Cuando Google declaró el Código Rojo

Para alguien que ha dedicado años a estudiar cómo los directorios toman decisiones bajo presión, este episodio de Google debería enseñarse en todas las escuelas de negocios. No como caso de éxito, sino como advertencia.

Diciembre 2022. Sundar Pichai convoca de urgencia a Larry Page y Sergey Brin. Los fundadores, apartados de la gestión desde 2015, regresan para enfrentar lo impensable: ChatGPT acaba de alcanzar 100 millones de usuarios en solo 60 días, haciendo exactamente lo que Google consideraba su territorio inalienable (responder preguntas) con una interfaz que los usuarios encuentran superior.

La ironía es dolorosa. Google fue quien inventó la tecnología que hizo posible a ChatGPT: los Transformers, en 2017. Posee más talento en IA que cualquier otra organización del planeta. Demostró capacidad sobrehumana con AlphaGo y AlphaFold. Y sin embargo, una startup respaldada (nada menos que) por su rival Microsoft le arrebató la iniciativa estratégica en el campo que definirá la próxima década.

Esa semana, Pichai declara “Código Rojo”, una alerta máxima rarísima en la empresa. Reorganiza toda la operación, reasigna a cientos de ingenieros, y toma una decisión que costará US$100.000 millones de capitalización en 48 horas: lanzar Bard, un chatbot que no está listo.

Que quede claro: esto no es un caso sobre tecnología. Es un caso sobre gobierno corporativo. Sobre cómo las estructuras que funcionaron durante décadas pueden convertirse en camisas de fuerza cuando el entorno cambia. Y sobre decisiones que no tienen respuesta correcta, solo trade-offs dolorosos.

La trampa del éxito

Google construyó su imperio sobre una “religión de calidad”. Cada cambio en el buscador se probaba rigurosamente; cada algoritmo se validaba durante trimestres. Los usuarios confiaban en Google porque entregaba consistentemente el resultado más útil. Esa confianza valía US$162.000 millones anuales en publicidad.

Cuando ChatGPT explotó, los guardianes de calidad de Google hicieron exactamente lo que debían según sus manuales. Alertaron que los modelos de lenguaje cometían “alucinaciones” (inventaban hechos falsos), daban consejos peligrosos y, fundamentalmente, no eran confiables. Los ingenieros internos describieron a Bard como un “mentiroso patológico”. Los reportes filtrados indicaban que podía incluso sugerir actividades potencialmente letales. Bajo las reglas normales, esto habría detenido cualquier lanzamiento. De hecho, había pasado exactamente eso con su “cerebro artificial” LaMDA un año antes.

Pero en enero de 2023, cuando Microsoft anunció que integraría ChatGPT en su buscador Bing, Pichai enfrentó una decisión binaria: mantener los estándares de calidad y ceder completamente el momentum, o romper sus propias reglas.

El 8 de febrero lanzó Bard. En la demo oficial, Bard afirmó incorrectamente que el telescopio James Webb había capturado las primeras imágenes de exoplanetas, un logro que en realidad databa de 2004. Los medios detectaron el error en minutos. La narrativa fue devastadora: el buscador que siempre tuvo la respuesta correcta, ahora mentía. US$100.000 millones se evaporaron en 48 horas.

Superficialmente, parecía un error catastrófico. Pero Pichai no era irresponsable. Enfrentaba lo que los estrategas llaman “pérdida de iniciativa”: Microsoft había definido la narrativa. Si Google no lanzaba nada en febrero, para marzo la historia sería “Google finalmente responde, tres meses tarde”. Y la percepción de liderazgo, una vez perdida, es casi irrecuperable. Más tangible aún: Samsung consideró reemplazar a Google como buscador predeterminado en sus teléfonos (US$3.000 millones anuales en riesgo), y Apple renegociaría pronto para sus dispositivos (US$20.000 millones al año). No lanzar nada ya no sería cuestión de “prudencia”. Era aceptar la derrota.

