Sundar Pichai ha hecho algo poco habitual en un consejero delegado de una de las compañías más poderosas del mundo: admitir una debilidad concreta. En una entrevista reciente en Hard Fork, el pódcast tecnológico de The New York Times, el CEO de Google reconoció que la compañía va “un poco por detrás” en programación agéntica, uso de herramientas, seguimiento de instrucciones y tareas largas de varios pasos. No dijo que Google esté fuera de la carrera. Dijo algo más interesante: que en algunas capacidades está en cabeza y en otras no.
La frase importa porque llega en el peor sitio posible para Google: el código. La programación se ha convertido en una de las primeras aplicaciones donde la IA genera valor económico claro, medible y recurrente. Claude Code, Cursor, GitHub Copilot, OpenAI Codex y otros asistentes no son simples demostraciones de laboratorio. Son herramientas que ya cambian cómo se construye software, cómo se revisan repositorios y cómo se automatizan tareas de desarrollo.
El problema para Google no es solo llegar tarde a un producto. Es más profundo. Google inventó parte de la arquitectura conceptual que hizo posible la actual ola de IA generativa, tiene talento de primer nivel, una infraestructura gigantesca, productos usados por miles de millones de personas y chips propios. Aun así, cuando el mercado mira la frontera del “coding”, no mira automáticamente a Google.
La paradoja Anthropic: vender armas al rival
La contradicción más llamativa está en Anthropic. Google vende capacidad de sus TPUs a una empresa que compite directamente con Gemini y que, precisamente en programación y agentes, se ha convertido en una referencia para muchos desarrolladores. Anthropic anunció en 2025 una ampliación de su uso de Google Cloud y acceso de hasta un millón de TPUs, con capacidad de más de un gigavatio en 2026. En abril de 2026, además, Anthropic, Google y Broadcom ampliaron su acuerdo para varios gigavatios de capacidad TPU de nueva generación a partir de 2027.
La explicación racional es sencilla: economía de escala. Si Google fabrica y opera infraestructura TPU, necesita llenarla. Si Anthropic paga decenas de miles de millones por capacidad, Google Cloud crece, amortiza inversión y demuestra que sus chips pueden competir frente al dominio de NVIDIA. Desde el punto de vista financiero, tiene sentido.
Pero desde el punto de vista estratégico deja una pregunta incómoda. ¿Google está vendiendo infraestructura porque ha encontrado el mejor modo de capturar valor en IA o porque ya acepta que parte de la capa de producto la ganarán otros? En otras palabras: ¿está convirtiendo su ventaja técnica en una plataforma de distribución o está monetizando una posición defensiva mientras otros se llevan la atención de los usuarios profesionales?
La respuesta probablemente no sea binaria. Google puede ganar mucho dinero vendiendo computación y, a la vez, seguir compitiendo con Gemini. AWS vende infraestructura a compañías que construyen productos rivales de Amazon. Microsoft aloja modelos de terceros aunque tenga Copilot. La diferencia es que Google no era una simple empresa de infraestructura. Era, durante años, la compañía que parecía destinada a liderar la IA de consumo, búsqueda, lenguaje y conocimiento.
| Frente de la carrera de IA | Posición de Google | Tensión estratégica |
|---|---|---|
| Infraestructura | TPUs, centros de datos y Google Cloud | Puede vender capacidad a rivales fuertes |
| Modelos | Gemini y DeepMind | Competencia intensa con OpenAI, Anthropic y China |
| Programación | Reconoce ir por detrás en tareas agénticas complejas | Falta histórica de un producto developer-first equivalente |
| Búsqueda | AI Overviews y AI Mode | Riesgo de alterar el negocio publicitario tradicional |
| Confianza pública | Marca masiva, pero presión regulatoria y social | La adopción no depende solo de capacidad técnica |
La carrera no la gana siempre quien más gasta
El Stanford AI Index 2026 ofrece una fotografía muy útil para entender esta tensión. Estados Unidos lideró de forma abrumadora la inversión privada en IA en 2025, con 285.900 millones de dólares, más de 23 veces los 12.400 millones invertidos en China. El liderazgo de capital estadounidense es indiscutible, pero el propio informe matiza que las cifras privadas pueden infravalorar el esfuerzo chino, donde los fondos públicos y la planificación industrial tienen más peso.
El dato revela algo que muchas juntas directivas deberían asumir ya: la IA no es solo una carrera de dinero. Es una carrera de eficiencia, talento, datos de uso, producto, distribución, coste por inferencia y velocidad de aprendizaje. Gastar más permite comprar tiempo, capacidad y opciones. No garantiza ganar la capa de mayor valor.
Alphabet está llevando esa lógica hasta el extremo. Reuters informó de que la compañía prevé casi duplicar su gasto de capital en 2026 hasta una horquilla de 175.000 a 185.000 millones de dólares, frente a 91.450 millones en 2025, para ampliar capacidad de servidores, centros de datos y redes vinculadas a IA.
