Inteligencia artificial, robótica, historia y algo más.

Mostrando entradas con la etiqueta empresa. Mostrar todas las entradas
Mostrando entradas con la etiqueta empresa. Mostrar todas las entradas

9/3/26

Anthropic, Trump y el gran teatro de los principios en Silicon Valley

Hay un relato que circula estos días por los medios tecnológicos: Dario Amodei, CEO de Anthropic, es el héroe que sacrificó contratos millonarios con el Departamento de Defensa estadounidense por sus convicciones éticas. Frente a él, Sam Altman como el pragmático sin escrúpulos que se doblegó ante Trump. Blanco y negro. Bueno y malo. Simple y atractivo.

El problema, como siempre, es que la realidad es más incómoda.



El mártir de los principios selectivos


Empecemos por el elefante en la sala: la negativa de Anthropic al espionaje masivo se aplica, según sus propias publicaciones, específicamente a ciudadanos estadounidenses. No a cualquier persona. A ciudadanos de EE. UU.

Esto no es un detalle menor. Significa que el uso de Claude para vigilancia fuera de territorio americano no parece constituir un problema ético para Anthropic. Que los principios tengan pasaporte es, cuanto menos, una información relevante cuando alguien te presenta a esta empresa como modelo de rectitud tecnológica.

Lo mismo ocurre con las armas autónomas. Anthropic se opone actualmente al uso de Claude en sistemas que identifiquen y disparen a objetivos sin intervención humana. La palabra clave es "actualmente", y está escrito en su manifiesto. Dario Amodei ha sugerido en distintas ocasiones que el modelo simplemente no está preparado técnicamente para ese nivel de autonomía todavía. No que se opongan categóricamente a la letalidad autónoma en el futuro. Es una postura técnica disfrazada de postura ética.

Y hay más: Anthropic no es ajena al sector de defensa. Sus modelos ya han sido utilizados en operaciones militares de alto perfil (la captura de Maduro en Venezuela) como herramienta favorita del ejército estadounidense a través de Palantir. El mártir tiene historial.


Kathy Perry apoyó a Anthropic y eso llevó a cientos de memes y una campaña viral

La jugada de OpenAI: Groucho Marx en el Pentágono


Mientras Anthropic era catalogada como "riesgo para la cadena de suministro" (un castigo que recuerda al trato dado a Huawei), Sam Altman navegó la situación con una habilidad que merece análisis. La diferencia entre ambas empresas no es fundamentalmente moral. Es técnica y política.

Anthropic quería que las restricciones éticas estuvieran incrustadas directamente en el modelo, en su "constitución". Esto implica que el Departamento de Defensa no podría saltárselas aunque quisiera: las limitaciones estarían en el código, no en un contrato. Para la administración Trump, esto es inaceptable. No porque quieran espiar ciudadanos americanos necesariamente, sino porque nadie cede el control operativo de una herramienta militar a los ingenieros de una empresa privada de San Francisco.

OpenAI, en cambio, aceptó un modelo radicalmente distinto: salvaguardas por contrato, no por código. "Usad nuestros modelos, os prometemos que respetaréis las restricciones acordadas." La responsabilidad del cumplimiento recae en el Departamento de Defensa, no en la arquitectura de la IA.

Es la diferencia entre un empleado que te dice "tengo principios que no puedo saltarme" y otro que dice "tengo principios, pero confío en que tú tampoco querrás que los violemos." Trump eligió al segundo. Es comprensible.



¿Quién tiene razón?


Esta es la pregunta que los medios no suelen hacer porque no tiene respuesta limpia. El enfoque de Anthropic con restricciones en el modelo, tiene una lógica de seguridad robusta: si las limitaciones son estructurales, no dependen de la buena voluntad del cliente. En un mundo donde los contratos se reinterpretan y las administraciones cambian, esto no es un detalle menor.

Pero también tiene un problema de arrogancia institucional considerable: implica que Anthropic, una empresa privada, decide unilateralmente qué puede y qué no puede hacer el ejército de la primera potencia mundial. Esa es una posición política, no solo técnica, y tiene consecuencias políticas.

OpenAI cedió el control a cambio de relevancia. Anthropic mantuvo el control a costa de ser excluida. Ninguna de las dos posiciones es obviamente correcta.

Lo que sí es obvio es que el relato del "mártir con principios" es, como mínimo, incompleto. Y que en el tablero real de la IA militar, los principios se negocian, se gradúan por geografía y se posponen cuando la tecnología no está lista.

Bienvenidos a la ética en Silicon Valley.


Ya veremos.


Comparte:

23/2/26

Por qué Amazon y Microsoft quieren poner sus centros de datos en Aragón (y por qué no deberías preocuparte)

Algo muy gordo está pasando en Aragón y no estoy seguro de que nos hayamos enterado del todo.

Amazon va a invertir 15.700 millones de euros. Microsoft otros 6.600 millones. Blackstone ha anunciado 7.500 millones más. Box2bit, 3.400 millones. Si sumas todos los proyectos anunciados, la cifra supera los 30.000 millones de euros en inversiones comprometidas para los próximos años.

Para ponerlo en perspectiva: el PIB de Aragón ronda los 40.000 millones. Estamos hablando de que una industria va a invertir en una década casi lo que produce toda la comunidad en un año.

La pregunta obvia es: ¿por qué aquí? ¿Qué tiene Aragón que no tenga Baviera, el norte de Italia o el sur de Francia?

Y la segunda pregunta, la que preocupa a mucha gente: ¿van a secarnos los grifos?

Voy a intentar responder a las dos.



La tormenta perfecta aragonesa

Mapa de cobertura 5G 



Cuando hablas con gente del sector, te cuentan que Aragón tiene una combinación de factores que no se da en casi ningún otro sitio de Europa.

Primero, la geografía. Zaragoza está en el centro del 80% del PIB español. Madrid, Barcelona, Valencia y Bilbao quedan a unos 300 kilómetros. Para un centro de datos, la latencia (el tiempo que tarda la información en viajar) importa, y estar en el centro del mapa reduce esa latencia para la mayoría de usuarios.

Segundo, el espacio. Aragón es la cuarta comunidad autónoma más grande de España, casi 1,5 veces Bélgica, pero con apenas 1,3 millones de habitantes. Hay suelo industrial disponible a precios razonables. Solo Amazon va a ocupar 150 hectáreas. Intenta encontrar eso cerca de Múnich o Milán.

Tercero, la energía renovable. Aragón produce más energía de la que consume, y buena parte es eólica y solar. Las tecnológicas se han comprometido públicamente con objetivos de cero emisiones, y necesitan ubicaciones donde puedan decir que funcionan con renovables. Aragón les permite cumplir esa promesa.

Cuarto, la administración. El gobierno aragonés ha creado figuras como los PIGA (Proyectos de Interés General de Aragón) que agilizan trámites. Lo que en otras comunidades lleva años, aquí puede resolverse en meses. Cuando manejas inversiones de miles de millones, cada mes de retraso tiene un coste enorme.

Quinto, y esto es más geopolítico de lo que parece: Zaragoza tiene una base aérea de la OTAN. Para ciertos clientes (gobiernos, defensa, infraestructura crítica), saber que sus datos están cerca de instalaciones militares aliadas es un factor de decisión.

Todo esto explica por qué las tecnológicas quieren venir. Pero no responde a la pregunta que mucha gente se hace.



El elefante en la habitación: el agua


Vamos a hablar del agua, porque sé que es lo que preocupa.

He seguido este tema durante meses. He leído los estudios, he analizado los datos de Estados Unidos donde llevan años con esta industria. Y la conclusión a la que he llegado es que .

Pero voy a explicar por qué, porque la intuición nos dice lo contrario.


Los números que nadie cuenta

A nivel nacional en Estados Unidos, los centros de datos consumen aproximadamente el 0,2% del total de agua potable. En estados como Texas, esa cifra cae al 0,005%.

Ahora comparemos con otros usos. En Arizona, uno de los estados con más estrés hídrico del país y también con más centros de datos, la distribución es esta:

Agricultura: 86% del consumo de agua
Campos de golf: 3,8% del consumo de agua
Centros de datos: 0,12% del consumo de agua

Los campos de golf de Arizona consumen 32 veces más agua que todos los centros de datos del estado juntos. Pero nadie pide cerrar los campos de golf.

Y hay otro dato que me parece revelador: por cada litro de agua consumido, los centros de datos generan aproximadamente 50 veces más ingresos fiscales que los campos de golf. Consumen muchísimo menos y aportan muchísimo más.



Virginia: donde más centros de datos hay del mundo


Si los centros de datos subieran los precios de la electricidad (o del agua), el sitio donde deberían notarse más esas subidas es Virginia. El norte de Virginia tiene la mayor concentración de centros de datos del planeta.

¿Qué ha pasado con los precios de la electricidad en Virginia? Han subido, sí. Pero menos que la media nacional estadounidense. Un 28% frente al 35% de media.

Y si miras los 15 estados con más centros de datos de Estados Unidos, 11 de ellos han tenido subidas de precios por debajo de la media nacional. Solo 4 subieron más, y por márgenes pequeños.

Los datos simplemente no apoyan la narrativa de que los centros de datos disparan los precios.



¿Y en Aragón qué va a pasar?


España no es Estados Unidos, y Aragón no es Arizona. Pero hay algunas cosas que juegan a nuestro favor.

Primero, el Ebro. Aragón ocupa cerca del 50% del territorio de la Cuenca Hidrográfica del Ebro. Los recursos hídricos potencialmente utilizables en Aragón ascienden a 15.000 hectómetros cúbicos al año. No es el sureste peninsular ni Almería. Los embalses de la cuenca del Ebro están ahora mismo al 81% de capacidad.

