Los robots ya caminan. Lo difícil es enseñarles a trabajar

China fabricó más de 40,000 robots humanoides en el primer semestre de 2026, según cifras del Ministerio de Industria y Tecnología Informática citadas por Xinhua. El cuerpo ya existe en cantidad. Lo que falta es enseñarle un oficio, y ese trabajo lo hacen personas.

El problema ya no es el cuerpo: es que no existe un internet de acciones físicas

Los modelos de lenguaje aprendieron a escribir leyendo. El grueso de su material ya existía: páginas, foros, libros y manuales que la humanidad había producido por otras razones, mucho antes de que alguien pensara en entrenar una máquina con ellos.

Un robot no tiene dónde leer cómo se hace un trabajo con las manos. Nadie dejó registrada en internet, de forma masiva, la fuerza con la que se aprieta una pieza, el ángulo con el que se levanta o lo que hay que corregir cuando algo se resbala. Esta es una lectura editorial de glitchMentalMX, no una afirmación de las fuentes que usamos: no existe un internet de acciones físicas.

Si esa lectura es correcta, el cuello de botella cambió de lugar. Fabricar cuerpos es un problema de manufactura, y el mismo ministerio chino reporta que el país ya contaba con más de 400 modelos de humanoides. Enseñarles a trabajar es otro problema, y no se resuelve con más hardware, sino con datos que alguien tiene que producir. El cuerpo, además, ya salió del laboratorio: lo revisamos en Robots humanoides en logística china: ya son operativos.

Así se fabrica el aprendizaje: demostración, simulación y gemelos digitales

Xinhua, la agencia estatal china, retrata el oficio con dos personas. Tang Zixiang, técnico de aplicaciones en Sevnce Robotics, en Chongqing, entrena máquinas para tareas específicas: según la agencia, ajusta las posiciones y los ángulos de los mandos para simular distintas condiciones de trabajo y usa los datos obtenidos para entrenar modelos de IA. Los robots aprenden las tareas en simulación antes de llevarlas a entornos reales.

Conviene traducir los términos. Una simulación es un entorno virtual donde el robot puede equivocarse tantas veces como haga falta sin romper nada ni frenar una planta.

Tang, según Xinhua, aplica dos métodos. El aprendizaje por imitación consiste en que el sistema aprende de ejemplos de cómo una persona hace la tarea; el aprendizaje por refuerzo, en que prueba, recibe una señal de acierto o error y ajusta.

Jiang Lei, ingeniero de gemelos digitales, trabaja del otro lado. Reconstruye fábricas en 3D para que robots virtuales ensayen rutas de inspección. Un gemelo digital es una réplica virtual de un lugar real; una vez validadas las tareas en esa réplica, según Xinhua, pueden transferirse a robots físicos. Jiang afirma que esto puede reducir la puesta en operación en el sitio de dos o tres semanas a dos o tres días. Es una declaración del entrevistado, no una medición independiente.

Xinhua agrega el punto que sostiene la tesis: la simulación también genera datos para probar y entrenar algoritmos, lo que reduce el tiempo y el costo de recopilarlos en entornos reales. Dicho de otra forma, el dato no se encuentra: se fabrica, y la simulación es una de las maneras de abaratar esa fabricación.

Los oficios que hay detrás del robot “autónomo”

En septiembre, según Xinhua, el Ministerio de Recursos Humanos y Seguridad Social de China y otros departamentos anunciaron 11 nuevas profesiones, entre ellas los técnicos en aplicaciones de robots con IA incorporada y los ingenieros de gemelos digitales. La IA incorporada es la inteligencia artificial metida en un cuerpo físico que percibe y actúa en el mundo, en lugar de vivir solo en una pantalla.

¿Qué hace un técnico de esos? Según Tang, define los requisitos de velocidad y precisión, comprueba si el robot se recupera de fallos y determina cuándo debe detenerse o requerir intervención humana. Léase la última tarea con calma: alguien decide en qué momento el robot “autónomo” debe parar y pedir ayuda. La autonomía, en la práctica, viene con un criterio humano de por medio.

Según Xinhua, el crecimiento del sector también impulsa la demanda de especialistas en recopilación de datos, entrenamiento de modelos, puesta en marcha, operación y mantenimiento. La cadena que produce un robot “independiente” necesita personas en cada eslabón, desde quien junta los datos hasta quien lo mantiene funcionando.

China fabricó más de 40,000 humanoides en el primer semestre de 2026, según cifras oficiales citadas por Xinhua. Lo escaso ya no es el cuerpo, sino los datos de cómo se hace un trabajo, y alguien tiene que fabricarlos.

Quien tiene los datos tiene el robot

Según China Daily, el director de la empresa Joyful Embodied dijo que el verdadero campo de batalla en la carrera por la IA incorporada no es el hardware llamativo, sino los datos. Es la opinión de un directivo del sector, no un hallazgo independiente, pero encaja con lo que describen Tang y Jiang: sin datos fabricados, el cuerpo no sabe qué hacer.

Si los datos son lo escaso, la pregunta es de dónde salen. En otro caso que ya revisamos, Pokémon Go entrenó robots de reparto sin decirte nada, salieron de personas que no sabían para qué servirían. Aquí es distinto: los producen técnicos e ingenieros con un oficio reconocido por el gobierno. Pero la pregunta de fondo no cambia: quién se queda con lo que esos datos contienen.

Qué le toca a México y LATAM: el saber de oficio como dato de entrenamiento

México tiene manufactura de exportación y mucho trabajo físico repetitivo. Esa combinación es, en teoría, materia prima para entrenar robots, aunque ninguna de las fuentes de este artículo habla de la región.

La pregunta no es si los robots llegarán, sino qué conocimiento de oficio podría convertirse en dato de entrenamiento: el pulso de quien suelda, el oído de quien detecta que una máquina suena mal, el criterio de quien sabe cuándo una pieza no va a pasar la inspección. Ese saber hoy vive en las personas y casi nunca está escrito. Convertirlo en datos exige que alguien lo demuestre una y otra vez frente a un sensor.

Y ahí vuelve lo que la simulación no resuelve: si enseñarle a un robot a trabajar exige que alguien demuestre el trabajo, ¿de quién es el conocimiento que se queda dentro del modelo?