Google y Gemini — el gigante que tenía que despertar
Llegó seis meses tarde a la fiesta que él mismo había ayudado a montar. Tres años después, tiene la distribución más ancha del planeta y un modelo técnico que ya no le pide permiso a nadie. La historia de Gemini es la historia de un gigante que se obligó a moverse.
Germán Falcioni✦ Lectura: 9 min
En octubre de 2024, la Real Academia Sueca de Ciencias anunció que el Premio Nobel de Química se compartía entre tres investigadores: David Baker, por diseño computacional de proteínas; y Demis Hassabis junto a John Jumper, por AlphaFold. Hassabis es CEO de Google DeepMind. Es la primera vez en la historia que un Nobel científico se otorga a una figura que dirige, simultáneamente, la división de IA de una de las cinco empresas más valiosas del mundo.
Cuatro meses antes de ese Nobel, en febrero de 2024, Google había tenido que pausar la generación de imágenes de personas en Gemini porque el modelo producía imágenes de soldados alemanes de 1943 representados como personas de diversas etnias — un fallo de alineamiento que se volvió viral y obligó a una disculpa pública. Dos meses después del Nobel, en diciembre de 2024, Google lanzó Gemini 2.0 Flash con multimodalidad nativa y latencia sub-segundo, liderando en ese tier.
Esa simultaneidad — laboratorio premiado con el Nobel, producto con fallas visibles, empresa con ciclos de release cada vez más rápidos — define el estado real de Google DeepMind en 2026. No es una empresa pura de investigación, ni una empresa pura de producto. Es las dos cosas al mismo tiempo, con la tensión estructural que eso produce.
Genealogía técnica: de BERT a Gemini 2.5 Pro
La secuencia técnica de Google en IA grande tiene lógica que conviene seguir.
Transformer (junio 2017). Vaswani et al. publican "Attention Is All You Need". La arquitectura propuesta — bloques de self-attention + feed-forward apilados, con codificación posicional — desplaza a las RNN/LSTM como mecanismo dominante para tareas de secuencia. El paper es abierto, con código y pesos de referencia. El campo entero la adopta en meses.
BERT (octubre 2018). Google entrena un Transformer encoder-only bidireccional sobre corpus masivo y publica pesos pre-entrenados. Revoluciona NLP aplicado: clasificación, NER, QA suben en benchmarks medidos por decenas de puntos. Durante 2019-2020 casi cualquier trabajo serio de NLP usa BERT como base.
T5 (octubre 2019). Modelo encoder-decoder que unifica todas las tareas de NLP en formato texto-a-texto. Hasta 11 mil millones de parámetros. Diseño elegante pero menor impacto comercial que BERT.
LaMDA (mayo 2021). Modelo de diálogo con 137 mil millones de parámetros, entrenado específicamente para conversación. Internamente fue la base de prototipos conversacionales dentro de Google durante dos años. Nunca se abrió al público por decisión de riesgo reputacional — decisión que, en retrospectiva, le regaló a OpenAI el momento ChatGPT.
PaLM (abril 2022). 540 mil millones de parámetros. Demostró capacidades emergentes en razonamiento y multitarea. Fue el modelo de frontera de Google en el momento exacto en que ChatGPT lo eclipsó culturalmente, siete meses después.
Bard (marzo 2023). Basado en LaMDA adaptado. Lanzamiento apresurado. El error factual del James Webb en la demo de febrero 2023 costó 100 mil millones de capitalización de Alphabet en un día. Recepción pública: mediocre.
Gemini 1.0 (diciembre 2023). Rebranding total. Familia de tres modelos (Ultra, Pro, Nano) entrenados desde cero bajo la estructura fusionada Google DeepMind. Multimodalidad nativa. Video promocional editado para la demo inicial — escándalo menor pero humillante.
Gemini 1.5 Pro (febrero 2024). Primer modelo comercial con contexto de 1 millón de tokens. Arquitectura Mixture of Experts (MoE). Diferenciador técnico que Google aún conserva.
Gemini 2.0 Flash (diciembre 2024). Multimodalidad nativa en tier de alta velocidad. Latencia sub-segundo. Costo bajo.
Gemini 2.5 Pro (marzo 2025). Razonamiento profundo con "thinking" interno antes de responder (análogo conceptual a o1/o3 de OpenAI). Contexto de 2 millones de tokens — duplicación sobre 1.5 Pro. Multimodalidad extendida (video, audio, imagen).
La lectura correcta de esta secuencia no es "Google llegó tarde y después se recuperó". Es: Google tenía capacidad técnica líder desde 2017, pero operó con cultura de laboratorio hasta que la presión competitiva de finales de 2022 forzó una transición a cultura de producto. Esa transición está en curso.
