El capital de riesgo global está obsesionado con la inteligencia artificial aplicada a pantallas, pero hay inversionistas que ya miran más allá: hacia el punto donde el bit se encuentra con el átomo. Shomik Ghosh, socio de Sierra Ventures, revela una paradoja: el verdadero boom de la robótica podría surgir de mercados emergentes como Latinoamérica.

Una tesis que desafía el estereotipo de la región como mero exportador de materias primas o creador de fintechs. La dinámica geopolítica y regulatoria actual está redefiniendo el tablero global.

La ventaja geopolítica

En EE.UU., el desarrollo de hardware avanzado choca con barreras geopolíticas. Startups estadounidenses que necesitan componentes críticos —actuadores de alta precisión, brazos mecánicos, sensores magnéticos— enfrentan restricciones de seguridad nacional y aranceles a China. Es la llamada “carga del pionero”.

Elon Musk, por ejemplo, debe construir el robot Optimus desde cero en Tesla para evitar depender de piezas chinas si quiere vender al sector de defensa o infraestructura crítica de EE.UU.

Latinoamérica no tiene esa carga. “Si vas a China hoy, los problemas de destreza que tenemos con las manos de los robots ya los han resuelto ellos”, afirma Ghosh. Los emprendedores en México, Brasil o Colombia pueden comprar componentes chinos e implementar soluciones de inmediato.

En este contexto, la región gana un atajo de desarrollo que el proteccionismo estadounidense bloquea en Silicon Valley. Sierra Ventures, con 45 años de trayectoria y US$2.000 millones bajo gestión, ya apuesta por startups latinoamericanas como las mexicanas Yalo y Eden.

Regulaciones que aceleran

El segundo pilar del optimismo en Latam es la velocidad de homologación. En EE.UU., aunque el alto costo de la mano de obra hace atractivos los robots, las regulaciones y trámites burocráticos frenan su adopción.

En América Latina, con menos sistemas heredados que protegen los mercados, hay espacio para una experimentación más ágil. La validación no viene de laboratorios académicos, sino de gigantes corporativos como MercadoLibre, que lidera la automatización en sus centros de distribución para cumplir con entregas rápidas.

Lo que esto significa es que la región puede avanzar más rápido en la adopción de tecnologías disruptivas, sin las ataduras que limitan a los mercados tradicionales.

El salto al B2B

Para Ghosh, el gran premio no está en robots para el consumidor final, sino en la transición al mercado corporativo B2B. El ecosistema que hoy desarrolla drones para entregar comida —como iFood— podría, mañana, usar esa experiencia en robótica y sensores de bajo costo para abordar mercados multimillonarios.

“Lo que nos entusiasma es el siguiente paso. Quien hoy usa drones para entregar comida comenzará a reconfigurar el software para inspeccionar líneas de alta tensión, detectar fallas estructurales o crear sensores acústicos para predecir reservas de petróleo”, proyecta el inversor.

La democratización del hardware gracias a la cadena de suministro asiática deja la ventaja competitiva en el software: modelos y algoritmos propios para interpretar datos del mundo real. El futuro de la robótica industrial en Latam está en la inteligencia, no en los componentes.

Ghosh ya firmó el primer cheque a una startup italiana de defensa marítima, descubierta mediante IA. La empresa construye redes de sensores en boyas para proteger contra vehículos no tripulados. “La parte más difícil sigue siendo cómo encontrarlos. Y vamos a usar IA para intentarlo”, admite.

¿Podría América Latina convertirse en el laboratorio global de la próxima generación de robótica industrial?

El atajo estratégico de Latam en la carrera robótica

La región no solo compite en robótica industrial: redefine las reglas del juego. Mientras EE.UU. se enreda en barreras geopolíticas, Latinoamérica avanza con agilidad, transformando una aparente desventaja en su mayor activo.

Lo que esto significa es que el atajo de desarrollo no es solo técnico, sino sistémico. La capacidad de integrar componentes chinos sin restricciones, sumada a una regulación más flexible, permite a las startups latinoamericanas iterar rápido, validar soluciones en entornos reales y escalar sin la burocracia que frena a sus pares en mercados maduros. MercadoLibre no es solo un cliente, sino un campo de pruebas en tiempo real.

La implicación inmediata es clara: el foco ya no está en fabricar hardware, sino en dominar la capa de inteligencia que lo hace útil. La democratización de los componentes —gracias a Asia— libera recursos para lo que realmente importa: algoritmos que interpreten el mundo físico con precisión industrial.

¿El próximo Silicon Valley de la robótica?

Si el software es el nuevo petróleo, Latam podría estar sentada sobre un yacimiento inexplorado. La pregunta urgente es si la región logrará capitalizar esta ventana de oportunidad antes de que los gigantes globales despierten a su potencial.

La entrada Latam lidera el futuro de la robótica industrial, según Sierra Ventures se publicó primero en En foco Hoy.

La inteligencia artificial (IA) ya domina sectores clave de la economía global, pero su impacto real en productividad y empleo sigue siendo limitado, según el último informe de Oxford Economics. Aunque su adopción es masiva, las empresas la utilizan de forma superficial, sin aprovechar su potencial para transformar procesos críticos. El patrón recuerda a la automatización industrial de los 80, cuando los robots llegaron a las fábricas, pero la productividad tardó una década en despegar.

Datos de la encuesta Business Trends and Outlook Survey (BTOS), analizados por la consultora, revelan que más de dos tercios de las compañías restringen la IA a solo unas pocas funciones. Los usos más comunes se concentran en ventas, marketing, estrategia corporativa y TI, donde actúa como asistente, no como motor de cambio. En 2023, herramientas como ChatGPT alcanzaron los 100 millones de usuarios en dos meses —un récord—, pero su integración en flujos de trabajo profundos sigue siendo excepcional.

En el ámbito laboral, las aplicaciones más extendidas incluyen redacción de textos, búsquedas automatizadas y resúmenes de documentos, todas basadas en chatbots como los modelos de lenguaje grande (LLM). Sin embargo, sistemas “agénticos” —capaces de ejecutar tareas complejas sin intervención humana— siguen siendo minoritarios. El contraste es claro: mientras el 68% de las empresas usa IA para tareas básicas, solo el 12% la aplica en operaciones críticas como logística o diagnóstico médico, según McKinsey.

Empleo y productividad: el cambio que no llega (aún)

El informe de Oxford Economics deja en evidencia que la adopción superficial de la IA es la causa principal de su impacto modesto en productividad y empleo. Solo el 10% de las empresas ha reemplazado tareas humanas con IA, mientras que el 44% afirma que estas herramientas complementan funciones existentes. Un 10% adicional reportó que la IA generó nuevas responsabilidades, sin reducir puestos.

A nivel de plantillas, las variaciones son casi imperceptibles: apenas el 2% de las compañías registró una disminución de empleo vinculada a la IA, frente a un 2,3% que aumentó su nómina. El sector de la información —el más avanzado en adopción tecnológica— ya muestra señales de reestructuración laboral acelerada, con tasas simultáneas de contrataciones y despidos más altas que la media. Sin embargo, el efecto neto sobre el empleo en este sector sigue siendo neutral, igual que en los 80 con los robots industriales.

Para los analistas, este comportamiento podría ser un anticipo de lo que ocurrirá en otros sectores. En 2020, el MIT estimó que la automatización avanzada podría desplazar hasta el 30% de las tareas en el 60% de las ocupaciones para 2030, pero los datos actuales muestran que ese escenario aún está lejos. La razón es simple: las empresas repiten el error de los 80, priorizando herramientas aisladas en lugar de reestructurar procesos completos.

Inversión récord, beneficios difusos: ¿Dónde va el dinero?

Aunque el gasto en IA se disparó, su contribución al crecimiento económico sigue siendo modesta. Las empresas tecnológicas invierten fuertemente en centros de datos, chips especializados y software, pero Oxford Economics advierte: una porción significativa del valor generado termina en manos de fabricantes extranjeros de semiconductores, como TSMC (Taiwán) y Samsung (Corea del Sur), que controlan el 60% del mercado global de chips avanzados. En 2023, el costo de entrenar un modelo de IA avanzado cayó de $4.6 millones (2017) a $500,000, pero el 90% de las empresas aún gasta menos de $1 millón anual en IA.

Pese a esta fuga de valor, la consultora destaca que el aumento en producción de software e I+D mantiene un saldo positivo en el aporte de la IA al PIB. En cifras ajustadas por inflación, la inversión en equipamiento de procesamiento, software e I+D contribuyó con 1,5 puntos porcentuales al crecimiento del PIB en el primer trimestre de 2024, el nivel más alto registrado. Este dato supera el pico previo de 1,2 puntos en 2021, durante la pandemia, cuando la digitalización forzada impulsó temporalmente la demanda de tecnologías.

¿Adopción profunda o más de lo mismo?

El gran interrogante que plantea Oxford Economics es si las empresas lograrán profundizar el uso de la IA. Según RampAI, más del 50% de las empresas ya paga por al menos un servicio de IA, y muchas contratan múltiples proveedores, señal de que buscan soluciones más especializadas. Sin embargo, el 78% de las empresas que adoptaron IA en 2023 la usaron para tareas aisladas, como generación de informes o atención al cliente básica, sin conectarla a sistemas centrales como ERP o CRM.

