La siguiente frontera de la IA puede ser el “momento ChatGPT” de los robots
La inteligencia artificial está a punto de enfrentarse a una frontera mucho más difícil que escribir textos, generar imágenes o programar: comprender el mundo físico y actuar dentro de él. Durante los últimos años hemos visto cómo los grandes modelos transformaban el trabajo digital. Ahora empieza una carrera para conseguir que capacidades similares lleguen a robots capaces de observar su entorno, comprender instrucciones, razonar sobre lo que está ocurriendo y ejecutar acciones sin necesitar que cada movimiento haya sido programado previamente. Wang Xiaogang, presidente de la compañía china ACE Robotics, considera que los modelos que funcionan como “cerebros” de los robots podrían alcanzar su propio “momento ChatGPT” hacia finales de 2027. La expresión no pretende decir que en esa fecha todos tendremos robots humanoides en casa, sino describir un posible punto de inflexión: el momento en que una mejora suficientemente grande en los modelos haga evidente para empresas y consumidores que la robótica inteligente ha pasado de ser una tecnología experimental a convertirse en una plataforma capaz de transformar industrias enteras.
ACE Robotics se ha convertido en una de las compañías que intentan acelerar esa transición. Respaldada por inversores como Ant Group y SenseTime, ha captado más de 100 millones de dólares durante el primer semestre de 2026 y está desarrollando sistemas destinados a comercio, hospitality, logística y almacenes. Su apuesta resulta especialmente interesante porque desplaza la conversación desde el robot como máquina hacia el robot como sistema de inteligencia. Durante décadas, la industria ha conseguido fabricar motores, brazos articulados, cámaras, sensores y sistemas mecánicos extraordinariamente precisos. El gran problema continúa siendo conseguir que esas máquinas puedan enfrentarse a situaciones que no estaban exactamente previstas por sus programadores. La próxima revolución de la robótica puede producirse cuando dejemos de programar cada movimiento y empecemos a enseñar a las máquinas a comprender qué deben hacer.
El “momento ChatGPT” de la robótica no depende solamente de construir mejores robots
Cuando ChatGPT apareció públicamente a finales de 2022, ordenadores y teléfonos llevaban décadas existiendo. La revolución no llegó porque apareciera un nuevo dispositivo físico, sino porque una nueva capa de inteligencia permitió interactuar con las máquinas de una forma radicalmente diferente. Algo parecido podría ocurrir con los robots. Los componentes físicos han mejorado enormemente durante los últimos años: actuadores más precisos, cámaras de alta resolución, sensores de profundidad, baterías más eficientes, chips especializados y sistemas mecánicos cada vez más sofisticados. Sin embargo, muchos robots continúan funcionando extraordinariamente bien dentro de entornos cuidadosamente preparados y mucho peor cuando aparece una situación inesperada. Un robot industrial tradicional puede repetir el mismo movimiento miles de veces con una precisión extraordinaria, pero cambiar ligeramente la posición de una caja, colocar un objeto diferente delante de él o modificar el entorno puede obligar a reprogramar el sistema. La inteligencia artificial pretende eliminar progresivamente esa rigidez.
La nueva generación de modelos robóticos intenta combinar percepción visual, lenguaje, razonamiento, conocimiento físico y planificación. El objetivo es que una persona pueda decir a una máquina “recoge las cajas que han llegado, clasifícalas y colócalas donde corresponda” y que el robot sea capaz de dividir esa instrucción en diferentes acciones, identificar los objetos, comprender el espacio, decidir cómo manipularlos y corregirse si algo sale mal. Ese salto desde ejecutar instrucciones previamente programadas hacia interpretar objetivos es lo que podría transformar realmente la economía de la robótica.
Los robots necesitan aprender algo que los grandes modelos de lenguaje nunca tuvieron que aprender: física
Existe, sin embargo, una diferencia fundamental entre un chatbot y un robot. Un modelo de lenguaje puede equivocarse generando una frase y el coste suele ser limitado. Un robot que interpreta incorrectamente una situación puede dejar caer una mercancía, romper una máquina o poner en riesgo a una persona. El mundo físico tampoco permite algunas de las aproximaciones que funcionan extraordinariamente bien en internet. Un modelo lingüístico puede aprender observando cantidades gigantescas de textos. Un robot necesita comprender conceptos como peso, fricción, equilibrio, profundidad, velocidad, resistencia, deformación o fuerza. Tiene que aprender que una taza puede romperse, que una botella abierta puede derramarse, que una caja pesada necesita sujetarse de manera diferente a una ligera o que una persona puede cambiar inesperadamente de dirección mientras camina.
