El espejismo de la IA física: lecciones desde Actuate 2026
Desde que los robots humanoides dejaron de ser protagonistas exclusivas de la ciencia ficción, el capital de riesgo los ha convertido en el nuevo objeto de deseo de la industria tecnológica. La semana pasada, la conferencia Actuate 2026 reunió a 1.500 desarrolladores y multiplicó por tres su asistencia respecto de 2023, una señal del apetito por la llamada "IA física", esa rama que busca trasladar los avances de los modelos de lenguaje a cuerpos capaces de moverse y actuar en el mundo real. Pero el entusiasmo también tiene su contracara: mientras los inversores celebran, los datos revelan una brecha incómoda entre la expectativa y la ejecución.
El caso más elocuente es el de Unitree, el principal fabricante chino de robots humanoides. Su salida a bolsa en Shanghai fue recibida con euforia: las acciones llegaron a dispararse más de un 600% y la compañía alcanzó una valoración de 66.000 millones de dólares. Sin embargo, apenas días después, el valor se desplomó casi a la mitad. ¿Qué explica esta montaña rusa? Para los analistas, la respuesta no está en los balances (Unitree de hecho reporta ganancias), sino en la distancia entre lo que los robots pueden hacer hoy y lo que el mercado espera que hagan mañana.
En Actuate, el propio ambiente reflejaba esa tensión. Uno de los stands, el de la empresa Avala, exhibía un cartel que prometía resolver la "crisis de datos de la robótica": la falta de información de entrenamiento de alta calidad para los modelos que controlan a estos autómatas. Se trata de un problema estructural. Los robots físicos no se entrenan con textos de internet, sino con interacciones en el mundo real: movimientos, golpes, rozamientos, condiciones imprevistas. Y ese tipo de datos es escaso, caro y difícil de generalizar.
Expertos como Dario Floreano, pionero en robótica bioinspirada, advierten que los modelos actuales que combinan visión, lenguaje y acción (conocidos como VLA) son capaces de ejecutar tareas programadas, pero no de generar habilidades nuevas. Un robot puede aprender a poner una fresa en una taza si se le muestra miles de ejemplos, pero no improvisará una solución ante un escenario que no haya visto antes. En palabras de Floreano, "los robots no crean nuevos comportamientos; simplemente generalizan los que ya tienen". Y eso es un problema cuando se trata de llevarlos a una fábrica o a un almacén, donde cada entorno es distinto y cada tarea exige improvisación.
La realidad comercial lo confirma. A pesar de que Unitree vendió más de 5.500 humanoides el año pasado, la mayoría terminó en universidades, centros de investigación y proyectos piloto, no en líneas de producción. Los robots que sí trabajan en entornos industriales, como los de Boston Dynamics o los de la propia Tesla, siguen siendo más una promesa que una práctica generalizada. El camino hacia un "RobotGPT" universal, capaz de hacer cualquier tarea, está lejos; la propia naturaleza dinámica del mundo físico —la gravedad, la fricción, el azar— lo hace improbable a corto plazo.
¿Qué deberían aprender los ejecutivos latinoamericanos de esta historia? Primero, que la IA física es una tendencia real, pero inmadura. Invertir en ella requiere paciencia y tolerancia al riesgo, no esperar retornos inmediatos. Segundo, que la ventaja competitiva en este sector no estará solo en el hardware, sino en la capacidad de generar y procesar datos de calidad. Las empresas que logren acumular información de uso real de sus robots —en minería, agricultura, logística— podrán diferenciarse del resto. Y tercero, que el espejismo bursátil no debe nublar el juicio: la caída de Unitree es un recordatorio de que la valoración de mercado no siempre refleja la madurez tecnológica.
Para América Latina, donde la adopción de robótica aún es incipiente, la oportunidad está en identificar nichos específicos donde los robots puedan aportar valor inmediato, como la inspección de infraestructuras o la agricultura de precisión. Pero hacerlo exigirá una estrategia sólida de datos, alianzas con desarrolladores de IA y una evaluación honesta de lo que la tecnología puede entregar hoy, no lo que promete para mañana.
El frenesí por la IA física es comprensible: estamos ante una de las fronteras más fascinantes de la tecnología. Pero, como demuestra la reciente volatilidad, el salto del laboratorio al mercado es mucho más complejo de lo que los titulares sugieren. Los líderes que sepan distinguir entre la expectativa y la evidencia tendrán una ventaja decisiva cuando la madurez llegue. Y mientras tanto, la pregunta que debería guiar toda decisión es simple: ¿estamos comprando robots, o estamos comprando la promesa de que algún día serán útiles?