El espejo latinoamericano

He visto este patrón muchas veces en empresas de la región. Pensemos en un banco que durante 40 años construyó su reputación de “servicio personalizado”: los ejecutivos conocen a los clientes por nombre, las decisiones de crédito pasan por comités locales. Todo eso es genuinamente valioso. Pero cuando unas fintech empiezan a originar créditos online y en cinco minutos usando algoritmos, el banco descubre que su fortaleza se percibe como lentitud inaceptable por los menores de 35 años. La “prudencia” que justificaba procesos largos le permite al competidor capturar el 15 % de la originación en 18 meses.

O consideremos un retailer de moda que durante décadas destacó por su curaduría experta: compradores viajaban a ferias europeas y seleccionaban colecciones exclusivas. Pero cuando las plataformas digitales permiten a los diseñadores vender directamente y los algoritmos reemplazan a los curadores humanos, la “curaduría experta” se convierte en inventario limitado, en ciclos lentos, en márgenes altos para viajes que ya no agregan valor.

O un conglomerado familiar orgulloso de su “conocimiento local”: cada país con gestión autónoma. Pero cuando un competidor lanza una plataforma unificada en ocho países simultáneamente, el conglomerado descubre que “autonomía local” significa plataformas incompatibles, imposibilidad de consolidar el poder de compra y gerentes defendiendo feudos.

Clayton Christensen documentó este fenómeno en El dilema del innovador. Las empresas no fracasan por ser malas en lo que hacen. Fracasan porque son demasiado buenas en lo que hacen, y eso las ciega ante las amenazas que requieren hacer algo distinto.

El portafolio de apuestas (o por qué la dicotomía es una trampa)

La mayoría de los análisis de casos como el de Google caen en la trampa de presentar una dicotomía falsa: o proteges el negocio de búsqueda tradicional, o apuestas todo a la IA generativa. Suena intelectualmente limpio, pero es operacionalmente inútil. La realidad es que Google construyó un portafolio de cinco apuestas con diferentes horizontes temporales, diferentes mecanismos de monetización y diferentes funciones estratégicas. Entender esta arquitectura es entender cómo se gestiona el dilema del innovador en la práctica.

Empecemos por el problema existencial. El modelo de negocio de Google genera US$162.000 millones anuales en publicidad mostrando 10 resultados de búsqueda más tres o cuatro anuncios patrocinados. Los usuarios hacen clic en los anuncios entre el 2 % y el 3 % de las veces. Eso basta para sostener todo el imperio. Ahora bien, la IA generativa promete responder preguntas directamente: “¿Cuál es la capital de Nigeria?”, “Abuja”. Si la IA responde en pantalla, el usuario no hace clic en nada. Y si no hace clic, el modelo publicitario colapsa.

Google no puede simplemente “activar la IA para todos” porque no sabe cómo monetizarlo. Pero tampoco puede ignorar la IA porque perdería relevancia. ¿Qué hace entonces? Construye un portafolio donde cada apuesta cumple una función diferente.

La primera apuesta es Search Generative Experience, el laboratorio disfrazado de producto. SGE es un modo experimental donde solo algunos usuarios voluntarios, inicialmente el 1 % en Estados Unidos, ven una experiencia híbrida. Cuando buscan algo, la parte superior muestra un resumen generado por IA con dos o tres enlaces integrados, y abajo siguen apareciendo los resultados tradicionales con anuncios.

¿Por qué solo el 1 %? Porque SGE no es un producto de adopción masiva. Es un laboratorio. Google está experimentando: ¿los usuarios hacen menos clics en anuncios cuando ven resúmenes de IA? La respuesta es sí, aproximadamente un 30 % menos. ¿Se pueden mostrar anuncios dentro del resumen sin que parezca spam? ¿Los usuarios pagarían US$10 al mes por búsqueda con IA sin anuncios? Nadie lo sabe todavía.

La función estratégica de SGE es la canibalización controlada. Google acepta erosionar un poco sus clics tradicionales, el 1 % de los usuarios con un 30 % menos de clics equivale a un impacto de apenas el 0,3 % en los ingresos totales, perfectamente tolerable, para aprender cómo monetizar la IA antes de escalarla al 100 % de los usuarios. El horizonte de esta apuesta es de tres a cinco años.

