Google heft zijn Nobelprijs-winnende AI-team op

Het team achter een Nobelprijs valt uit elkaar

AlphaFold voorspelt hoe een eiwit zich vouwt. Dat klinkt abstract, maar het loste een probleem op waar de biologie vijftig jaar op vastliep, en het leverde Demis Hassabis en John Jumper in 2024 de Nobelprijs voor scheikunde op. Het is het meest gevierde stuk wetenschaps-AI dat er bestaat.

Dat team bestaat niet meer als apart team. De Financial Times meldde op 29 juli dat Google DeepMind het heeft ontbonden (FT). Bijna een kwart van de onderzoekers die het oorspronkelijke AlphaFold-paper schreven, heeft het bedrijf verlaten. De meeste anderen zijn intern doorgeschoven naar Gemini-projecten, enzymontwerp, kernfusie en Isomorphic Labs, het medicijnbedrijf dat Alphabet op AlphaFold bouwde.

Het model zelf verdwijnt niet. De AlphaFold-database met honderden miljoenen eiwitstructuren blijft open en staat. Wat weg is, is de vaste ploeg die eraan doorbouwde.

Anthropic vist de makers weg

Waar gaan de vertrekkers heen? Een deel naar de directe concurrent. John Jumper, de Nobellaureaat, kondigde in juni op zijn eigen X-account aan dat hij DeepMind na ongeveer negen jaar verlaat en na een pauze bij Anthropic begint. Twee kerncollega's van het AlphaFold-paper, Jonas Adler en Alexander Pritzel, gaan met hem mee.

Dit is de talentenoorlog in één beeld. Anthropic, dat vooral bekendstaat om taalmodellen, haalt de mensen binnen die de biologie op zijn kop zetten. Google leidde jarenlang in wetenschaps-AI en ziet die kennis nu naar een lab van vier jaar oud lopen. Voor de mensen om wie het gaat is een Nobelprijs kennelijk geen reden om te blijven.

Waarom dit meer is dan een reorganisatie bij Google

DeepMind kiest bewust. Het lab stapt af van het model waarin een apart team zich op één grote uitdaging stort, en zet in op Gemini als centrale spil die agents en gespecialiseerde modellen aanstuurt. De redenering komt van de onderzoeksbaas zelf.

"Onze strategie was de afgelopen negen jaar gericht op grote uitdagingen. Die strategie is veranderd."

Je kunt dat lezen als vooruitgang: één algemeen systeem dat straks meerdere problemen tegelijk aanpakt in plaats van los gereedschap per vraag. Je kunt het ook lezen als een lab dat zijn beroemdste specialistische product laat verwateren omdat de race om algemene modellen alle aandacht opslokt.

Wat het voor jou betekent, ligt niet in de biologie. Het ligt in de afhankelijkheid. AlphaFold is jarenlang het schoolvoorbeeld geweest van een gespecialiseerde AI-tool waar een heel vakgebied op ging leunen. En de partij die hem maakte, kan van de ene op de andere dag besluiten er geen apart team meer op te zetten. Dat gebeurt niet omdat het product slecht is, maar omdat de strategie erboven verschoof.

Leunt een proces bij jou op één gespecialiseerde AI-dienst, dan is dit je herinnering: de leverancier stuurt op zijn eigen agenda, niet die van jou. Vraag je bij elke tool die je kritisch bent gaan noemen af wat er gebeurt als de maker de koers verlegt. Weet je hoe je eruit stapt, of ben je overgeleverd? Dat is geen paniekvraag, maar een zin in je AI-afspraken die je deze week kunt controleren.

Volgende Stap

Wil je weten waar je organisatie te afhankelijk is van één AI-leverancier, en wat je daarover moet vastleggen? Neem contact op. We brengen samen in kaart welke tools kritisch zijn en welke uitweg je per stuk hebt.

Headerbeeld: Google DeepMind.