Durante los últimos años nos hemos acostumbrado a encontrar la inteligencia artificial siempre detrás de una pantalla. Le hacemos una pregunta y responde. Le entregamos un documento y lo analiza. Le pedimos una imagen y la genera. Incluso cuando empezamos a hablar de agentes capaces de actuar por nosotros, las acciones continuaban desarrollándose en un territorio esencialmente digital: consultar una base de datos, modificar un archivo, escribir código, publicar contenido, enviar un correo o interactuar con una aplicación. Pero la IA está empezando a salir de ahí.

Esta misma semana, BMW ha mostrado en su planta de Leipzig a AEON, un robot humanoide de 1,65 metros y 60 kilos que se desplaza sobre ruedas, transporta materiales, esquiva obstáculos y puede equiparse con diferentes manos, pinzas o sistemas de escaneo. La compañía alemana está utilizando la fábrica como banco de pruebas para introducir lo que denomina Physical AI, inteligencia artificial física, en procesos reales de producción. Y la propia BMW explica el cambio de una manera especialmente reveladora: los agentes de IA toman decisiones, aprenden de los datos y dirigen robots que transforman esa inteligencia en movimientos físicos.

Puede parecer simplemente otro avance de la robótica industrial. No lo es. O, al menos, no es solamente eso.

Porque lo verdaderamente importante no es que ahora podamos fabricar robots con aspecto humano. Robots industriales existen desde hace décadas. Lo que está cambiando es nuestra forma de decirles qué tienen que hacer.

De programar cada movimiento a explicar una tarea

Durante buena parte de la historia de la automatización hemos resuelto el problema adaptando el mundo a las máquinas. Si un brazo robótico tenía que coger una pieza, sabíamos exactamente dónde iba a estar esa pieza, cómo llegaría hasta allí, qué orientación tendría y qué movimiento debía ejecutar el brazo para manipularla. Todo estaba calculado. Y precisamente por eso aquellos robots funcionaban extraordinariamente bien.

También por eso los encerramos en jaulas. No porque fueran necesariamente máquinas peligrosas por naturaleza, sino porque trabajaban dentro de un universo perfectamente ordenado que no admitía demasiadas sorpresas. El robot repetía miles o millones de veces el mismo movimiento con una precisión sobrehumana. Si alguien cambiaba las reglas del entorno, había que reprogramarlo.

La nueva generación de robots aspira a abandonar progresivamente esos entornos rígidos para interpretar situaciones cambiantes, aprender del contexto y compartir espacios con las personas. El Foro Económico Mundial define precisamente la IA física como la combinación de percepción, razonamiento y acción autónoma aplicada al mundo real. La diferencia parece pequeña hasta que se piensa en sus consecuencias.

Imaginemos una mesa con veinte piezas y una instrucción relativamente sencilla: «Comprueba cuáles están defectuosas y coloca las correctas en aquella bandeja». Un sistema tradicional necesitaría que prácticamente todo estuviera previsto de antemano. Un sistema de IA física aspira a comprender la orden, observar el entorno, identificar los objetos, decidir cómo realizar la tarea, ejecutarla, comprobar el resultado y corregirse si algo no sale como esperaba.

Eso se parece mucho menos a programar una máquina y mucho más a asignar una tarea.

Y ahí es donde la robótica empieza a encontrarse con otra revolución que ya conocemos: la de los agentes de inteligencia artificial.

Un agente al que le hemos dado cuerpo

Quienes estamos trabajando actualmente con sistemas agénticos vemos continuamente que la verdadera transformación no aparece solamente cuando el modelo se vuelve más inteligente. Aparece cuando deja de limitarse a responder.

Un modelo puede analizar una situación. Un agente, además, recibe contexto, conserva memoria, dispone de herramientas, toma decisiones dentro de unos permisos determinados, ejecuta acciones, observa sus resultados y vuelve a actuar si es necesario. El salto entre ambos no consiste únicamente en tener una IA mejor, sino en convertir la inteligencia en capacidad operativa. La IA física lleva exactamente esa idea al mundo material.

Un agente digital puede disponer de acceso a una API, un navegador, una base de datos o un sistema de publicación. Un agente físico dispone además de cámaras, micrófonos, sensores, motores, manos, ruedas o piernas. Cambian las herramientas, pero empieza a reconocerse una arquitectura conceptual muy parecida: percibir, comprender, planificar, actuar, comprobar y corregir.

Google DeepMind está trabajando precisamente sobre esta idea con Gemini Robotics. Su modelo Gemini Robotics ER 2 funciona como una especie de cerebro de alto nivel capaz de recibir instrucciones, observar un entorno, razonar sobre los pasos necesarios para completar una tarea, coordinar la ejecución y seguir el progreso hasta terminarla. Google asegura que el sistema puede afrontar secuencias de varios minutos que implican cientos de decisiones e incluso coordinar diferentes robots para resolver conjuntamente una tarea. Resulta difícil no ver el paralelismo con los agentes de software.

