La inteligencia artificial ya ha aprendido a pensar. Enseñarle a moverse, percibir y actuar en nuestro mundo físico es la frontera más difícil, y el calendario hacia un futuro al estilo Asimov depende del hardware y de la confianza, no de algoritmos más inteligentes.
Una conversación publicada este mes por ChinaTalk con dos analistas de robótica de SemiAnalysis planteó una afirmación que merece detenerse a considerar: los robots de propósito general podrían ser la primera tecnología en un siglo capaz de desvincular verdaderamente la producción física del trabajo humano. El intercambio se centró en el rápido ascenso de Unitree y en el control que ejerce China sobre los actuadores y el procesamiento de tierras raras, pero la pregunta estratégica que plantea es más amplia que la de una sola empresa. Si la cognición ya se ha industrializado a través de los grandes modelos de lenguaje, ¿qué es realmente lo que nos separa de un mundo en el que las máquinas compartan nuestros espacios físicos con la misma solvencia con que hoy comparten nuestras bandejas de entrada, un futuro al estilo Asimov, si se quiere, de robots que cocinan, cuidan, construyen y conviven? La respuesta honesta es que la restricción ha cambiado de lugar. Ya no se trata de si un modelo puede planificar una tarea, sino de si un cuerpo puede ejecutarla de forma fiable, segura y lo bastante económica como para importar.
El abismo entre la demostración y el despliegue
La práctica industrial de McKinsey, que hace seguimiento de los pilotos de humanoides en fabricación y logística, plantea la situación como un abismo más que como una pendiente: los pilotos en BMW, Mercedes y Amazon ya muestran robots gestionando tareas estructuradas y cartografiadas, como la logística intrafábrica, pero escalar más allá de esos entornos controlados exige cerrar cuatro brechas distintas a la vez: rendimiento técnico, coste, garantías de seguridad y regulación. Ninguna de estas brechas cede ante modelos de lenguaje mejores por sí solos. Un humanoide todavía necesita miles de millones de interacciones simuladas o teleoperadas para dominar incluso tareas de manipulación limitadas, y generaliza mal en cuanto cambia el entorno. La percepción táctil, las manos adaptativas y los actuadores lo bastante compactos para caber en una extremidad de escala humana siguen siendo, según el propio McKinsey, problemas de ingeniería sin resolver antes que problemas de datos. El progreso en el terreno cognitivo simplemente ha superado al del cuerpo que debe llevarlo a la práctica.
Cuatro obstáculos, no uno
El primer obstáculo es la destreza y la resistencia: manos, articulaciones y sistemas de refrigeración capaces de sostener un turno de ocho horas sin sobrecalentarse ni degradarse, un umbral que las plataformas actuales solo alcanzan en configuraciones estrechas y específicas para cada tarea. El segundo es el dato: la experiencia corporeizada no puede extraerse de internet como el texto, así que cada avance en manipulación fina depende hoy de bancos de pruebas a medida, flotas de teleoperación o simuladores construidos ex profeso, un sustituto caro y lento frente a los enormes corpus que entrenaron a los modelos de lenguaje actuales. El tercero es la propia cadena de suministro. El Center for Security and Emerging Technology de Georgetown señala que la fabricación escalable de humanoides depende de curvas de coste que todavía no se han doblado, y que el ecosistema de actuadores y tierras raras que las sostiene está concentrado geográficamente hasta un punto que debería preocupar a cualquier ejecutivo que planifique un despliegue a cinco años. El cuarto obstáculo, y el menos discutido en los círculos de ingeniería, es la confianza: la prevención de colisiones, la ciberseguridad y la transparencia en la toma de decisiones deben certificarse antes de que una máquina con par motor real pueda trabajar junto a un ser humano desprotegido, y ese andamiaje regulador apenas existe todavía.
Cerrar la brecha: tres palancas plausibles
Ninguno de estos obstáculos es insalvable, y la dirección del avance ya es visible. La integración vertical es la primera palanca: las empresas que controlan el diseño del actuador, desde el imán de tierras raras hasta la articulación terminada, iteran más rápido porque cada fallo retroalimenta directamente la siguiente revisión, el mismo bucle que permitió a la industria china del vehículo eléctrico superar a competidores antes descartados como inofensivos. La segunda palanca es una estrategia de despliegue deliberadamente irregular, en lugar de la búsqueda de un robot universal único: emparejar una tarea más acotada y bien instrumentada, como el cableado en un centro de datos, la limpieza de cabinas en un aeropuerto o el manejo de chapa metálica en una línea de montaje, con efectores finales a medida y modelos específicos cierra la brecha de destreza mucho más rápido que esperar a que llegue un modelo fundacional de propósito general. La tercera palanca es el abastecimiento aliado y diversificado: zonas económicas con permisos más ágiles, alianzas con Japón, Australia y el sudeste asiático para el procesamiento de tierras raras, y una política industrial que trate a los actuadores como se trató a los semiconductores hace una década. Nada de esto es glamuroso, pero tampoco lo fue la década de capital discreto que construyó la industria moderna de los chips.
Un calendario especulativo
A partir de dónde se encuentran hoy estas palancas, una especulación razonable sería la siguiente. En un plazo de dos a cuatro años, la manipulación gruesa en plataformas móviles se vuelve desplegable a escala significativa en logística y fabricación, extendiendo en esencia los pilotos actuales hacia líneas de aprovisionamiento estándar. Hacia el final de la década, una segunda oleada de tareas que exigen un juicio táctil genuino, desde el cableado hasta el ensamblaje ligero, empieza a cruzar del piloto a la plataforma a medida que los costes de sensores y actuadores caen entre cinco y diez veces, el factor que McKinsey estima aún necesario. El robot doméstico, el que dobla la ropa, cocina y vigila a un familiar mayor, se sitúa en una curva más larga, no solo porque el problema de la manipulación sea categóricamente más difícil, sino también porque la proximidad no supervisada con personas sin formación multiplica la carga de seguridad y responsabilidad mucho más allá de lo que exige cualquier planta de fábrica. Una convivencia realista al estilo Asimov, en la que la IA física forme sencillamente parte del funcionamiento de hogares y ciudades, es, con plausibilidad, una historia de entre 2035 y 2045 más que de 2030, y llegará de forma desigual: primero los entornos industriales y logísticos, después los espacios públicos controlados como hospitales y aeropuertos, y por último los hogares privados.
Qué significa esto para quienes toman decisiones hoy
Para los directivos que leen esto, y la referencia aquí es sobre todo para el mundo occidental, la conclusión práctica no es esperar a tener certeza antes de moverse. Las organizaciones que ya están pilotando humanoides en tareas acotadas y bien definidas son las que están construyendo el músculo operativo, como los flujos de datos, los protocolos de seguridad y las relaciones con proveedores, que se acumulará en cuanto la curva del hardware se doble. La IA física sigue la trayectoria que ya nos mostró la IA digital: el progreso llega de forma desigual, la adopción va por detrás de la capacidad, y las empresas que traten esto como una cuestión de infraestructura a cinco años, en lugar de como el lanzamiento único y espectacular de un producto, serán las que estén preparadas cuando los robots dejen de bailar y empiecen a trabajar.
