La IA está
saliendo de
la pantalla

Imagina una escena sencilla. Primero le pides a una IA que redacte un mensaje. Después, que prepare una propuesta y la deje lista para tu revisión. Más adelante, ese proceso se conecta con un almacén: un sistema comprueba el inventario y una máquina mueve el producto. La escena es ilustrativa, pero permite entender tres capacidades distintas: producir información, ejecutar trabajo digital y actuar sobre objetos físicos.

Un modelo de lenguaje no se convierte automáticamente en agente. Para este artículo llamaremos agente digital a un sistema que utiliza herramientas y ajusta pasos para cumplir una tarea dentro de límites definidos. A2A aborda la coordinación entre agentes; MCP, conexiones con herramientas y datos. Ninguno garantiza por sí solo una operación correcta.^[8][12]

En un robot, además, la decisión debe transformarse en movimiento. Los modelos de visión, lenguaje y acción —VLA— estudian precisamente esa conexión. Pero hace falta comprobar lo que ocurrió, no solo producir una instrucción convincente.^[6][13]

Por eso esta historia no es una escalera en la que todas las empresas suben un peldaño cada enero. Es una convergencia desigual. Un negocio puede trabajar con copilotos mientras otro automatiza partes de su operación física. Y ambos pueden necesitar supervisión humana.

El punto de partida elegido es 2017, no porque la inteligencia artificial naciera entonces, sino porque Attention Is All You Need introdujo la arquitectura Transformer. El trabajo investigó una forma de procesar secuencias basada en mecanismos de atención, con resultados en traducción. Su relevancia para esta historia es técnica: forma parte de las bases de los grandes modelos posteriores.^[1]

En 2020, el estudio de GPT-3 mostró un modelo capaz de afrontar numerosas tareas lingüísticas mediante instrucciones y unos pocos ejemplos en el contexto. Eso no significaba que aprendiera como una persona, ni que sus respuestas fueran siempre correctas. Mostraba un repertorio amplio con una interfaz cada vez menos especializada.^[2]

Mientras tanto, la automatización física tenía su propia trayectoria. La investigación económica sobre robots industriales ya analizaba productividad y empleo en períodos anteriores. Los robots no aparecieron cuando aprendimos a conversar con la IA. Lo nuevo que seguimos aquí es el acercamiento entre modelos de propósito amplio y sistemas capaces de actuar.^[23]

Una forma útil de leer estos años es distinguir el descubrimiento de la aplicación: primero se desarrolla una capacidad; después alguien encuentra cómo incorporarla a un producto; mucho más tarde puede convertirse en una práctica habitual. Confundir esos momentos produce cronologías llamativas, pero decisiones débiles.

El 30 de noviembre de 2022 se lanzó ChatGPT. La interacción se organizó alrededor de una conversación: preguntar, pedir aclaraciones y continuar sobre una respuesta previa. El propio anuncio reconocía un límite decisivo: el sistema podía producir respuestas plausibles pero incorrectas.^[3]

En 2023, GPT-4 amplió las capacidades presentadas para tareas de lenguaje y procesamiento multimodal, con acceso desplegado por etapas. Para una persona que trabaja, la diferencia práctica podía ser tener un apoyo para analizar y redactar. No significaba que pudiera eliminar la verificación de hechos o el criterio profesional.^[4]

En paralelo, RT-1 —prepublicado en 2022 y publicado en 2023— y RT-2 exploraron cómo usar imágenes e instrucciones para controlar acciones robóticas. En RT-2, información aprendida de datos visuales y lingüísticos se combina con experiencia robótica para orientar acciones en las tareas estudiadas.^[5][6]

La distinción es sencilla: un chatbot puede explicar cómo ordenar una mesa sin poder hacerlo. Un robot necesita localizar los objetos, alcanzarlos, sujetarlos y comprobar que no se cayeron. Describir una acción y realizarla son problemas diferentes. El avance consiste en acercar esas capacidades, no en declarar que la separación desapareció.

