami modeli bez przebudowy promptów i ocen?

Nabywcy korporacyjni powinni obserwować, czy Google przekuwa konsolidację organizacyjną w bardziej przejrzyste wsparcie. Roadmapy produktów, zobowiązania dotyczące bezpieczeństwa, gwarancje dostępności mocy oraz narzędzia migracyjne są równie ważne jak przewaga w benchmarkach, gdy oprogramowanie trafia do środowiska produkcyjnego.

Pracownicy wiedzy powinni skupić się na tym, jak Gemini obsługuje kontekst w rzeczywistych projektach. Lepsze odpowiedzi wymagają dostępu do dokładnych materiałów źródłowych, uprawnień i pamięci instytucjonalnej. Aktualizacja modelu nie zrekompensuje rozproszonych dokumentów ani niejasnego pochodzenia informacji.

Donoszony nacisk Sergeya Brina na badania wspomagane przez AI zasługuje na uwagę, lecz konkretne premiery są ważniejsze niż wewnętrzny entuzjazm. Dowodami byłyby opublikowane metody, odtwarzalne oceny lub udokumentowane ulepszenia efektywności treningu.

Rola Hassabisa również wymaga wyraźnego zdefiniowania. Publikacje naukowe, ramy bezpieczeństwa lub znaczące programy badawcze pod jego kierownictwem pokazałyby, że stanowisko głównego naukowca Alphabet wiąże się z realną władzą. Cisza rodziłaby pytania, czy tytuł przede wszystkim ułatwił trudne przejście.

Najnowsze google news pozostawiają więc czytelników z tezą, którą można zweryfikować. Google uważa, że może oddzielić długoterminowe przywództwo naukowe od realizacji produktów, nie dzieląc przy tym swojej misji AI.

Taka struktura daje Kavukcuoglu wyraźniejszą kontrolę, Pichaiemu bardziej bezpośredni nadzór, a Hassabisowi przestrzeń do prowadzenia głębszych badań. Jednocześnie umieszcza odpowiedzialność tam, gdzie mogą ją dostrzec klienci i pracownicy.

W następnym kwartale należy zignorować ceremonialne tytuły i obserwować rezultaty. Śledź premiery Gemini, odejścia seniorów technicznych oraz dowody na to, że klienci wybierają modele Google, a nie tylko jego infrastrukturę. Te sygnały pokażą, czy Google uprościł swoją organizację AI, czy jedynie przeniósł te same napięcia do nowych biur.