La robótica aún no tiene su 'momento ChatGPT': un exejecutivo de NVIDIA explica por qué estamos en la 'era Lego'

Hace unos meses, la inteligencia artificial generativa explotó con ChatGPT, demostrando que un modelo fundacional podía transformar una tecnología de nicho en un fenómeno global. Sin embargo, la robótica —ese campo que promete máquinas autónomas capaces de interactuar con el mundo físico— sigue esperando su propio «momento ChatGPT».

Según Amulya Vishwanath, quien pasó siete años liderando el marketing de productos para las plataformas de robótica de NVIDIA y ahora es inversionista de capital de riesgo, la industria se encuentra en su «era Lego». Esto significa que todavía estamos ensamblando las piezas fundamentales: actuadores, manos robóticas, software y estándares de seguridad. Lejos de tener un modelo unificado que lo resuelva todo, el sector necesita consolidar sus cimientos.

La visión de Amulya Vishwanath: bloques, no milagros

Vishwanath sostiene que la robótica actual se parece más a un juego de construcción que a una revolución lista para escalar. Mientras que en el procesamiento del lenguaje natural (PLN) un solo modelo como GPT-4 puede manejar desde traducción hasta resúmenes, en robótica cada tarea —tomar un objeto, caminar sobre terreno irregular, ensamblar una pieza— requiere hardware y software especializados.

«Estamos en la era Lego», afirmó en una entrevista con TechCrunch. «Tenemos los ladrillos: motores, sensores, algoritmos de control. Pero todavía no tenemos el conjunto de instrucciones que permita construir cualquier cosa de manera confiable». Esta analogía resuena con los emprendedores que han intentado implementar robots en entornos reales: la personalización y la fragmentación son la norma.

Para entender mejor este panorama, en nuestro blog analizamos cómo las empresas están abordando la integración de IA en procesos físicos, y los desafíos que aún persisten.

¿Por qué la robótica no ha tenido su punto de inflexión?

La respuesta corta es que la robótica carece de un modelo fundacional generalista. Mientras que ChatGPT se benefició de inmensos conjuntos de datos de texto, la robótica necesita datos del mundo real —interacciones físicas, retroalimentación táctil, variabilidad de objetos— que son difíciles de recopilar a escala.

Además, los avances en hardware no han sido tan rápidos como en software. Los actuadores (músculos artificiales) y las manos robóticas siguen siendo caros, frágiles y poco eficientes energéticamente. Los estándares de seguridad, críticos para entornos con humanos, también están en desarrollo.

Vishwanath señala que la comunidad tiende a sobreestimar el progreso a corto plazo. «Vemos demostraciones impresionantes de robots que abren puertas o recogen objetos, pero aún no son robustos para funcionar 24/7 en una fábrica o en un hogar», explica.

Para las empresas que buscan automatizar procesos, esto significa que las soluciones robóticas actuales requieren una inversión significativa en personalización. En nuestra página de características detallamos cómo el software a medida puede ayudar a superar algunas de estas limitaciones.

Implicaciones para los negocios: ¿oportunidad o riesgo?

Para los antreprenores y directivos, la «era Lego» de la robótica representa una ventana de oportunidad, pero también un desafío de timing. Invertir hoy en robots especializados puede generar ventajas competitivas en sectores como la logística, la manufactura o la agricultura, siempre que se acepte que la tecnología no está madura para aplicaciones universales.

Por otro lado, esperar a que llegue el «ChatGPT de la robótica» podría significar quedarse atrás cuando finalmente ocurra. La clave está en identificar los bloques que ya funcionan y combinarlos de manera inteligente.

Vishwanath recomienda que las empresas se centren en casos de uso concretos con alto retorno, como la clasificación de piezas en almacenes o la asistencia en cirugías mínimamente invasivas. También sugiere colaborar con startups que estén desarrollando middleware robótico, es decir, software que conecte diferentes componentes.

Si su empresa está considerando integrar robótica, puede contactarnos para una consultoría sobre estrategias de automatización basadas en IA.

Tendencias que marcarán el futuro cercano

A pesar del escepticismo de Vishwanath, hay señales de que la robótica avanza hacia un modelo más unificado. Grandes laboratorios como Google DeepMind y OpenAI están investigando modelos de base para robótica, entrenados con simulaciones masivas. NVIDIA, por su parte, impulsa plataformas como Omniverse e Isaac Sim para generar datos sintéticos que alimenten algoritmos de aprendizaje por refuerzo.

Otra tendencia es la robótica colaborativa (cobots), que trabaja junto a humanos en lugar de reemplazarlos. Estos robots son más seguros, flexibles y baratos, lo que los hace ideales para pymes.

La convergencia entre IA generativa y robótica también promete avances: imaginar un robot que entienda comandos en lenguaje natural y ejecute tareas complejas sin programación explícita. Pero, como advierte Vishwanath, aún estamos en la fase de construir los ladrillos.

Conclusión: paciencia y pragmatismo

La robótica no tendrá su «momento ChatGPT» mañana. La visión de Amulya Vishwanath, respaldada por años de experiencia en NVIDIA, nos recuerda que la innovación en el mundo físico es más lenta y menos predecible que en el digital. Para los líderes empresariales, el camino más inteligente es apostar por soluciones modulares, escalables y bien definidas, en lugar de esperar un salvador universal.

Mientras tanto, seguir observando cómo se ensamblan esos bloques Lego —y participar activamente en su construcción— puede marcar la diferencia entre ser un espectador o un protagonista de la próxima revolución industrial.

Recursos útiles

Artículo relacionado: Replit is no longer working with Anthropic, CEO says

Artículo relacionado: How Itaú is building generative AI for its entire customer base