AI & automatización · 11 de marzo de 2026 · 19 min. de lectura · Mohsen Ghulami, GTM Engineer, Amplifa

Physical AI: ABB & NVIDIA – ¿El fin de los robots tontos?

La Physical AI promete revolucionar las fábricas. ABB & NVIDIA apuestan fuerte. Un análisis de realidad para las medianas empresas: ¿es el salto necesario o solo un hype costoso?

Recuerdo bien la Hannover Messe, debió ser por el 2010. Allí estaba, el orgullo de un fabricante de robots cuyo nombre omitiré discretamente. Un brazo de seis ejes que debía colocar cilindros metálicos pulidos de una cinta a un estante. Se veía impresionante. Hasta que el sol de la tarde entró por una ventana del pabellón y proyectó una sombra sobre la cinta transportadora. El robot quedó completamente confundido. Se sacudió, se detuvo y simplemente dejó caer el siguiente cilindro. Estruendo. Un ingeniero corrió hacia allí, sostuvo un cartón frente al sensor y reinició el sistema. Ese era el estado de la técnica: estupidez glorificada sobre rieles, programada para un cosmos perfecto y sin sombras que en el mundo real no existe ni cinco minutos.

Saltemos al presente. Y escuchemos atentamente lo que llega desde Suiza y California. ABB Robotics, uno de los gigantes del sector, se asocia con NVIDIA, el prodigio de los chips que de repente todo el mundo conoce porque construye los motores de la ola de la AI. La palabra mágica es: Physical AI. Inteligencia Artificial física. Suena complejo, y lo es. Pero la idea detrás es tan simple como poderosa: los robots deben aprender finalmente a lidiar con el mundo real, imperfecto y sombrío. Sin necesidad de cartones. ¿Es este el pistoletazo de salida para la fábrica realmente inteligente o solo la próxima tormenta de marketing que pasa sobre las medianas empresas alemanas?

¿Por qué ahora? La presión en la industria de Deutschland

Seamos honestos: el ambiente en las naves industriales de Deutschland está, por decirlo con cautela, tenso. La semana pasada estuve con un proveedor en la Selva Negra, ingeniería mecánica clásica, líder mundial en su nicho. El director general, un hombre robusto, me contaba sus penas. Precios de la energía por las nubes. Cadenas de suministro más frágiles que un pan seco. Y, sobre todo: ya no encuentra personal. Ni para la máquina CNC, ni para el control de calidad, ni siquiera para la logística. «Señor Müller», me dijo, «podría facturar un 20 por ciento más si tuviera a la gente para procesar los pedidos». Esto no es una anécdota, es el estado normal de las cosas.

Y luego miramos a los grandes buques. Volkswagen anuncia el recorte de 50.000 puestos porque los beneficios se desploman. ¡Cincuenta mil! Es una ciudad de tamaño medio. Esto demuestra que la eficiencia ya no es algo «agradable de tener», sino una cuestión de supervivencia. Al mismo tiempo, crece la presión de Asia y EE. UU., donde a menudo se actúa con menos inhibiciones y, sí, también con más rapidez en temas de automatización y AI. Nosotros en la región DACH, con nuestra tradición de ingeniería y nuestro enfoque en la perfección, corremos el riesgo de perder el ritmo. Optimizamos procesos en el tercer decimal mientras otros reinventan modelos de negocio completos.

En este vacío irrumpe el anuncio de ABB y NVIDIA. Promete nada menos que una salida. Robots que no solo ejecutan obstinadamente un programa, sino que perciben su entorno, toman decisiones y aprenden de la experiencia. Robots que no requieren semanas de programación, sino que pueden ser entrenados. Robots que trabajan junto a personas sin volverse peligrosos ante la mínima desviación. Aquí se está —potencialmente— abordando el problema desde el ángulo correcto. La automatización se adapta al proceso, no al revés. Ese es el cebo que se lanza ahora. Y es sumamente tentador.