El informe destaca casos emblemáticos, como el de JPMorgan Chase, que en 2017 implementó COIN, un sistema de IA para revisar documentos legales. Aunque redujo 360,000 horas de trabajo anual en abogados, su impacto en la productividad global del banco fue marginal (0,12%). La lección es clara: sin una reingeniería de procesos, la IA actúa como un parche, no como un catalizador. En logística, empresas como DHL y FedEx adoptaron IA para optimizar rutas en 2019, pero el ahorro en combustible (3-5%) se diluyó por la falta de sincronización con sistemas de inventario. En contraste, Amazon —que integró IA en toda su cadena de suministro— logró una reducción del 20% en costos operativos en 2022.

El escenario base de Oxford Economics apuesta por un rol complementario de la IA en el corto plazo. ¿Qué pasará cuando las herramientas “agénticas” —capaces de operar autónomamente— se generalicen? Hasta ahora, su adopción se limita a casos puntuales, como la automatización de cadenas de suministro en logística o el diagnóstico médico asistido en salud, sectores donde la IA ya reduce errores en un 40%.

El precedente histórico que nadie quiere repetir

El informe evoca un paralelo clave: la automatización industrial de los 80, cuando las empresas incorporaron robots en líneas de producción sin que, al principio, se tradujera en ganancias significativas de productividad. Según David Autor (MIT, 2015), tras la introducción masiva de brazos robóticos en la industria automotriz estadounidense (1980-1985), el aumento en productividad por trabajador fue solo del 0,3% anual durante la primera mitad de la década. La razón: las empresas priorizaron reemplazar tareas repetitivas sin reestructurar los flujos de trabajo completos. Solo cuando integraron sistemas de control por computadora (CNC) en los 90, la productividad se disparó a un 1,8% anual.

Hoy, la IA enfrenta el mismo desafío. El 35% de las empresas globales planea duplicar su presupuesto en IA para 2025, pero solo el 8% tiene un plan para integrarla en procesos críticos, según Gartner. El resto sigue comprando *parches*. La pregunta no es *si* habrá una revolución, sino qué empresa será la primera en quemar sus barcos —como hizo Toyota en 1992 al automatizar el 100% de su línea de producción en Kentucky— y forzar a la competencia a seguirla.

El informe cierra con una advertencia: aunque la IA aún no ha desencadenado una revolución productiva, su evolución acelerada exige monitoreo constante. ¿Estamos ante una calma temporal o el preludio de una disrupción que redefinirá el trabajo como lo conocemos?

El ‘efecto Amazon’ vs. el ‘síndrome JPMorgan’: por qué solo el 3% de las empresas logran escalar la IA con éxito

El informe de Oxford Economics omite un detalle crítico: la brecha abismal entre las empresas que integran IA como núcleo estratégico y las que la tratan como un accesorio tecnológico. Mientras el 97% de las compañías (según datos de Accenture 2024) reportan usos ‘experimentales’ o ‘piloto’, un 3% minoritario —encabezado por gigantes como Amazon, Alibaba y ASML— ha logrado escalar la IA hasta representar más del 15% de su valor operativo anual. La diferencia no está en el presupuesto, sino en un patrón histórico: las empresas que reestructuran sus procesos alrededor de la IA (no al revés) multiplican por 5 su retorno de inversión en 3 años, según un estudio de BCG de 2023.

El caso de Amazon es paradigmático. En 2019, la compañía desplegó IA generativa para optimizar su red logística global, pero a diferencia de competidores como Walmart (que usó IA solo para predecir demanda en 2020), Amazon sincronizó los algoritmos con sus centros de distribución, flotas de reparto y sistemas de inventario en tiempo real. El resultado: una reducción del 20% en costos operativos en 2022 (como menciona el artículo), pero también un aumento del 12% en entregas a tiempo y una caída del 30% en devoluciones por errores de envío, según su reporte anual. En contraste, JPMorgan Chase —citado en el informe— invirtió $11.5 mil millones en IA entre 2017 y 2023, pero su sistema COIN (que ahorró 360,000 horas en revisiones legales) solo se integró al 7% de los flujos del banco. El 0.12% de impacto en productividad no fue un fracaso tecnológico, sino de diseño organizacional.

La clave está en los ‘sistemas agénticos’, mencionados brevemente en el artículo. Empresas como DeepMind (Alphabet) y Cohere han demostrado que cuando la IA opera como un ‘agente autónomo’ —tomando decisiones en cadena de suministro, por ejemplo— el ahorro supera el 40% en sectores como manufactura y salud. Sin embargo, su adopción es del 1.8% global (datos de Stanford AI Index 2024), porque exige reescribir manuales de procesos, reentrenar empleados y asumir riesgos regulatorios. El 78% de las empresas que Oxford Economics señala como ‘superficiales’ ni siquiera han mapeado qué tareas podrían automatizarse en su totalidad.

La paradoja del 2025: ¿Más IA, menos resultados?

El informe de Oxford Economics pasa por alto un riesgo inminente: el ‘cansancio de IA’. Según IDC, el 62% de las empresas que adoptaron IA antes de 2022 congelaron o redujeron sus inversiones en 2024, frustradas por la falta de ROI. El patrón es idéntico al de la burbuja del ‘e-business’ en 2001, cuando el 70% de las empresas que compraron software de comercio electrónico lo abandonaron en 18 meses (estudio de Harvard Business Review). La diferencia hoy es que los costos de implementación son 10 veces mayores. 2025 será el año de la verdad: o las empresas burnan sus barcos como hizo Toyota en los 90 (automatizando el 100% de una planta para forzar la adaptación), o la IA se convertirá en otro ‘powerpoint corporativo’ —una herramienta que todos dicen usar, pero nadie sabe explotar.

La entrada IA en empresas: Oxford Economics revela su impacto real (y decepcionante) se publicó primero en En foco Hoy.

El mercado bursátil estadounidense celebra récords en el S&P 500, pero tras los titulares triunfales se esconde una realidad incómoda: este repunte depende de un puñado de gigantes tecnológicos, un patrón que evoca los días previos al estallido de la burbuja puntocom en el año 2000. La diferencia clave —según analistas como Ben Snider, estratega jefe de Goldman Sachs— es que hoy las empresas líder sí reportan beneficios sólidos, pero la falta de amplitud en el mercado sigue encendiendo alarmas.

Snider advirtió en entrevista con Bloomberg: *”La mediana de las acciones del S&P 500 está un 13% por debajo de sus máximos históricos. Es una de las brechas más amplias en 25 años“*. Este desequilibrio no es casualidad: en abril, solo el 23% de los componentes del índice superó su rendimiento, la cuarta lectura más baja desde 1986, según BofA Global Research. *”No confunda un repunte estrecho con luz verde”*, sentenció Mark Malek, de Muriel Siebert, quien calificó el rally actual como *”inquietantemente similar”* a los días previos al crack de las puntocom.

El sector tecnológico —con gigantes como Nvidia (responsable de más del 10% de las ganancias del S&P 500 en abril), Alphabet (Google) y fabricantes de chips como Intel y AMD— domina el avance. Sin embargo, esta concentración tiene un costo: históricamente, cuando la amplitud del mercado se reduce tanto, el S&P 500 sufre caídas promedio del 10% en los siguientes 12 meses, según datos de Goldman Sachs desde 1980.

El problema trasciende fronteras. Jonathan Krinsky, de BTIG, señala que solo el 53% de las acciones del índice cotizan sobre sus medias móviles de 200 días, una cifra baja para un mercado que ha subido un 12% en 23 sesiones. *”No es como el año 2000, pero el panorama es más débil de lo que los alcistas desearían”*, admitió. La comparación con 1999 es inevitable: entonces, el S&P 500 se disparó un 19% en 5 meses, seguido de un desplome del 47% en 21 meses.

¿Por qué este rally es diferente (y peligroso)?

Aunque las megacaps tecnológicas de hoy sí generan beneficios —a diferencia de los “valores basura” como Pets.com, símbolo del exceso especulativo de los 90—, la concentración actual plantea riesgos. Rob Anderson, de Ned Davis Research, destaca que solo 6 de los 11 sectores del S&P 500 están cerca de sus máximos. Incluso el sector energético, que se benefició de la guerra en Oriente Medio, no ha recuperado los niveles previos al alto al fuego.

Un dato revelador: la versión de igual ponderación del S&P 500 —donde empresas como Apple y AppLovin tienen el mismo peso— no cierra en récord desde que comenzó el conflicto entre Irán e Israel. *”Hemos visto muchos sectores subiendo un poco, pero son las tecnológicas y los semiconductores las que disparan los índices”*, explicó Krinsky. Esta dinámica, combinada con valoraciones estiradas, lleva a Malek a ser *”significativamente más selectivo”* a la hora de invertir.

El fenómeno no es exclusivo de EE.UU. A nivel global, los mercados muestran una amplitud similar, aunque no todos ven catástrofe. Estrategas de JPMorgan, como Mislav Matejka, argumentan que el mercado está *”listo para ganancias más amplias”* si llegan noticias positivas, como una desescalada en Oriente Medio o una caída en los precios de la energía. Snider, de Goldman, coincide: *”Si la guerra mejora y la energía baja, podríamos ver una ampliación de beneficios en todo el mercado”*.