Por eso los nuevos modelos de robótica intentan construir una representación mucho más rica del entorno. ACE Robotics trabaja con Kairos-4B, un modelo diseñado para combinar percepción multimodal, comprensión del mundo, simulación física y planificación de acciones. La idea es que el sistema no se limite a reconocer aquello que observa, sino que pueda anticipar qué ocurrirá como consecuencia de determinadas acciones. Un robot verdaderamente autónomo no necesita únicamente saber qué tiene delante; necesita predecir qué ocurrirá si interactúa con ello.
El gran petróleo de la robótica serán los datos del mundo físico
Aquí aparece probablemente el mayor cuello de botella de toda la industria. Los grandes modelos de lenguaje pudieron entrenarse utilizando cantidades gigantescas de texto, imágenes, código y otros contenidos digitales acumulados durante décadas en internet. La robótica no dispone de un equivalente comparable. Existen millones de vídeos donde aparecen personas trabajando, pero observar un vídeo no proporciona necesariamente toda la información necesaria para aprender cómo se ejecutó físicamente una acción. Para entrenar robots hacen falta datos relacionados con movimientos, posiciones, fuerzas, trayectorias, profundidad, coordinación entre manos, respuesta de objetos y consecuencias físicas de cada acción.
ACE Robotics estima que la industria dispone todavía de una cantidad relativamente pequeña de datos de alta calidad sobre interacción física y pretende multiplicar enormemente ese volumen durante los próximos años. Una de las estrategias consiste en utilizar sensores instalados sobre trabajadores humanos para registrar cómo realizan determinadas tareas. En lugar de intentar enseñar manualmente a un robot cada movimiento, el sistema puede observar miles o millones de ejemplos de personas manipulando mercancías, preparando pedidos, organizando productos o realizando operaciones logísticas. Es una lógica similar a la utilizada para entrenar modelos de lenguaje, pero trasladada al mundo físico: convertir enormes cantidades de comportamiento humano en datos que permitan entrenar inteligencia artificial.
Esto puede crear uno de los mercados tecnológicos más interesantes de los próximos años. Las compañías que acumulen grandes conjuntos de datos sobre trabajo físico podrían construir una ventaja competitiva extraordinaria. Un fabricante que disponga de millones de horas de información sobre cómo trabajan operarios dentro de fábricas podría entrenar sistemas industriales mejores. Una compañía logística con datos sobre millones de operaciones de almacén podría desarrollar modelos especializados en manipulación de mercancías. Los datos propietarios podrían convertirse en una barrera competitiva todavía mayor en robótica que en los modelos generativos.
De los chatbots a los modelos de visión, lenguaje y acción
La evolución tecnológica también está produciendo una nueva categoría de modelos conocida habitualmente como Vision-Language-Action, o VLA. Mientras un gran modelo de lenguaje relaciona principalmente información para producir texto, estos sistemas intentan conectar aquello que una máquina ve, aquello que comprende y aquello que finalmente hace. Un robot observa una mesa, identifica una botella, interpreta la instrucción “colócala en la bandeja”, calcula dónde se encuentra cada elemento, determina cómo debe aproximar la mano, decide cuánta fuerza necesita aplicar y ejecuta el movimiento. Todo ese proceso puede implicar diferentes modelos trabajando conjuntamente o arquitecturas cada vez más integradas.
Este cambio es fundamental porque permite imaginar robots mucho más generalistas. Históricamente, muchas máquinas industriales se construían para realizar una tarea determinada durante años. La nueva ambición consiste en fabricar plataformas capaces de aprender múltiples actividades mediante software. El mismo robot podría realizar una tarea durante la mañana y otra diferente durante la tarde después de recibir nuevas instrucciones, ejemplos o modelos. Si esa capacidad alcanza suficiente fiabilidad, el valor económico del hardware aumenta enormemente porque una misma máquina puede utilizarse para diferentes funciones durante su vida útil.