GPT-4o presentó una interacción más integrada entre texto, visión y audio. MCP, anunciado por Anthropic en noviembre, propuso una manera común de conectar asistentes con herramientas y fuentes de datos. Son avances diferentes: uno amplía formas de interacción; el otro aborda conexiones.^[7][8]

En robótica, Open X-Embodiment, publicado en ICRA en 2024 tras su preprint de 2023, reunió datos de distintas plataformas y estudió aprendizaje compartido. La idea no es que un robot sepa usar cualquier cuerpo sin preparación. Es investigar cuánto conocimiento puede transferirse en vez de empezar cada sistema desde cero.^[9]

También hubo una señal comercial concreta: GXO anunció un acuerdo plurianual con Agility Robotics para utilizar Digit en una tarea logística bajo un modelo de servicio. El caso importa por su alcance delimitado. Hay una actividad, un entorno y un contrato; no una promesa de que el humanoide pueda sustituir cualquier función.^[10]

El cambio estratégico empieza a ser visible: para obtener valor, un sistema necesita acceso pertinente a información y operaciones. La interpretación de X Market Lab es que conectar con criterio puede importar tanto como aumentar la capacidad del modelo. Dar acceso a todo, sin necesidad ni controles, no es una ventaja.

Con ChatGPT agent, OpenAI presentó una experiencia que combinaba investigación y acciones mediante herramientas. A2A propuso comunicación y coordinación entre agentes de distintos sistemas. Y el Agentic Commerce Protocol introdujo infraestructura para determinadas experiencias de compra. Estas iniciativas documentan una dirección, no el nacimiento histórico de la agencia artificial.^[11][12][14]

Conviene separar una automatización fija de una delegación más flexible. En la primera, el recorrido está definido: cuando sucede A, ejecuta B. En la segunda, parte de la secuencia puede decidirse durante la tarea. El segundo caso exige evaluar no solamente el resultado, sino las acciones que el sistema tiene permitido intentar. Esa es una distinción de trabajo útil, no una frontera universal entre productos.

Gemini Robotics presentó, mediante un informe técnico, modelos para razonamiento incorporado y control de acciones. Aquí la evidencia corresponde a experimentos y evaluaciones de los autores. Una demostración de adaptación a una tarea nueva no permite concluir que cualquier robot pueda trabajar sin preparación en cualquier lugar.^[13]

En un ejemplo comercial, el sistema podría investigar opciones, comparar documentos y preparar una propuesta. Enviar mensajes, asumir compromisos o ejecutar pagos requiere otro nivel de autorización. Un buen diseño no pregunta solo «qué puede hacer», sino «qué no debe hacer sin consultarme».

El balance exige separar escala industrial y versatilidad. La IFR informa de 5 millones de robots industriales operativos en 2025 y de más de 600.000 instalaciones nuevas durante ese año. Son cifras redondeadas de su comunicado de 2026. No son dos inventarios que deban sumarse ni un conteo de humanoides.^[17]

Un ejemplo más específico es el piloto de Figure 02 que BMW describe en febrero de 2026. Según la empresa, durante diez meses el robot manipuló más de 90.000 componentes y acumuló unas 1.250 horas de operación en tareas de posicionamiento y retirada de piezas metálicas. Es evidencia empresarial de una actividad delimitada: no de fabricación autónoma de automóviles completos.^[15]

Para juzgar un video o un anuncio, proponemos cuatro escalones: demostración, piloto real, operación sostenida y despliegue escalable. La demostración prueba que algo ocurrió. El piloto explora si funciona en un contexto. La operación sostenida exige regularidad. La escala añade costos, mantenimiento, soporte y repetibilidad en otros lugares.

Por eso conviene pedir tasa de finalización correcta, frecuencia de intervención humana, tiempo de recuperación y costo por tarea aceptada. Son criterios de evaluación propuestos por X Market Lab, no métricas que atribuyamos a los casos citados. Un video editado no puede sustituirlos.

A partir de aquí cambiamos de estatus: hablamos de escenarios. Una hipótesis es una proposición que necesita contrastarse. Llamarla plausible significa que hay mecanismos o antecedentes que la hacen razonable; no que esté confirmada ni que tenga una probabilidad calculada.