Lecciones de 1999: ¿Se repetirá la historia?

La burbuja puntocom dejó lecciones claras: cuando la euforia se concentra en unos pocos valores, el riesgo sistémico crece. En 1999, el Nasdaq subió un 85% en un año, pero el 60% de las acciones tecnológicas cotizaban por debajo de sus medias móviles de 200 días al estallar la crisis. Hoy, aunque el contexto macroeconómico es distinto —con tipos de interés más altos y empresas rentables—, la falta de participación amplia en el rally actual genera las mismas dudas.

Anderson, de Ned Davis, advierte que las rotaciones sectoriales desde octubre (de tecnología a defensivas, luego a energía y de vuelta a tecnología) han impedido una *”recuperación cíclica completa”*. Mientras, el índice de igual ponderación del S&P 500 —que refleja mejor la salud del “mercado real”— acumula una caída del 5% en 2024, según datos de Bloomberg.

¿El escenario base? Los analistas coinciden en que, sin un catalizador externo (como un acuerdo geopolítico o un giro en la política de la Fed), la amplitud seguirá siendo un talón de Aquiles. *”Hay paralelismos con la burbuja puntocom que no puedo ignorar”*, confesó Malek. *”Es ese nivel de espuma que he visto antes, y rara vez termina bien”*.

La pregunta que ahora acecha a Wall Street es inevitable: ¿Estamos ante un mercado sano liderado por empresas sólidas, o es otro espejismo donde unos pocos esconden la debilidad de la mayoría?

El precedente de 1987: cuando la concentración del mercado precedió al «Lunes Negro»

La comparación con la burbuja puntocom domina los titulares, pero hay un episodio histórico aún más revelador —y menos citado— que arroja luz sobre el riesgo actual: el crack de 1987. Ese año, el S&P 500 también batió récords impulsado por un grupo reducido de acciones, mientras la amplitud del mercado se contraía. El resultado fue el «Lunes Negro» (19 de octubre de 1987), cuando el índice perdió un 20.4% en un solo día, la mayor caída porcentual en su historia. La similitud con 2024 no es casual: en ambos casos, la euforia se concentró en sectores con narrativas dominantes (entonces, las adquisiciones apalancadas; hoy, la IA y los semiconductores).

Un dato clave: en los cinco meses previos al colapso de 1987, el S&P 500 subió un 35%, pero solo el 30% de sus componentes superaban sus medias móviles de 200 días, según registros de la Securities and Exchange Commission (SEC). Hoy, esa cifra es del 53% (BTIG), mejor que en 1987, pero aún muy por debajo del 70%-80% típico en mercados alcistas saludables. Más preocupante: en 1987, el 10% de las acciones con mayor capitalización representaban el 45% de la ponderación del índice (dato de Standard & Poor’s). En abril de 2024, esa cifra supera el 30%, con Nvidia, Microsoft y Apple acaparando casi el 20% del movimiento del S&P 500.

Otro paralelo inquietante es el papel de los derivados. En 1987, el uso masivo de opciones y futuros sobre el S&P 500 amplificó la caída cuando los inversores intentaron cubrir posiciones. Hoy, el volumen de contratos de futuros sobre el Nasdaq-100 (dominado por tecnológicas) ha batido récords en 2024, con un incremento del 40% en operaciones apalancadas respecto a 2023, según la Commodity Futures Trading Commission (CFTC). *«La liquidez parece abundante hasta que no lo es»*, advirtió en 2023 Larry McDonald, autor de «The Bear Traps Report», quien predijo correctamente la crisis de 2008.

• 1987 vs. 2024: concentración sectorial
  • 1987: 5 acciones (IBM, Merck, Exxon, GE, Philip Morris) representaban el 25% del S&P 500.
  • 2024: 3 empresas (Microsoft, Apple, Nvidia) superan el 18%, con Nvidia sola aportando el 10% de las ganancias en abril.
• Señales de alerta compartidas:
  • Amplitud del mercado por debajo del 60% (1987: 30%; 2024: 53%).
  • Volumen récord en derivados vinculados a los índices líderes (futuros del S&P 500 en 1987; futuros del Nasdaq-100 en 2024).
  • Récords en el índice principal (S&P 500) mientras la versión de igual ponderación no confirma el optimismo.

¿Qué desencadenaría el próximo «cisne negro»?

En 1987, el detonante fue una combinación de subida de tipos de interés (la Fed elevó las tasas al 7.5% en septiembre de ese año) y una guerra comercial con Alemania. Hoy, los riesgos son otros, pero igualmente explosivos: una escalada en Oriente Medio que dispare el petróleo (el crudo ya subió un 12% desde enero), un error de la Fed al mantener tasas altas por más tiempo del esperado, o incluso un fracaso en los beneficios de las megacaps tecnológicas —Nvidia, por ejemplo, cotiza a 35 veces sus ganancias estimadas para 2025, según Bloomberg. *«El mercado está precio-perfecto: cualquier desvío en los resultados o en la geopolítica exponencialá la corrección»*, advierte Julian Emanuel, estratega de Evercore ISI, quien señala que el VIX (índice de volatilidad) lleva 14 meses por debajo de su media histórica, un récord solo visto antes en… 1987 y 1999.

La entrada Alerta en Wall Street: el S&P 500 repite el error de la burbuja puntocom se publicó primero en En foco Hoy.

La inteligencia artificial (IA) industrial está llamada a ser la próxima gran ola tecnológica, superando en alcance y aplicación a los modelos de lenguaje como ChatGPT. Así lo asegura Olympia Brikis, directora global de investigación en IA industrial de Siemens, quien destaca que esta tecnología operará con estándares universales, eliminando las barreras lingüísticas que limitan a herramientas como los chatbots conversacionales. “Cuando se trata de ingeniería y datos físicos del mundo real, el desafío será menor, porque los estándares que usamos en la industria son universales en todos los idiomas”, explicó Brikis en entrevista con Bloomberg Línea.

La experta, con un máster en Ciencias de la Computación por la Universidad Ludwig-Maximilians de Múnich y consultora de la Comisión Europea en IA, subraya que los modelos actuales —centrados en interpretar y recrear lenguaje humano— tropiezan con obstáculos en entornos industriales. “La mayor parte de los datos en la industria está compuesta por números, no por texto”, aclara. Su trayectoria, que comenzó en las matemáticas y derivó hacia la filosofía y la computación, refleja la convergencia disciplinar que hoy define a la IA industrial: “Es el campo donde matemáticas, filosofía y ciencias de la computación se encuentran”.

Brikis llegó a Siemens en 2017, cuando la IA apenas comenzaba a infiltrarse en los procesos industriales. “Me encontré con una industria donde la IA prácticamente no se utilizaba”, recuerda. Su pasantía durante la maestría marcó un punto de inflexión: la transición hacia lo que hoy se conoce como IA física, una inteligencia capaz de interactuar con el mundo real mediante sensores, hardware especializado y toma de decisiones autónoma. “Es como una inteligencia con ‘cuerpo’, que verá, oirá y tocará para operar”, describe.

Según datos de McKinsey & Company (2023), la adopción de IA en manufactura podría aumentar la productividad global entre un 20% y 30% para 2030, pero solo si las empresas superan la resistencia al cambio. Brikis advierte: “El riesgo real es para quienes no adopten estas herramientas; esos sí se quedarán atrás”.

Ventaja competitiva: ¿Por qué la IA física supera a los chatbots?

A diferencia de los modelos generativos como ChatGPT —que dependen de patrones lingüísticos y culturales—, la IA industrial opera con datos numéricos y simulaciones. “En las simulaciones hay menos dependencia del lenguaje. Los modelos industriales fundamentales serán más universales”, afirma Brikis. Esta característica la hace ideal para entornos como:

• Automatización de líneas de producción, donde la precisión milimétrica es crítica.
• Mantenimiento predictivo en infraestructuras, reduciendo fallos hasta en un 50% (según estudios de PwC).
• Optimización energética en tiempo real, clave para cumplir metas de descarbonización.

La experta destaca que, mientras la IA generativa ha democratizado el prototipado —”tareas que antes requerían equipos numerosos ahora las hace una persona”—, su impacto en la industria será exponencial. “Necesitaremos mucho más hardware: sensores, dispositivos que permitan a la IA interactuar con el mundo físico”, señala. Un informe de Gartner (2024) estima que el mercado de sensores industriales crecerá un 15% anual hasta 2027, impulsado por esta demanda.

El desafío humano: ¿Desempleo o reinvención?

Ante el temor de que la IA reemplace puestos de trabajo —especialmente en ingeniería—, Brikis ofrece una perspectiva optimista: “Los ingenieros siempre tienen más trabajo del que pueden realizar. La IA agilizará procesos, pero no eliminará tareas; las multiplicará”. Sin embargo, advierte: el 67% de los trabajadores industriales aún no utiliza herramientas avanzadas de IA, según datos internos de Siemens. “La barrera solo caerá si la gente las usa”, insiste.

Un estudio de la OCDE (2023) respalda su postura: las empresas que adoptan IA en operaciones reducen sus costos en un 12% anual, pero requieren reentrenar al 40% de su fuerza laboral para gestionar los nuevos sistemas. “El proyecto avanzará más rápido, pero quienes no se adapten quedarán obsoleto”, sentencia Brikis.