Physical AI: ¿Qué hay REALMENTE detrás del buzzword?

La Physical AI no es simplemente un sensor más elegante. El punto es: se trata de la cadena completa, desde la percepción hasta la acción. Imagínelo como un empleado humano. Ve una pieza (percepción), reconoce que está ligeramente ladeada en la cinta (interpretación), piensa cómo debe sujetarla para colocarla correctamente a pesar de ello (decisión) y ejecuta el movimiento con precisión (acción). Los robots actuales suelen fallar en el paso dos o tres. Quizás ven algo, pero no lo entienden en su contexto.

Los tres pilares de la Physical AI

• Percepción avanzada: Aquí se va mucho más allá de una simple cámara 2D. Hablamos de sistemas de visión 3D, sensores de fuerza-par y lo que se denomina fusión de sensores. El robot combina lo que «ve» y «siente» para crear una imagen detallada de su entorno. NVIDIA aporta aquí su experiencia en la conducción autónoma. Un coche que a 130 km/h debe distinguir a un ciclista de un arbusto tiene una idea bastante buena de la percepción compleja.
• AI generativa para la toma de decisiones: Este es el verdadero hito. Hasta ahora, un programador debía inculcar al robot cada movimiento, cada ruta de «si-entonces». Si la pieza cae de forma distinta, el robot no conoce la ruta. Los modelos de AI generativa —similares a cómo ChatGPT genera textos— pueden generar aquí en tiempo real nuevas secuencias de movimiento o estrategias de agarre. El robot ve la pieza ladeada y calcula ad hoc un nuevo punto de agarre óptimo y una trayectoria de movimiento adaptada. Esto sucede en el hardware de Edge Computing de NVIDIA directamente en el robot, sin latencia por conexión a la nube.
• Simulación y aprendizaje en el Digital Twin: Antes de que el robot toque siquiera un tornillo en el mundo real, ha practicado la tarea miles de veces en un entorno virtual. La plataforma Omniverse de NVIDIA crea un gemelo digital físicamente exacto de la nave de producción. Allí, la AI puede aprender por ensayo y error (Reinforcement Learning) sin destruir hardware costoso. ABB quiere que toda su base instalada de más de 500.000 robots sea actualizable con estas capacidades de simulación. Es una palanca enorme.

En términos claros: un robot con Physical AI podría aprender a vaciar una caja con tornillos desordenados simplemente mirando dentro de la caja, identificando el mejor tornillo para sujetar y recogiéndolo. Un robot tradicional necesitaría un sistema de alimentación perfectamente ordenado y se detendría ante la mínima desviación. Según ABB, los primeros proyectos piloto en el montaje de electrónica y automoción muestran tiempos de ciclo hasta un 30% más rápidos. ¿Por qué? Porque los robots ya no necesitan pausas para reajustes y optimizan sus movimientos energéticamente. Esto no solo ahorra tiempo, sino también electricidad, un factor que no debe subestimarse con los precios actuales.

Physical AI es el puente de la automatización digital a la real y transforma las fábricas en ecosistemas inteligentes.

— Marc Segura, presidente de ABB Robotics

La cita de Segura suena magnífica, como corresponde a un directivo. Pero si se analiza, encierra una verdad importante. Hasta ahora, la «Industria 4.0» ha sido a menudo un simple juego de recolección de datos. Hemos pegado sensores a todo, enviado cantidades ingentes de datos a la nube y luego intentado reconocer patrones en paneles de control. Esa es la parte digital. La Physical AI promete cerrar el círculo: convertir los conocimientos de los datos directamente en una acción física en el mundo real. No solo saber que una máquina fallará pronto (Predictive Maintenance), sino instruir al robot de al lado para que reduzca preventivamente su velocidad un 5% para reducir la carga hasta que llegue el técnico.

