El equipo que Amazon tardó dos años en formar, recortado

El 22 de julio Amazon confirmó que había recortado personal dentro de su organización de AGI, la división que construye los modelos de frontera destinados a rivalizar con lo mejor de OpenAI y Google. La compañía no quiso decir cuántas personas ni qué equipos, pero la información coincidía: los puestos afectados estaban en el postentrenamiento y la personalización de modelos. Esto ocurre en un año en el que Amazon ha anticipado 200 mil millones de dólares en inversión, más de la mitad por encima de lo que gastó en 2025, financiado en parte con decenas de miles de millones en nueva deuda.

Los dos hechos solo chocan si se supone que el gasto y la investigación son la misma apuesta. No lo son. El capital se vuelca en centros de datos, chips y la expansión de AWS. Lo que Amazon redujo fue el esfuerzo interno por situarse en la primerísima línea de la calidad del modelo. El presupuesto creció; la ambición de ganar el modelo en sí, no.

La decisión que hay bajo el despido

Quite las cifras de plantilla y esto es una decisión de hacer o comprar tomada en la cúpula de una empresa. Amazon miró la frontera, donde un puñado de laboratorios marca el ritmo y el coste de mantenerse a la par es enorme, y decidió que ahí no está su ventaja. Su ventaja es la distribución: cientos de miles de empresas ya funcionan sobre AWS y comprarán cualquier modelo que sea lo bastante bueno, envuelto en herramientas en las que confían. No hace falta construir el mejor motor si uno posee la carretera por la que circulan todos.

Esa es la claridad incómoda del movimiento. Amazon no se retira de la IA; se niega a gastar su recurso más escaso, el talento investigador sénior, en una competición en la que va estructuralmente por detrás, y lo redirige a la parte de la pila donde quedar segundo en el modelo aún gana ante el cliente. Un programa de mil millones de dólares para incrustar ingenieros de AWS junto a clientes que construyen sistemas agénticos es la señal: la apuesta es por el despliegue, no por el descubrimiento.

El coste hundido que Amazon decidió ignorar

La versión fácil de esta historia es una empresa que se rinde. La versión más difícil y más útil es una empresa que se niega a echar dinero bueno sobre una posición que ya había pagado cara. Amazon se compró el paso hacia la frontera con la adquisición por talento de Adept en 2024, y quienes lideraron ese empuje se han marchado desde entonces, Rohit Prasad a finales de 2025 y David Luan, que dirigía el laboratorio de AGI de San Francisco, a principios de 2026, con el trabajo restante integrado bajo un veterano de la infraestructura, Peter DeSantis. Un consejo más débil sigue financiando el plan original para justificar lo que ya gastó.

Hay un filo aún más agudo. Los puestos de postentrenamiento y personalización que se eliminan son las mismas funciones que el producto Nova Forge de Amazon está hecho para automatizar y entregar a los clientes. La compañía lanzó la herramienta que hace el trabajo y luego dejó marchar al equipo que lo hacía a mano. Eso es coste hundido y autodisrupción en una sola decisión, y es la versión que a la mayoría de las empresas más les cuesta aplicar a su propia gente.

Lo que un propietario se lleva de esto

Contraste con la tasa base el instinto de construir su propio modelo. Muy pocas organizaciones superarán a los laboratorios de frontera, y las que gastan 200 mil millones de dólares al año lo están admitiendo en voz baja. Si un gigante con los recursos de Amazon no financia su camino hacia la paridad, un operador más pequeño debería tratar la construcción de un modelo de frontera como la rara excepción, no como el plan por defecto, y comprar o alquilar la capacidad en su lugar.

Invierta allí donde ya está su foso. La ventaja de Amazon nunca fue el modelo; fueron los clientes y el camino hacia ellos. La suya probablemente sean sus datos, su flujo de trabajo o su distribución, no un laboratorio. El movimiento disciplinado es poner las llamadas al modelo tras una interfaz que pueda cambiar, mantener portables sus prompts y evaluaciones, y verter su escaso presupuesto en la ventaja que nadie más tiene, no en igualar una carrera que ganará un puñado de laboratorios.

Leer a continuación: Cuando la factura dice 7 billones, no reaccione  |  Sus datos revisados por humanos ya eran medio máquina