Durante los últimos años hemos construido inteligencias capaces de utilizar herramientas digitales; pero ahora estamos empezando ya a proporcionarles herramientas físicas.

Primero aprendieron el lenguaje. Después aprendieron a ver

Hay además una continuidad tecnológica que resulta especialmente interesante porque permite entender por qué todo esto está ocurriendo precisamente ahora.

La primera gran explosión pública de la inteligencia artificial generativa llegó a través del lenguaje. Las máquinas aprendieron a trabajar con enormes cantidades de texto y descubrimos que podían escribir, resumir, traducir, programar o razonar sobre problemas que nunca habían visto exactamente de aquella forma.

Después llegaron modelos cada vez más multimodales. Además de texto comenzaron a interpretar imágenes, sonido y vídeo. La máquina ya no solo podía leer una descripción de una habitación: podía verla.

El siguiente problema era considerablemente más difícil. Para actuar dentro de esa habitación no basta con reconocer una mesa, una taza o una puerta. Hay que entender aproximadamente qué ocurrirá si se empuja un objeto, cuánto espacio ocupa nuestro cuerpo, qué puede caerse, qué está delante de qué, qué movimientos son posibles y cuáles podrían provocar un problema.

Es decir, hay que construir alguna representación del mundo.

Por eso estamos empezando a escuchar con tanta frecuencia otra expresión que probablemente acabará formando parte del vocabulario habitual de la IA: los world models o modelos de mundo.

NVIDIA, por ejemplo, ha desarrollado Cosmos 3 precisamente alrededor de esta idea. El sistema combina razonamiento visual, generación de escenarios y predicción de acciones, y puede utilizar simulaciones para ensayar posibles comportamientos antes de ejecutarlos en la realidad. Dicho de otro modo, la máquina no solamente necesita ver lo que tiene delante: necesita hacerse una idea de lo que podría ocurrir después. Es una diferencia enorme.

Nosotros hacemos algo parecido constantemente sin darnos cuenta. Si vemos una copa al borde de una mesa no necesitamos tirarla para descubrir qué ocurrirá. Nuestro conocimiento acumulado del mundo nos permite anticiparlo. Una inteligencia física realmente útil necesitará desarrollar mecanismos equivalentes, aunque técnicamente sean muy diferentes de los nuestros. Y aquí aparece uno de los grandes problemas que explican por qué los robots no han progresado al mismo ritmo que los modelos de lenguaje.

Internet contenía cantidades gigantescas de texto, imágenes y vídeo con las que entrenar inteligencia artificial. Pero no existe un Internet equivalente con billones de ejemplos perfectamente registrados de cómo coger una taza, abrir un cajón, colocar una pieza, doblar una camiseta, apretar un tornillo o atravesar una habitación llena de obstáculos; porque el mundo físico es muchísimo más difícil de convertir en datos.

Por eso la simulación, los datos sintéticos, los sensores y los modelos de mundo están adquiriendo tanta importancia. Antes de permitir que un robot cometa diez mil errores en una fábrica, resulta mucho más interesante que pueda cometer buena parte de ellos dentro de una simulación.

Quizás el robot generalista todavía no esté tan cerca

Aquí conviene poner algo de distancia frente al entusiasmo tecnológico. Los vídeos de robots humanoides resultan espectaculares y la industria tiene motivos evidentes para enseñarlos, pero contemplar una demostración no significa que estemos a pocos meses de tener un mayordomo robótico en casa.

La inteligencia artificial generativa nos acostumbró muy rápidamente a la generalización. Podemos pedir a un mismo modelo que escriba una carta, explique física cuántica, programe una aplicación o traduzca un contrato. Esperamos ahora que esa versatilidad llegue al mundo físico, pero mover un brazo correctamente, ejercer la presión adecuada sobre un objeto o mantener el equilibrio introduce restricciones que no existen cuando se generan palabras en una pantalla.

Por eso es bastante probable que la revolución llegue de forma mucho menos cinematográfica. Antes que un robot universal capaz de cocinar, limpiar la casa, cuidar el jardín y pasear al perro, veremos probablemente sistemas especializados que irán ampliando progresivamente su repertorio de habilidades.

Y posiblemente las fábricas sean uno de sus primeros grandes hogares.

Tiene sentido. Son entornos donde una máquina puede generar rentabilidad durante muchas horas, donde existen tareas repetitivas o físicamente exigentes, donde los procesos están parcialmente estructurados y donde una mejora de productividad puede justificar inversiones todavía muy elevadas. La fábrica puede volver a ser, paradójicamente, el lugar donde nazca el robot que finalmente consiga salir de ella.