Para 2027 situamos la posible expansión de equipos de agentes supervisados. La colaboración no empezaría ese año: A2A ya se anunció en 2025. La hipótesis es que más procesos combinen especialidades y verificación. Por ejemplo, separar investigación, preparación y comprobación antes de entregar una propuesta a una persona.^[12]

Para 2028 imaginamos mayor coordinación entre compradores, proveedores y operaciones físicas. ACP es un antecedente de comercio agéntico, pero una compra asistida no demuestra negociación general entre organizaciones. Este escenario necesitaría identidades, contratos, autorizaciones y mecanismos de resolución de errores.^[14][20]

Hay además un plan verificable: Hyundai anunció secuenciación de piezas con Atlas para 2028. Lo documentado es el anuncio, no su cumplimiento futuro. Ese matiz permite conectar la prospectiva con señales reales sin vender una certeza que todavía no existe.^[16]

Situamos 2029 como un horizonte de mayor exigencia operativa: saber qué hizo el sistema, con qué autorización, cómo se corrige un error y cuándo debe detenerse. No significa que estos controles nazcan entonces. El marco AI RMF del NIST existe desde 2023 y propone gestionar riesgos durante el ciclo de vida de la IA.^[20]

En el mundo físico hay exigencias adicionales. Las normas ISO 10218-1 y 10218-2, en sus ediciones de 2025, se refieren a seguridad de robots industriales y a sus aplicaciones y celdas. Aquí consultamos su alcance público, no el texto íntegro de pago. No deben confundirse con una certificación universal para robots domésticos, médicos o cualquier otro sistema.^[21][22]

Hacia 2030, un escenario razonable es una integración más estrecha entre personas, agentes digitales y automatización física en determinadas operaciones. Hyundai también sitúa tareas de ensamblaje más complejas con Atlas hacia ese año: una meta empresarial que deberá superar validación técnica y económica.^[16]

La cuestión práctica sería pasar de «opera esta herramienta» a «gestiona este proceso dentro de estas políticas». Eso no elimina la responsabilidad humana. Obliga a precisar quién fija los objetivos, quién acepta el resultado y qué ocurre cuando el sistema encuentra una excepción.

Cuanto más nos alejamos del presente, menos sentido tiene asignar una capacidad inevitable a cada año. Los siguientes hitos son posiciones narrativas en un horizonte: pueden adelantarse, retrasarse, coexistir o no materializarse. Las referencias respaldan antecedentes y límites, no las fechas de nuestras hipótesis.

2031 · Asistencia doméstica más capaz

Podrían ampliarse tareas concretas en el hogar, sin que eso implique un mayordomo universal. La IFR advierte que el robot humanoide generalista doméstico sigue enfrentando fuertes límites para una adopción próxima.^[18]

2032 · Cadenas de trabajo conectadas

Agentes podrían coordinar pedidos y robots ejecutar parte de la preparación física. El escenario exige información compatible y acuerdos entre organizaciones; no basta con instalar un modelo más potente. A2A y los acuerdos logísticos son antecedentes, no pruebas de este futuro.^[10][12]

2033 · Trabajo humano reorganizado

Algunas funciones podrían concentrarse en supervisión, criterio y excepciones. Otras podrían perder tareas o verse desplazadas. No asignamos un balance neto: los estudios históricos muestran que productividad y efectos laborales deben analizarse con cuidado.^[23][24]

2034 · Más acceso mediante servicios

El alquiler y pago por uso podrían ampliar el acceso a robots. El modelo ya estaba presente en el acuerdo GXO–Agility de 2024. La novedad hipotética sería su alcance, no su invención.^[10]

2035 · Ecosistemas humano–agente–robot

En un escenario de adopción alta, más operaciones podrían conectar decisiones digitales con acciones físicas supervisadas. También es posible una difusión mucho más selectiva. Nada de lo anterior exige suponer superinteligencia, autoridad ilimitada ni desaparición del trabajo humano.