Segundo, la tecnología ha cambiado. Los nuevos centros de datos que se están construyendo en España usan sistemas de refrigeración de circuito cerrado que no consumen agua (o consumen cantidades mínimas). Microsoft, Amazon y los demás saben que en Europa el escrutinio público sobre el agua es mayor, y están diseñando instalaciones con consumo muy reducido.

Tercero, la percepción importa. Las tecnológicas saben que competir por el grifo con la población en un país mediterráneo es una batalla que no pueden ganar en imagen pública. Por eso están invirtiendo en tecnologías de refrigeración por aire y en circuitos cerrados que no dependen del agua local.



Hay algo que me llama la atención en este debate: nos preocupamos mucho por el agua que van a consumir los centros de datos, pero no nos hacemos la pregunta inversa.

Nosotros pasamos, de media, el 50% de nuestro tiempo despiertos utilizando internet. Cada vez que mandas un WhatsApp, ves un vídeo en YouTube, consultas el tiempo o usas Google Maps, estás usando un centro de datos.

Que todas esas comunicaciones y servicios esenciales solo requieran el 0,2% del agua potable de un país es, técnicamente, extraordinariamente eficiente.

¿Preferirías no tener internet para ahorrar ese 0,2%?




Lo que sí debería preocuparnos (y lo que no)


No digo que haya que dar carta blanca a cualquier proyecto. Hay preguntas legítimas que hacer:

¿Los centros de datos van a usar tecnología de refrigeración sin agua?
¿Están ubicados en zonas donde el agua no está ya comprometida?
¿Los beneficios fiscales para la comunidad compensan el uso de recursos?
¿Hay transparencia sobre los consumos reales?
Y para mí la pregunta más importante y difícil, ¿está el sistema eléctrico preparado para abastecer a estos centros de datos?

Pero la idea de que los centros de datos van a secar Aragón no se sostiene con los datos disponibles. Ni en Estados Unidos, donde llevan décadas con esta industria, han visto ese efecto.

Lo que sí vamos a ver es una transformación económica de la región. Miles de empleos durante la construcción (y cientos permanentes después), ingresos fiscales que pueden financiar servicios públicos, y una industria que pone a Aragón en el mapa tecnológico europeo.

¿Es un intercambio justo? Eso es lo que tenemos que decidir como sociedad. Pero decidámoslo con datos, no con titulares que confunden sedimento en pozos con sequías causadas por la nube.

Ya veremos.




Comparte:

7/2/26

El modelo car sharing no es rentable en ninguna parte del mundo

Es 2026 y el discurso sigue siendo el mismo. No necesitarás comprar un coche. No necesitarás ni siquiera conducirlo. Una flota de vehículos autónomos estará disponible 24/7 para llevarte adonde quieras. Más barato que mantener tu propio vehículo, más eficiente que el transporte público, más relajado, más limpio que ambos. Una visión seductora. 

Ciudades sin atascos porque los algoritmos optimizan cada ruta. Aparcamientos transformados en parques porque los coches nunca duermen. Accidentes reducidos a anécdotas históricas porque los humanos imperfectos han sido relegados al asiento trasero. Espacios de ciudades reaprovechables para zonas verdes y construcción de viviendas, ya que el espacio para aparcamientos ya no será necesario: los coches estarán continuamente en movimiento.

Pero hay un detalle incómodo en esta historia: la versión simple de este futuro ya existe, y está fracasando estrepitosamente. Y es que el carsharing, o el negocio de compartir coche, no está funcionando en ninguna parte del mundo.



El mal negocio del coche compartido


Durante años, empresas como ShareNow (la fusión de los gigantes Daimler y BMW), Zity, Wible o Free2Move han inundado nuestras ciudades con coches eléctricos relucientes. Nos convencieron de que esto era el futuro. Nos dijeron que estábamos aprendiendo a dejar de comprar coches para empezar a comprar trayectos.

Pero tras estas apps bonitas y coches silenciosos, se esconde una pesadilla contable.

Y es que el carsharing no es rentable en casi ninguna parte del mundo. ShareNow tuvo que huir de Norteamérica y Reino Unido. Bolloré quebró su Autolib en París. Incluso en Madrid, la capital europea del carsharing, las cuentas de resultados se escriben con tinta roja.





Un infierno logístico 


Un coche compartido sufre un desgaste acelerado. Pero el verdadero lastre del margen de beneficio es lo que en la industria llaman redistribución de flota (fleet rebalancing). Si todos los usuarios cogen un coche en el centro de la ciudad por la mañana para ir a trabajar a las afueras, a las 10:00 AM tienes todos tus activos parados en polígonos industriales donde nadie los va a usar hasta las 18:00.

Para solucionar esto, las empresas tienen que pagar a empleados para que vayan, recojan los coches y los muevan de nuevo a zonas de alta demanda. A eso hay que añadir el coste de la limpieza, la recarga eléctrica (que requiere inmovilizar el activo), los seguros (carísimos en este sector) y el vandalismo.

El resultado es paradójico: intentamos construir el futuro de la movilidad automatizada utilizando un modelo de negocio que requiere una intervención humana masiva y costosa.



¿El carsharing como preámbulo a la movilidad del futuro?


Aquí es donde la narrativa de "el futuro será autónomo y compartido" choca con la realidad actual.

La promesa de los gurús es que el coche autónomo solucionará esto. Al eliminar al conductor (como en Uber) y eliminar a los operarios de redistribución (porque el coche se irá solo a recargar y a buscar clientes), los costes operativos caerán en picado, haciendo que el viaje sea más barato que un billete de autobús.

Pero estamos atrapados en un valle de la muerte tecnológico. La conducción autónoma total está tardando mucho más de lo que Elon Musk prometió. Y mientras tanto, las empresas de carsharing actuales no pueden sostener las pérdidas eternamente.

Si el modelo de negocio de "flotas compartidas" quiebra hoy por falta de rentabilidad, ¿quién pondrá la infraestructura para los coches autónomos de mañana?

Hay algo más: incluso si mañana resolviéramos todos los problemas técnicos de la conducción autónoma  muchos de los costes permanecen. Los vehículos autónomos no eliminan el mantenimiento; de hecho, vehículos operando 24/7 requieren más. No eliminan la limpieza, ni el vandalismo (un coche sin conductor es un objetivo más fácil). No resuelven mágicamente el problema de los picos de demanda que obliga a dimensionar flotas para el peor momento del día.

Entonces, ¿por qué siguen operando marcas como Zity, Wible o Free2Move? En primer lugar, para marcas como Kia (Wible), Renault (Zity) o Stellantis (Free2Move), tener miles de coches rodando por Madrid o París es una campaña de publicidad gigante. Además, consiguen que miles de personas prueben sus coches eléctricos. Si te gusta el coche, quizás te compres uno. Además, ayuda a los fabricantes a cumplir con las normativas de emisiones de la UE. Y por último, estos coches recopilan millones de datos sobre cómo conducimos y cómo nos movemos por las ciudades, lo cual es valioso para el desarrollo de futuros vehículos y conducción autónoma.



Conclusión: ¿El fin de la propiedad de los vehículos?


Nos están vendiendo que en el futuro no tendremos coches, pero el mercado actual nos está diciendo que gestionar una flota de coches ajenos es un negocio ruinoso.

Quizás el futuro no sea esa utopía socialista-tecnológica de flotas estatales o corporativas llevándonos a todas partes. Quizás, mientras los robots aprenden a conducir y los contables intentan cuadrar los números, seguiremos haciendo lo único que, financieramente, sigue teniendo sentido para la mayoría: tener nuestro propio coche aparcado en la puerta.

El futuro necesita hacer las cuentas. Y las cuentas no siempre son fáciles.

Ya veremos.






Comparte:

1/12/25

El robot de 39.000 millones de dólares tiene arañazos

Cuando Brett Adcock publicó las fotos este noviembre que acabamos de dejar atrás, nadie esperaba ver eso. Sus robots humanoides Figure 02, recién retirados tras 11 meses trabajando en la planta de BMW en Carolina del Sur, estaban cubiertos de arañazos, rozaduras y suciedad industrial. El acabado negro brillante con el que habían llegado a la fábrica se había convertido en un mapa de marcas de guerra. "Despliegue en el mundo real", escribió Adcock en el post.

Y tenía razón. Porque esos arañazos valían exactamente 36.400 millones de dólares.

En febrero de 2024, Figure AI levantó 675 millones de dólares con una valoración de 2.600 millones. Dieciocho meses después, en septiembre de 2025, la empresa recaudó más de mil millones con una valoración de 39.000 millones. Un crecimiento del 1.400% impulsado, en gran parte, por la narrativa de que sus robots no eran humo de laboratorio, sino máquinas capaces de trabajar en una línea de producción real junto a 11.000 empleados humanos. Y eso, sin que la empresa Figure declare ingresos de ningún tipo. Esa es parte de la historia. Es pura apuesta especulativa basada en el potencial futuro, no en rentabilidad actual. 


La tarea que realizaban no era particularmente glamurosa. Los humanoides levantaban piezas de chapa metálica de contenedores y las colocaban en dispositivos de soldadura con una tolerancia de 5 milímetros. Después, brazos robóticos tradicionales completaban la soldadura. Ciclo de 84 segundos. Repetir. Durante 10 horas al día, de lunes a viernes. Al final del proyecto, habían cargado más de 90.000 piezas y contribuido a la producción de más de 30.000 BMW X3.

Los inversores lo adoraron. Microsoft, NVIDIA, Jeff Bezos, Intel Capital: todos apostaron. Goldman Sachs proyecta que el mercado de robots humanoides podría alcanzar los 38.000 millones para 2035, y Figure AI se posiciona como el líder inevitable de esa revolución. Adcock habla de vender "millones, quizás miles de millones" de humanoides.