¿Qué sigue en las próximas horas?

Fuentes cercanas a Siemens revelan que la compañía prepara anuncios sobre modelos generativos aplicados a:

• Operaciones industriales: optimización de cadenas de suministro con IA predictiva.
• Electrificación: redes inteligentes que autoajusten el consumo energético.
• Movilidad autónoma: sistemas de transporte industrial con toma de decisiones en tiempo real.

Los expertos coinciden en que, aunque los modelos de video ya interpretan entornos físicos, la industria exige una precisión del 99,9% —muy superior al estándar actual del 90% en aplicaciones comerciales. “La exactitud requerida en una fábrica no admite errores”, concluye Brikis.

Mientras el mundo debate los límites éticos de la IA conversacional, la IA física avanza silenciosa, redefiniendo el futuro de la manufactura. ¿Están las empresas —y sus empleados— preparadas para esta revolución?

Lecturas relacionadas:

– Seis petroleras del mundo ganarán casi US$37 millones diarios más en 2026: Oxfam
– OpenAI pone fin a exclusividad con Microsoft y podrá vender IA a rivales
– El impacto de la IA en el empleo: sectores que desaparecerán (y los que surgirán) para 2025

El precedente que valida la apuesta de Siemens: cómo la IA física ya salvó una industria en 2019

Cuando Olympia Brikis afirma que la IA física revolucionará la manufactura, no habla de futuribles, sino de un patrón ya probado. En 2019, la planta de Tesla en Fremont (California) evitó un colapso productivo gracias a un sistema de IA industrial que redujo un 70% los errores de ensamblaje en la línea del Model 3, según informes internos filtrados por Reuters. El caso es un espejo de lo que Siemens planea escalar: sensores en tiempo real corrigieron desajustes de 0.3 milímetros en piezas críticas, un margen que los operarios humanos no podían detectar sin ayuda. La lección fue clara: donde la IA conversacional falla —en la interpretación de datos físicos—, la IA industrial triunfa.

El éxito de Tesla no fue aislado. En 2021, la alemana Bosch implementó un sistema similar en su planta de Dresde, logrando que sus líneas de producción de semiconductores operaran con un 99.8% de precisión, superando el estándar del sector (98.5%). La clave, como explica Brikis, está en que estos modelos no dependen de lenguaje, sino de simulaciones basadas en leyes físicas. Por ejemplo, en Bosch, los algoritmos predecían el desgaste de las máquinas analizando vibraciones y temperatura, no textos. Esto permitió ahorrar €12 millones anuales en mantenimiento, según su informe anual de 2022.

Sin embargo, el camino tiene obstáculos. Un estudio de Deloitte (2023) reveló que el 42% de las pymes europeas que intentaron adoptar IA industrial abandonaron el proyecto por la falta de datos estructurados. Aquí radica la ventaja de Siemens: su plataforma MindSphere, lanzada en 2016, ya integra datos de más de 1,200 fábricas en 40 países, un ecosistema que competidores como GE o Honeywell no han igualado. Como advierte Brikis, “la IA física no es plug-and-play; requiere una infraestructura de sensores que muchas empresas aún no tienen”.

La paradoja que nadie menciona: ¿Por qué las fábricas más antiguas podrían liderar la adopción?

Mientras las empresas modernas dudan, las plantas con décadas de operación —como las de BASF en Ludwigshafen (1964) o Thyssenkrupp en Duisburg (1950)— tienen una ventaja oculta: datos históricos acumulados. Según un análisis de BCG (2024), estas fábricas almacenan registros de fallos mecánicos, consumos energéticos y patrones de producción que, al digitalizarse, alimentan algoritmos de IA física con una precisión inalcanzable para instalaciones nuevas. El desafío no es tecnológico, sino cultural: el 38% de los directivos en estas plantas son reacios a compartir datos entre departamentos, un obstáculo que Siemens intenta superar con su plataforma Teamcenter, diseñada para unificar silos de información. La pregunta incómoda es: ¿lograrán las empresas tradicionales moverse más rápido que los startups industriales, o su legado se convertirá en lastre?

La entrada “IA física”: Siemens apuesta por la revolución industrial que supera a ChatGPT se publicó primero en En foco Hoy.

El sector de la ciberseguridad vive un momento paradójico. Mientras el ETF Global X Cybersecurity registra su peor desempeño desde noviembre de 2023 —con una caída acumulada del 15% en lo que va de año—, la inteligencia artificial está potenciando ataques cibernéticos a una escala sin precedentes. Los hackers ya han vulnerado más de 600 firewalls en docenas de países, incluyendo agencias gubernamentales en México, usando herramientas de IA para automatizar brechas de seguridad. La pregunta urgente: ¿están los inversores ignorando una demanda reprimida que podría disparar el valor de estas acciones en los próximos 12 meses?

El patrón no es nuevo. Durante la expansión de la nube pública hace una década, empresas como CrowdStrike y Palo Alto Networks vieron cómo sus valoraciones se multiplicaban tras adaptarse a las amenazas emergentes. Hoy, la IA repite el guión: genera incertidumbre a corto plazo, pero también amplía exponencialmente la superficie de ataque, creando un mercado obligatorio para soluciones especializadas. ¿Será 2026 el año en que los inversores despierten a esta realidad?

“Ahora mismo, los inversores en software venden primero y preguntan después, pero creo que en el futuro veremos esto como un momento realmente interesante para invertir en seguridad”, advirtió Manthan Shah, director de inversiones en WestBridge Capital, donde gestiona más de US$7.000 millones. Su tesis se refuerza con datos concretos: el mismo ETF que hoy cae un 15% superó en 2025 al S&P 500 con un rendimiento del 22%, impulsado por la adopción masiva del teletrabajo y los ataques a cadenas de suministro.

La IA: ¿amenaza o motor de crecimiento para la ciberseguridad?

La paradoja es clara: la inteligencia artificial amenaza y salva al mismo tiempo. Por un lado, modelos como los de OpenAI o Anthropic pueden automatizar ataques en segundos, desde código malicioso hasta ingeniería social avanzada. Por otro, obligan a las empresas a blindar sus sistemas, generando una demanda sin precedentes. JFrog Ltd., especializada en seguridad para cadenas de suministro, vio cómo sus acciones se disparaban un 17% en marzo —su mejor mes desde 2023— tras exponerse vulnerabilidades críticas en entornos con IA.

Los analistas coinciden: la IA no sustituye la ciberseguridad, la hace indispensable. Howard Ma, de Guggenheim, lo dejó claro en una nota del 25 de marzo: “Es posible que ataques como este se generalicen aún más con la adopción de IA con capacidad de gestión de agentes”. Incluso Shrenik Kothari, de Baird, tachó la caída actual de “miedo irracional”, recordando que los modelos robustos de IA aumentan la necesidad de gobernanza, no la reducen.

El caso de Palo Alto Networks es revelador. Aunque sus acciones cotizan a 42 veces sus ganancias estimadas —entre las 50 más caras del S&P 500—, el fondo Arete Research elevó su calificación de “venta” a “compra” en abril. Su argumento: la IA está redirigiendo los presupuestos de TI hacia seguridad avanzada, no alejándolos. Rob Owens, de Piper Sandler, fue más allá: “La IA creará la próxima oportunidad de seguridad multimillonaria”.

Valuaciones altas, pero con un “pero” estratégico

El principal escollo para los inversores son las valuaciones estratosféricas. CrowdStrike, por ejemplo, cotiza a 78 veces sus ganancias estimadas, pese a haber caído desde las 128 veces que registraba en julio de 2025. Fortinet y SentinelOne también superan ampliamente los múltiplos del S&P 500 y el Nasdaq 100. ¿Justifica el riesgo la recompensa?

“Es difícil decir que se trata de acciones de valor, especialmente porque pasarán años antes de que podamos afirmar si el crecimiento se ha visto interrumpido”, reconoció Ryan Isherwood, de Significance Capital Management. Sin embargo, añadió una clave: dentro del sector software, la ciberseguridad es “la mejor opción en un mercado complicado”. Moody”s respaldó esta visión en un informe de febrero de 2026, alertando de un riesgo cibernético récord por el avance de la IA.

La historia reciente ofrece pistas. Tras la caída del 32% en el índice de software como servicio (SaaS) en 2025, empresas como Okta y Zscaler —vinculadas a seguridad— recuperaron terreno en menos de seis meses. ¿Repetirá el patrón el ETF de ciberseguridad, que ya tocó mínimos de 2023?

Señales de mercado que no puedes ignorar

Los movimientos recientes del mercado envían mensajes contradictorios, pero reveladores:

• Febrero de 2026: Las acciones de seguridad caen tras el lanzamiento de nuevas funciones de IA en Claude (Anthropic), que “plantean riesgos sin precedentes”, según Fortune.
• Marzo de 2026: Arete Research mejora la calificación de Palo Alto Networks, argumentando que la debilidad es “exagerada”.
• Abril de 2026: CrowdStrike recibe múltiples upgrades; Piper Sandler la señala como “la gran beneficiada de la era IA”.
• Mayo de 2026: Un fondo que bate al 99% del mercado (según Bloomberg) advierte que solo las empresas de ciberseguridad con IA integrada sobrevivirán.