La primera gran transformación probablemente ocurrirá en almacenes, fábricas, retail y hoteles
Aunque buena parte de la atención pública se concentra en robots humanoides domésticos, el mercado empresarial puede avanzar mucho más rápido. Los entornos corporativos ofrecen tareas repetitivas, procesos medibles y retornos económicos relativamente fáciles de calcular. ACE Robotics está desplegando tecnología precisamente en establecimientos comerciales, hoteles y almacenes y plantea una expansión rápida durante los próximos años. Son lugares donde los robots pueden transportar mercancías, organizar inventarios, realizar inspecciones, mover materiales, preparar pedidos, apoyar operaciones de limpieza o ejecutar determinadas tareas de servicio.
El incentivo económico es enorme. Un robot puede funcionar durante muchas horas, generar datos continuamente y mejorar mediante actualizaciones de software. Si además una nueva generación de modelos permite que aprenda tareas sin meses de programación específica, el coste de automatizar procesos puede caer rápidamente. Esto podría provocar un fenómeno parecido al experimentado con el software empresarial: primero adoptarán la tecnología las grandes organizaciones capaces de justificar inversiones elevadas, pero progresivamente aparecerán plataformas estandarizadas accesibles para compañías medianas y pequeñas.
El gran cambio llegará cuando un robot pueda aprender una tarea en minutos
Una de las métricas realmente importantes para evaluar la evolución de la robótica no será solamente cuánto cuesta una máquina, sino cuánto cuesta enseñarle una nueva tarea. Actualmente, automatizar determinados procesos industriales puede requerir ingeniería, programación, integración, pruebas y adaptación del entorno. Si los modelos avanzados consiguen reducir drásticamente ese esfuerzo, la economía de la automatización cambiará completamente. Imaginemos que un responsable de almacén pudiera mostrar a un robot cinco veces cómo preparar un determinado pedido y que el sistema aprendiera a ejecutarlo. O que pudiera explicar mediante lenguaje natural una nueva tarea y posteriormente corregir al robot cuando cometiera errores. La barrera entre trabajadores humanos y sistemas automatizados se reduciría enormemente.
Ese puede ser el verdadero “momento ChatGPT” de la robótica: no necesariamente cuando aparezca el robot físicamente más impresionante, sino cuando utilizar uno deje de requerir especialistas. ChatGPT transformó la inteligencia artificial porque cualquier persona podía empezar a utilizarla escribiendo una frase. La robótica podría experimentar una transformación equivalente cuando cualquier trabajador pueda enseñar a una máquina simplemente hablando con ella, mostrándole una acción o indicándole el resultado que quiere conseguir.
La IA física puede multiplicar enormemente el mercado de la inteligencia artificial
Hasta ahora, gran parte de la revolución generativa ha afectado a actividades que ocurren delante de una pantalla: programación, marketing, diseño, análisis, atención al cliente, documentación, investigación o tareas administrativas. La robótica amplía el mercado potencial hacia prácticamente cualquier actividad que implique manipular el mundo físico. Fabricación, construcción, agricultura, logística, minería, mantenimiento, retail, restauración, hospitality, sanidad y cuidado de personas podrían verse progresivamente afectados.
Esto tiene enormes implicaciones económicas porque el mercado del trabajo físico es mucho mayor que el mercado del software. Si la inteligencia artificial consigue salir del ordenador y controlar máquinas capaces de actuar con suficiente autonomía, la cantidad de actividad económica susceptible de automatización aumenta radicalmente. La IA generativa automatiza información; la IA física empieza a automatizar acción. Y esa diferencia puede convertir la robótica en uno de los mayores mercados tecnológicos de las próximas décadas.
También puede cambiar completamente el concepto de productividad
Durante los últimos años hemos hablado de “trabajadores aumentados” para describir profesionales capaces de producir mucho más utilizando inteligencia artificial. La robótica introduce una segunda dimensión: organizaciones aumentadas mediante una combinación de personas, agentes digitales y máquinas físicas. Una fábrica podría tener trabajadores humanos supervisando procesos mientras agentes de IA coordinan planificación, inventario y mantenimiento y robots autónomos ejecutan determinadas operaciones físicas. Un hotel podría combinar personal humano con agentes encargados de reservas y atención digital y robots destinados a logística interna. Un almacén podría funcionar mediante una combinación de trabajadores, vehículos autónomos, brazos robóticos y sistemas de IA que redistribuyen continuamente las tareas.
La cuestión empresarial dejará entonces de ser simplemente cuántas personas necesita una organización. Será necesario determinar cuál es la combinación óptima entre capital humano, inteligencia digital y capacidad robótica. Esto puede transformar decisiones de inversión, contratación, diseño de instalaciones y organización del trabajo.