Pero hay un problema con las narrativas de Silicon Valley: tienden a adelantarse a la realidad.

En junio de 2025, la revista Fortune decidió verificar las afirmaciones de Adcock sobre su "flota" de robots realizando "operaciones de extremo a extremo" en BMW. El portavoz de BMW, Steve Wilson, reveló que solo había un único robot Figure operando en la planta en un momento dado, y que inicialmente trabajaba solo durante horas no productivas. No era exactamente la revolución manufacturera que los titulares prometían.

Figure AI no respondió a las solicitudes de aclaración de Fortune. En su lugar, dejaron que los datos hablaran: 1.250 horas de tiempo operativo, con mínimos fallos de hardware. Precisión superior al 99%. Y sí, esos arañazos que demostraban que las máquinas habían sobrevivido al entorno industrial más duro que existe.

El mayor dolor de cabeza técnico fue, irónicamente, uno de los aspectos más humanos del diseño. El antebrazo emergió como el principal punto de fallo debido a la complejidad de tener tres grados de libertad, gestión térmica y cableado en una extremidad de tamaño humano. El movimiento constante alteraba y hacía sufrir los microcontroladores y el cableado. Resulta que imitar la anatomía humana en metal y silicio es más complicado de lo que parece en los renders 3D.

Esas lecciones alimentaron el diseño del Figure 03, que elimina la placa de distribución y el cableado dinámico en la muñeca. Los controladores de motor ahora se comunican directamente con el ordenador principal. Más simple, más robusto, más preparado para escalar. O eso es lo que Figure promete.

Interesting Engineering


Conclusiones y viabilidad económica


Mientras tanto, la pregunta sigue en el aire: ¿estamos ante el nacimiento de una industria multimillonaria o ante una burbuja espectacular? Dos robots trabajando en una sola fábrica no son exactamente la singularidad robótica. Pero tampoco lo era el primer iPhone.

No hay información pública sobre el coste operativo específico del Figure 02 en BMW. Pero podemos inferir que si completaron un ciclo de carga en 84 segundos (incluyendo 37 segundos para la carga), un humano probablemente haría esa tarea en tiempo similar o más lento, pero solo trabajaría 8 horas vs las 10 que trabajó el robot.

BMW pagó (presumiblemente) cientos de miles de dólares por robots experimentales que hacen un trabajo que un humano haría por 40.000-50.000 dólares al año. La apuesta es que dentro de 2-3 años, ese mismo robot costará 50.000 dólares y trabajará el triple de horas.

Hay quienes pensamos que un brazo robótico actual ya realiza mucho mejor y más rápido la tarea del robot humanoide en este experimento. Y es verdad. Pero al mismo tiempo, también es verdad que introducir en las fábricas muchísimos brazos robóticos obligaría a transformar sustancialmente el entorno, mientras que meter miles de robots humanoides no lo requeriría.

Una de las claves (en teoría) de la tecnología de Figure es la capacidad de enseñarle nuevas tareas, a través de LLMs e información visual, gracias a su sistema Helix. Pero ojo, porque no es oro todo lo que reluce y enseñar nuevas órdenes a un robot no es tan fácil como hacerlo con un empleado humano y puede que haya mucho marketing en esas promesas.

Los arañazos en esos Figure 02 retirados cuentan una historia diferente a la de los renders perfectos y los pitch decks de capital riesgo. Cuentan la historia de máquinas que realmente trabajaron, que fallaron, que aprendieron. Y en Silicon Valley, donde la diferencia entre realidad y ficción se mide en valoraciones de mercado, eso podría valer 39.000 millones de dólares.

O quizás solo valga unos cuantos arañazos.

Ya veremos.



Comparte:

17/11/25

El Drone de Reparto: De la Promesa de Amazon a la Cruda Realidad de los Balances

Dicen que el futuro de la logística es silencioso, sobrevuela el tráfico y llega a tu puerta en media hora. La visión de Amazon Prime Air, Walmart o Wingcopter prometiendo la entrega de última milla con drones (ese paquete de cinco libras o menos que te saca de un apuro) es, sin duda, seductora. Es la quintaesencia de la eficiencia: evitar el colapso urbano, reducir las emisiones en un 80-85% por paquete respecto a un vehículo de combustión, e ignorar los atascos.

En el corazón de esta transformación se encuentran gigantes del comercio minorista y la logística, como Amazon y Walmart, que han invertido considerablemente en la materialización de esta utopía aérea. El proyecto más emblemático, Amazon Prime Air, fue concebido no solo como una mejora logística, sino como un intento radical de redefinir el comercio electrónico, ofreciendo un servicio de entrega instantánea inigualable. Jeff Bezos postuló, ya en 2013, que ver drones de Amazon sería tan común como ver camiones de correos en la carretera.

Pero si el modelo es tan brillante, ¿por qué no estamos ya enterrados bajo un manto de drones zumbadores? La respuesta no está en la tecnología, sino en la regulación y, más crudamente, en la economía de la unidad operativa. 

Para diseccionar esta brecha entre la promesa y la rentabilidad, no se me ha ocurrido nada mejor que analizar el modelo de negocio y resultados financieros de una empresa cotizada en Bolsa (en este caso, canadiense) que está luchando en esta arena: Volatus Aerospace Inc. (TSXV: FLT). Sus estados financieros y su estrategia revelan los desafíos que gigantes como Amazon o DHL deben superar para que sus proyectos de reparto sean algo más que costosos ejercicios de marketing. Es importante conocer que Volatus Aerospace es el resultado de la fusión que culminó en 2024, entre dos empresas del sector: Drone Delivery Canada (DDC) y Volatus Aerospace, de cuyo resultado nació Volatus Aerospace Inc.

Este post será un poco más largo que los habituales, pero pretendo demostrar en qué punto de este escenario tecnológico de ciencia ficción estamos, y más allá de los grandes titulares, cómo se puede hacer una empresa de reparto de mercancías con drones, alcance la tan deseada rentabilidad. Y sobre todo, ¿cómo se justifica este comportamiento en Bolsa de la acción de Volatus, capaz de estremecer a los inversores más calmados?



El cuello de botella regulatorio: la clave del negocio


El obstáculo principal de la logística con drones es el requisito de la Línea Visual (VLOS). Durante años, la normativa exigía que un operador mantuviera el control visual directo de su aeronave. Esto limita las misiones a distancias cortas y obliga a tener un operador por dron (o, con suerte, por un puñado de drones en una zona pequeña), disparando el coste operativo.

La verdadera viabilidad económica y la escalabilidad del negocio residen en el BVLOS (Beyond Visual Line of Sight).

Volatus Aerospace ha logrado convertir esta dificultad en su principal ventaja competitiva. Han obtenido un Certificado de Operaciones de Vuelo Especial (SFOC) de Transport Canada que autoriza operaciones BVLOS escalables a nivel nacional.

Su secreto está en la tecnología de Detección y Evitación (DAA). Volatus utiliza una integración de tres componentes:
1.    Radar MatrixSpace: Un sistema ligero que detecta aeronaves pequeñas y no cooperativas (otros drones).
2.    Kongsberg IRIS Terminal: Una plataforma de software para la conciencia del espacio aéreo.
3.    Operations Control Center (OCC): Un centro neurálgico para la gestión remota.

Al certificar un sistema DAA robusto, Volatus ha convencido al regulador de que la seguridad ya no depende del ojo humano, sino de la tecnología, permitiendo a la empresa reducir drásticamente la proporción de personal por dron. Esto es lo que se traduce en rentabilidad.

Tal y como mencionaba antes, Volatus se fusionó con Drone Delivery Canada (DDC) para consolidar el mercado canadiense. DDC se centraba en la logística y entrega de mercancías autónoma, especialmente en el suministro a comunidades y áreas remotas del norte de Canadá. La lógica de esta consolidación es simple: en un sector donde la regulación es la barrera más alta, la unión de permisos regulatorios y la eficiencia del capital son las estrategias de supervivencia.

La principal debilidad de DDC y de la industria en general era el complejo y lento marco regulatorio que impide una rápida escalabilidad, junto con los altos costos iniciales. Sus gastos operativos superan los ingresos, resultando en pérdidas netas continuas.

Al unirse a Volatus, DDC pudo combinar su tecnología propietaria (software FLYTE, drones como el Sparrow) y su enfoque en nichos rentables (suministros médicos y carga de alto valor/urgente en comunidades remotas) con la ventaja regulatoria BVLOS y la infraestructura OCC certificada de Volatus. La fusión consolida un liderazgo regulatorio y tecnológico en el nicho geográfico canadiense. De hecho, Volatus es especialista en la entrega de paquetería en zonas de difícil acceso y poblaciones mal comunicadas, precisamente, el nicho que más sentido cobra en este negocio.


Lección para los Gigantes (Amazon, UPS): El moat de la logística aérea no es el dron más rápido, sino la certificación regulatoria y la infraestructura tecnológica DAA que permite la automatización total.2 Aunque la FAA ha aumentado las exenciones BVLOS (190 a octubre de 2024, frente a solo 6 en 2020) 5, el camino hacia una operación verdaderamente escalable y sin observadores visuales fuera de sitios de prueba designados sigue siendo lento y complejo.



El negocio real: cuando los sueños se estrellan contra el excel


Un error común es asumir que la rentabilidad vendrá solo del reparto de paquetes de última milla. Los documentos de Volatus revelan una estrategia de negocio diversificada, diseñada para generar flujo de caja mientras se construye la infraestructura BVLOS de alto valor.

