El video circula en los grupos de directivos: un bípedo baila K-pop, sirve copas, plancha una camisa. La leyenda promete disponibilidad para 2027 y un precio «desde 20.000 dólares». La narrativa, repetida por Elon Musk en Davos y por Jensen Huang en los keynotes de Nvidia, vende la idea de que la IA generativa hará por la robótica lo que hizo por el lenguaje: un salto súbito y generalizado. La realidad medida en laboratorios, parques de exhibición y fichas técnicas pinta un cuadro distinto.
De la infraestructura de datos viene el progreso real, no de demostraciones coreografiadas. En junio de 2026, la conferencia ICRA de Viena presentó el dataset Humanoid Everyday: 10.300 trayectorias, más de tres millones de frames y 260 tareas capturadas con sensores RGB, profundidad, LiDAR y tacto, más anotaciones en lenguaje natural. Ese tipo de corpus —masivo, diverso y abierto— fue lo que permitió el momento ChatGPT en 2022. En robótica, sin embargo, no existe «toda internet» para entrenar: cada hora de movimiento humano etiquetado cuesta dinero, tiempo y consentimiento. Computing.es advierte que la adquisición de esos volúmenes implica «elevado coste temporal y logístico» además de riesgos de privacidad.
En el Galaxy Robot Park de Seúl, la atracción son diez Unitree G1 —el humanoide más accesible a unos 13.500 dólares— ejecutando un espectáculo de 50 minutos. La crónica del New York Times describe movimientos fluidos en coreografías rápidas y «bruscos y torpes» en pasajes lentos; los robots apenas alcanzan la altura de la cadera en patadas de taekwondo y requieren cuidadores con mandos a pocos metros.
Javier Gorostiza, del grupo ROBITA-LAB de la Universidad UDIT, resume la ficha técnica del estado del arte: baterías que rara vez superan dos o tres horas de operación continua, costes de producción y mantenimiento que siguen siendo una barrera significativa, y una brecha entre la forma humanoide —diseñada para encajar en espacios humanos sin modificaciones— y la utilidad marginal frente a brazos industriales especializados que no necesitan piernas ni rostro. MIT Technology Review lo enmarca en la historia reciente: las proclamas de Musk («el producto más grande de la historia»), Andreessen («la industria más grande del planeta») y Morgan Stanley (casi mil millones de unidades y cinco billones de dólares para 2050) chocan con robots que aún caen al repartir botellas de agua o luchan por planchar una camisa.
La cuenta que no cierra en la región
Para una empresa latinoamericana, el precio de catálogo es una distracción. Un Unitree G1 a 13.500 dólares es el punto de entrada; los modelos con manipulación bimanual robusta, sensores táctiles y computación embarcada para inferencia local escalan a seis cifras. A eso se suman infraestructura de recarga —tres ciclos diarios equivalen a tiempo muerto—, mantenimiento de actuadores de alta frecuencia y personal especializado para supervisión y reentrenamiento. En economías con coste de capital alto y tipo de cambio volátil, la amortización se alarga años. El estudio de Roland Berger confirma que la comercialización masiva exigirá reducciones del 50-90% en subsistemas críticos como actuadores, y que la durabilidad de manos avanzadas no supera un año en aplicaciones de volumen.
La energía y la conectividad son restricciones duras. Tres horas de autonomía exigen ya sea swapping de baterías —logística, stock, espacio— o tethering por cable, que limita la movilidad. En plantas donde la calidad de la red eléctrica y la cobertura 5G industrial no son garantizadas, la dependencia de computación en la nube para la inferencia de modelos grandes añade latencia y riesgo de parada. Oppenheimer, tras visitar las instalaciones de Tesla en Austin, retrasa los ingresos significativos de Optimus a 2029: la complejidad del hardware y el software operativo, junto con la preparación de la cadena de suministro, limitan la producción.
Cuello de botella real es el talento. El dataset Humanoid Everyday y su plataforma de evaluación abren la puerta a que grupos locales entrenen políticas propias, pero requieren ingenieros que dominen aprendizaje por refuerzo, simulación (Isaac Sim, MuJoCo), teleoperación y despliegue edge. La formación especializada —estándares, proyectos piloto con métricas claras— no existe hoy en la mayoría de universidades de la región.
A esto se suma el vacío regulatorio. Un robot de 50 kg que comparte espacio con operarios sin vallas de seguridad entra en zonas grises de normativa laboral e industrial. No hay marcos latinoamericanos equivalentes a la directiva de maquinaria europea o a los estándares ANSI/RIA estadounidenses. La primera lesión generará litigios sin precedentes.
Dónde la forma humanoide sí paga
Los casos de uso donde la morfología justifica el sobrecoste son acotados: inspección en plantas químicas con escaleras y válvulas diseñadas para humanos; logística de última milla en centros urbanos con aceras y escalones; teleoperación de tareas peligrosas —radiación, altura— donde el operador remoto usa interfaz inmersiva. En todos ellos, la alternativa no es un brazo fijo, sino rediseñar la instalación —coste mayor que el robot.
Hoja de ruta pragmática no espera al «momento ChatGPT» de la robótica. Empieza con pilotos instrumentados: una celda de trabajo acotada, métricas de OEE comparadas contra la automatización actual, y un plan de escalado condicionado a umbrales de autonomía (>8 horas), MTBF y coste por tarea resuelta. Usar datasets abiertos como Humanoid Everyday para benchmarkear proveedores: exigir que corran sus políticas en la plataforma de evaluación estandarizada antes de firmar una orden de compra.
A la fábrica y al almacén latinoamericano llegará la forma humanoide. Pero no por decreto de marketing ni por videos virales. Llegará cuando el coste total de una hora de trabajo autónomo —hardware, energía, supervisión, seguro, amortización— baje del coste de la alternativa humana o especializada. Hoy, ese cruce está a años de distancia. La ventaja competitiva no está en comprar el primer robot que baile, sino en construir la capacidad interna para evaluar, integrar y escalar cuando la economía cierre.
