La IA Sale de la Pantalla

Durante los últimos años, la inteligencia artificial vivió principalmente detrás de una pantalla. Escribió, calculó, diseñó y asesoró. Ahora está adquiriendo manos, ruedas, cámaras y equilibrio. La pregunta económica ya no es qué puede producir la inteligencia en una pantalla. Es qué sucede cuando empieza a mover materia.

El cuerpo cambia la economía

La IA digital es extraordinariamente fácil de reproducir. Una vez que existen el modelo y su infraestructura, otro usuario puede recibir una respuesta con un costo marginal muy bajo. Un sistema físico obedece reglas más severas. Cada nuevo robot necesita materiales, motores, chips, ensamblaje, transporte, instalación, energía, mantenimiento y un lugar donde trabajar. El software puede aparecer en todas partes al mismo tiempo. Una máquina tiene que entrar por el muelle de carga.

Esa diferencia le da a la IA física un carácter económico particular. Es un bien de capital: un activo adquirido hoy con la expectativa de que produzca más valor mañana. La comparación relevante no es robot contra salario. Es el costo total de un proceso rediseñado frente al valor de la producción adicional, la calidad, la seguridad y la disponibilidad que ese proceso puede ofrecer.

La tradición austríaca resulta útil porque considera al capital como una estructura, no como una simple acumulación de dinero. Un robot tiene poco valor de manera aislada. Depende de equipos complementarios, personas capacitadas, proveedores confiables, energía, espacio físico, software y una secuencia productiva capaz de aprovecharlo. La ventaja del empresario surge de reconocer esa combinación antes que sus competidores. El error costoso es comprar la máquina visible sin reconstruir el sistema invisible que la rodea.

Los robots ya estaban aquí

Las fábricas utilizan robots desde hace décadas. El robot industrial tradicional era extraordinario dentro de un mundo estrecho: un componente conocido, una trayectoria fija, una velocidad controlada y una celda cuidadosamente diseñada. Podía soldar la misma unión miles de veces con una precisión excepcional. Pero bastaba con cambiar el objeto, mover la estación de trabajo o introducir un obstáculo inesperado para que el sistema necesitara una nueva programación, otros dispositivos de sujeción y otra ronda de integración.

Esos robots transformaron la industria, pero no comprendían el proceso en un sentido amplio. Su confiabilidad provenía de eliminar la incertidumbre del entorno. Eran poderosos porque el mundo a su alrededor había sido simplificado.

La nueva generación intenta operar antes de que toda la incertidumbre haya sido eliminada mediante ingeniería. Las cámaras y los sensores de fuerza aportan percepción. Los modelos de visión, lenguaje y acción conectan lo que el robot ve, lo que una persona le pide y los movimientos disponibles para la máquina. Las demostraciones, la simulación y los modelos compartidos pueden acortar el camino entre una tarea nueva y una acción útil. Un sistema puede identificar un objeto desconocido, interpretar una instrucción expresada en lenguaje natural y adaptarse cuando ese objeto no se encuentra exactamente donde esperaba.

Por eso la ola actual es diferente. La inteligencia está pasando del programa creado para una celda específica a una capa reutilizable entre distintas tareas y máquinas. Un modelo entrenado en múltiples entornos puede transferir parte de ese aprendizaje a otro robot. El sueño es la generalidad. La realidad actual es más limitada: demostraciones impresionantes, pilotos cada vez mejores y una brecha persistente entre hacer algo una vez y hacerlo de manera segura durante un turno completo.

La promesa de mil millones de robots

En septiembre de 2026, Elon Musk presentó la versión más extrema de la tesis de la IA física: más de mil millones de robots humanoides dentro de diez años, cada uno capaz de producir aproximadamente cinco veces más que una persona, con robots participando en la fabricación de nuevos robots. La imagen final es irresistible: capacidad industrial multiplicándose a sí misma.

Pero sigue siendo una proyección, no una trayectoria establecida. La Federación Internacional de Robótica registró alrededor de 4,66 millones de robots industriales en funcionamiento en todo el mundo durante 2024, después de 542.000 nuevas instalaciones ese año. Esas cifras incluyen máquinas industriales maduras, mientras que la afirmación de Musk se refiere a humanoides, una categoría mucho más pequeña. Incluso si utilizáramos generosamente todo el parque industrial como punto de partida, alcanzar mil millones de unidades en diez años exigiría multiplicarlo aproximadamente por 214. Eso equivale a un crecimiento compuesto cercano al 71 por ciento anual, sin considerar los robots retirados durante el período.