Volatus Aerospace no es Amazon. Es una empresa canadiense-americana que opera en tres frentes: vende drones de otros fabricantes, ofrece servicios aéreos (inspecciones, vigilancia, transporte) y forma pilotos. En el segundo trimestre de 2025 facturaron 10,6 millones de dólares canadienses. Para ponerlo en perspectiva: Amazon gasta más que eso en café corporativo cada semana.

Pero precisamente por ser pequeña, Volatus nos muestra la anatomía económica del sector sin el maquillaje de las grandes corporaciones. Y los números son brutales.

El margen bruto del 32% que consiguieron en Q2 2025 esconde dos realidades muy distintas. Los servicios aéreos (vuelos de inspección, transporte de carga) generan márgenes entre el 40% y el 50%. Respetable. Rentable, incluso. Pero la venta de equipos (drones físicos) apenas roza el 20-25%, típico de cualquier negocio de distribución.

Y aquí viene lo interesante: en el trimestre analizado, el 48% de sus ingresos vino de vender cacharros, no de volar. ¿Por qué? Porque las guerras —concretamente, la demanda de la OTAN por drones militares tras la invasión rusa de Ucrania— han disparado las ventas de hardware. Volatus vendió un 114% más de equipos que el año anterior. Pero ese boom defensivo no dice nada sobre la viabilidad del reparto comercial.


El agujero negro operativo


Aquí está el problema estructural que Amazon no cuenta en sus keynotes: Volatus perdió casi 4 millones de dólares en el trimestre. Y no es una startup quemando capital para crecer: llevan operando desde 1987 (originalmente como empresa de aviación tripulada). Han volado 75.000 horas. Tienen certificaciones regulatorias que Amazon pagaría millones por conseguir. Y aun así, pierden dinero.

Desglosemos sus gastos operativos trimestrales:

Personal: 2,2 millones
Costes de oficina: 714.000
Marketing y publicidad: 428.000
Partners externos: 473.000
Depreciación: 1,4 millones

Sumemos: 5,6 millones en costes operativos contra 3,4 millones de beneficio bruto. Pérdida operativa: 2,2 millones. ¿Se entiende ahora la gráfica de la cotización de Bolsa?


Pero lo fascinante está en la nota a pie en los documentos financieros de la compañía: "certain costs increased due to termination expenses, legal fees". Traducción: están despidiendo gente y peleando en tribunales mientras intentan ser rentables. Y también es revelador un dato en la página 13 de estos documentos financieros: comparando con el mismo periodo de 2024 (sumando las dos empresas que se fusionaron para crear Volatus), redujeron gastos operativos en 2,7 millones. Es decir, están adelgazando brutalmente la estructura para no desangrarse.

Veamos los costes estructurales que Volatus nos revela:

Gasto operativo: Gastaron 411.000 dólares en seis meses solo en equipamiento. Cada dron cuesta entre 50.000 y 300.000 dólares según capacidad. Se deprecian en 3-5 años. Se estrellan. Requieren mantenimiento constante.

Operaciones remotas: Volatus presume de su Operations Control Center (OCC) en Toronto, que supervisa vuelos BVLOS remotamente. Suena eficiente hasta que piensas que necesitas operadores humanos certificados monitorizando pantallas. A diferencia de un algoritmo que escala gratis, cada operador cuesta 60.000-100.000 dólares anuales y puede supervisar quizá 10-20 drones simultáneos en el mejor escenario.

Infraestructura: Volatus tiene dos productos patentados: DroneSpot™ (zonas de aterrizaje) y Aeriport (estaciones de carga automática). Cada ubicación requiere inversión física, permisos, electricidad, conectividad. Esto no escala como abrir una cuenta de AWS.

Regulatorio: Las 75.000 horas de vuelo de Volatus les han costado años de trámites, SFOCs (Special Flight Operating Certificates) negociados caso por caso, relaciones con Transport Canada. En EE.UU., la FAA es mucho más restrictiva. Amazon lleva años en "pruebas piloto" porque cada nueva ruta requiere aprobación individual.

Y aquí viene una interesante paradoja: Volatus está cerca de ser rentable precisamente porque NO hace lo que Amazon promete.

Su EBITDA ajustado mejoró un 85% interanual: de perder 1,85 millones a perder solo 276.000 dólares en el trimestre. ¿Cómo? No con reparto urbano masivo, sino con:

- Inspecciones industriales de alto valor: Oleoductos, líneas eléctricas, parques solares. Facturaron la inspección de 760.000 paneles solares en Norteamérica. Una empresa de energía paga 200.000-500.000 dólares por un contrato de inspección que con helicópteros tripulados costaría el doble o triple.
- Ventas B2B de equipos: El 48% de sus ingresos viene de vender drones a gobiernos y empresas. Son un distribuidor especializado, no un operador puro. Amazon nunca hará esto.
- Formación: Han entrenado 114.000 pilotos desde su inicio. Es negocio de margen alto y recurrente. ¿Amazon va a montar academias de pilotos?
- Servicios de defensa: La guerra de Ucrania les disparó la demanda. Drones de vigilancia para militares. Esto es geopolítica, no logística.

¿Qué tienen en común estos negocios? Densidad de valor sobre volumen. Un contrato de inspección de 300.000 dólares con 50 vuelos es viable. Cincuenta entregas de 15 dólares cada una (750 dólares) con la misma infraestructura, no.

Ahora viene la parte que explica por qué Amazon sigue jugando a esto sin resultados. Volatus ha levantado capital desesperadamente:

Mayo 2025: 3 millones
Junio 2025: 5 millones
Julio 2025 (post-trimestre): 10 millones
Agosto 2025: 4,8 millones adicionales

Total: 22,8 millones en tres meses. ¿Para qué? Para no quedarse sin liquidez mientras buscan la rentabilidad.

Miren su estructura de capital: tienen 85,4 millones de warrants (opciones de compra) con precio de ejercicio entre 0,20 y 0,30 dólares. La acción cotiza alrededor de 0,50 dólares. Están diluyendo brutalmente a los accionistas para sobrevivir. Es decir, cada vez emiten más acciones al mercado, y eso hace que las que ya están en él pierdan valor. Están inundando de acciones, y eso no gusta nada a los accionistas (¿se sigue entendiendo ahora la gráfica de la cotización?). Su deuda a largo plazo asciende a 19,7 millones, con préstamos al 12,5-15,5% de interés de inversores privados y el gobierno de Quebec.

Compare esto con Amazon. Bezos puede quemar 500 millones anuales en Prime Air sin pestañear porque Amazon Web Services genera 90.000 millones al año. Prime Air es marketing, es señalización al mercado. No necesita ser rentable nunca.

Pero Volatus, como cualquier empresa normal, tiene que dar beneficios o morir. Y precisamente eso hace su caso tan ilustrativo: están haciendo lo máximo posible con la tecnología actual, las regulaciones reales y las economías de escala alcanzables. Y aun así, apenas sobreviven.



Lecciones de un Sector que Nunca Despegó


La historia de los drones de reparto comercial es una fábula moderna sobre la diferencia entre el bombo tecnológico y la viabilidad económica. No es que la tecnología no funcione: funciona, como Volatus demuestra con sus 75.000 horas de vuelo. Es que los números no funcionan.

El sector del dron comercial será real. Pero será en:

Inspecciones industriales (ya es rentable)
Respuesta a emergencias (valor infinito del tiempo)
Logística rural extrema (donde no hay alternativas)
Aplicaciones militares (presupuestos ilimitados)
Monitorización agrícola (Volatus acaba de firmar contratos nacionales en esto)

No será en entregarle a usted unas pilas en 30 minutos porque se le olvidó comprarlas.

Volatus Aerospace, con sus pérdidas trimestrales y sus rondas de financiación desesperadas, es más honesta que cualquier presentación de Walmart o Amazon. Sus estados financieros son la radiografía de una industria que prometió el futuro y entregó nicho.

La próxima vez que vean un anuncio de drones de reparto, acuérdense de los 276.000 dólares que Volatus sigue perdiendo cada trimestre haciendo exactamente eso, pero con clientes reales, reguladores reales y física real.

El futuro del transporte de carga con drones es prometedor, pero es un juego de alto riesgo y de gran capital. La lección de Volatus es clara: el negocio despegará primero en los mercados verticales de alta demanda (inspección y defensa), y solo después, de forma silenciosa y eficiente, se expandirá a tu buzón. La rentabilidad no es un sprint de marketing, sino una maratón de certificación BVLOS y ejecución de contratos.

El futuro llegó. Solo que no era rentable.


Ya veremos.



Comparte:

3/11/25

La Gran Congelación: cuando las máquinas no roban empleos, simplemente dejan de crearlos

En junio de 2025, Jerome Powell todavía era cauteloso. Ante el Comité Bancario del Senado, el presidente de la Reserva Federal admitía que los efectos de la inteligencia artificial en la economía "probablemente no son grandes en este momento", aunque advertía de su potencial para generar "cambios dramáticos" cuyo momento y magnitud eran "tremendamente inciertos". Era la prudencia característica de un banquero central: reconocer el fenómeno sin alarmarse.

Cuatro meses después, en octubre, esa cautela había desaparecido.

"La creación de empleo está bastante cerca de cero", declaró Powell el 30 de octubre tras la reunión del Comité Federal de Mercado Abierto. Ya no hablaba de potenciales futuros. Hablaba de un presente que se puede medir: "Una cantidad significativa de empresas ha anunciado despidos o congelación de contrataciones, y gran parte del tiempo están hablando de IA y lo que puede hacer".

Algo había cambiado en esos cuatro meses. Y ese algo tenía datos concretos detrás.