Mixture of Experts: la apuesta arquitectural
Un componente técnico específico merece análisis: Google fue el primero en llevar Mixture of Experts (MoE) a escala comercial de frontera con Gemini 1.5 Pro.
MoE no es nuevo — el concepto viene de Jacobs y Jordan en los años 90. La idea: en lugar de tener un modelo denso donde todos los parámetros se activan para cada input, tenés múltiples "expertos" especializados y una red de ruteo que decide cuáles activar según el input. Eso permite escalar parámetros totales sin escalar cómputo de inferencia proporcionalmente — un modelo puede tener 1 billón de parámetros totales pero activar solo 50 mil millones para cada query específica.
Las ventajas prácticas de MoE son tres. Primero, throughput: el costo de inferencia por token baja sustancialmente contra modelos densos equivalentes en capacidad. Segundo, contexto largo viable: los 1M y 2M tokens de Gemini son difíciles de lograr económicamente sin MoE. Tercero, especialización emergente: distintos expertos acaban manejando mejor distintos dominios, lo cual mejora calidad en tareas multidominio sin degradación cruzada.
Las desventajas reales son dos. El entrenamiento es más complejo — la red de ruteo puede colapsar a pocos expertos activos, un problema conocido como "expert collapse". Y la inferencia distribuida requiere infraestructura específica — no es trivial correr MoE eficientemente en hardware genérico.
Google tiene ventaja estructural en ambos puntos. DeepMind tiene experiencia acumulada en MoE desde antes de Gemini. Y Google posee su propia infraestructura de cómputo (TPU, datacenters propios), lo cual le permite optimizar el stack completo vertical. OpenAI se estima que también usa MoE internamente pero no publica arquitectura, y su stack depende de infraestructura de Microsoft.
La cicatriz de febrero 2024: alineamiento a escala
En febrero de 2024, Gemini Pro empezó a generar imágenes donde la diversidad étnica se aplicaba de manera tan indiscriminada que producía distorsiones históricas evidentes. Soldados nazis como personas racializadas. Padres fundadores estadounidenses idem. Papas con diversidad étnica aplicada a períodos donde eso no correspondía. El fallo se viralizó en menos de 48 horas, con capturas circulando en X/Twitter.
Google respondió pausando la generación de imágenes de personas durante varias semanas y publicando una explicación pública donde reconocía que el ajuste de diversidad se había "excedido" y que el modelo había fallado en reconocer contextos donde esa diversidad era históricamente inapropiada.
El análisis técnico del episodio es interesante. El problema no fue el modelo de base; fue la capa de ajuste post-hoc aplicada para reducir sesgos reproducidos por el modelo — capa que, en la ejecución, sobrecorrigía. Es exactamente el tipo de fragilidad que Anthropic describe en su trabajo sobre Constitutional AI: aplicar filtros superpuestos sin integración arquitectural produce comportamientos impredecibles en los bordes.
No es problema único de Google. Todos los grandes modelos comerciales tienen fallos de alineamiento públicos documentados — ChatGPT con hallucinations en ingresos fiscales, Claude con sobrerechazos en tareas médicas legítimas, Grok con outputs abiertamente problemáticos. La diferencia es el nivel de visibilidad pública y la respuesta institucional. Google tardó en reaccionar y en explicar. Es una empresa con 180 mil empleados y cultura de comunicación corporativa cautelosa — no se mueve a velocidad de startup, incluso cuando su división de IA sí lo intenta.
Distribución como moat estructural
Hay un análisis que se hace poco y que vale hacer con precisión: cuál es el activo competitivo real de Google en IA.
No es DeepMind por sí solo. Anthropic tiene investigadores top y gana en alineamiento. OpenAI tiene experiencia de producto de consumo que Google no tiene.
Tampoco es el modelo por sí solo. Gemini 2.5 Pro es competitivo pero no es dominante universalmente — gana en contexto largo y multimodalidad, pierde frente a Claude en instrucciones literales y frente a ChatGPT en voz y en algunos benchmarks de razonamiento.
El activo competitivo real de Google es la superficie de integración. Gmail con más de 1.800 millones de usuarios activos. Android en más de 3 mil millones de dispositivos. Google Workspace con más de 3 mil millones de usuarios (entre consumo gratuito y empresarial). YouTube, Maps, Chrome, Search. El conjunto de esas superficies es una plataforma distribuida de escala planetaria que Google ya posee y que ningún competidor puede replicar por compra o por construcción en la década actual.
Cuando Google integra Gemini en esa superficie, no compite con ChatGPT en el mercado abierto. Compite en un mercado cautivo donde la fricción de probar alternativas es mayor que la fricción de usar el default integrado. Es la misma dinámica que hizo a Microsoft dominante en software de oficina durante tres décadas: no por mejor producto en cada categoría, sino por integración suficientemente buena en un paquete ya instalado.
