Jeff Dean verlaat Google voor AI-startup Discovery Loop

TL;DR

• Wat: Jeff Dean en drie andere topwetenschappers vertrekken na 27 jaar bij Google om Discovery Loop op te richten, een startup die wetenschappelijk onderzoek wil automatiseren met AI.
• Waarom relevant: als AI straks experimenten zelfstandig kan opzetten en uitvoeren, versnelt dat innovatie in sectoren waar ook het MKB van afhankelijk is — van materialen tot medicijnen.
• Wat je ermee kunt: volg hoe 'geautomatiseerd onderzoek' zich ontwikkelt en overweeg wat snellere doorbraken in jouw branche voor je producten of diensten kunnen betekenen.

Vandaag las ik dat Jeff Dean — de man die bij Google zowel de zoekinfrastructuur als het AI-onderzoek jarenlang heeft vormgegeven — na 27 jaar vertrekt om een eigen bedrijf te starten. Dat vond ik opvallend genoeg om er even bij stil te staan, want het raakt een thema dat steeds concreter wordt: AI die niet alleen een hulpmiddel is, maar zélf onderzoek doet.

Wie vertrekt er precies?

Het gaat niet om één vertrekker. Vier zwaargewichten stappen tegelijk op bij Google:

• Jeff Dean — Chief Scientist bij Google, de 30e werknemer van het bedrijf, betrokken bij onder meer Google Brain en Gemini.
• Sanjay Ghemawat — Senior Fellow bij Google, bekend als Dean's vaste samenwerkingspartner op het gebied van infrastructuur.
• Quoc Le — medeoprichter van Google Brain en pionier in AutoML, het vakgebied dat AI gebruikt om betere AI te maken.
• Oriol Vinyals — voormalig VP of Research bij Google DeepMind en technisch leider achter Gemini.

Wat mij hier opvalt: dit zijn niet zomaar managers. Dit zijn drie van de meest geciteerde AI-onderzoekers ter wereld én twee van de meest geciteerde onderzoekers in distributed systems. Als zij gezamenlijk vertrekken, is dat een signaal dat de markt serieus neemt — het aandeel Alphabet daalde vandaag met zo'n 5%, goed voor bijna 190 miljard dollar aan marktwaarde die even verdampte.

Wat is Discovery Loop?

Hun nieuwe bedrijf heet Discovery Loop en is opgericht als een public benefit corporation — een rechtsvorm die winst én maatschappelijk nut als doel heeft. Het idee in de kern: AI-systemen bouwen die het volledige wetenschappelijke experiment automatiseren.

Denk niet aan een chatbot die papers samenvat. Denk aan een systeem dat:

1. Hypotheses formuleert — nieuwe ideeën bedenkt om te testen.
2. Experimenten opzet en uitvoert — duizenden tegelijk.
3. Resultaten evalueert en op basis daarvan de volgende ronde experimenten start.

Jeff Dean zegt hierover: "You will get both a higher quantity and a higher quality of experiments, and that will lead to scientific breakthroughs and advances."

Het eerste doelgebied is AI-onderzoek zelf — Discovery Loop wordt dus zijn eigen klant. Daarna wil het team uitbreiden naar chipdesign, medicijnontwikkeling, materiaalkunde en schone energie.

Ik vind het interessant dat Quoc Le daar specifiek over zei: "It might be that we will discover a different transformer architecture." De transformer is het bouwblok onder vrijwel alle huidige AI-modellen — van ChatGPT tot Gemini. Als een AI-systeem een beter alternatief zou kunnen ontdekken, dan praat je over een fundamentele verschuiving.

Wie betaalt en wat is de relatie met Google?

De financiering komt van Radical Ventures en Khosla Ventures als hoofdinvesteerders, aangevuld met Kleiner Perkins, Lightspeed en Doerr Capital. En opvallend: Alphabet, het moederbedrijf van Google, is ook founding investor én levert het eerste jaar cloudcapaciteit.