Los canarios en la mina


Durante meses, economistas y analistas se frustraban con la misma limitación: las bases de datos públicas que rastrean el mercado laboral no estaban diseñadas para detectar disrupciones específicas en tiempo real. No había forma de saber con confianza qué estaba pasándoles a los desarrolladores de software de entre 22 y 25 años en mayo de 2025. Los datos agregados mostraban estabilidad general, pero nadie podía ver a los canarios en la mina.

Hasta que un equipo de Stanford se asoció con ADP, la mayor empresa de software de nóminas de Estados Unidos, con datos de millones de trabajadores. Y lo que encontraron debería quitarnos el sueño.

El empleo de desarrolladores de software de 22 a 25 años ha caído casi un 20% desde su pico a finales de 2022 —justo cuando se lanzó ChatGPT— hasta julio de 2025. Para los de 26 a 30 años, también hay descenso, aunque menor. Para los mayores de 30, prácticamente ningún cambio. La gráfica es brutal en su claridad: una línea descendente perfecta que comienza exactamente cuando ChatGPT sale al mundo (el paper está bien explicado por uno de sus autores en este hilo de X).



Y no son solo los programadores. Los representantes de atención al cliente, otro trabajo altamente expuesto a la IA, muestran el mismo patrón exacto: caída dramática en los jóvenes, estabilidad en los veteranos. Pero cuando miras trabajos que la IA no puede hacer (auxiliares de enfermería, cuidadores) ves lo contrario: crecimiento robusto precisamente entre los más jóvenes.



El patrón es tan claro que resulta inquietante. Para trabajadores de 22 a 25 años, el empleo está creciendo en los trabajos menos expuestos a la IA y cayendo en los más expuestos. Para trabajadores de 41 a 49 años, no hay diferencia. La IA no está destruyendo empleos de forma indiscriminada. Está cerrando la puerta de entrada.




Automatización versus aumentación


El estudio de Stanford hace otra distinción crucial. No todos los usos de la IA son iguales. Cuando un trabajador usa ChatGPT para escribir un email más rápido, eso es aumentación: la IA amplifica sus capacidades. Pero cuando una empresa rediseña todo un proceso para que funcione sin humanos, eso es automatización.

Usando datos del Índice Económico de Anthropic, que clasifica conversaciones de Claude según si sirven para automatizar o aumentar, los investigadores encontraron algo revelador: en trabajos donde la IA se usa principalmente para automatizar (programación, contabilidad), el empleo juvenil ha colapsado. En trabajos donde se usa para aumentar (gestión, reparaciones), el empleo juvenil crece con normalidad.

Los trabajadores individuales usan la IA para trabajar mejor. Las empresas la usan para trabajar sin ellos.


¿Y los salarios?


Aquí viene lo extraño: a pesar de la caída del 20% en empleo juvenil en sectores expuestos a IA, los salarios no se han movido significativamente. ¿Por qué? Los investigadores tienen hipótesis pero no respuestas definitivas. Quizá el empleo se ajusta más rápido que los salarios. Quizá la IA está cambiando los requisitos de expertise de formas que no se reflejan en el salario promedio. O quizá - y esto es lo más inquietante - estamos en un período de transición donde las empresas simplemente han dejado de contratar juniors mientras experimentan con IA, sin despedir todavía a los seniors. ¿Es la gerontocracia de los puestos laborales?


El panorama completo


Noviembre de 2022. ChatGPT se convierte en la aplicación de más rápido crecimiento de la historia. Casi tres años después, los números macro cuentan una historia extraña. Las ofertas de empleo en Estados Unidos cayeron un 33%, mientras el S&P 500 se disparó un 75%. Es una divergencia sin precedentes: durante décadas, cuando las empresas ganaban dinero, contrataban. Esa lógica acaba de romperse.



Amazon hace 6 días despidió a 14.000 mandos intermedios mientras invertía miles de millones en IA. Según Challenger, Gray & Christmas, las empresas estadounidenses han anunciado casi 946.000 despidos en 2025, la cifra más alta desde 2020. Más de 17.000 están explícitamente vinculados a la IA.

Algunos autores como Derek Thompson, señala acertadamente que no todo es culpa de la IA. Las ofertas de empleo empezaron a caer cuando la Fed subió tipos de interés en marzo de 2022. Los aranceles han golpeado sectores como manufactura y construcción. Pero hay algo que Thompson reconoce: las empresas están diciendo abiertamente que la IA les permite hacer más sin contratar. Marc Benioff, CEO de Salesforce, afirmó que entre el 30% y el 50% del trabajo en su empresa ya lo hace la IA.

La Reserva Federal confirma estos patrones con sus propios datos: cuando cruzan exposición teórica a la IA con tasas de desempleo reales encuentran una correlación de 0,47; cuando miden adopción efectiva de IA frente a incremento del desempleo, la correlación sube a 0,57. Las ocupaciones en informática y matemáticas, precisamente las que más han adoptado herramientas de IA generativa, muestran los mayores incrementos en desempleo.


La pregunta incómoda


Los investigadores de Stanford son cautelosos. No afirman que la IA explique todos los patrones. Probaron explicaciones alternativas: ¿sobrecontratación tech durante la pandemia? Los resultados se mantienen excluyendo el sector tech. ¿Vuelta a la oficina post-COVID? Los patrones aparecen en trabajos que nunca fueron remotos. ¿Peor preparación educativa post-pandemia? El efecto es igual de fuerte en ocupaciones sin título universitario.

Pero aquí viene lo más perturbador del estudio: en trabajos que no requieren educación universitaria, el efecto negativo de la IA se extiende hasta los 40 años. Para trabajadores menos educados, la experiencia no protege tanto. Sugiere algo inquietante: la IA es excepcionalmente buena aprendiendo el tipo de conocimiento que viene de libros o educación formal, pero no tanto el conocimiento tácito que viene de años de experiencia. Y si tu trabajo no requiere mucha experiencia acumulada, la IA te alcanza antes.

Lo que Powell describe, y los datos de Stanford confirman, es una economía en forma de K: arriba, las empresas tecnológicas y los trabajadores seniors; abajo, los jóvenes graduados que descubren que la escalera de ascenso social simplemente ya no está ahí. Los recién graduados universitarios en Estados Unidos tienen una tasa de desempleo superior al 5%, y muchos están optando por volver a la universidad como "tiempo muerto estratégico". "Los consumidores en los segmentos más bajos están teniendo dificultades", dijo Powell en septiembre.

Quizá lo más escalofriante no sean las cifras actuales, sino la normalidad que se perfila: corporaciones más eficientes y rentables mientras la puerta de entrada al mercado laboral se cierra para una generación entera.

En junio, Powell admitía incertidumbre. En octubre, constata una realidad. Ese cambio de tono en cuatro meses, respaldado por datos de millones de nóminas, debería preocuparnos.

Porque el verdadero horror no es que las máquinas nos roben el trabajo. Es que nos dejen sin la posibilidad de conseguir el primero.

Ya veremos.





Comparte:

27/10/25

El Fantasma en la Máquina (equivocada). El futuro de los robots humanoides

Hay una escena que resume a la perfección la extraña esquizofrenia de nuestro momento tecnológico. Ocurrió a principios de 2024. Tesla publicó un vídeo de Optimus, su mesías robótico, doblando una camiseta. La cámara, con esa estética de laboratorio aséptico que tanto gusta en California, mostraba unas manos metálicas cogiendo con parsimonia una prenda negra y plegándola sobre una mesa. El gesto era lento, casi meditabundo. Era, en apariencia, la domesticación definitiva de la máquina: el autómata convertido en amo de casa.

El vídeo, por supuesto, se hizo viral. Pero entonces, los nuevos teólogos de nuestro tiempo, los analistas de frames en redes sociales, notaron algo extraño. Una vacilación casi humana, un temblor impropio de un algoritmo. En la esquina inferior derecha del plano, una mano humana entraba y salía de cuadro, como un director de escena torpe. La sospecha se convirtió en burla cuando el propio Elon Musk, profeta en jefe de esta nueva religión, admitió con la boca pequeña que, bueno, el robot no estaba actuando de forma autónoma. Aún no.



Aquella camiseta mal doblada no es una anécdota. Es el pliegue que revela la verdad: la robótica humanoide de propósito general, tal y como nos la venden, es un espectacular truco de magia. Y para entender el truco, no hay que mirar a los ingenieros, sino a un filósofo francés del siglo XVII y a su crítico más mordaz.

Un Fantasma con un mando de PlayStation


En 1641, René Descartes nos partió por la mitad. Propuso que el ser humano era una extraña amalgama de dos sustancias: la res extensa (el cuerpo, una máquina de carne y hueso sujeta a las leyes de la física) y la res cogitans (la mente, una entidad inmaterial, pensante y libre). El gran problema de su teoría, el que le torturó hasta el final, fue explicar cómo demonios se comunicaban ambas. ¿Cómo un pensamiento, un fantasma inmaterial, podía hacer que un brazo se moviera?

Trescientos años después, en 1949, el filósofo Gilbert Ryle se burló de esta idea acuñando uno de los términos más brillantes de la filosofía del siglo XX: "el fantasma en la máquina". Para Ryle, el dualismo cartesiano era un "error categorial", un disparate lógico como visitar la Universidad de Oxford y, tras ver los colegios, las bibliotecas y los laboratorios, preguntar: "¿Pero dónde está la Universidad?". La mente, decía Ryle, no es un piloto espectral manejando un cuerpo; es, simplemente, el conjunto de todas las habilidades y disposiciones de ese cuerpo.