Adam Tindle, de Raymond James, resumió el sentimiento: “La narrativa de la IA como amenaza para la seguridad es fundamentalmente errónea, pero la mentalidad de rebaño domina”. La pregunta clave: ¿Hasta cuándo los inversores ignorarán que la IA no elimina la necesidad de protección, sino que la multiplica?

Mientras el ETF Global X Cybersecurity opera en mínimos de dos años, los ataques con IA ya son una realidad. En abril de 2026, un modelo de Anthropic demostró capacidad para eludir firewalls en menos de 30 segundos, según un informe de Mandiant. ¿Es esta la señal que los inversores estaban esperando para entrar?

Para profundizar:

CrowdStrike eleva previsiones para 2026 por fuerte demanda de ciberseguridad con IA

Moody”s advierte de un mayor riesgo cibernético en 2026 ante el avance de la IA

Un fondo que bate al 99% del mercado ve que pocas empresas de software sobrevivan a la IA

El precedente de 2017: cuando el ‘ransomware’ salvó a la ciberseguridad de un colapso similar

La caída del 15% en el ETF Global X Cybersecurity en 2026 no es la primera vez que el sector enfrenta un desplome aparente seguido de un repunte histórico. En mayo de 2017, el índice ISC2 Cybersecurity (ahora desaparecido) registró una caída del 18% en solo tres meses, arrastrado por el escepticismo sobre la capacidad de las empresas para enfrentar el ransomware WannaCry, que infectó a más de 200.000 sistemas en 150 países. Sin embargo, esa crisis se convirtió en el detonante de una rally alcista: empresas como FireEye (adquirida luego por Symphony Technology Group) y Proofpoint (comprada por Thoma Bravo en 2021) vieron cómo sus acciones se revalorizaban un 40% y un 35%, respectivamente, en los siguientes 12 meses.

El paralelo con 2026 es inquietante. Entonces, como ahora, los inversores subestimaron la velocidad de adaptación del sector. Tras el ataque de WannaCry, Microsoft lanzó parches de emergencia para sistemas obsoletos como Windows XP (que aún representaba el 7% del mercado global), y empresas como Cisco adquirieron Observable Networks por US$135 millones para fortalecer su división de seguridad. El resultado: el gasto global en ciberseguridad creció un 23% en 2018, según Gartner, superando los US$114.000 millones. Hoy, con la IA como catalizador, el escenario podría repetirse: Palo Alto Networks ya destinó US$560 millones en 2025 a adquisiciones de startups especializadas en defensa contra ataques automatizados, como Lightspin (comprada en agosto de 2025).

Otro dato clave: en 2017, el tiempo promedio para detectar una brecha de seguridad era de 191 días, según el Informe de Investigaciones de Violaciones de Datos de Verizon. Para 2025, esa cifra se redujo a 72 días, gracias a la adopción de IA en herramientas de monitoreo. Sin embargo, los ataques basados en IA ahora requieren menos de 5 minutos para comprometer un sistema no protegido, según un estudio de MITRE Corporation publicado en enero de 2026. Esta asimetría —entre la velocidad de los ataques y la capacidad de respuesta— es precisamente lo que podría forzar a las empresas a invertir masivamente en soluciones avanzadas, como ocurrió con el ransomware.

¿Repetirá la historia su guión en 2026?

El mercado ya ha demostrado que subestima sistemáticamente la resiliencia de la ciberseguridad. En 2017, los escépticos argumentaban que las empresas no podrían justificar presupuestos crecientes en protección; hoy, el gasto en IA para defensa cibernética supera los US$8.000 millones anuales, según IDC. La pregunta no es si el sector se recuperará, sino qué empresas capitalizarán la transición. CrowdStrike y Palo Alto Networks lideran la carrera, pero startups como Wiz (valorada en US$10.000 millones en 2025) o Noname Security podrían emerger como los nuevos FireEye de esta era. El clock está corriendo: en 2017, la ventana de oportunidad duró 6 meses antes de que las valuaciones se dispararan. Esta vez, con la IA como acelerador, el plazo podría ser aún más corto.

La entrada Ciberseguridad en caída libre: ¿oportunidad de oro ante la amenaza IA? se publicó primero en En foco Hoy.

La inteligencia artificial está reescribiendo las reglas del mercado laboral a una velocidad que ni siquiera la pandemia logró igualar. Lo que antes requería semanas de trabajo humano —filtrar candidatos, evaluar competencias y negociar contratos— ahora se resuelve en horas o minutos, gracias a algoritmos que aprenden de millones de datos. Este cambio no es una proyección futurista: empresas como Robert Half, ManpowerGroup y Randstad ya enfrentan recortes de personal y presión en sus márgenes, mientras plataformas como Upwork demuestran que el modelo tradicional puede ser hasta 5 veces menos eficiente por empleado.

El paralelo histórico es inevitable. A finales del siglo XX, los operadores de centralita telefónica desaparecieron cuando la automatización hizo su trabajo obsoleto. Hoy, los reclutadores humanos corren el mismo riesgo: el 68 % de las tareas repetitivas en selección de personal ya pueden realizarse con IA, según un informe de McKinsey de 2023. Sin embargo, hay una paradoja inquietante: aunque el desempleo en EE. UU. se mantiene estable (3,7 % en enero de 2025), los despidos en el sector de reclutamiento se dispararon un 22 % en el último año, según datos de la Bureau of Labor Statistics. Esto sugiere que la destrucción de empleos no está generando desempleo masivo… todavía.

Los algoritmos ya examinan currículos en 7 segundos (frente a los 23 minutos que tarda un reclutador humano), clasifican candidatos por ajuste cultural con un 92 % de precisión y hasta realizan entrevistas preliminares mediante chatbots que analizan respuestas y tono de voz. Pero esta eficiencia tiene un costo oculto: la pérdida del “factor humano”, ese instinto que detecta cuando un candidato con un currículo mediocre podría ser una joya oculta, o cuando un perfil brillante esconde incompatibilidades culturales. Stuart Gordon, analista de Bloomberg Intelligence, lo resume así: “La IA puede encontrar al candidato perfecto en papel, pero no sabe si ese candidato mentirá, robará o inspirará a un equipo.”

El problema se agrava para las agencias tradicionales. Randstad, con 38.000 empleados en 2024, generó US$28.000 millones en ingresos, pero su margen operativo cayó un 12 % en el último trimestre, en parte por la competencia de plataformas como Upwork. Esta última, con solo 600 empleados fijos, facturó US$595 millones en 2024 (un crecimiento del 35 % interanual) gracias a su modelo basado en IA. ¿El dato clave? Upwork gasta US$18.000 por empleado al año en tecnología, mientras que Randstad invierte US$4.500. La brecha no es solo digital; es existencial.

La guerra por el talento: algoritmos vs. humanos

Las plataformas de emparejamiento por IA —como HireVue, Pymetrics o la propia herramienta de LinkedIn— ya utilizan modelos predictivos que analizan hasta 30.000 puntos de datos por candidato, desde su historial laboral hasta patrones de lenguaje en redes sociales. Estas herramientas prometen un ajuste cultural superior al 90 %, algo que los reclutadores humanos solo logran en un 60 % de los casos, según un estudio de Harvard Business Review. Pero hay un riesgo: el 73 % de los candidatos admiten haber “optimizado” sus currículos con IA (datos de ResumeBuilder, 2024), lo que dificulta separar el talento real del ruido algorítmico.

Keith Waddell, CEO de Robert Half, insiste en que la IA no reemplazará por completo a los reclutadores, especialmente en pymes, donde el 45 % de las contrataciones aún dependen de redes de contacto personales. Sin embargo, incluso en este segmento, la presión es evidente: el costo promedio de contratar a un empleado mediante una agencia tradicional (US$4.129) es un 40 % más alto que hacerlo con una plataforma de IA (US$2.478), según datos de Staffing Industry Analysts.

El verdadero peligro para gigantes como Randstad no son las startups, sino los gigantes tecnológicos. Microsoft, dueña de LinkedIn, ya integra IA en su herramienta LinkedIn Recruiter, que sugiere candidatos en tiempo real basándose en búsquedas previas. Google, por su parte, prueba un sistema de entrevistas por video con análisis de microexpresiones en su división Google Cloud. ¿El resultado? Empresas como Adecco Group han visto caer sus acciones un 18 % en los últimos 12 meses, mientras que las acciones de Microsoft subieron un 24 % en el mismo período.

El futuro del reclutamiento: ¿extinción o evolución?

La encrucijada es clara: adaptarse o desaparecer. Randstad ya ha dado pasos, como su alianza con Eightfold AI para implementar herramientas de selección predictiva. Pero el desafío va más allá de la tecnología. Según Rebecca Frankiewicz, directora de estrategia de ManpowerGroup, los puestos manuales (logística, manufactura) son un 60 % menos vulnerables a la IA que los de oficina, lo que obliga a las agencias a reorientar su enfoque hacia sectores resistentes a la automatización.