La segunda apuesta es Bard standalone: competir donde no canibalizas nada. Bard (que posteriormente se renombró como Gemini) es un chatbot independiente, como ChatGPT. No está integrado en la búsqueda. Lo usas para escribir emails, generar código, resumir documentos largos, hacer brainstorming creativo. Son casos de uso completamente diferentes a “buscar información rápida”.

Esta distinción es crucial: Bard no canibaliza la búsqueda tradicional. Una persona que usa Bard para escribir un email de disculpa a un cliente no habría “buscado” eso en Google de todas formas. Son mercados complementarios, no sustitutos. La función estratégica de Bard es ser el seguro de Google para el mundo post-búsqueda. Si en cinco o diez años las interfaces conversacionales reemplazan a los buscadores, Google necesita tener un producto competitivo ahí. La monetización combina un modelo freemium con suscripción premium de unos US$20 al mes, más la integración con Google Workspace. El horizonte es de dos a tres años.

La tercera apuesta es Google Cloud AI: monetizar la infraestructura sin canibalizar al consumidor. Google Cloud ofrece modelos de IA, PaLM, Imagen, Codey, vía API a empresas y desarrolladores. Básicamente, vende acceso a su tecnología como infraestructura. Cada vez que una startup o una corporación llama al modelo PaLM para generar texto, le paga a Google por esa llamada.

Esto significa cero canibalización de la búsqueda e ingresos incrementales puros. Y aquí viene lo interesante: Google Cloud ya crece al 25 % anual y genera US$33.000 millones. Si la IA generativa acelera la adopción del cloud, Google Cloud podría llegar a US$100.000 millones de ingresos en cinco a siete años. Eso compensaría parcialmente cualquier erosión de la publicidad en búsqueda. El horizonte es de cinco a diez años, pero ya empieza a generar ingresos tangibles hoy.

La cuarta apuesta es la IA embebida en productos existentes: la defensa del ecosistema. Google integró la IA generativa en Gmail con Smart Compose mejorado, en Docs con redacción automática, en Fotos con edición avanzada, en Maps y en YouTube. Ninguna de estas aplicaciones canibaliza la búsqueda. Al contrario: refuerzan el valor de los productos existentes. Si Gmail con IA es significativamente mejor que Outlook, los usuarios no migran.

La función estratégica es aumentar la stickiness (el costo de un usuario de “salirse”) y proteger los ingresos adyacentes, suscripciones, publicidad en YouTube, el ecosistema Android. No hay canibalización y solo hay upside. El horizonte es inmediato.

La quinta apuesta es la inversión en Anthropic: el hedge de humildad. Google invirtió US$300 millones en Anthropic, fabricante de Claude, tomando aproximadamente el 10 % de la empresa. Es decir: Google financia a un competidor de sus propios productos.

La lógica detrás de esto es elegante. Si Google DeepMind falla en construir el mejor modelo, Google al menos tiene participación en un ganador alternativo. Además, Anthropic usa Google Cloud como infraestructura, lo que genera ingresos para Google incluso si Anthropic termina dominando el mercado. Es una apuesta de humildad organizacional: reconocer que tu innovación interna puede no ser suficiente. El horizonte es de siete a diez años.

En resumen: cinco apuestas con cinco horizontes diferentes y cinco niveles de canibalización, desde cero hasta controlada. Esto no es “apostar todo al rojo”. Es gestionar el dilema del innovador como un portafolio, no como una decisión binaria.

Cuando la estructura se convierte en el problema

Durante casi una década, Google operó con una paradoja que pocos cuestionaban: dos divisiones de IA de élite, Brain y DeepMind, que apenas colaboraban entre sí. Operaban con culturas distintas, presupuestos separados y objetivos a veces contradictorios. Era una duplicación intencional. Larry Page y Sergey Brin creían que la competencia interna generaba excelencia. Y con más de US$200.000 millones de ingresos anuales, podían darse el lujo de subsidiar ese “experimento creativo”.

