Google ændrede i uge 32 arbejdsdelingen omkring sin vigtigste AI-enhed. Demis Hassabis forlader den daglige ledelse af Google DeepMind og bliver i stedet formand for enheden og Chief Scientist i Alphabet. CTO Koray Kavukcuoglu overtager ansvaret for den løbende udvikling af modeller og produkter. Samtidig forlader Jeff Dean Google efter 27 år sammen med Sanjay Ghemawat, Quoc Le og Oriol Vinyals for at stifte Discovery Loop.

Ændringen er mindre enkel end overskriften om en afgående DeepMind-chef antyder. I Googles egen meddelelse beskrives Hassabis' nye rolle som et skifte mod langsigtet forskning, videnskab og strategiske spørgsmål om avanceret AI. Kavukcuoglu får til gengæld et tydeligere driftsmandat omkring Gemini, udviklerprodukter og Googles frontiermodeller. Der er derfor både tale om en succession og om en opsplitning af opgaver, som tidligere lå tættere samlet.

De fire afgående forskere har tilsammen præget en stor del af Googles tekniske fundament. Dean og Ghemawat var centrale bag MapReduce og Bigtable, mens Le og Vinyals har arbejdet med blandt andet sekvensmodeller og Gemini. Deres nye selskab, Discovery Loop, vil bygge systemer, der foreslår eksperimenter, gennemfører dem, vurderer resultaterne og bruger dem som input til næste forsøg. Første område bliver maskinlæring; ambitionen er siden at anvende samme arbejdsform på blandt andet medicin, energi og cybersikkerhed.

Alphabet kapper ikke forbindelsen. Google er både stiftende investor, cloudpartner og forskningssamarbejdspartner. Konstruktionen lader forskerne arbejde med en startups tempo og ejerstruktur, mens Alphabet beholder en økonomisk og teknisk relation til deres arbejde. Den reelle prøve bliver derfor ikke, om Google har “mistet” fire profiler, men om denne løsere model kan levere forskning uden at svække koordineringen mellem DeepMind, Gemini-produkterne og selskabets øvrige videnskabelige satsninger.

Meta gik samme uge ind i et marked, hvor OpenAI og Anthropic allerede har etableret stærke udviklerværktøjer. Muse Code er en terminalbaseret kodningsagent i beta, drevet af den nye Muse Spark 1.2-model. Agenten er bygget til længere opgaver i hele repositories: den kan planlægge ændringer, skrive kode, køre værktøjer og kontrollere resultater.

Det interessante ligger især i systemet rundt om modellen. Meta beskriver vedvarende baggrundsagenter, som arbejder videre gennem en session, og en lokal, append-only hændelseslog over modelkald, værktøjskørsel, godkendelser og filændringer. Loggen gør det muligt at rekonstruere arbejdet efter et nedbrud i stedet for at starte en lang opgave forfra. Indbyggede kommandoer til planlægning og kritisk gennemgang gør samtidig verifikation til en del af selve arbejdsgangen.

Metas egne benchmarks og demonstrationer bør læses som leverandørmålinger, ikke som en neutral rangliste. Men lanceringen viser, hvor konkurrencen bevæger sig hen: fra enkeltstående kodeforslag til vedvarende arbejdsforløb, der kan tåle afbrydelser og koordinere flere specialiserede processer. For udviklingsteams betyder det, at valg af værktøj ikke kun bør bero på modellens kodekvalitet. Logning, gendannelse, adgangsgrænser, godkendelser og muligheden for at efterprøve agentens handlinger bliver mindst lige så afgørende.

Kontekst: Google og Meta angriber samme organisatoriske problem fra hver sin side. Google fordeler ansvar for forskning, produktudvikling og videnskabelige eksperimenter mellem flere enheder; Meta pakker tilsvarende arbejdsdeling ind i en kodningsagent. I begge tilfælde bliver koordineringen omkring modellen en selvstændig konkurrenceparameter.