La apuesta de OpenAI por la robótica: gana la escala, ¿y quién explica los fallos?
Integrar la robótica en los modelos generales puede ser eficiente, pero disuelve a los especialistas que sabrían por qué un robot dejó caer la botella, y eso importa más que el benchmark.
Foto: Cwoo4792 / Wikimedia Commons (CC BY-SA 3.0)
¿Cómo se llama un programa de robótica sin equipo de robótica? O la estrategia más segura de sí misma de la IA, o una forma muy elegante de recortar costes. Probablemente, las dos cosas.
Según una exclusiva de Fortune, OpenAI ha disuelto su equipo independiente de robótica. Los investigadores dependen ahora de Mark Chen, director de investigación, mientras que el personal de robótica aplicada y hardware ha pasado a las órdenes del presidente, Greg Brockman. La compañía asegura que la robótica sigue siendo una parte esencial de su visión a largo plazo, y se dice que Sam Altman aspira a presentar en 2027 la primera demostración pública de su propio humanoide.
El motivo oficial es que los grandes modelos generales de frontera, entre ellos GPT-6 Astra, ya pueden aplicarse directamente a los robots. Fortune cita un estudio de Nvidia en el que un agente basado en Astra alcanzó un 74,8 % en un benchmark de manipulación simulada, frente al 51,0 % de los mejores modelos robóticos especializados de esa clasificación.
La apuesta por la escala es más creíble de lo que parece
Es fácil burlarse, pero creemos que la lógica es coherente. Guanya Shi, de Carnegie Mellon, explicó a Fortune que interpreta el movimiento como una señal de que OpenAI ve la robótica como «ya no un problema especial», sino otra aplicación derivada de la inteligencia general, como las herramientas de programación o las jurídicas. Si el mismo modelo que escribe código puede también manejar una botella en un sitio inesperado o con una iluminación extraña, un equipo aparte para el cerebro del robot empieza a parecer un esfuerzo duplicado.
Esa es también la historia de los últimos años en IA: los sistemas especializados siguen perdiendo frente a otros generales más grandes. Una diferencia de casi 24 puntos en un benchmark es difícil de despachar. Nuestra salvedad es que se trata de un benchmark simulado, no de una fábrica, y los benchmarks son justo el terreno donde los modelos generales suelen lucirse más.
La cuestión del dinero está a la vista de todos
No lo interpretes como ciencia pura. Fortune señala que OpenAI está bajo presión para contener costes, ha abandonado «proyectos secundarios» (Sora incluido), según se cuenta ha perdido 10 900 millones de dólares en pérdidas operativas en su último trimestre y estudia una posible salida a bolsa a principios de 2027. Un equipo de robótica independiente nos parece un proyecto secundario de manual. «Los modelos generales lo hacen mejor» es un hallazgo estupendo justo cuando hay que simplificar el organigrama.
No decimos que el hallazgo sea falso. Pero cuando una conclusión técnica y una necesidad presupuestaria apuntan en la misma dirección, conviene tener presentes ambas. Además, es la segunda vez que OpenAI cierra un equipo de robótica, tras el desmantelamiento de 2020, que según Fortune el cofundador Wojciech Zaremba atribuyó a la escasez de datos de robots.
¿Quién sabrá por qué falló el robot?
Esta es nuestra verdadera objeción. Un modelo de lenguaje que se equivoca produce un párrafo malo. Un robot que se equivoca puede romper un plato, o algo peor. Depurar eso probablemente requiere gente que convive a diario con actuadores, latencia, calibración y física del contacto. Si reparties a esas personas entre la investigación general y los equipos aplicados, quizá no pierdas sus conocimientos de la noche a la mañana, pero pierdes el lugar donde analizar los fallos era todo el trabajo.
El contrapeso lo aporta Russ Tedrake, profesor del MIT y cofundador y consejero delegado de Walden Robotics. Sostiene que las empresas de robótica tienen algo que los laboratorios no: experiencia de despliegue en lugares de trabajo reales y datos específicos de cada instalación que ganan valor a medida que mejoran los modelos fundacionales. Para nosotros, ese es el verdadero foso defensivo. Quien tiene robots trabajando en fábricas aprende por qué fallan, y un modelo general por sí solo no puede decírtelo.
Así que las startups que han levantado miles de millones con la premisa de que los robots necesitan cerebros propios no están muertas, pero su discurso probablemente tenga que cambiar. Su valor son los datos y las operaciones, menos el modelo.
Nuestro veredicto
Creemos que OpenAI probablemente tiene razón en que los modelos generales harán la mayor parte del trabajo de «cerebro» y en que los equipos dedicados a modelos de robots son la parte más amenazada. Pero el humanoide de 2027 se juzgará en el mundo físico, no en una clasificación. Si OpenAI quiere que esa demostración se sostenga, necesita mantener la experiencia en fallos de sistemas físicos en algún lugar con autoridad real, no solo con una línea jerárquica. Conviene fijarse en eso: no en las cifras del benchmark, sino en si la empresa sabe explicar en público qué sale mal cuando fallan sus robots.
Aún no hay temas: abre el primero.
Más noticias
Harbor de Apple podría hacer que la IA privada sea algo que la gente normal use
Una app filtrada para Mac promete modelos locales fáciles y un clúster automático por Thunderbolt. Si llega tal cual, la batalla ya no será la privacidad, sino el precio.
Fable 5.2 demuestra que la carrera de la IA va ya de precio por capacidad
El nuevo modelo estrella de Anthropic es más barato y rápido que su predecesor. Para nosotros, el liderazgo en las clasificaciones dura poco; lo que queda es el precio y la fiabilidad.
Centros de datos y licencia social: la factura de la luz puede ser la chispa
De un proyecto cancelado en Sídney a una pausa propuesta en Texas y la oferta de Milei en la Patagonia: el recurso más escaso de la IA es el consentimiento público, no los chips.
Los agentes de IA pueden pedirte la cena, pero los datos dicen que nadie se fía
DoorDash y Uber apenas registran pedidos hechos por agentes de IA. Creemos que no es un fallo de capacidad, sino un veredicto sobre la confianza, el control y la comodidad.