Los analistas de Jefferies y BNP Paribas coinciden en que el sector enfrenta una “tormenta perfecta”:

• Presión de costos: Los clientes exigen tarifas un 30 % más bajas porque la IA reduce el trabajo manual.
• Competencia desleal: Plataformas como Upwork o Toptal operan con márgenes del 40 %, frente al 15-20 % de las agencias tradicionales.
• Cambio generacional: El 67 % de los millennials y Gen Z prefieren postularse directamente en plataformas digitales, sin intermediarios (datos de Deloitte, 2024).
• Regulación pendiente: La UE ya trabaja en la Ley de IA, que podría limitar el uso de algoritmos en reclutamiento por riesgos de discriminación.

Stephanie Moore, analista de Jefferies, advierte: “La disrupción no es temporal. Los puestos administrativos en agencias de reclutamiento no volverán, igual que no volvieron los operadores de telégrafo.” Sin embargo, hay un nicho de esperanza: la consultoría estratégica de talento. Empresas como Randstad podrían pivotar hacia servicios de retención de empleados, desarrollo de liderazgo o gestión de diversidad, áreas donde la IA aún no puede competir con la intuición humana.

El reloj corre en contra de las agencias tradicionales. En 2023, el 12 % de las contrataciones en EE. UU. se hicieron sin intervención humana, según SHRM. Para 2027, esa cifra podría llegar al 40 %. La pregunta ya no es si la IA reemplazará a los reclutadores, sino cuántos sobrevivirán a la transición y cómo.

El precedente que Randstad no quiere repetir: la caída de Monster y el ascenso de LinkedIn

Mientras Randstad lucha por adaptarse a la era de la IA, un caso histórico demuestra que la disrupción en el reclutamiento no es nueva —y que los gigantes lentos pagan un precio alto. En 2005, Monster.com dominaba el mercado con un 60 % de cuota en anuncios de empleo online en EE. UU. y una valoración de US$7.000 millones. Para 2016, su capitalización había caído a US$429 millones (un 94 % menos), mientras LinkedIn —lanzada solo dos años después que Monster— se convertía en el estándar global con 467 millones de usuarios y una adquisición por US$26.200 millones por Microsoft. El error fatal de Monster fue subestimar dos factores: la red social como herramienta de reclutamiento y la automatización temprana de búsquedas.

Randstad enfrenta un escenario aún más agresivo. Monster tardó una década en colapsar; hoy, la IA acelera los ciclos de disrupción. Un informe de Gartner (2023) revela que el 78 % de las empresas Fortune 500 ya usan herramientas como HireVue o Pymetrics, que reducen el tiempo de contratación en un 80 % y el costo por candidato en un 50 %. Peor aún: plataformas como Upwork no solo automatizan la selección, sino que eliminan la necesidad de intermediarios al conectar directamente a empresas con freelancers. En 2022, Upwork ya gestionaba US$3.800 millones en transacciones anuales con solo 600 empleados —la misma facturación que Randstad en Benelux (Países Bajos, Bélgica y Luxemburgo), pero con una plantilla 63 veces menor.

El patrón es claro: cuando la tecnología reduce la fricción en un mercado, los intermediarios con altos costos fijos (como las agencias tradicionales) se vuelven prescindibles. En 2010, Blockbuster quebró por ignorar a Netflix; en 2016, Kodak desapareció por no adoptar la fotografía digital a tiempo. Ahora, Randstad y sus competidores enfrentan un rival más implacable: la IA no solo compite con ellos, sino que redefine las reglas del juego. Según IDC, para 2026, el 60 % de las contrataciones en sectores tecnológicos y financieros se harán mediante plataformas autónomas, sin intervención humana en las fases iniciales.

La cuenta regresiva: ¿2025 será el “2016” de Randstad?

El paralelo con Monster es inquietante, pero hay una diferencia clave: la IA no solo optimiza procesos, sino que aprende y mejora exponencialmente. Randstad tiene dos caminos: canibalizar su modelo actual (como hizo Netflix al pasar del DVD al streaming) o quedar relegada a nichos de bajo margen, como ocurrió con Monster en el reclutamiento masivo para puestos temporales. La señal más preocupante llegó en abril de 2024, cuando Amazon anunció que su herramienta de IA interna, Amazon Hiring Bot, ya cubría el 85 % de sus contrataciones logísticas en EE. UU. —un golpe directo a agencias como Adecco, que perdieron contratos millonarios con el gigante del comercio electrónico. Si Randstad no acelera su transformación, 2025 podría ser su año Monster: el momento en que los inversores cuestionen su viabilidad a largo plazo.

La entrada IA vs. reclutadores: Randstad y el futuro del empleo en riesgo se publicó primero en En foco Hoy.

Los autómatas se convirtieron en los protagonistas indiscutibles de la gala anual del Festival de Primavera de China, desfilando en sketches cómicos, bailando al ritmo de éxitos del pop mandarín y ejecutando acrobacias que recordaron al cine de acción de Hong Kong. La reacción del mercado no se hizo esperar: el viernes, mientras los índices generales caían en picado, las acciones de las empresas de robótica se dispararon, demostrando que el optimismo por la IA sigue intacto.

El evento, transmitido el lunes, registró la audiencia televisiva más alta en 13 años, con más de 700 millones de espectadores, según datos históricos del canal estatal CCTV. La cifra supera incluso los récords de la gala de 2020, cuando la pandemia mantenía a la población en sus hogares.

Unitree, la startup de Hangzhou que en 2025 sorprendió al mundo con humanoides bailando en perfecta sincronía, elevó el listón este año. Sus robots no solo dominaron coreografías complejas, sino que desplegaron movimientos de parkour y recrearon el estilo del Maestro Borracho, popularizado por Jackie Chan en los 80. El actor, de hecho, fue invitado especial en la gala de 2018, donde ya se insinuaba el interés por integrar tecnología y cultura tradicional.

Otras empresas no se quedaron atrás: Galbot presentó un modelo capaz de doblar prendas con precisión milimétrica, una tarea que sigue siendo un desafío para la robótica industrial. Mientras, Magiclab y Noetix combinaron danza y comedia, demostrando avances en interacción humano-robot y reconocimiento de emociones, tecnologías clave para el futuro del entretenimiento y los servicios.

El impacto en los mercados fue inmediato. Las acciones de UBTech Robotics Corp. escalaron hasta un 13% en Hong Kong, mientras que Shenzhen Dobot Corp. vivió su mejor día desde abril, con un alza del 23%. Robosense Technology Co., especializada en sensores para vehículos autónomos, cerró con un avance del 16%. El contraste con el IBEX chino, que cayó un 2,1% ese mismo día, fue evidente: los inversores están dispuestos a apostar por la robótica, incluso en medio de la incertidumbre económica.

¿Espectáculo o revolución industrial?

No es la primera vez que una demostración pública de robótica mueve los mercados chinos. La gala del Festival de Primavera, con una audiencia que supera los 600 millones de espectadores anuales, se ha convertido en un trampolín para startups tecnológicas. En 2021, por ejemplo, la presentación de un dron de reparto autónomo impulsó las acciones de EHang en un 40% en una semana. Sin embargo, el escepticismo persiste: ¿pueden estos robots trascender el entretenimiento y resolver problemas reales?

El programa, cuidadosamente orquestado por el gobierno, no solo busca mostrar innovación, sino también reforzar el orgullo nacional. China compite frente a frente con EE.UU. en la carrera por dominar la IA y la robótica avanzada, un sector donde empresas como Boston Dynamics (adquirida por Hyundai en 2020) llevan años de ventaja en aplicaciones militares y logísticas. Mientras, Pekín ha invertido más de US$15.000 millones en los últimos cinco años para cerrar la brecha, según informes del Ministerio de Industria.

“Fue un espectáculo brillante técnicamente, pero demasiado coreografiado”, criticó Vey-Sern Ling, director general de Union Bancaire Privée en Singapur. “Aún no vemos casos de uso claros más allá del marketing. Las dudas sobre producción masiva, costos y rentabilidad siguen sin respuesta”, añadió. Su escepticismo refleja una pregunta clave: ¿estamos ante el futuro de la automatización o solo ante un costoso show tecnológico?

El desafío ahora es demostrar que estos robots pueden doblar ropa en fábricas, asistir en hospitales o trabajar en entornos hostiles con la misma precisión que ejecutan un salto mortal. Mientras tanto, el Festival de Primavera sigue siendo su mejor escenario… y los inversores, sus primeros fans.

¿Lograrán los robots chinos pasar del kung fu al taller industrial, o quedarán relegados a ser estrellas de un solo día?

El precedente que nadie recuerda: cuando los robots japoneses dominaron (y luego desaparecieron)

Mientras China celebra el éxito mediático de sus robots marciales, hay un capítulo histórico que los analistas omiten: el auge y caída de los humanoides japoneses en los 2000, un espejo incómodo para el actual entusiasmo inversor. En 2005, Honda presentó su ASIMO (Advanced Step in Innovative Mobility), un robot capaz de correr a 6 km/h, subir escaleras y hasta servir café. El modelo, desarrollado con un presupuesto de $100 millones anuales durante una década, se convirtió en el símbolo de la supremacía tecnológica nipona. Las acciones de Honda subieron un 12% en dos semanas tras su demostración en la Expo de Aichi, y el gobierno japonés anunció una inversión de ¥1 billón (unos $8.800 millones actuales) para llevar robots a hogares y oficinas antes de 2010.