La ironía es tan deliciosa que casi parece escrita por un guionista. Setenta y cinco años después del rapapolvo de Ryle, la vanguardia de Silicon Valley ha invertido miles de millones de dólares en demostrar que, para hacer funcionar un robot humanoide en 2025, sí necesitas un fantasma en la máquina.

El ejemplo más descarado ocurrió en el evento "We, Robot" de Tesla. Allí, los robots Optimus no solo doblaban camisetas, sino que servían bebidas, jugaban y posaban con una naturalidad pasmosa. Parecía el futuro, servido en bandeja de plata. La realidad, revelada por la propia compañía, es que gran parte de esa autonomía era una farsa. Era teleoperación. En una sala contigua, fuera de plano, un ejército de fantasmas muy materiales, con cascos de realidad virtual y mandos de control, movían los hilos. El robot no era un ser autónomo; era una marioneta carísima. El fantasma en la máquina existe, solo que ahora cobra por horas y, probablemente, usa un mando de PlayStation.



El Casino del Aprendizaje y la Venganza del Mundo Real


Los defensores de esta tecnología argumentan que esto es solo una fase temporal. Que el verdadero salto vendrá del Aprendizaje por Refuerzo (RL), y más concretamente, del Deep Reinforcement Learning (Deep RL). La idea es seductora: en lugar de programar cada movimiento, creas una simulación por ordenador y dejas que la IA "aprenda" por sí misma a base de millones de intentos y errores, recibiendo recompensas virtuales cuando hace algo bien. Es como entrenar a un perro, pero con una paciencia infinita y una factura eléctrica monumental.

El problema es que este método tiene la misma relación con la realidad que una partida de póker online con sobrevivir en la selva. En el casino digital de la simulación, el robot puede permitirse fallar un millón de veces para aprender a coger un objeto. El coste de cada fallo es cero. En el mundo real, un solo fallo puede significar un jarrón de la dinastía Ming hecho añicos, un cortocircuito o un dedo amputado.

Esta brecha insalvable es lo que los ingenieros llaman el problema del sim-to-real transfer. Y es aquí donde la Paradoja de Moravec, esa vieja ley no escrita de la robótica, vuelve para reírse en nuestra cara. Conseguimos que una IA componga sinfonías o descubra nuevas proteínas (tareas que nos parecen el culmen de la inteligencia), pero fracasamos estrepitosamente en enseñarle a caminar sobre una alfombra arrugada o a abrir un bote de pepinillos (tareas que un niño de tres años domina).

La razón es que el mundo físico es un infierno computacional. La fricción, la gravedad, la elasticidad, la luz impredecible... cada interacción con la realidad es una negociación con un caos de variables que ninguna simulación puede replicar por completo.


Inversores, ingeniería control y el Problema de la Mano


Entonces, si los desafíos son tan fundamentales, ¿por qué vemos estas demostraciones espectaculares? ¿Por qué se invierten miles de millones en humanoides que, en el fondo, son poco más que actores de doblaje corporal?

La respuesta está en la audiencia. Quienes firman los cheques no suelen ser expertos en ingeniería de control. Un inversor de capital riesgo entiende una curva de crecimiento exponencial en el rendimiento de un software; entiende mucho menos las limitaciones físicas de un actuador o la intratabilidad del problema del contacto en robótica. Es infinitamente más fácil vender un PowerPoint con la promesa de una "IA general encarnada" que explicar por qué una bisagra sigue siendo un problema de ingeniería no resuelto.

Lo que Tesla y otras startups están vendiendo no es un producto, es una narrativa. Una resurrección del sueño cartesiano: la promesa de que un "alma" de software (un modelo de lenguaje gigante, una red neuronal) puede descargarse en un cuerpo y, por arte de magia, darle vida y sentido. De hecho, ¡Tesla se encuentra ahora atrapado en un problema enorme, el Problema de la Mano Robótica!

La mano humana tiene 27 grados de libertad y está controlada por 20 músculos de la mano y 20 del antebrazo. La mayor parte de la potencia la desarrollan los músculos del antebrazo y los músculos intrínsecos de la mano, cruciales para el control preciso. Los músculos intrínsecos de la mano son esenciales para el control preciso y la propiocepción, cruciales para tareas como tocar el piano o desmontar un coche. La mano de Tesla Optimus tenía 22 grados de libertad. Todo esto requiere un 80 % de todo el esfuerzo de ingeniería para replicar su versatilidad y destreza en una mano robótica.

Fabricar la mano robótica a escala es 100 veces más difícil que diseñarla, según Elon Musk, y convierte este problema en uno enorme y jerárquico, ya que algunos músculos no pueden moverse de forma independiente.


Pero como Gilbert Ryle nos advirtió, es un error de categoría. La inteligencia no es un fantasma que se pueda trasplantar. Es el resultado de un cuerpo y un cerebro que han evolucionado juntos durante millones de años en una danza constante con la brutal y maravillosa física del mundo real.

No digo que los humanoides no vayan a existir, pero hay muchos desafíos por resolver antes de que la economía de los humanoides pueda funcionar. El progreso es asombroso, pero lograr que el valor supere el costo es realmente difícil: habrá que encontrar robots de muy bajo costo y de alta productividad.

El robot que doble nuestra ropa llegará, probablemente. Pero no será el resultado de un software milagroso instalado en un maniquí con ínfulas. Será la culminación del trabajo de esos "fontaneros" olvidados de la ingeniería que luchan con la fricción, el equilibrio y la fragilidad de un mundo que no se puede simular. Mientras tanto, seguiremos asistiendo a un teatro de marionetas de alta tecnología, aplaudiendo al fantasma y haciendo como que no vemos los hilos. Y también queda una pregunta importante: ¿de verdad la gente quiere humanoides en sus casas? 

Ya veremos.





Comparte:

20/10/25

El Último Experimento

Durante siglos, la ciencia se basó en una regla sencilla, casi moral: si un experimento no puede reproducirse, no es ciencia. Era una especie de mandamiento laico según el cual cualquiera debía poder verificar lo que uno afirmaba, y la verdad se ganaba con transparencia, método y paciencia. 

Hoy, ese principio suena tan pintoresco como un teléfono de disco. En la era de la inteligencia artificial, reproducir un experimento puede costar decenas o cientos de millones de dólares y requerir el suministro eléctrico de una ciudad pequeña. La curiosidad ya no es suficiente; ahora se necesita un centro de datos.

OpenAI, Google DeepMind, Anthropic, Meta: estos son los monasterios de la ciencia moderna, lugares donde los fieles siguen creyendo en el progreso, pero ya no pueden ver los rituales que hay detrás. Sus servidores son catedrales de computación: templos vastos y sellados donde se entrenan nuevas inteligencias, utilizadas por todos y comprendidas por nadie. La academia, mientras tanto, se queda con las oraciones, pero no con los recursos. 

Una universidad en Europa probablemente podría reproducir un experimento de los años 50, quizá incluso algo de física cuántica, pero replicar el entrenamiento de un modelo como GPT-4, cuyo coste se estima en casi 80 millones de dólares, sería tan realista como construir un acelerador de partículas en el sótano. Como resultado, la industria produce la gran mayoría de los modelos de aprendizaje automático más notables, mientras que las universidades, que tradicionalmente eran el motor de la investigación fundamental, se quedan atrás, perpetuando un desequilibrio donde casi el 70% de los nuevos doctores en IA son contratados directamente por el sector privado. Las universidades todavía forman científicos; simplemente tienen cada vez menos ciencia que hacer y menos poder para retener el talento. A esto se suma el nuevo coste de la visa para profesionales especializados que Trump acaba de anunciar: 100.000 $. Una chuchería para las empresas, pero una utopía para las facultades.


La caja negra y la nota de prensa


La inteligencia artificial se está convirtiendo en el primer campo de la ciencia sin un verdadero escrutinio externo. Las empresas publican resultados que nadie puede verificar, comparan sus modelos con baremos que ellas mismas diseñan y elaboran pruebas que siempre consiguen superar. La revisión por pares (ese ritual de humildad en el que los colegas podían desmontar tu argumento) ha sido sustituida por comunicados de prensa bien coordinados. 

Este problema no es exclusivo de la IA; otras disciplinas, como la psicología o la biomedicina, llevan años lidiando con su propia "crisis de reproducibilidad", donde un porcentaje alarmante de estudios no puede ser reproducido por otros investigadores. Sin embargo, la diferencia fundamental es que en esos campos la falta de reproducibilidad es un escándalo que destapa un fallo del sistema, mientras que en la IA se está convirtiendo en el sistema mismo. No hay malicia inherente en esto, solo economía. Y dondequiera que los negocios dictan el ritmo del descubrimiento, la verdad se convierte en un lujo, no en un deber.

Hace poco, Retraction Watch informó del caso de un anestesista que tuvo que retractarse de más de 220 artículos científicos (de momento), una cifra absurda que equivale a la producción de toda una vida de un grupo de investigación mediano. Su caída fue pública, dolorosa y, sobre todo, posible: alguien comprobó, alguien verificó, alguien encontró el fraude. Esa es la diferencia. En los escándalos científicos más antiguos, existía al menos una red de escrutinio, alguien más que podía dudar de ti. 

Los grandes modelos lingüísticos actuales, en cambio, son cajas negras. Nadie fuera de la empresa sabe cómo fueron entrenados, qué datos utilizaron o qué sesgos incorporaron. Y la parte más inquietante es que, incluso con las mejores intenciones, nadie podría replicar el experimento. La investigación en IA ya no se comparte, se licencia. El conocimiento se ha convertido en propiedad intelectual, sujeto a acuerdos de confidencialidad y secretos comerciales. La transparencia, que antes era un principio ético, es ahora un riesgo competitivo. En lugar de reproducir resultados, los investigadores se conforman con reproducir titulares: "OpenAI anuncia", "Google publica", "Anthropic mejora".

