Amazon acaba de cerrar su AGI Lab, el equipo de San Francisco que fundó en diciembre de 2024 con el objetivo de desarrollar IA de nivel general. La noticia llega a través de The Information y Reuters y fue recogida por The Next Web el 24 de julio de 2026. El cierre se produce en el contexto de una ronda más amplia de despidos en la unidad AGI de Amazon, cuyo alcance exacto no ha sido confirmado oficialmente. El lab apenas tenía 18 meses de existencia y estaba formado por «varios docenas» de empleados.
Amazon encuadra el movimiento como una decisión de foco estratégico. «Seguimos trabajando en grandes modelos de IA, y es una de las cosas más importantes en las que trabajamos», dijo un portavoz. «Estamos afilando nuestro foco en las iniciativas que más importan a los clientes.» Eso ha implicado «eliminar algunos roles dentro de partes de nuestra organización AGI».
Los líderes se fueron antes que el lab
El cierre del AGI Lab llegó después de que sus dos figuras principales ya hubieran abandonado Amazon:
Rohit Prasad, el ejecutivo que supervisaba todo el esfuerzo AGI de Amazon, se fue a finales de 2024. Era el responsable de la visión de largo plazo para la IA de Amazon.
David Luan, quien dirigía el AGI Lab específicamente, se marchó en febrero de 2026.
Amazon reorganizó el trabajo de AGI bajo Peter DeSantis, juntando IA, chips y quantum en una sola área. No es la primera reestructuración de este tipo en el sector: consolidar todos los esfuerzos de I+D especulativos bajo un único paraguas de infraestructura es la señal de que los proyectos más ambiciosos pasan a un segundo plano frente a los que generan ingresos.
Este cierre forma parte de un patrón de despidos que Amazon lleva ejecutando desde principios de 2026, cuando eliminó 16.000 puestos en enero. El total de recortes en 2025-2026 en Microsoft supera los 15.000 puestos; el precedente más cercano en el mundo del gaming fue Xbox con 3.200 despidos en julio — que aunque es otra empresa, ilustra el momento de la industria.
La estrategia real de Amazon en IA: picks and shovels
Amazon ha sido honesta, aunque implícitamente, sobre su apuesta en IA desde el principio. Google invirtió 40.000 millones de dólares en Anthropic en abril de 2026, una cantidad que refuerza quiénes están construyendo los modelos frontera y quiénes los están financiando. Amazon fue el primer gran inversor en Anthropic antes de Google, con compromisos que superan los 4.000 millones de dólares desde 2023. Lo que Amazon compró no es solo acceso a los modelos de Anthropic: es la seguridad de no tener que construirlos ella misma.
El negocio real de Amazon en IA es AWS: infraestructura, compute y los servicios de IA que construyen empresas usando la nube de Amazon. La escalada de precios de GPU en AWS, que subió tarifas por segunda vez en seis meses por la escasez de HBM, ilustra la posición de Amazon: aunque no controla la escasez, es quien la capitaliza porque las empresas siguen pagando para tener acceso a la computación que necesitan.
La lógica de negocio es clara: construir el modelo frontera más potente del mundo requiere miles de millones en investigación, talento de primer nivel y la tolerancia para competir directamente con OpenAI y Anthropic. Amazon ha decidido que ese no es su juego. Su juego es ser la infraestructura sobre la que corren todos los jugadores — incluidos OpenAI y Anthropic.
Qualcomm comprando Modular para atacar la dependencia de CUDA de Nvidia es parte del mismo ecosistema donde Amazon opera: la capa de infraestructura que facilita el trabajo de los que sí compiten en modelos.
Mi valoración
Lo que más me convence de la decisión de Amazon es su coherencia económica. El AGI Lab tenía varios docenas de empleados. Anthropic tiene cientos de investigadores top-tier de IA y ha publicado algunos de los papers más influyentes del sector en los últimos años. La inversión de Amazon en Anthropic es esencialmente contratar el mejor AGI Lab del mundo sin tener que competir en el mercado de talento más caro de la historia de la tecnología.
Lo que más me preocupa es el precedente que establece para la industria: si el tercer mayor proveedor de cloud del mundo decide que construir modelos frontera no es su negocio, ¿cuántas otras empresas medianas llegarán a la misma conclusión? El mercado de modelos frontera podría concentrarse en dos o tres jugadores — OpenAI, Anthropic, Google — con todos los demás comprando o invirtiendo en esos modelos en lugar de construir los propios.
La pregunta a 12 meses: ¿Amazon lanzará algún modelo propio aunque sea de gama media para mostrar que no ha abandonado la IA, similar a lo que hace Google con sus modelos Gemini Nano on-device? Mi predicción: sí, pero enfocado en casos de uso específicos de AWS (resumen, extracción de datos, code completion en sus IDEs) donde tener el modelo propio tiene ventajas de precio y privacidad.
Preguntas frecuentes
¿Amazon sigue teniendo capacidad de IA propia o depende completamente de Anthropic?
Amazon tiene varios modelos de IA propios. La familia Amazon Nova potencia Alexa Plus y varios servicios de AWS. Lo que Amazon cierra con el AGI Lab no son sus capacidades de IA en general sino su ambición específica de construir un modelo de inteligencia general comparable a los de OpenAI o Anthropic. Nova y los modelos de Bedrock siguen en desarrollo. La diferencia es que Amazon no apuesta por ser el laboratorio de investigación que empuja la frontera del estado del arte.
¿Qué pasa con la inversión de Amazon en Anthropic?
La inversión sigue en pie y es estratégicamente más relevante que nunca. Amazon ha comprometido más de 4.000 millones de dólares en Anthropic, con acceso privilegiado a los modelos de Claude para los servicios de AWS (Amazon Bedrock incluye Claude como uno de los modelos principales). El cierre del AGI Lab y el mantenimiento de la inversión en Anthropic son coherentes: Amazon está eligiendo explícitamente ser distribuidor e infraestructura, no creador de modelos frontera.
¿Cuándo y por qué creó Amazon el AGI Lab?
Amazon fundó el AGI Lab en San Francisco en diciembre de 2024, inicialmente con varias docenas de empleados. Su mandato era hacer los agentes de IA más útiles para empresas. La decisión de crearlo respondía a la presión competitiva de un momento en el que todas las grandes tecnológicas anunciaban laboratorios de AGI y se veía que quedar fuera de esa carrera podía costar caro en términos de talento y posicionamiento. 18 meses después, la evaluación interna fue diferente: el coste de competir no se justificaba frente al retorno esperado.