La frase sobre la productividad exige el mismo cuidado. Mil millones de máquinas con una capacidad equivalente a cinco personas representarían cinco mil millones de trabajadores equivalentes, por encima de una fuerza laboral mundial que actualmente ronda los 3.700 millones de personas. La aritmética es consistente. Son los supuestos los que hacen todo el trabajo. La productividad útil de un robot depende de su disponibilidad, la variedad de tareas que puede realizar, su tasa de errores, la supervisión necesaria, el mantenimiento y la existencia de una demanda real para aquello que produce.

Los robots ya ayudan a fabricar robots. Las líneas automatizadas producen motores, engranajes, componentes electrónicos y otras piezas utilizadas en automatización. Eso no equivale a una fábrica autónoma capaz de reproducirse por sí sola. Las materias primas, la capacidad de producción de semiconductores, los sistemas energéticos, la logística, el financiamiento y la ingeniería humana siguen formando parte del circuito. La fábrica recursiva es una dirección posible, no una máquina que haya logrado escapar de la economía.

La productividad y la señal de los precios

La productividad es la promesa central. Obtener más producción a partir de los mismos recursos puede reducir costos, mejorar la calidad y volver más abundantes ciertos bienes escasos. Los mercados competitivos tienden a transferir parte de esas ganancias a los consumidores mediante precios más bajos o mejores productos. Los precios libres y la competencia resultan importantes porque la productividad sólo adquiere valor social cuando responde a la demanda. Una fábrica llena de máquinas incansables también puede destruir capital si produce aquello que nadie quiere.

Los beneficios no llegarán de manera uniforme. La automatización puede aumentar la producción y crear trabajos complementarios, mientras desplaza determinadas tareas, debilita algunos salarios y perjudica regiones específicas. El progreso económico no promete la supervivencia de todos los empleos existentes. Es un proceso en el que el trabajo y el capital se desplazan hacia usos más valiosos, en ocasiones después de transiciones dolorosas. Las políticas públicas pueden suavizar esa adaptación, pero proteger una tarea de la competencia también preserva su costo. El instinto favorecería una asistencia amplia y transparente para las personas antes que la protección permanente de una ocupación o una empresa determinada.

En el ámbito empresarial, esto coloca el criterio por delante del espectáculo. La implementación ganadora puede ser un brazo articulado, un vehículo autónomo o un sistema de inspección diseñado para una función específica, no necesariamente un humanoide. La forma correcta es la que mejor se adapta al proceso. La anatomía humana resulta valiosa cuando el entorno fue construido para cuerpos humanos. En otros lugares, las ruedas, los rieles o la maquinaria fija pueden ser alternativas más económicas, seguras y productivas.

La ingeniería de procesos vuelve al centro

La IA generativa permitió que las empresas comenzaran por los usuarios individuales: darles acceso, dejarlos experimentar y observar qué prácticas útiles surgían. La IA física ofrece mucho menos margen para la improvisación. Un robot entra en contacto con inventarios, equipos y personas. Sus errores pueden detener una línea o provocar un accidente. Su implementación devuelve la ingeniería de procesos al centro de la conversación sobre inteligencia artificial.

Los líderes necesitan un mapa del proceso real antes de elegir una máquina. ¿Dónde queda detenido el trabajo? ¿Qué variación genera reprocesos? ¿Qué tarea es peligrosa, ergonómicamente deficiente o difícil de cubrir con personal? ¿Qué sucede aguas arriba cuando una estación acelera? ¿Y qué sucede aguas abajo? Automatizar una tarea local puede simplemente trasladar el cuello de botella sin mejorar el sistema.

El objetivo de la ingeniería debe ser el flujo total, no el porcentaje de utilización del robot. Una máquina que funciona sin detenerse mientras el trabajo se acumula en otro lugar es un hermoso óptimo local y un costoso fracaso global. El éxito requiere interfaces estables entre personas, software y hardware; una calidad medible; procedimientos de recuperación; ciberseguridad; límites operativos seguros; y un responsable claramente identificado cuando el sistema encuentra algo que no reconoce.