En el futuro, si alguna universidad llega a tener un millón de GPUs y puede comprobar ciertas afirmaciones, quizás a más de uno le saquen los colores.

Incluso los baremos se han vuelto corporativos. Cada empresa define su propio estándar, establece su propia prueba y se califica a sí misma, lo que genera dudas sobre su validez y conduce a un sobreajuste donde los modelos se optimizan para la prueba en lugar de para una capacidad general. Es como si cada estudiante trajera su propio examen y lo calificara con una estrella de oro. 


Suscríbase a la ciencia


La ciencia solía ser pública: llena de errores, revisiones, retractaciones. Ahora es privada, alojada en servidores remotos y protegida por términos de servicio. La pregunta no es solo quién es el dueño de los datos, sino quién es el dueño del derecho a equivocarse.

Quizá el futuro de la ciencia no dependa de la reproducción, sino de la fe. Fe en el comunicado de prensa, en el baremo, en el fundador visionario que jura que esta vez la máquina entiende de verdad. El problema no es que la verdad haya muerto, es que ha sido externalizada. 

El siguiente paso del método científico puede que no sea el experimento en absoluto, sino la clave de una API. Y quizá, dentro de unos años, el acto más radical de rebelión intelectual sea volver a hacer lo imposible: reproducir algo con nuestras propias manos.

Ya veremos.




Comparte:

13/10/25

El piloto que nunca duerme: lecciones del accidente de Tesla y la ilusión del control

En agosto de 2025, un jurado de Miami dictaminó que Tesla debía pagar 243 millones de dólares por un accidente en el que su sistema Autopilot estaba activado. No fue el primer siniestro de un coche “inteligente”, pero sí el primero que acabó con un veredicto: la tecnología no era inocente. Es el primer juicio que Tesla ha perdido.

La noticia viajó rápido: un coche eléctrico, software de conducción autónoma, una colisión mortal y una sentencia. La narrativa perfecta para una película distópica —solo que esto no era Black Mirror, sino el tráfico real de Florida.

El jurado declaró a Tesla responsable en un 33 %. El resto, al conductor, que había bajado la vista para buscar su teléfono mientras el vehículo hacía lo que mejor sabía hacer: creer que podía con todo.



De Prometeo a Autopilot


La historia de la tecnología está plagada de momentos en los que el ser humano, seducido por su propia creación, confía demasiado.

Cuando en 1908 Henry Ford lanzó el Modelo T, no solo fabricó un coche: inventó la ilusión de control. Cualquier persona podía sentarse detrás del volante y mover una máquina de una tonelada a más de 60 km/h. Aquello era casi magia. Pero en la década siguiente, los accidentes mortales en EEUU se dispararon. La velocidad había llegado antes que la prudencia.

Más de un siglo después, Tesla repite el guion con líneas de código en lugar de pistones. La promesa es la misma: relájate, la máquina sabe lo que hace.

El problema es que no siempre lo sabe. Y nosotros, embelesados con las palabras “inteligencia artificial”, olvidamos que sigue siendo solo eso: una inteligencia artificial, diseñada por humanos y, por tanto, sujeta a nuestras mismas limitaciones —solo que a veces más rápidas y menos visibles.

AnalyticsInsight

El mito del piloto automático


El nombre “Autopilot” nunca fue inocente. Suena a los sistemas de navegación aérea que mantienen un avión nivelado mientras el piloto consulta el radar. Pero el Autopilot de un Tesla no es eso. Es un copiloto que intenta hacerlo todo, pero necesita que alguien supervise su entusiasmo digital.

El accidente de 2019 (juzgado en 2025) ocurrió cuando el sistema cruzó una intersección sin reconocer una señal de alto. Los sensores, los algoritmos y las promesas de marketing no bastaron para evitar lo inevitable.

Y sin embargo, el debate que abrió el veredicto no fue sobre coches, sino sobre culpa y autonomía.

¿Quién es responsable cuando una máquina toma una mala decisión?
¿El conductor, el programador, la empresa, el algoritmo?


El derecho moderno aún no tiene respuesta definitiva. Y mientras tanto, seguimos entregando más y más decisiones al software —desde el tráfico hasta los diagnósticos médicos o las sentencias judiciales predictivas—, convencidos de que la automatización es sinónimo de objetividad.


El sueño de Turing


En 1950, Alan Turing escribió que algún día las máquinas pensarían. Lo dijo como un reto intelectual, no como un manual de usuario. Hoy, la discusión ha cambiado: las máquinas no solo piensan, actúan. Pero lo hacen en un entorno humano, lleno de variables que ni siquiera los humanos comprendemos del todo.

Un coche autónomo no es solo un conjunto de sensores: es una interpretación del mundo. Decide qué objeto es un peatón, qué movimiento es una amenaza, cuándo un brillo es un charco o una sombra. Cada error de interpretación puede costar una vida.

La paradoja es que cuanto más confiamos en la IA, más nos alejamos de entenderla. Como escribió Norbert Wiener, el padre de la cibernética, en 1949:

“Podemos delegar tareas, pero no la responsabilidad.”


Lo que el veredicto nos deja


El caso Tesla de 2025 es un punto de inflexión simbólico. Por primera vez, una corte reconoció que la inteligencia artificial no es solo una herramienta neutral, sino un actor con impacto moral y legal. No significa que los robots tengan culpa, pero sí que las empresas que los diseñan deben asumir las consecuencias de su poder.

Tesla apelará, claro. Pero el precedente ya está ahí. Y con él, una lección para toda la industria de la automatización: la promesa de que los algoritmos eliminarían el error humano empieza a mostrar grietas.

En algún momento, los coches conducirán mejor que nosotros. No es una cuestión de fe, sino de tiempo y datos. Pero el camino hacia ese futuro será irregular, lleno de dilemas éticos y legales.
Mientras tanto, los humanos seguiremos haciendo lo que mejor sabemos hacer: confiar un poco más de la cuenta.

Tal vez el verdadero futuro no dependa de crear un piloto que nunca duerma, sino de aceptar que ningún piloto —humano o artificial— está exento de error.

Y que, por ahora, lo más inteligente que podemos hacer es seguir prestando atención al camino.


Ya veremos.



Comparte:

24/7/25

¿Quién diseña el amor? Japón, Tinder y la era de las relaciones programadas

Las famosas aplicaciones de citas como Tinder, Bumble o Hinge, prometían facilitar el amor. En cambio, lo convirtieron en una búsqueda infinita.

Tinder y sus rivales perfeccionaron el «deslizamiento infinito»: la aplicación te enseña fotos de chicos o chicas, y tú deslizas su foto a izquierda o derecha, según si esa persona te atrae o no. Un diseño que te mantiene buscando, sin conformarte. Las coincidencias van y vienen; la atención se convierte en la verdadera moneda de cambio. Cuanto más te desplazas, más anuncios ves y más rica se vuelve la plataforma.

Esta arquitectura es deliberada, y no es que precisamente favorezcan la búsqueda de pareja. Las aplicaciones gamifican el romance, impulsando bucles impulsados por la dopamina que recompensan la atracción rápida por encima de la conexión profunda. El mercado no mide el éxito por el número de usuarios que se enamoran, sino por el número de usuarios que vuelven al día siguiente.

En la última década, este modelo de negocio ha moldeado silenciosamente el romance moderno. Deslizar se convierte en un hábito, desaparecer se convierte en algo normal y la idea de «establecerse» empieza a parecer extrañamente fuera de lugar en una aplicación que vende opciones infinitas.


Y ahora, la IA del amor se convierte en política de Estado

En Japón, donde la tasa de natalidad ha caído a un mínimo histórico de 1,20 en 2023, el Gobierno decidió crear algo radicalmente diferente: un sistema de emparejamiento basado en IA que no está optimizado para el compromiso, sino para el matrimonio.

Desde 2021, más de 30 de las 47 prefecturas de Japón han puesto en marcha servicios públicos de emparejamiento que utilizan IA. El programa de Tokio, conocido como «Tokyo Futari Story», se abrió a los residentes a finales de 2024. Cobra una módica cuota y exige una verificación estricta: los usuarios deben demostrar que son solteros, confirmar sus ingresos y completar tests de personalidad.

A continuación, en lugar de mostrar perfiles interminables, la IA sugiere parejas seleccionadas en función de la compatibilidad, no solo del aspecto físico o la proximidad. Las autoridades lo describen como un «algoritmo silencioso»: uno que no optimiza la emoción, sino la alineación de valores y objetivos vitales.

La aplicación requiere 15 datos personales, como la altura, la educación y la ocupación, y una entrevista obligatoria con los operadores para garantizar la veracidad de los datos. Los usuarios deben presentar documentación que demuestre que son legalmente solteros, firmar un compromiso en el que afirman su intención de casarse y proporcionar un certificado fiscal para verificar sus ingresos anuales.

¿Los resultados? Modestos, pero reales:
    -  Ehime registra aproximadamente 90 matrimonios al año gracias a la IA.
    -  Saitama ha visto casarse al menos a 139 parejas desde 2018.
   -  Shiga, una prefectura más pequeña, ha tenido 6 matrimonios asistidos por IA en los primeros meses desde su lanzamiento.


Lo que llama la atención no son solo las cifras, sino la lógica subyacente. El Gobierno japonés quiere que los usuarios abandonen la plataforma, que eliminen la aplicación, no por frustración, sino porque han tenido éxito. El éxito se mide en bodas, no en usuarios activos diarios.

Sin embargo, el diablo está en los detalles, y el Gobierno japonés no especifica el peso exacto que tiene cada característica personal en la puntuación y no publica el modelo matemático (ni el código fuente). Lo describen como una «IA de recomendación» que busca una «alta compatibilidad», sin detallar el algoritmo.