Cuando las capacidades se conviertan en software

Hay otra posibilidad todavía más interesante. Hasta ahora hemos pensado en las máquinas industriales en función de aquello para lo que fueron construidas. Una máquina soldaba, otra pintaba y otra transportaba materiales; pero ¿qué ocurre cuando una parte creciente de la capacidad de una máquina reside en el software?

La pregunta recuerda inevitablemente a lo que sucedió con los teléfonos móviles. Durante años comprábamos dispositivos para realizar funciones concretas. El smartphone transformó esa lógica porque una misma pieza de hardware podía convertirse sucesivamente en cámara, navegador GPS, reproductor musical, terminal bancario, consola o herramienta profesional dependiendo del software que instaláramos. Algo parecido podría ocurrir con determinados robots con la posibilidad de incorporar en el futuro capas de capacidad —por ejemplo, funciones de secretaría o asistencia— sobre una misma plataforma física. No sabemos todavía hasta dónde llegará ese modelo, pero conceptualmente supone un cambio enorme: parte del valor de un robot dejaría de residir en aquello para lo que fue construido y pasaría a depender de aquello que pueda aprender. Un robot podría envejecer físicamente mientras continúa adquiriendo capacidades nuevas mediante software.

La comparación con el smartphone tiene límites evidentes, pero también ayuda a entender por qué hay tanta expectación alrededor de la IA física. Si las capacidades robóticas llegan a ser suficientemente transferibles entre diferentes cuerpos y entornos, la industria no estaría creando simplemente mejores máquinas. Estaría construyendo una nueva plataforma informática. Solo que esta vez la plataforma puede levantar una caja.

El algoritmo ya no solo decide

Este salto trae consigo otra consecuencia menos espectacular, pero probablemente mucho más importante. Cuando una inteligencia artificial genera una respuesta equivocada, el problema suele permanecer dentro del mundo de la información. Puede inventar un dato, producir un análisis incorrecto o recomendar algo absurdo. Son errores que pueden tener consecuencias reales, por supuesto, especialmente cuando un sistema automatizado empieza a tomar decisiones importantes; pero cuando esa inteligencia dispone de cuerpo, el error cambia de naturaleza.

Una mala interpretación puede significar agarrar el objeto equivocado, ejercer demasiada fuerza, bloquear una línea de producción o realizar un movimiento que no debería haber realizado. La seguridad deja de consistir únicamente en controlar lo que una inteligencia artificial dice o decide. También habrá que controlar lo que puede hacer.

Es una extensión natural de una pregunta que cada vez tendremos que formular con mayor frecuencia: quién autoriza a la máquina, dentro de qué límites, con qué capacidad de supervisión y quién responde cuando actúa incorrectamente. La cuestión ya era relevante con los agentes digitales. Con la IA física adquiere literalmente otra dimensión.

La inteligencia artificial acaba de encontrar una puerta

Tal vez por eso el fenómeno resulta mucho más importante que la aparición de una nueva generación de robots humanoides.

Durante los últimos años hemos observado una progresión extraordinariamente rápida. Primero las máquinas aprendieron a manejar el lenguaje con una soltura que parecía imposible. Después empezaron a ver, escuchar y trabajar simultáneamente con diferentes tipos de información. Más tarde llegaron los agentes, capaces de utilizar herramientas y ejecutar acciones en sistemas digitales. Ahora los modelos de mundo y la robótica avanzada empiezan a conectar esa inteligencia con la realidad física.

No sabemos todavía hasta dónde llegará esta convergencia ni con qué velocidad. Probablemente asistiremos a muchas demostraciones espectaculares que tardarán años en convertirse en productos económicamente viables. Habrá robots magníficos para determinadas tareas y decepcionantes fuera de ellas. Habrá avances que parecerán enormes y problemas aparentemente triviales que resultarán sorprendentemente difíciles de resolver.

Pero el cambio de dirección ya parece bastante claro.

Durante décadas construimos robots programando cuidadosamente cada uno de sus movimientos. Ahora estamos intentando construir máquinas capaces de comprender qué queremos conseguir y encontrar por sí mismas parte del camino para hacerlo.

Quizás dentro de unos años descubramos que la gran revolución de la inteligencia artificial no ocurrió exactamente cuando una máquina consiguió conversar con nosotros. Quizás aquel fue solamente el momento en que aprendió el lenguaje necesario para entender nuestras instrucciones; porque después de aprender a hablar, ver, razonar y utilizar herramientas, el siguiente paso era bastante lógico.

Darle física.