Pero los costos ocultos eran sustanciales. Cuando ChatGPT explotó en noviembre de 2022, Google tenía dos equipos construyendo dos respuestas diferentes: Brain trabajaba en LaMDA, que se convertiría en Bard, mientras que DeepMind desarrollaba Sparrow. Los equipos no compartían código, no coordinaban avances y no intercambiaban aprendizajes.

El costo de esta fragmentación se hizo evidente después del desastre de febrero de 2023. Cuando Bard necesitó mejorar urgentemente tras la humillación pública, el equipo de Brain no podía simplemente “importar” los avances de DeepMind porque los sistemas eran incompatibles. Un exingeniero lo describió con una metáfora que se volvió famosa internamente: “Era como dos departamentos de bomberos llegando al mismo incendio con mangueras que no se conectaban entre sí”.

En abril de 2023, Pichai tomó una decisión que durante años había sido políticamente imposible: fusionó Brain y DeepMind en una sola unidad llamada Google DeepMind, bajo el liderazgo de Demis Hassabis. La reorganización no fue sencilla, egos, territorios y culturas que integrar, pero era necesaria.

El resultado tangible llegó en diciembre de 2023 con el lanzamiento de Gemini. Este modelo combinaba las capacidades de lenguaje que habían sido la tradición de Brain con las técnicas de aprendizaje por refuerzo que eran la especialidad de DeepMind. Gemini logró competir de tú a tú con GPT-4 en la mayoría de los benchmarks, algo que ni Bard ni Sparrow habrían logrado por separado.

La lección para cualquier directorio es incómoda pero importante: las estructuras que generan innovación en tiempos de abundancia pueden convertirse en obstáculos en tiempos de crisis. La autonomía que permitía a Brain y DeepMind explorar sin restricciones también les impedía coordinar cuando la coordinación era crítica. A veces, el “lujo creativo” de la duplicación se convierte en un pasivo. Y reconocer ese momento, y actuar sobre él, es una de las decisiones más difíciles que un CEO puede tomar.

Qué significa esto para un directorio latinoamericano

Para noviembre de 2024, Google mantenía el 90 % de la cuota en búsquedas globales. Sus ingresos por publicidad habían crecido. Alphabet valía US$2,3 billones. Bard había evolucionado, y Gemini ya competía de tú a tú con los mejores modelos del mercado. Microsoft, por su parte, no logró mover la aguja de Bing más allá del 3 % o 4 %. Superficialmente, podríamos declarar victoria.

Pero esa lectura sería prematura. La próxima generación de usuarios, Gen Z, Gen Alpha, crece con las interfaces conversacionales como norma. En cinco años, “hacer una búsqueda” podría significar hablar con una IA en lugar de tipear palabras en una caja blanca. En ese mundo, la ventaja histórica de Google se erosiona. El modelo publicitario de enlaces patrocinados podría no transferirse a la nueva interfaz. Y Google sigue sin haber resuelto la monetización de la búsqueda con IA a escala.

El dilema del innovador no se “resuelve”. Se gestiona. Cada trimestre. Con un portafolio de trade-offs entre presente y futuro que debe rebalancearse según las señales del mercado.

Para un CEO latinoamericano, y para el directorio que lo supervisa, esto tiene implicaciones concretas.

Primero: prenegociar y alinearse con el directorio en cuáles podrían ser los activadores de “modo excepcional”. ¿Una pérdida del 15 % de cuota en seis meses? ¿Una regulación que amenaza el 30 % de los ingresos? Definir esto ex ante permite actuar mucho más rápido cuando llega la crisis.

Segundo: construir portafolios de apuestas en lugar de decisiones binarias. No es “transformación digital sí o no”. Es cuánto, dónde, con qué horizonte, con qué métricas de éxito.

Tercero: revisar las estructuras organizacionales. La autonomía que generaba innovación puede convertirse en la fragmentación que impide una respuesta coordinada.