El paper de Ben Thompson en Stratechery que mejor captura esto es "Aggregators and Jobs to be Done" (2015): la ventaja no está en el producto aislado, está en la posición de intermediación. Google ya ocupa la posición de intermediación entre el usuario y su trabajo cotidiano digital. Gemini es la IA de esa intermediación.
Tesis editorial
Cierro con una tesis que excede el reporting.
El mercado de IA va a cristalizarse entre 2026 y 2030 en una estructura de tres capas con dinámicas competitivas distintas.
Capa de frontera de capacidad. Dominada por 3-4 actores con capital y talento suficientes para entrenar modelos de frontera: OpenAI, Google DeepMind, Anthropic, y probablemente uno o dos más (xAI, Meta, o entrantes nuevos). En esta capa el diferenciador es capacidad bruta medida en benchmarks específicos. Google DeepMind está bien posicionado por Hassabis y por infraestructura TPU propia.
Capa de integración masiva. Dominada por quien posea distribución de escala: Google con Workspace + Android + Search, Microsoft con Office + Windows, Apple con iOS (cuando termine de desplegar Apple Intelligence), y en menor medida Meta con sus apps sociales. En esta capa el diferenciador es fricción de uso, no capacidad. Google tiene posición dominante estructural.
Capa de confiabilidad profesional. Dominada por quien haya construido, con disciplina sostenida, un modelo en el que se pueda delegar trabajo sensible. Anthropic está construyendo esa capa con Claude. Google no prioriza esa capa; OpenAI oscila.
La tesis: Google va a ganar cuota importante en capa 1 y va a dominar capa 2. Pero no va a dominar capa 3, porque su modelo de negocio (publicidad y escala masiva) tensiona hacia optimizar engagement antes que confiabilidad profesional. Esa tensión es estructural y no se resuelve con ingeniería — se resuelve con decisiones de producto que Google, por su tamaño y sus dependencias regulatorias, es reacia a tomar.
Por eso mi recomendación operativa para profesionales en 2026 no es "elegí una" sino "combiná tres": Gemini donde vive tu trabajo cotidiano en Workspace, Claude donde los stakes son altos y la reputación personal está en juego, ChatGPT donde pesan imagen y voz. Google va a ser infraestructura, no será el default ético.
¿Cuál es tu regla personal para decidir en qué tareas profesionales delegás a Gemini y en cuáles preferís que tu IA viva fuera del ecosistema donde guardás tus datos?
¿Querés profundizar en algo del artículo?
01 ¿Gemini es mejor que ChatGPT o Claude?
Depende de para qué. En contexto largo — leer un libro entero,nanalizar un repositorio de código, procesar transcripciones denvarias horas — Gemini 2.5 Pro gana por diseño: 2 millones dentokens es un orden de magnitud más que la competencia. Ennintegración dentro de Gmail, Docs, Sheets, Drive, Maps ynYouTube, Gemini gana por distribución — ya está adentro, nonhace falta abrir nada. En seguimiento literal de instruccionesnprofesionales complejas y en consistencia de rechazo, Claudensigue adelante. En generación de imagen artística y en voznconversacional, ChatGPT todavía lidera. La elección correctanno es una sola: es saber a qué tarea le conviene cuál.
02 ¿Qué fue el escándalo de las imágenes de febrero 2024?
En febrero de 2024, Gemini Pro empezó a generar imágenes denfiguras históricas ajustando la diversidad étnica de manerantan agresiva que producía cosas absurdas — soldados alemanesnde 1943 representados como personas de diversas etnias,npadres fundadores de Estados Unidos idem. La intención delnajuste era evitar que el modelo reforzara estereotiposnperjudiciales. El resultado fue lo opuesto: un ejemplo públiconde cómo un filtro aplicado sin granularidad puede distorsionarnhechos históricos. Google pausó la generación de imágenes denpersonas durante semanas. El episodio mostró la dificultadnreal de alinear estos modelos a escala — no es un problemanresuelto para nadie.
03 ¿Si ya uso Google Workspace todo el día, me conviene Gemini?
Sí, casi siempre. Si tu trabajo pasa por Gmail, Docs, Sheets,nDrive, Calendar y Meet, la ventaja de no salir de lanherramienta es grande: resumir un hilo largo sin copiar-pegar,ngenerar una fórmula en Sheets con contexto, sacar bullets denuna reunión grabada en Meet. Gemini Advanced cuesta 20 dólaresnmensuales, lo mismo que Claude Pro o ChatGPT Plus. Si ademásnnecesitás análisis profesional sensible — contratos,nestrategia, código que va a producción — te recomiendoncomplementarlo con Claude. No se reemplazan: se combinan.nEsa es la regla de trabajo de 2026.