Piensa en una taza: puede estar vacía o llena, limpia o resbalosa, a la vista o detrás de un plato. Una persona cambia de estrategia con facilidad. Para un robot, percibir el objeto, calcular el contacto y manipularlo sin daño es un problema que no queda resuelto por identificar correctamente la palabra «taza». Esta es una explicación conceptual del desafío, no una medición de un producto específico.

La investigación de Luo y colaboradores, publicada en Science Robotics en 2025, muestra avances en manipulación precisa mediante aprendizaje por refuerzo con intervención humana. Es una contribución relevante precisamente porque aborda habilidades difíciles en tareas concretas. No demuestra que la manipulación general esté resuelta.^[19]

Un entorno doméstico, además, reúne variaciones continuas. Nuestro criterio de evaluación incluiría objetos desconocidos, cambios de iluminación, obstáculos, convivencia con personas, energía disponible y recuperación ante errores. En una aplicación física, el sistema debe ser juzgado por el conjunto, no únicamente por la calidad de su modelo lingüístico.

La forma humana tampoco es un objetivo obligatorio. Un brazo fijo, un robot móvil o una máquina especializada pueden ser soluciones más adecuadas según la tarea. La IFR plantea a los humanoides como posibles complementos de la automatización existente, no como sus sustitutos inevitables.^[18]

Dos referencias ayudan a evitar extremos. Graetz y Michaels estudiaron robots industriales en varios países y encontraron contribuciones a la productividad. Acemoglu y Restrepo analizaron mercados laborales locales de Estados Unidos y documentaron efectos negativos sobre empleo y salarios en áreas más expuestas. Cambian la unidad de análisis, los datos y las preguntas; una lectura seria no los reduce a una consigna única.^[23][24]

Sería incorrecto convertir esos resultados históricos en una cifra de empleos que desaparecerán en Quito en 2035. Este artículo no construye esa estimación ni presenta una medición local de adopción. Para hacerlo harían falta datos sectoriales, estructura de tareas, costos, capacidades empresariales y un diseño de investigación específico.

Nuestra hipótesis para pequeñas empresas de Ecuador y Latinoamérica es condicional: cuando los recursos son limitados, puede ser más viable comenzar con datos organizados y automatización digital supervisada que adquirir robots físicos. Es una propuesta de priorización, no una ley general. La respuesta cambia en una operación de alto volumen con tareas físicas repetidas y costos de error bien medidos.

Para los profesionales, la pregunta tampoco se limita a aprender una herramienta. Consiste en saber formular una tarea, revisar evidencia, detectar excepciones y comprender el contexto. La oportunidad y el riesgo dependerán de cómo se distribuya el trabajo y de quién conserve capacidad de decisión.

La lectura práctica de esta línea de tiempo no es «compra un robot» ni «pon un agente en cada área». Es escoger una tarea suficientemente concreta para aprender con evidencia. En un ejemplo de oficina, podría ser preparar un informe comercial a partir de datos autorizados y dejarlo listo para revisión. En una operación física, analizar una tarea repetida antes de elegir la máquina.

Proponemos una prueba inicial de treinta días como pauta de trabajo, no como duración universal. En la primera semana se describe el proceso y se mide su punto de partida. En la segunda se preparan datos, accesos y casos de prueba. En la tercera se ejecuta un piloto acotado. En la cuarta se comparan resultados y se decide si ampliar, corregir o detener.

La evaluación debería incluir calidad aceptada, tiempo total —incluida la supervisión—, errores, costo y facilidad de recuperación. Para robótica, añadiríamos integración, mantenimiento, soporte y seguridad. Son criterios propuestos; no prometen un retorno positivo. El marco del NIST sirve como referencia general de gestión de riesgos, no como certificación del piloto.^[20]

La tesis editorial de X Market Lab es esta: la ventaja no está en delegar más por defecto, sino en elegir mejor qué delegar y poder demostrar el resultado. Una empresa puede aprovechar la IA sin convertirse en una fábrica robotizada. Y un sistema técnicamente brillante puede ser una mala inversión cuando el proceso todavía no está definido.