Google-CEO Sundar Pichai wordt geciteerd: "We'll continue to work with Discovery Loop as a founding investor and Cloud partner, and collaborate on a research framework."

Dat is een bijzondere constructie. Google verliest vier topwetenschappers, investeert vervolgens in hun startup en levert de rekenkracht. Het lijkt erop dat Google liever een vinger in de pap houdt dan het team volledig kwijt te raken aan een concurrent. Of het team deze nauwe band als voordeel of als beperking gaat ervaren, is iets wat ik met interesse ga volgen.

Wat betekent dit voor ondernemers?

Je zou kunnen denken: wetenschappelijk onderzoek automatiseren, dat is iets voor universiteiten en farmaceuten, niet voor mijn bedrijf. Ik snap die reactie. Maar ik denk dat het iets breder gaat dan dat.

Innovatie in je toeleveringsketen versnelt

Stel dat je als ondernemer afhankelijk bent van bepaalde materialen, coatings of chemische processen. Als AI-gedreven onderzoek de ontwikkeling van nieuwe materialen versnelt — en dat is een van de genoemde domeinen — dan kan dat sneller doorwerken in wat jij inkoopt of verkoopt. De tijd tussen "ontdekking in een lab" en "beschikbaar op de markt" wordt mogelijk korter.

De grens tussen 'onderzoek' en 'automatisering' vervaagt

Wat Discovery Loop doet aan de bovenkant van de markt — volledige onderzoekscycli automatiseren — is een extreme versie van iets wat nu al in het MKB speelt. Uit recent onderzoek blijkt dat bijna 30% van het Nederlandse MKB al minstens één AI-technologie inzet. Maar slechts 25% gebruikt dat voor onderzoek of innovatie. De meeste bedrijven zitten nog in de fase van marketing en administratie.

Kun je je voorstellen wat het betekent als je als MKB'er je eigen productverbeteringen deels zou kunnen automatiseren? Niet vandaag — maar de richting is duidelijk. De tools die over twee, drie jaar beschikbaar komen, bouwen voort op precies dit type fundamenteel onderzoek.

Let op de verschuiving in talent

Er is nog iets wat mij opvalt. De beste AI-onderzoekers vertrekken bij grote techbedrijven om onafhankelijke labs op te richten. Dat is een patroon: eerder zagen we vergelijkbare bewegingen bij OpenAI-medewerkers die naar Meta vertrokken. Voor ondernemers die AI-talent zoeken is dat relevant — het landschap van waar expertise zit, verschuift.

Niet zonder vraagtekens

Ik wil eerlijk zijn: er zitten ook open vragen aan dit verhaal. Discovery Loop spreekt over het "automatiseren van de wetenschappelijke methode", inclusief recursive self-improvement — AI die zichzelf verbetert. Dat klinkt ambitieus, en er is een verschil tussen een visie en een werkend product. Het bedrijf heeft nog geen concreet product laten zien, en de genoemde toepassingsgebieden zijn breed. Of ze daar allemaal impact gaan maken, moet nog blijken.

Ook is de public benefit corporation-structuur geen garantie voor maatschappelijk nut. Het is een intentie, geen resultaat. Ik denk dat het verstandig is om dit met interesse én met een gezonde dosis nuchterheid te volgen.

Tot slot

Voor mij is dit vooral een signaal dat AI niet meer alleen gaat over productiviteit en efficiëntie — de toepassingen waar we het als ondernemers het vaakst over hebben. De volgende fase gaat over AI die zelf ontdekt, experimenteert en innoveert. Dat is een fundamenteel ander verhaal. En of Discovery Loop daarin slaagt of niet, het feit dat dit soort teams nu ontstaat — met dit kaliber mensen en dit niveau van financiering — vertelt me dat de wetenschappelijke wereld de komende jaren flink gaat verschuiven. De effecten daarvan gaan we uiteindelijk allemaal merken, ook in het MKB.