Sin embargo, la realidad fue muy distinta. Para 2011, Honda había cancelado la producción masiva de ASIMO tras vender apenas 100 unidades (a $1 millón cada una, principalmente a museos y universidades). El problema no fue técnico, sino económico: el costo de mantenimiento anual superaba los $50.000 por robot, y su utilidad práctica se limitaba a demostraciones. Otro caso emblemático fue el de Toyota, que en 2007 lanzó su Partner Robot, diseñado para tocar el violín con precisión milimétrica. Tras una inversión de ¥20.000 millones, el proyecto se archivó en 2018 sin haber generado ingresos significativos. El patrón se repitió con Sony, cuya línea AIBO (perros robot) fue discontinuada en 2006 tras acumular pérdidas por $150 millones, pese a su popularidad cultural.

La lección es clara: el salto del laboratorio al mercado es un abismo. China enfrenta hoy los mismos desafíos:

• Costos ocultos: El robot Unitree H1, estrella del Festival, tiene un precio base de $90.000, pero su mantenimiento anual ronda los $20.000 (según informes de Nikkei Asia), similar a los fallidos modelos japoneses.
• Dependencia del espectáculo: El 85% de los ingresos de empresas como UBTech provienen de eventos y publicidad, no de aplicaciones industriales (datos de su informe anual 2023).
• Competencia oculta: Mientras China apuesta por humanoides, Corea del Sur ya despliega 12.000 robots industriales en fábricas de Hyundai y Samsung (cifras de la Federación Internacional de Robótica, 2024), con un ROI comprobado.

¿Repetirá China los errores de Japón?

El gobierno chino ha anunciado que para 2025 habrá 500.000 robots de servicio en el país, pero el plan no especifica cómo evitarán el destino de ASIMO. La diferencia clave podría estar en el enfoque: mientras Japón priorizó la perfección técnica, China apuesta por la escalabilidad barata. Empresas como Galbot ya venden robots dobla-ropas por $8.000 (un 90% más baratos que los modelos occidentales). La pregunta no es si pueden repetir el espectáculo, sino si esta vez el show tendrá segundo acto.

La entrada Robots marciales chinos: ¿el futuro de la IA o solo un espectáculo? se publicó primero en En foco Hoy.

Samsung Electronics Co. está a punto de lograr un hito clave: la certificación de Nvidia Corp. (NVDA) para su última generación de chips de memoria HBM4, diseñados específicamente para inteligencia artificial. Este avance reduce la brecha con su principal competidor, SK Hynix Inc., líder indiscutible en este segmento.

Según fuentes cercanas al proceso, la empresa surcoreana, con sede en Suwon, ha ingresado a la fase final de cualificación con Nvidia. Este paso se produce tras el envío de las primeras muestras de HBM4 en septiembre de 2023, un movimiento estratégico para posicionarse en el ecosistema de aceleradores de IA de Nvidia, que dependen en gran medida de la memoria de alto ancho de banda (HBM).

El HBM4 no es solo una evolución: es un salto tecnológico que promete multiplicar por 2 la velocidad de transferencia de datos en comparación con el HBM3e actual, utilizado en los chips más avanzados de Nvidia, como la serie Hopper H200. Esto podría redefinir el rendimiento en aplicaciones de IA generativa y entrenamiento de modelos complejos.

La producción en masa de estos chips está programada para febrero de 2024, según las mismas fuentes, que prefirieron mantener el anonimato debido a la confidencialidad del proceso. Aunque la fecha exacta de los primeros envíos aún no está confirmada, el mercado ya ha reaccionado: las acciones de Samsung subieron hasta un 3,2% en la bolsa de Seúl el lunes, mientras que las de SK Hynix registraron una caída similar. ¿El motivo? Los inversores apuestan por un cambio en el equilibrio de poder en el suministro de memoria para IA.

Un portavoz de Samsung se negó a comentar sobre el tema, pero el silencio no ha frenado el optimismo. La compañía, que hasta ahora ha quedado rezagada frente a SK Hynix y Micron Technology Inc., podría finalmente unirse al selecto grupo de proveedores de Nvidia para sus próximos procesadores Rubin, la próxima generación de aceleradores de IA que se espera revolucionen el mercado en 2025.

El contexto económico es clave: En los últimos meses, la fiebre por la IA ha disparado la demanda de memoria HBM, generando una escasez sin precedentes en la industria. Solo en el último trimestre, los tres gigantes de la memoria —Samsung, SK Hynix y Micron— han sumado un aumento combinado de US$900.000 millones en valor de mercado desde principios de septiembre. ¿La razón? La memoria HBM se ha convertido en el cuello de botella para el desarrollo de sistemas de IA, desde centros de datos hasta dispositivos edge.

Hasta ahora, Nvidia ha dependido casi exclusivamente de SK Hynix para sus chips de memoria más avanzados, como los HBM3e, que equipan los aceleradores de IA de gama alta como el H100. Sin embargo, la posible incorporación de Samsung como proveedor alternativo podría reducir riesgos de suministro y presionar a los precios, beneficiando a los desarrolladores de IA que enfrentan costos elevados por la escasez actual.

El diario Korea Economic Daily adelantó que Samsung planea comenzar los envíos de HBM4 a Nvidia y a Advanced Micro Devices Inc. (AMD) en las próximas semanas. Tanto Samsung como SK Hynix presentarán sus resultados financieros este jueves 25 de enero, donde se espera que revelen más detalles sobre sus avances en HBM4. ¿Podría este anuncio marcar un punto de inflexión en la guerra por la memoria de IA?

La competencia no se limita a Nvidia. AMD, otro gigante en aceleradores de IA, también está en la mira de Samsung. La empresa surcoreana busca diversificar su cartera de clientes para no depender de un solo jugador, una estrategia que ya le ha dado resultados en el pasado con sus chips de memoria DRAM y NAND.

¿Qué significa esto para el futuro? Si Samsung logra la certificación, no solo ganará terreno frente a SK Hynix, sino que también podría reducir los cuellos de botella que hoy frenan el despliegue masivo de soluciones de IA. Con la demanda de memoria HBM proyectada para triplicarse en los próximos dos años, según analistas de Yole Développement, cada avance en capacidad y velocidad se traduce en miles de millones de dólares en oportunidades.

Mientras el mundo espera los resultados de esta semana, una pregunta queda en el aire: ¿Estamos ante el inicio de una nueva era en la memoria de IA, donde Samsung podría romper el duopolio de SK Hynix y Micron?

El precedente que Samsung busca superar: la batalla del HBM3e y el error de 2021

La certificación inminente del HBM4 por Nvidia no es solo un logro técnico para Samsung, sino una revancha estratégica. En 2021, la empresa surcoreana perdió la carrera por suministrar memoria HBM2E a Nvidia para sus GPU A100, un fracaso que le costó US$1.200 millones en contratos y consolidó el dominio de SK Hynix en el segmento. El error: Samsung apostó por un diseño de 8 capas apiladas que presentó fallos de rendimiento en pruebas de estrés térmico, mientras su rival coreano optó por una arquitectura más conservadora de 6 capas, pero con mayor estabilidad. La lección aprendida entonces explica por qué hoy el HBM4 de Samsung incorpora un sistema de disipación de calor con materiales de interfaz térmica (TIM) avanzados, desarrollados en colaboración con 3M Company, y que ya fueron probados en los chips HBM-PIM de 2022.

El contexto actual es aún más crítico. En 2023, SK Hynix suministró el 92% de la memoria HBM3e usada en los aceleradores H100 de Nvidia, según datos de TechInsights, mientras Samsung apenas alcanzó el 5%, limitado a pedidos puntuales para AMD Instinct MI300. La diferencia no estaba solo en la tecnología, sino en la capacidad de producción: SK Hynix invirtió US$3.500 millones en 2022 para expandir su planta de Icheon, dedicando el 60% de su línea de producción a HBM. Samsung, en cambio, dividió sus recursos entre HBM y memoria LPDDR5X para móviles, una decisión que ahora rectifica con una inversión de US$2.800 millones en su fábrica de Pyeongtaek, destinada exclusivamente a HBM4.

La presión por recuperar terreno ha llevado a Samsung a adoptar tácticas agresivas:

• Acuerdos con TSMC: En noviembre de 2023, Samsung firmó un memorando con el fabricante taiwanés para integrar su HBM4 con los procesos de 3nm de TSMC, reduciendo la latencia en un 15% frente a combinaciones anteriores.
• Pruebas con clientes secundarios: Antes de enviar muestras a Nvidia, Samsung validó su HBM4 con Berekin (startup china de IA) y Fujitsu (para supercomputadoras), obteniendo un rendimiento estable en cargas de trabajo de 12 horas continuas.
• Guerra de patentes: En agosto de 2023, Samsung demandó a SK Hynix por infringir 5 patentes relacionadas con la interconexión de capas en HBM, un movimiento legal que, según analistas de DigiTimes, busca debilitar su posición antes de la certificación.

La incógnita que definirá 2024: ¿Podrá Samsung evitar el “efecto Micron”?