El análisis de realidad: Lo que está en juego para las medianas empresas

Bien, hablemos claro. Todo esto suena fantástico si usted es Siemens o BMW y mantiene un departamento propio de «Future Manufacturing» con 100 personas. Pero, ¿qué significa esto para una empresa de mecanizado con 150 empleados en una ciudad mediana? Ellos tienen otras preocupaciones. Su responsable de IT es al mismo tiempo el encargado del mantenimiento, y el programador de la fresadora es un maestro de 58 años que se jubilará en siete años.

Las sombras de los robots inteligentes

Veo algunos obstáculos masivos que suelen pasarse por alto en los folletos brillantes. Primero: la complejidad. Sí, la programación del robot en sí puede volverse más sencilla. Pero el sistema completo se vuelve infinitamente más complejo. Se necesita una infraestructura de datos limpia. Se necesita una conexión de red estable (al menos para el entrenamiento y las actualizaciones de los modelos de AI). Se necesita gente que entienda cómo funciona un modelo de AI cuando comete un error. Y cometerá errores, no hay duda de ello. ¿Quién será el culpable entonces? ¿El robot? ¿NVIDIA? ¿El integrador? ¿El empleado que entrenó «mal» a la AI? Esto será un campo minado jurídico.

Segundo: los datos. Un robot que actúa de forma inteligente produce y procesa permanentemente datos sobre su proceso principal. Sus tiempos de ciclo, sus tasas de rechazo, la geometría de sus piezas. ¿Dónde residen estos datos? ¿Quién tiene acceso? La asociación con un gigante tecnológico de EE. UU. como NVIDIA es brillante tecnológicamente, pero delicada en términos de protección de datos. Aunque ABB enfatiza el arraigo europeo y el procesamiento en el Edge, los modelos de AI en sí se codesarrollan de forma centralizada. Para muchas medianas empresas alemanas, cuyo know-how es su único capital, esto es una visión de horror. Aquí debe haber regulaciones contractuales cristalinas, y estas no suelen estar redactadas a favor del cliente más pequeño.

Tercero: los costes. El hardware en sí puede bajar de precio. Pero la verdadera inversión reside en la integración, la formación y, sobre todo, en la adaptación organizativa. No se puede simplemente colocar un robot de Physical AI en un proceso de hace 30 años y esperar que ocurra magia. Hay que replantear todo el flujo de trabajo. Eso cuesta tiempo, dinero y, sobre todo, nervios. Y luego vienen los modelos de licencia. Apuesto lo que sea a que nos dirigiremos hacia el «Robot-as-a-Service» o licencias de software anuales para las funciones de AI. La adquisición es solo el pago inicial.

Análisis del sector: Quién se beneficia y cómo – y quién se queda fuera

El impacto de esta tecnología no será igual para todos. Habrá ganadores y, sí, también perdedores. En mi última visita a la fábrica de electrónica de Siemens en Amberg, vi lo crucial que es la flexibilidad. Allí se fabrican miles de variantes de productos en las mismas líneas. Para ellos, la Physical AI es una bendición. Un robot que se ajusta solo a una nueva versión de placa de circuito vale su peso en oro.

