La inteligencia artificial evolucionó en fases claras. Primero, percepción: identificar objetos, reconocer voz, extraer significado de los datos. Después, IA generativa: capacidad de producir contenido. Y más recientemente, los sistemas agentes empezaron a coordinar flujos de trabajo complejos en entornos digitales.

Pero en todas esas etapas la IA siguió encerrada en lo digital. Eso, según Yaniv Sulkes, vicepresidente de IA física en Hailo, está cambiando. La siguiente fase es la IA física: sistemas que en lugar de producir output en pantalla interactúan con el mundo real navegando entornos, manipulando objetos y tomando decisiones con consecuencias inmediatas.

De la percepción a la acción

Durante años, la IA en robótica se centró en percepción. Las máquinas "veían" con cámaras, "oían" con micrófonos e interpretaban el entorno con modelos cada vez más sofisticados. Pero esos sistemas alimentaban mecanismos de control basados en reglas predefinidas: la IA ayudaba a entender, no a decidir.

La IA física rompe ese modelo. En entornos reales, las máquinas deben interpretar el entorno, razonar sobre lo que observan y actuar en tiempo real de manera continua. Más importante todavía, deben adaptarse al instante cuando las condiciones cambian. Eso obliga a un loop sentir-pensar-actuar que ocurre simultáneamente, no secuencialmente.

Sulkes ofrece un ejemplo doméstico: un robot aspiradora típico se topa con un calcetín en el piso, lo arrastra y se atasca, lo que requiere intervención humana. Un sistema más nuevo, con percepción guiada por IA, lo reconoce y lo esquiva. Pero la autonomía real va un paso más allá: identificar el calcetín, recogerlo y dejarlo donde corresponde. Ahí es donde la fase de "actuar" se vuelve crítica, y por eso el cómputo en el dispositivo (edge) se vuelve esencial.

¿Por qué el edge es obligatorio?

La nube sigue siendo crítica para entrenar modelos, agregar datos y mejorar rendimiento general. Pero cuando se trata de ejecutar decisiones en el mundo físico, depender de la nube introduce riesgo inaceptable: latencia, gaps de conectividad o demoras impredecibles no pueden ser parte de un loop de control responsable de acciones físicas. Por eso, según Hailo, la IA física pertenece al edge.

Correr la inteligencia localmente garantiza tiempo real sin depender de la red. También mejora confiabilidad, privacidad y consistencia. El modelo emergente es híbrido: la nube entrena y mejora la inteligencia, el edge la ejecuta en el momento de la acción.

El humanoide como ilusión de mercado masivo

El entusiasmo por los humanoides (máquinas que replican el rango completo de tareas humanas) oscurece una realidad más cercana. Según Sulkes, la limitación de la robótica hoy no es la inteligencia, que avanza rápido. El cuello de botella está en el mundo físico: capacidades de hardware, destreza mecánica, eficiencia energética y costo.

Construir un robot que haga el rango completo de tareas humanas requiere sistemas mecánicos sofisticados: manos, articulaciones y actuadores con flexibilidad y precisión humanas. Esos desafíos siguen siendo enormes. Por eso, los humanoides de propósito general quedarán confinados en aplicaciones de nicho y alto costo durante el horizonte cercano.

La especialización es decisión de diseño

La mayoría de los robots que se despliegan hoy hacen una sola tarea muy bien. Un asistente de cocina pica, mezcla y limpia superficies, pero no dobla ropa. Un robot de bodega mueve mercadería con eficiencia, pero no navega un hogar. Equipo agrícola autónomo monitorea la salud del cultivo o aplica fumigación de precisión, sistemas de entrega robóticos se optimizan para logística de última milla, y robots de consumo (aspiradoras, cortacésped, drones de inspección) son fieles al mismo patrón.

Hailo pone como ejemplo el cortacésped autónomo de Husqvarna, que navega entornos cambiantes evitando obstáculos y ajustándose al terreno gracias a procesadores Hailo edge AI que ejecutan el loop sentir-pensar-actuar localmente. Sin dependencia constante de la nube.

Escalar la IA física: el imperativo del costo

La especialización no es una limitación, es una decisión de diseño que permite optimizar para confiabilidad, seguridad y costo. Eso es lo que hace escalable a esta categoría. Los humanoides, incluso si funcionan, seguirán siendo caros y por tanto limitados al nicho premium. Los robots task-specific apuntan a millones de hogares, hospitales, bodegas, fábricas e infraestructura pública.

Correr IA avanzada sobre millones de dispositivos requiere hardware con restricciones estrictas: bajo consumo eléctrico, latencia mínima y estructura de costo apta para despliegue masivo. Hailo sostiene que en ese terreno gana la arquitectura edge.

Disclosure editorial

El autor es ejecutivo de Hailo, fabricante de procesadores edge AI. El artículo refleja la tesis comercial de la compañía y debe leerse en ese contexto. Otras voces (Tesla con Optimus, Figure AI, 1X) defienden la tesis opuesta: que el humanoide universal sí escalará si baja el costo del actuador.