En Reddit, el famoso foro de Internet, la reacción al servicio de búsqueda de pareja basado en IA de Japón es reveladora y sorprendentemente positiva. En los hilos que debaten sobre el programa de Tokio, muchos usuarios ven lo que las aplicaciones de citas occidentales no pueden (o no quieren) construir:

    «Una aplicación de citas sin ánimo de lucro sería estupenda... La gente se fija en el aspecto físico, pero la IA aumenta sus posibilidades de elección».

«Necesitamos un servicio de citas sin ánimo de lucro y sin bots
».



Existe la sensación de que, mientras Tinder te mantiene enganchado, la IA del Gobierno podría ayudar realmente a las personas solitarias a encontrar pareja, especialmente en una cultura en la que el exceso de trabajo y el aislamiento social dificultan las citas.

Sin embargo, la idea de que una IA creada por el gobierno moldee el amor resulta inquietante. Plantea preguntas: ¿qué pasa cuando el romance deja de ser una exploración privada y se convierte en una estrategia demográfica? ¿Estamos diseñando las relaciones que el Estado quiere —matrimonios que conduzcan a tener hijos— en lugar de las que las personas podrían elegir libremente? Sigo preguntándome si dar al Estado características tan privadas sobre nosotros mismos es una buena idea o no.

No obstante, según el gobierno, el sistema de IA de Japón es paternalista: filtra e impulsa a los usuarios hacia el compromiso. Tinder se rige por el mercado: se beneficia del deseo infinito. Ambos sistemas utilizan código para moldear el amor, pero se optimizan para objetivos opuestos: el compromiso o la adicción.


Recuerda: Tinder solo quiere que tindees (no que encuentres el amor)

Es tentador ver el emparejamiento mediante IA de Japón como un puro progreso: la tecnología finalmente trabajando para las personas en lugar de aprovecharse de ellas. Se trata del clásico optimismo tecnológico: la creencia de que unos algoritmos mejores pueden solucionar problemas profundamente humanos.

Pero el optimismo tecnológico puede cegarnos. Los algoritmos pueden empujar a las personas hacia el matrimonio, pero no pueden solucionar las causas estructurales de la soledad: la precariedad económica, la desigualdad de género o las culturas de exceso de trabajo. Corremos el riesgo de confundir un atajo digital con un cambio social real.

Incluso el algoritmo mejor diseñado conlleva sesgos ocultos y suposiciones tácitas sobre cómo debe ser el amor y qué relaciones debe fomentar la sociedad. Y cuando el amor se convierte en algo que hay que optimizar, corremos el riesgo de perder lo que lo hace humano: su imprevisibilidad, su imperfección y su libertad.

La cuestión no es si los algoritmos influirán en nuestros corazones. Ya lo hacen.

La verdadera pregunta es qué queremos que optimicen y qué partes del amor estamos dispuestos a sacrificar en el proceso.

Por otro lado, recuerda que Tinder solo quiere que tindees (no que encuentres el amor).

Ya veremos.





Comparte:

12/3/25

Tras el hype de las demostraciones de robots humanoides

Hace unos días, Figure, una de las empresas de robótica más avanzadas especializada en el desarrollo de robots humanoides impulsados por IA, lanzó un nuevo vídeo de demostración de sus innovaciones para presentarnos su sistema Helix.


La demostración tiene lugar en una cocina: una persona trae una bolsa de la compra y saca los artículos que contiene en una mesa frente a los robots. A continuación, la persona sale de la habitación y los robots empiezan a inspeccionar los productos y a trabajar juntos para introducirlos en el frigorífico.

No es casualidad que la empresa anunciara que Helix representa un gran avance para los robots que manipulan paquetes en entornos de almacenamiento y logística. Hablaré de logística más adelante, pero antes, sigamos explicando el sistema Helix.

Según Figure -fundada en 2022-, Helix es un sistema de aprendizaje basado en imágenes y texto que permite a los robots aprender a interactuar con su entorno. La empresa ha publicado dos artículos sobre Helix, uno de los cuales es la nota de prensa, y el otro es una explicación técnica más detallada de este desarrollo técnico. En este segundo artículo, también se detalla que Figure ha entrenado a los robots durante 500 horas, y que la comida que la persona saca de la bolsa y muestra a los robots, son «objetos» que los humanoides nunca han visto durante su entrenamiento.

Las 500 horas de entrenamiento, en mi opinión, se quedan cortas. En ese tiempo se puede entrenar al robot para que realice muy pocas tareas, y aprender a andar no es, desde luego, una de ellas. Entonces, ¿qué intenta demostrar Figure con esta demostración?

Supongo que la empresa pretendía que cualquier espectador exclamara asombrado «wow», al ver robots humanoides colaborando. Sin embargo, como profesional de la robótica que soy, me surgen varias preguntas: ¿están obligados los robots a colaborar entre sí, puede un solo robot meter artículos en la nevera sin ayuda del otro, son los dos robots totalmente autónomos, o hay una inteligencia central, algo así como una inteligencia de colmena, que controla a los dos robots juntos, o hay una inteligencia central, algo así como una inteligencia de colmena, que controla a los dos robots juntos? Me encantaría entender ese truco.


Los robots humanoides de las demostraciones no son autónomos

Anteriormente, Figure colaboraba con OpenAI, que dotaba a sus robots de inteligencia artificial. Sin embargo, supongo que la presentación de Helix es una beneficiosa operación de marketing para anunciar que ya han sustituido a la empresa de Sam Altman.

Desde la época de Boston Dynamics, los vídeos de demostración de robots tienen un nivel muy alto. Pero mucho me temo que la mayoría de esas demostraciones son en gran medida marketing. Y hay que tener en cuenta que la mayoría de esas coreografías de humanoides son teleoperadas por humanos, como esos robots de Tesla preparando cócteles.

Quizá una de las mayores ideas falsas sobre los robots de Boston Dynamics es que completan estas acciones sin ayuda externa. En realidad, no es ningún secreto que la ayuda humana sigue siendo muy necesaria. En realidad, la mayor parte del trabajo lo hacen los humanos y por control remoto, pero también hay computación a bordo.

Estos robots no son autónomos en el sentido en que lo somos nosotros. Siguen una serie de rutinas bien definidas, no tienen capacidad para decidir por sí mismos qué hacer.


La logística es el objetivo a largo plazo de los humanoides

Comparado con la movilidad sobrehumana del robot humanoide de Boston Dynamics, el robot que actualmente está trastornando el sector de los almacenes puede parecer positivamente aburrido.

Stretch es uno de los primeros robots comerciales diseñados para realizar una de las tareas más tediosas y agotadoras del almacén: descargar cajas. Aunque menos llamativo que el anticuado Atlas, Stretch no es menos sobrehumano, está construido sobre una base técnica compartida y ofrece una potente funcionalidad y rentabilidad para las operaciones de almacén.

Stretch ayuda a los empleados a evitar lesiones frecuentes en el trabajo de descarga manual. Así pueden dedicarse a otras tareas del almacén, como el control de calidad y la preparación de pedidos, que se benefician del razonamiento y la destreza humanos. Stretch está preparado para asumir el trabajo monótono y agotador de descargar contenedores en varios turnos, siete días a la semana.

Aunque el robot Stretch de hoy no se parece mucho a la versión comercial de Atlas anunciada recientemente, ambos surgieron de la misma investigación inicial sobre manipulación móvil. De hecho, la idea de diseñar un robot de almacén surgió después de que los clientes respondieran a un vídeo de 2016 de un robot Atlas levantando y transportando cajas. Un nuevo mercado acudió a la llamada.

«Estábamos haciendo una investigación interna sobre la manipulación con Atlas, y casualmente utilizamos cajas para esta demostración», confiesa un responsable de la empresa. «Cuando publicamos este vídeo, recibimos muchas llamadas diciendo que Atlas sería perfecto para un almacén y: 'Queremos comprar uno'. Sabíamos que no era realmente el producto adecuado en ese momento, pero nos dimos cuenta de que era un indicio de una necesidad del mercado.»




Así que esto da una idea clara de lo que se necesita todavía en la industria. Y de momento, no estoy seguro de que los robots humanoides estén preparados para largas sesiones de trabajo haciendo precisamente esto:




El robot Atlas de Boston Dynamics, aunque impresiona por sus capacidades, aún se enfrenta a importantes limitaciones para un trabajo sostenido en el mundo real. En 2023, ArsTechnica escribió un interesante artículo en el que informaba de la demostración realizada por Boston Dynamics de las nuevas manos de agarre de Atlas y de tareas relacionadas con la construcción. El robot podía manipular objetos «inercialmente significativos» y realizar movimientos complejos mientras transportaba objetos pesados, pero sigue teniendo problemas de equilibrio, precisión y durabilidad. El artículo muestra numerosos casos en los que Atlas se cae y falla, y sus garras dañan los materiales que manipula. El robot funciona con capacidades de visión limitadas (sólo una cámara en color y LiDAR) y requiere movimientos preprogramados en lugar de una verdadera autonomía. Estas limitaciones indican que, a pesar de sus espectaculares habilidades en demostraciones controladas, Atlas aún no está preparado para el trabajo adaptable y sostenido que se requiere en entornos impredecibles del mundo real, como una obra de construcción real.

Tampoco puedo imaginar cómo Figure podría ser en este momento mejor en el seguimiento de la actividad que una empresa especializada como Vanderlande:








Comparte:

Nos leemos:

descripción descripción descripción

Recibe las entradas por correo

En mi mesilla

Blog Archive

Licencia Creative Commons