• La industria automotriz: Los grandes OEM y sus proveedores directos serán los primeros en subirse al carro. Especialmente en el montaje final, donde hoy todavía se hace mucho de forma manual porque las tareas son demasiado complejas para robots tontos. Un robot que puede instalar mazos de cables de forma flexible o colocar juntas —directamente junto al humano— es el sueño de cualquier planificador de producción. Aquí se trata de salvar la competitividad frente a Tesla y los fabricantes chinos.
• La industria de electrónica y bienes de consumo: Ciclos de vida de producto cortos, alta varianza. Aquí el tiempo de preparación es el asesino de cualquier margen. La Physical AI permite lo que se denomina «Lot Size 1»: la fabricación rentable de un solo producto individualizado. La capacidad de la AI para aprender de datos de simulación significa que un robot ya está entrenado para un nuevo modelo de móvil antes de que exista el primer prototipo.
• La ingeniería mecánica y de instalaciones clásica (la mediana empresa): Y aquí es donde se pone interesante. Para los fabricantes de piezas estándar en grandes cantidades, poco cambiará al principio. Sus líneas rígidas y altamente optimizadas suelen ser todavía imbatiblemente eficientes. Pero para la gran masa de «Hidden Champions» que construyen series pequeñas especializadas o soluciones personalizadas para el cliente, esta es una oportunidad gigantesca. ¿Un robot de soldadura que aprende de un soldador experimentado una costura compleja para una pieza nueva y luego la reproduce perfectamente? Eso es un ataque directo a la escasez de mano de obra cualificada. Pero precisamente aquí es donde los obstáculos de inversión y la falta de know-how en IT son mayores. Aquí se separará el trigo de la paja.

Un ejemplo práctico: Cómo la 'Schrauben-Huber GmbH' podría dar el salto

Imaginemos esto. Tomemos un caso ficticio pero típico: «Schrauben-Huber GmbH» de Suabia, 120 empleados, proveedor para tecnología médica. Fabrican tornillos óseos de alta precisión en cientos de variantes. Su problema: el control de calidad. Hasta ahora, tres empleadas se sientan allí y revisan bajo el microscopio cada tornillo individual en busca de los más mínimos arañazos o rebabas. Trabajo monótono, difícil de cubrir, propenso a errores.

Huber invierte en una célula de robot Physical AI de ABB. El brazo robótico toma un tornillo tras otro de un contenedor desordenado (primera aplicación de AI: agarre de la caja). Sostiene el tornillo bajo un sistema de cámara de alta resolución. La segunda aplicación de AI, un modelo de visión que se ejecuta en hardware de NVIDIA, analiza la imagen en milisegundos. Este modelo fue entrenado previamente con 50.000 imágenes de tornillos «buenos» y «malos». El robot clasifica luego los tornillos en tres cajas: «Bueno», «Malo» e «Incierto».

La caja de «Incierto» es la clave. Estos tornillos van a una de las empleadas experimentadas. Ella toma la decisión final y da feedback al sistema: «Sí, el arañazo es crítico» o «No, es solo un reflejo». Con cada una de estas decisiones, el modelo de AI aprende (tercera aplicación de AI: Human-in-the-Loop-Learning). Después de tres meses, la tasa de «Incierto» es de solo el 0,1%. El robot procesa 20 tornillos por minuto, las 24 horas del día. Las tres empleadas no están desempleadas: ahora asumen tareas más exigentes, supervisan el proceso y entrenan a la AI para nuevos tipos de tornillos. Huber pudo aumentar su capacidad de entrega en un 40% y ha reducido la tasa de reclamaciones a casi cero. La inversión de 150.000 euros se ha amortizado tras 18 meses. Esa —y nada menos— es la promesa de la Physical AI.

Playbook gratuito: El Perfil de Cliente Ideal (ICP) — Antes de flexibilizar su producción, debe saber para QUIÉN. Defina de forma cristalina su cliente ideal. Este playbook le muestra cómo identificar a los clientes objetivo más rentables con datos en lugar de intuición. Una lectura obligatoria antes de cualquier inversión estratégica.

Su hoja de ruta: 7 pasos concretos para no perder el ritmo

Bien, basta de teoría. ¿Qué puede hacer usted ahora concretamente como director general o director de ventas de una empresa de fabricación mediana? Quedarse sentado y esperar es la peor de todas las opciones. Aquí tiene una hoja de ruta pragmática:

1. 1. Realice una «auditoría de estupidez»: ¿En qué parte de su producción pierde más tiempo y dinero debido a procesos rígidos e inflexibles? Identifique el mayor cuello de botella causado por la varianza. Ese es su punto de partida potencial. No toda la fábrica, UN proceso.
2. 2. Comience con «Cobot-Light»: Si aún no tiene experiencia con robots que interactúan con humanos, compre un Cobot simple por 25.000 euros. Automatice con él una tarea sencilla, por ejemplo, el paletizado. Gane experiencia, reduzca los temores entre la plantilla. Esa es la escuela primaria antes de enfrentarse al bachillerato (Physical AI).
3. 3. Forme un «equipo de juego»: Reúna un pequeño equipo interdisciplinario: un profesional de producción, un ingeniero joven con afinidad por la IT, alguien de control de calidad y una persona de la planta que conozca el proceso de memoria. Déles un pequeño presupuesto y el encargo de evaluar las primeras aplicaciones piloto.
4. 4. Hable con las personas adecuadas: No hable solo con los representantes de ventas de ABB o Kuka. Busque integradores de sistemas. Ellos son quienes deben hacer que las cosas funcionen al final. Pregúnteles dónde ven los problemas en la práctica.
5. 5. Haga un chequeo de datos: ¿Qué datos recopila ya hoy? ¿Son accesibles y están en un formato útil? Una AI solo puede ser tan inteligente como los datos con los que se alimenta. A menudo, el primer paso es una recopilación de datos limpia.
6. 6. Piense en ROI, no en técnica: No se enamore de la tecnología. Haga cálculos rigurosos. Utilice la tabla anterior como plantilla y cree un business case para su caso de uso concreto. Si la inversión no se amortiza en menos de tres años, o bien el caso de uso es incorrecto o la tecnología es aún demasiado cara.
7. 7. Comunique, comunique, comunique: Involucre a su plantilla desde el primer día. Hable abiertamente sobre los objetivos: no se trata de destruir empleos, sino de asegurar la competitividad de la ubicación y reducir el trabajo monótono y agotador. Cada robot que asume una tarea rutinaria crea espacio para actividades más exigentes.

Amplifa: La plataforma de AI para sus ventas B2B — Si su producción se vuelve más compleja y personalizada, sus ventas deben seguir el ritmo. Amplifa le ayuda a mantener la visión general de pipelines de ventas complejos, reconocer las señales correctas en clientes potenciales y priorizar sus actividades de ventas. Automatice las ventas, no solo la fábrica.

Mi conclusión: Una apuesta por el futuro de la industria de Deutschland

Volviendo a mi experiencia en la Hannover Messe. El robot que se sacudía bajo la luz del sol era un símbolo de la primera ola de automatización: fuerte, rápido, preciso y tonto. Lo que ABB y NVIDIA anuncian ahora es el intento de dar un cerebro a estos robots. Un cerebro que pueda sobrevivir en la realidad caótica de una fábrica real.

¿Funcionará todo tan fluidamente como se promete? Seguramente no. Habrá contratiempos, proyectos fallidos y mucho dinero quemado. He visto demasiados ciclos de hype ir y venir en mis 18 años como para creer en milagros. El camino desde el anuncio hasta la aplicación robusta y fiable a gran escala es largo y pedregoso. Pero —y esta es mi firme convicción— la tendencia fundamental es irreversible. La combinación de robótica avanzada y AI con capacidad de aprendizaje es la única respuesta realista a nuestros problemas más urgentes: el cambio demográfico, la presión competitiva global y la necesidad de una producción más sostenible.

Mi apuesta es, por tanto: para 2030, no serán las empresas con más robots las que tengan más éxito. Sino aquellas que logren formar un equipo potente entre humanos, software y máquinas. La Physical AI es una herramienta poderosa para ello, pero solo una herramienta. El factor decisivo sigue siendo el ser humano que la utiliza con inteligencia o no. Para muchos en las medianas empresas de Deutschland, esta es la última salida para pasar al carril de adelantamiento. Algunos la tomarán. Otros se verán cada vez más pequeños en el espejo retrovisor. Así de simple y así de brutal.