Cuarto: invertir en potenciales disruptores como hedge. Si tu innovación interna falla, al menos tienes participación en quién será tu próximo disruptor.

La pregunta no es si enfrentarás tu “momento ChatGPT”. Cada industria tiene disrupciones pendientes. La banca enfrentará la combinación de IA, blockchain y open finance. El retail enfrentará la realidad aumentada, la logística autónoma y el comercio conversacional. La salud enfrentará la telemedicina y la IA diagnóstica. La pregunta relevante es si tendrás un sistema de respuesta listo. O si, como tantas empresas antes, tu éxito pasado será precisamente lo que te impida adaptarte.

Google nos enseña que incluso el incumbente más poderoso puede ser vulnerable. Pero también demuestra que con decisiones estratégicas correctas, aunque dolorosas e imperfectas, es posible disputar el futuro sin entregar el presente.

Que quede claro: no hay respuesta perfecta. Solo queda la disciplina de gestionar portafolios de apuestas, la humildad de reconocer cuándo tus fortalezas se convirtieron en anclas, y la velocidad de corrección cuando el mercado te demuestra que estabas equivocado. Eso no es ciencia. Es artesanía. Y es exactamente lo que distingue a los directorios que sobreviven de los que terminan en casos de estudio sobre fracasos empresariales.

Nota sobre las fuentes

Este artículo integra tres líneas de evidencia. La reconstrucción del caso Google —incluyendo la declaración de “Código Rojo”, el lanzamiento de Bard y la fusión de Brain y DeepMind— se basa en reportes periodísticos de The New York Times, Reuters, Bloomberg, TechCrunch y The Verge, complementados con documentos públicos de Alphabet Inc. (earnings calls, comunicados oficiales y presentaciones a inversionistas) y el podcast Acquired, que ofrece análisis detallado de fuentes primarias. Los datos financieros (capitalización bursátil, ingresos por publicidad, crecimiento de Google Cloud) provienen de registros públicos de la SEC y reportes trimestrales de Alphabet. El análisis estratégico del portafolio de cinco apuestas —incluyendo los niveles de canibalización y horizontes temporales— es elaboración propia del autor basada en esas fuentes públicas. Los ejemplos de empresas latinoamericanas (banco regional, retailer de moda, conglomerado familiar) son ilustrativos, construidos a partir de patrones observados en múltiples casos reales en los que el autor ha participado como asesor, sin referencia a organizaciones específicas por razones de confidencialidad. El postdata sobre el “Código Rojo” de OpenAI (enero 2026) se basa en información de prensa disponible al cierre de edición.

Acerca del autor

Alfredo Enrione es profesor y director del Centro de Gobierno Corporativo y Sociedad en ESE Business School, Universidad de los Andes (Chile). Investiga sobre gobierno corporativo, estrategia, organización y el impacto de la IA en estos campos. Ha asesorado a más de 150 directorios en América Latina en procesos de transformación.

Nota sobre fuentes: Este artículo integra reportes de The New York Times, Reuters, Bloomberg, TechCrunch, The Verge, el podcast Acquired y documentos públicos de Alphabet Inc. Los ejemplos de empresas latinoamericanas son ilustrativos, construidos a partir de patrones observados en múltiples casos reales, sin referencia a empresas específicas por razones de confidencialidad.

Acerca de el autor

Alfredo Enrione

Alfredo Enrione, Ph.D., es director del Centro de Gobierno Corporativo y Sociedad del ESE Business School y profesor de gobierno corporativo y estrategia. Su trabajo se concentra en los directorios, el liderazgo y el modo en que la disrupción tecnológica —hoy, sobre todo, la inteligencia artificial— está cambiando la forma de gobernar las empresas. Ha asesorado a directorios de empresas familiares y multinacionales, además de organismos públicos y organizaciones sin fines de lucro, en América Latina y Estados Unidos. Es conferencista y un activo creador de contenido sobre gobierno corporativo, con una de las audiencias de mayor alcance en su área en LinkedIn.

Todos sus artículos →  ·  Perfil en el ESE ↗