China quiere convertir la robótica en otra gran industria estratégica
La evolución de ACE Robotics también debe analizarse dentro de la enorme apuesta china por la robótica y la inteligencia artificial física. China dispone de una ventaja difícil de replicar: una gigantesca base manufacturera, cadenas de suministro extremadamente desarrolladas, capacidad para producir componentes a gran escala y enormes cantidades de entornos industriales donde recopilar datos y probar sistemas. Si los datos físicos se convierten en un elemento fundamental para entrenar robots, fábricas, almacenes y redes logísticas pueden convertirse simultáneamente en clientes y laboratorios de entrenamiento.
Estados Unidos conserva enormes ventajas en modelos de inteligencia artificial, semiconductores y software, pero China puede intentar trasladar su liderazgo manufacturero hacia la nueva generación de máquinas inteligentes. Esto abre una nueva dimensión de la competición tecnológica global. La carrera ya no será únicamente por desarrollar el mejor chatbot o el modelo con mayor capacidad de razonamiento. También será por determinar quién consigue construir millones de máquinas inteligentes a un coste suficientemente bajo para desplegarlas masivamente.
El mayor riesgo será confundir una demostración espectacular con autonomía real
La robótica es especialmente susceptible a generar expectativas exageradas. Un vídeo de treinta segundos puede mostrar un robot realizando una tarea extraordinaria sin revelar cuántos intentos fueron necesarios, qué condiciones estaban controladas o cuánto apoyo humano existía fuera de cámara. Para las empresas que estudien invertir en estos sistemas será fundamental evaluar métricas mucho menos espectaculares: porcentaje de tareas completadas correctamente, frecuencia de intervención humana, tiempo medio entre fallos, velocidad de ejecución, coste energético, mantenimiento, seguridad y retorno económico.
Un robot capaz de realizar correctamente una tarea el 95 % de las veces puede parecer extraordinariamente avanzado, pero si trabaja con miles de objetos diarios ese 5 % de error puede convertirse en un enorme problema operativo. En el mundo físico, la fiabilidad importa incluso más que la inteligencia aparente. Por eso la llegada de modelos cada vez más potentes tendrá que ir acompañada de enormes avances en seguridad, control, redundancia y supervisión.
El “momento ChatGPT” de los robots puede transformar mucho más que la industria tecnológica
Que ese punto de inflexión llegue exactamente a finales de 2027, como plantea Wang Xiaogang, dependerá de avances que todavía no están garantizados. Pero la dirección resulta cada vez más clara. La inteligencia artificial está pasando progresivamente de comprender información a comprender entornos y de generar respuestas a ejecutar acciones. Cuando esa transición alcance suficiente fiabilidad y un coste económicamente atractivo, la automatización entrará en una fase completamente diferente.
La gran pregunta para los directivos no será entonces si sus empleados utilizan inteligencia artificial generativa. Será qué procesos deben ejecutar personas, cuáles pueden realizar agentes digitales y cuáles pueden trasladarse a máquinas físicas autónomas. Las organizaciones que empiecen a estudiar esa arquitectura antes de que la tecnología madure tendrán una ventaja importante cuando los costes comiencen a caer.
ChatGPT demostró que una interfaz extremadamente sencilla podía convertir una tecnología compleja en una herramienta utilizada por cientos de millones de personas. La robótica necesita todavía encontrar su equivalente. El día que enseñar una tarea nueva a un robot resulte casi tan sencillo como escribir un prompt, la inteligencia artificial habrá cruzado definitivamente la frontera entre el mundo digital y el mundo físico. Ese podría ser el verdadero “momento ChatGPT” de los robots.
Para la alta dirección, prepararse para esta nueva etapa implica comprender no solamente la IA generativa actual, sino agentes autónomos, automatización avanzada, IA física, nuevos modelos de productividad y las consecuencias organizativas de combinar personas y máquinas inteligentes. El Curso Superior en Inteligencia Artificial para Directivos (CSIAD) de THE INTELLIGENCE Institute prepara a los directivos para comprender estas tecnologías desde la estrategia y anticipar cómo pueden transformar las diferentes áreas de una organización.
Descubre más desde THE INTELLIGENCE
Suscríbete y recibe las últimas entradas en tu correo electrónico.
