El salto real de la IA física o solo otra promesa costosa?
El 30 de julio de 2026 Google DeepMind presentó Gemini Robotics 2. No es un modelo más de lenguaje. Es un sistema diseñado para que robots humanoides controlen su cuerpo completo, planifiquen tareas de varios pasos, se corrijan sobre la marcha y trabajen en equipo con otros robots. Las demos con el Apollo 2 de Apptronik y el Spot de Boston Dynamics muestran máquinas que caminan, manipulan objetos con destreza y se coordinan para cerrar bolsas o ensamblar piezas. Demis Hassabis lo llamó un hito. La pregunta que todo ejecutivo debería hacerse es más sobria: ¿cuánto de esto llegará a la planta o al almacén antes de que se agote el presupuesto de innovación?
Hasta ahora la mayoría de los robots industriales operaban con control limitado de brazos o se movían en entornos altamente estructurados. Gemini Robotics 2 introduce tres capas: un modelo de visión-lenguaje-acción que traduce instrucciones en movimientos de cuerpo completo, un “cerebro” de razonamiento incorporado (ER 2) que planifica y se adapta mirando video continuo, y un componente ligero que corre en el dispositivo. Según DeepMind, el sistema puede seguir el progreso de una tarea en tiempo real, detectar fallos a mitad de ejecución y reanudar solo cuando es seguro. También permite que robots diferentes se comuniquen y se pasen el trabajo.
Los números que publica la compañía son ambiciosos. El modelo de razonamiento alcanza 57 % de precisión en clasificación de progreso y más del 90 % en detección precisa de momentos críticos, con latencias lo bastante bajas para operar en el mundo físico. Además, mejora notablemente en benchmarks de seguridad: detiene al robot cuando detecta personas cercanas y solo reanuda cuando el área está libre. Para un director de operaciones o de cadena de suministro, esto suena a la pieza que faltaba para pasar de automatización rígida a automatización flexible.
Sin embargo, conviene mantener la curiosidad con una dosis de escepticismo. Las demos siempre se ven impecables. El entorno real —polvo, iluminación variable, objetos deformables, humanos impredecibles— es otro asunto. Varios analistas de la industria señalan que el verdadero cuello de botella ya no es la percepción ni el control motor básico, sino la confiabilidad a escala, el costo de los hardware y la integración con los sistemas de producción existentes. Un robot que “entiende” el mundo físico sigue siendo caro de comprar, mantener y reentrenar cuando cambia el proceso.
Desde la perspectiva de telecomunicaciones y conectividad, el avance también tiene implicaciones. Muchos de estos robots necesitarán enlaces de baja latencia y alta confiabilidad, algo que las redes satelitales de nueva generación y el 5G no terrestre empiezan a ofrecer. La convergencia entre IA física y conectividad ubicua podría permitir flotas de robots en zonas remotas o en operaciones logísticas distribuidas. Pero también eleva preguntas sobre soberanía de datos y ciberseguridad: un robot conectado es un activo productivo… y un posible vector de ataque.
En el terreno de la formación ejecutiva, este tipo de anuncios refuerza la urgencia de programas que no solo enseñen “qué es la IA”, sino cómo gobernarla. Universidades como Wharton, Harvard y Kelley ya ofrecen cursos específicos de liderazgo en IA y analytics. Los líderes que entiendan tanto las capacidades reales como los límites de estos sistemas tendrán ventaja al decidir dónde invertir y dónde no.
Mirando hacia adelante, los escenarios más plausibles para 2027-2028 no son robots domésticos generalistas, sino aplicaciones verticales: almacenes, fábricas de ensamble, mantenimiento industrial y, eventualmente, logística de última milla en entornos semi-controlados. El impacto económico podría ser significativo en productividad y reducción de riesgos laborales, pero también generará presión sobre la fuerza laboral de mediana calificación y exigirá nuevas formas de supervisión humana.
CausaNews.com seguirá de cerca no solo los anuncios de los laboratorios, sino los reportes de implementación real, los costos por tarea completada y las lecciones de los primeros despliegues. Porque en tecnología, el salto de la demostración al valor de negocio suele ser más largo y tortuoso de lo que las presentaciones sugieren. La pregunta no es si los robots podrán pensar y colaborar. La pregunta es cuándo —y a qué precio— les resultará rentable a las empresas dejar que lo hagan.
¿Quieres que profundicemos en algún caso de uso específico o en cómo preparar a tu equipo para esta nueva generación de automatización? Explora más análisis en CausaNews.com.