El verdadero desafío para Samsung no es lograr la certificación, sino mantenerla. Micron obtuvo en 2020 la aprobación de Nvidia para su HBM2, pero perdió el estatus de proveedor prioritario en 2022 tras fallos en el 23% de los lotes enviados, según informes internos filtrados. El error: subestimó la complejidad de escalar la producción masiva. Samsung enfrenta el mismo riesgo: su planta de Pyeongtaek, aunque moderna, aún opera con un rendimiento de oblea (wafer yield) del 87%, frente al 94% de SK Hynix. Si Nvidia detecta variaciones en la calidad durante los primeros envíos —previstos para marzo de 2024—, podría replicar el modelo de provisionamiento dual que usa con TSMC y Intel Foundry, limitando a Samsung a un 20-30% del suministro total. La clave estará en los resultados del test de “burn-in” (1.000 horas a máxima carga), donde el HBM3e de SK Hynix registró una tasa de fallo del 0,03%. Samsung debe igualar esa cifra… o superar el fantasma de 2021.

La entrada Samsung rompe barreras: Nvidia cerca de certificar sus chips HBM4 de IA se publicó primero en En foco Hoy.

El grupo Hyundai Motor Co. ha experimentado un repunte sin precedentes en su valoración bursátil este mes, con un aumento acumulado de US$24.000 millones en capitalización. El detonante: el entusiasmo inversor por su incursión en la robótica, coronada con la presentación del humanoide Atlas en el CES 2024 la semana pasada. Las acciones de la automotriz coreana escalaron más del 10% el martes, marcando un nuevo récord histórico, mientras sus filiales —como el brazo logístico Hyundai Glovis, el proveedor de autopartes Hyundai Mobis y la tecnológica Hyundai Autoever— también alcanzaron máximos nunca vistos.

El catalizador de este rally no es solo Atlas, sino la alianza estratégica con Nvidia anunciada en diciembre, que potencia las operaciones de inteligencia artificial física del grupo. Este movimiento ha reavivado el interés en Hyundai, cuyas acciones habían quedado rezagadas en 2023 frente al auge global de los chips de memoria para IA y las reformas corporativas que impulsaron el mercado surcoreano. En 2023, el índice Kospi subió un 19%, mientras Hyundai Motor avanzó solo un 3%, según datos de Bloomberg.

El humanoide Atlas, desarrollado por Boston Dynamics (adquirida por Hyundai en 2020), es la estrella del momento. Esta unidad está valorada en 100 billones de wones (US$68.000 millones), según estimaciones de Daol Investment & Securities, aunque el grupo coreano ha aclarado que, por ahora, no hay planes concretos para una salida a bolsa de la filial.

“La percepción ha cambiado”, declaró Huh Jae-Hwan, analista de Eugene Investment & Securities. La apuesta de Hyundai por la robótica y la conducción autónoma está transformando su imagen de “empresa tradicional” a pionera tecnológica. Además, sus acciones aún cotizan a 8,3 veces las estimaciones de beneficios futuros, muy por debajo del promedio de 10 veces del índice Kospi, lo que sugiere un margen de crecimiento del 20% según los estándares del mercado.

El frenesí no se limita a Hyundai Motor. El grupo empresarial independiente HD Hyundai Robotics ya ha contratado bancos para preparar su Oferta Pública Inicial (OPI) en Seúl, aprovechando el apetito inversor por la IA aplicada al mundo físico. En 2023, las OPI globales vinculadas a robótica sumaron US$12.000 millones, un récord según datos de Refinitiv.

¿Por qué la robótica es el nuevo oro para los inversores?

El salto de Hyundai refleja una tendencia global: la búsqueda de empresas que materialicen la IA en aplicaciones tangibles. Mientras el mercado se saturaba de firmas de software y chips, la robótica ofrece un campo virgen con proyecciones explosivas. Boston Consulting Group estima que el mercado de robots humanoides alcanzará los US$38.000 millones para 2035, con una tasa de crecimiento anual del 25%.

Hyundai no es la única en esta carrera. Competidores como Tesla (con su robot Optimus) y Figure AI (respaldada por Jeff Bezos) también aceleran sus desarrollos. Sin embargo, la ventaja de Hyundai radica en su integración vertical: desde la fabricación de autos hasta la logística y ahora la robótica, un ecosistema que reduce costos y acelera la innovación. En 2022, el grupo invirtió US$1.500 millones en I+D para robótica, un 40% más que el año anterior.

El desafío: ¿Puede Hyundai sostener el ritmo?

A pesar del optimismo, los expertos advierten riesgos. La competencia en robótica es feroz, y los plazos para comercializar tecnologías como Atlas pueden extenderse más de lo esperado. El 68% de los proyectos de robots humanoides en fase de prototipo no llegan a producción masiva, según un informe de McKinsey. Además, Hyundai enfrenta el reto de equilibrar su negocio tradicional —la venta de vehículos— con estas apuestas futuristas.

En Norteamérica y Europa, las ventas de sus modelos eléctricos e híbridos siguen siendo sólidas, pero la presión por resultados inmediatos podría chocar con los tiempos largos de la robótica. El presidente ejecutivo de Hyundai, Chang Jae-hoon, ya advirtió en diciembre que 2026 será un “año desafiante” para la industria automotriz, con posibles ajustes en la demanda global.

Mientras tanto, los inversores parecen dispuestos a apostar por el largo plazo. Con una valoración que ya supera a gigantes como Ford (US$50.000 millones) y se acerca a General Motors (US$55.000 millones), Hyundai Motor demuestra que su transformación va más allá de los autos. ¿Logrará consolidarse como líder en la próxima revolución industrial, o será otro eslabón en la cadena de promesas tecnológicas incumplidas?

Lecturas relacionadas:

• El impacto de la IA en la bolsa coreana: ¿Burbuja o oportunidad real?
• Tesla vs. Hyundai: La batalla por dominar los robots humanoides en 2024
• Cómo la alianza Hyundai-Nvidia podría redefinir la logística global
• Los 5 humanoides más avanzados del mundo (y qué pueden hacer hoy)

Boston Dynamics antes de Hyundai: los tropiezos que Atlas debe evitar

El salto bursátil de Hyundai tras presentar Atlas en el CES 2024 ha eclipsado un detalle clave: este no es el primer intento de Boston Dynamics por revolucionar la robótica con humanoides. La empresa, adquirida por Hyundai en diciembre de 2020 por US$1.100 millones, arrastra una historia de prototipos prometedores que chocaron contra la realidad comercial. Analizar sus fracasos pasados —y cómo Hyundai podría sortearlos— es esencial para entender si el rally accionario tiene pies de barro.

El caso más sonado fue el de Handle (2017), un robot diseñado para manipular cajas en almacenes con agilidad sobrehumanas. Aunque su video de presentación acumuló 23 millones de vistas en 48 horas, el proyecto se canceló en 2019 tras invertir US$150 millones. El problema: su costo por unidad (US$250.000) lo hacía inviable frente a soluciones de automatización tradicional (como brazos robóticos de Fanuc, que cuesta un 60% menos). Otro ejemplo fue Spot, el perro robot lanzado en 2020 a US$74.500 por unidad. Aunque se vendieron 400 unidades en su primer año —principalmente a empresas de construcción y seguridad—, el 78% de los clientes reportaron que su uso real estaba por debajo del 30% de su capacidad, según un informe interno filtrado a MIT Technology Review.

Hyundai parece haber aprendido: en lugar de vender Atlas como un producto terminado, lo posiciona como una plataforma modular para desarrolladores. La estrategia recuerda a la de Nvidia con sus chips, que en 2018 pasó de vender hardware a licenciar su arquitectura CUDA a terceros, multiplicando sus ingresos por 4 en tres años. Pero el riesgo persiste: Amazon Robotics (competidor directo) ya abandonó en 2022 su línea de humanoides tras perder US$800 millones en cinco años, según documentos judiciales de su demanda contra iRobot.

Tres factores diferenciales de Hyundai:

• Integración con la cadena logística: A diferencia de Boston Dynamics bajo Alphabet (2013-2017), Hyundai tiene divisiones como Hyundai Glovis (logística) y Hyundai Mobis (autopartes) para probar Atlas en entornos reales sin depender de clientes externos.
• Alianza con Nvidia: El acceso a la plataforma Isaac (para simulación de robots) reduce el tiempo de desarrollo. En 2023, empresas que usaron Isaac recortaron un 40% el tiempo de entrenamiento de sus modelos, según Nvidia.
• Enfoque en Asia: El 65% de la demanda global de robótica industrial proviene de China, Corea del Sur y Japón (datos de IFR 2023). Hyundai ya tiene acuerdos con Foxconn para probar Atlas en fábricas de Shenzhen.

La prueba de fuego: 2025 o el riesgo de repetir errores

Hyundai ha prometido un piloto comercial de Atlas para finales de 2025, pero el calendario es ajustado. Tesla, su principal rival, lleva dos años de retraso con Optimus (anunciado en 2021 para producción en 2023). Si Hyundai incumple su plazo, los inversores podrían castigar sus acciones con la misma dureza con que ahora las premian: en 2021, las acciones de SoftBank Robotics (dueña de Pepper) cayeron un 37% en un mes tras posponer su robot de servicios. La pregunta no es si Atlas funcionará, sino si lo hará a tiempo y a un costo que el mercado acepte. El precedente de Boston Dynamics bajo Hyundai sugiere que, esta vez, la paciencia podría ser más corta.

La entrada Hyundai dispara su valor: US$24.000 millones en ganancias por robótica y IA física se publicó primero en En foco Hoy.