La pregunta financiera es inevitable: ¿qué retorno obtiene Google por cada dólar invertido en IA? Si la respuesta es más ingresos cloud, más uso de Search, más suscripciones, mejores anuncios y más productividad interna, el gasto puede estar justificado. Si la respuesta es simplemente no quedarse atrás, el mercado acabará pidiendo explicaciones.
Pichai sostiene que Google tiene capacidad para competir en varios frentes a la vez. Es cierto. Pocas empresas pueden combinar búsqueda, vídeo, Android, nube, chips, datos, publicidad, modelos y distribución global. Pero la historia tecnológica también demuestra que la amplitud puede convertirse en dispersión. Ganar en IA aplicada exige productos que se conviertan en hábito diario. En programación, esa batalla se está librando ahora mismo, y Google ha reconocido que no lidera todos los terrenos.
El argumento de las hojas de cálculo ya no basta
La parte laboral del debate es igual de delicada. Cuando se pregunta a los líderes tecnológicos por el impacto de la IA en el empleo, una respuesta habitual es compararla con las hojas de cálculo: destruyeron algunas tareas, pero ampliaron mercados, crearon nuevas funciones y aumentaron productividad. Pichai ha usado ese marco optimista en varias intervenciones.
El problema es que los primeros datos no encajan del todo con esa analogía. Anthropic, en su investigación sobre impacto laboral, cita a Brynjolfsson y otros autores para señalar una caída del 6 % al 16 % en empleo entre trabajadores de 22 a 25 años en ocupaciones expuestas a IA, atribuida sobre todo a una ralentización de la contratación, no a despidos masivos. Otros análisis divulgativos resumen ese efecto en torno a una caída del 14 % en la entrada de jóvenes en trabajos expuestos desde la llegada de ChatGPT.
Ese matiz cambia la conversación. La IA quizá no esté despidiendo aún a millones de trabajadores, pero puede estar cerrando la puerta de entrada. Las hojas de cálculo no sustituyeron de golpe la primera experiencia laboral de una generación de analistas. La IA sí puede absorber tareas junior que antes servían para aprender: documentar, revisar, comparar, resumir, escribir código sencillo, preparar informes, hacer QA básico o buscar información.
Si las empresas mantienen a sus perfiles senior, les dan IA y reducen contrataciones de entrada, el impacto social no aparece primero en la tasa de paro. Aparece en la tubería de talento. Menos jóvenes contratados significa menos aprendizaje, menos promociones futuras y una carrera profesional más difícil de iniciar.
La brecha de confianza no se compra con capex
Hay otro dato que debería preocupar a Google y al resto de gigantes. Según Pew Research y el Stanford AI Index, solo el 10 % de los adultos estadounidenses se declara más entusiasmado que preocupado por la IA, mientras que entre expertos el porcentaje sube al 56 %. En otra formulación de Pew, el 56 % de expertos cree que la IA tendrá un impacto positivo en Estados Unidos en los próximos 20 años, frente al 17 % del público general.
Esa brecha no se resuelve con más centros de datos. Tampoco con más benchmarks. Si los ciudadanos perciben que la IA encarece la energía, amenaza empleos, reduce oportunidades de entrada, concentra poder y reordena internet sin permiso, la legitimidad social de la tecnología se deteriora. Para una empresa como Google, que vive de la confianza en su buscador, sus anuncios, sus datos y sus productos de uso diario, esto no es un problema menor.
Google tiene recursos para seguir en la carrera. Tiene chips, nube, modelos, usuarios, caja y talento. Pero la IA está midiendo a las compañías de otra forma. Ya no basta con tener más infraestructura que nadie ni con gastar más que el resto. Hay que demostrar que esa inversión produce ventaja real, no solo defensa frente al miedo a quedarse fuera.
La confesión de Pichai sobre programación agéntica no hunde a Google. Al contrario, muestra lucidez. El riesgo sería que la compañía confundiera lucidez con paciencia infinita del mercado. En IA, comprar tiempo es posible. Comprar liderazgo, no siempre.
Preguntas frecuentes
¿Ha reconocido Google que va por detrás en IA?
Sundar Pichai ha reconocido que Google va “un poco por detrás” en programación agéntica, uso de herramientas y tareas largas de varios pasos, aunque defiende que la compañía sigue siendo muy competitiva en texto, multimodalidad, voz, audio y razonamiento general.
¿Por qué Google vende TPUs a Anthropic si es un rival?
Porque Google Cloud puede monetizar su infraestructura y ganar escala vendiendo capacidad TPU a grandes clientes. La tensión está en que Anthropic compite directamente con Google en modelos y herramientas de IA.
¿Estados Unidos invierte mucho más que China en IA?
Sí. Según el Stanford AI Index 2026, la inversión privada en IA en Estados Unidos alcanzó 285.900 millones de dólares en 2025, más de 23 veces la de China, aunque esa comparación no captura completamente la inversión pública china.
¿La IA está afectando ya al empleo joven?
Las primeras investigaciones apuntan más a una ralentización en la contratación de perfiles jóvenes en ocupaciones expuestas que a despidos masivos. El riesgo inicial parece estar en la puerta de entrada al mercado laboral.