La factura energética llega dos veces

La IA física trae consigo dos facturas energéticas conectadas. La primera se encuentra detrás de la inteligencia: los centros de datos entrenan modelos, ejecutan inferencias y almacenan la información de la que dependen las flotas de robots. La Agencia Internacional de Energía estima que el consumo eléctrico de los centros de datos podría pasar de aproximadamente 415 teravatios-hora en 2024 a unos 945 teravatios-hora en 2030, una cifra ligeramente superior al consumo eléctrico actual de Japón.

La segunda factura se encuentra en la economía física. Los robots deben ser fabricados y alimentados con energía. También permiten que fábricas y depósitos produzcan durante más horas y en mayores volúmenes. La investigación no respalda la conclusión simple de que los robots siempre empeoran la eficiencia energética. La precisión, la reducción de desperdicios y un mejor control de los procesos pueden disminuir la energía utilizada por unidad producida. Sin embargo, una menor intensidad energética no garantiza un menor consumo total. Cuando producir se vuelve más barato, el mercado puede demandar mucho más. La eficiencia puede reducir la energía incorporada en cada objeto mientras la abundancia eleva la energía consumida por el sistema.

Esta es la sombra que acompaña a una productividad sin freno. La inteligencia puede volverse barata antes que la electricidad, las conexiones a la red, los transformadores, el cobre, las baterías y la capacidad de generación. La energía no es un apéndice de sustentabilidad dentro de una estrategia de IA. Es una restricción productiva y, cada vez más, una variable competitiva. Los precios revelarán la escasez, como esperarían las tradiciones austríaca y de Chicago, pero los líderes tendrán que responder antes de que llegue la factura.

Lo que los líderes deben decidir ahora

Los líderes empresariales no necesitan predecir si el mundo tendrá diez millones o mil millones de humanoides. Necesitan comprender qué condiciones harían valiosa a la IA física dentro de la economía de sus propias compañías.

El punto de partida debe ser un proceso cuyo costo, demora, pérdida de calidad o riesgo de seguridad ya pueda medirse. Es necesario establecer la situación inicial antes de comenzar el piloto. El cálculo debe incluir el costo completo: integración, períodos de inactividad, supervisión, mantenimiento, energía, suscripciones de software y futuros costos de migración. Las pruebas deben concentrarse en las excepciones difíciles, no solamente en la demostración cuidadosamente preparada. La empresa también debe decidir a quién pertenecen los datos generados por el robot y si el sistema puede continuar operando cuando falla un servicio en la nube o la conexión de red.

Después hay que examinar la estructura de capital que lo rodea. ¿Pueden los proveedores mantener el equipo? ¿Puede hacerlo la fuerza laboral de la empresa? ¿Cuenta la planta con la capacidad eléctrica necesaria? ¿Una estación más rápida dejará expuesta otra más débil? ¿Está la organización preparada para rediseñar funciones en lugar de limitarse a eliminar puestos? La IA física cambia el proceso, y el proceso cambia el caso de negocio.

Finalmente, conviene preservar la capacidad de elegir. Los estándares, los modelos y el hardware evolucionan con rapidez. Un piloto acotado con un camino creíble hacia una escala mayor tiene más valor que una gran compra simbólica. El objetivo es descubrir dónde la inteligencia de las máquinas se gana el derecho a ocupar espacio físico.

El mundo después de la pantalla

La IA digital volvió a la inteligencia lo suficientemente abundante como para aparecer en todas las oficinas. La IA física podría volver a la capacidad productiva lo suficientemente abundante como para aparecer a nuestro lado: en fábricas, hospitales, campos, depósitos, obras en construcción y, finalmente, hogares. El pasaje será más lento porque los átomos ofrecen resistencia, las máquinas se desgastan y la energía debe generarse en algún lugar.

Esa fricción puede ser precisamente lo que vuelve tan relevante a la próxima etapa. Cuando la IA escribe un párrafo, modifica información. Cuando levanta, corta, clasifica, repara o ensambla, modifica la oferta de cosas reales. El premio económico es mayor, la disciplina de ingeniería es más estricta y la factura contiene más renglones.

El futuro combinará inteligencia digital con ejecución física. Entre ambas permanece aquello que ninguna máquina puede volver abundante a pedido: el criterio para decidir qué debe construirse, cuánto vale y cuánto estamos dispuestos a invertir para traerlo al mundo.