Por Canuto  

Nomagic, una empresa con base en Polonia y presencia en EE. UU., asegura haber dado un paso poco común en la robótica con IA: llevar un modelo visión-lenguaje-acción a operaciones reales de almacén con clientes que pagan. Su apuesta no es construir primero un cerebro robótico universal, sino dominar tareas concretas desde el inicio y usar esa experiencia para avanzar hacia sistemas más generales.
***

  • Nomagic afirma haber reducido aproximadamente a la mitad las intervenciones humanas causadas por robots en operaciones reales.
  • Su primer despliegue comercial de un modelo visión-lenguaje-acción se realizó con Brack.Alltron, en Suiza.
  • La empresa defiende un enfoque opuesto al de muchos laboratorios: priorizar precisión extrema en tareas específicas antes que generalidad.

La carrera por la llamada IA encarnada, o inteligencia física, se ha convertido en uno de los frentes más observados por inversionistas y tecnólogos. La promesa es ambiciosa: construir sistemas capaces de percibir el mundo y actuar sobre él mediante robots.

En ese escenario, muchas startups persiguen modelos de propósito general que funcionen como un cerebro robótico adaptable a casi cualquier máquina. La idea es reducir la necesidad de programación manual y acelerar la automatización en industrias muy distintas.

Nomagic, una empresa con sede europea en Varsovia, Polonia, y sede en Estados Unidos en Sandy Springs, Georgia, está optando por una ruta distinta. En lugar de partir de un sistema general y luego buscar que domine tareas específicas, intenta lograr primero una precisión muy alta en tareas concretas.

Esa estrategia cobró nueva forma a inicios de este año, cuando la compañía creó un laboratorio de investigación en IA dirigido por Markus Wulfmeier. El ejecutivo es ex investigador de robótica en Google DeepMind y hoy ocupa el cargo de científico jefe en Nomagic.

Ahora la empresa anunció el despliegue de su primer modelo visión-lenguaje-acción, o VLA por sus siglas en inglés, en clientes que están pagando por el servicio. Según la información reportada por Fortune, Nomagic sostiene que figura entre las primeras compañías del mundo en operar este tipo de modelos en producción activa y no solo en demostraciones o pruebas de laboratorio.

Una apuesta por la precisión antes que por la generalidad

Los modelos VLA combinan percepción visual, comprensión de instrucciones escritas y capacidad de ejecutar acciones físicas. En teoría, eso permite que un robot identifique objetos, entienda órdenes humanas y actúe en consecuencia dentro de un entorno real.

Sin embargo, el problema central de esta tecnología no es solo que funcione una vez. El verdadero reto es sostener niveles de fiabilidad suficientemente altos como para que una operación industrial no se detenga cada vez que aparece una situación inesperada.

Nomagic cree que ahí está el principal error del enfoque dominante. Mientras gran parte del sector intenta diseñar primero el cerebro robótico más general posible, la empresa afirma que la parte más difícil es alcanzar una maestría real en tareas específicas dentro de implementaciones concretas.

Wulfmeier resumió esa visión con claridad al señalar que la mayoría de la comunidad corre hacia la construcción del cerebro robótico más general. Según dijo a Fortune, la apuesta de Nomagic es que la parte más dura es la maestría real y que esa debe ganarse primero en despliegues del mundo real.

Ese planteamiento también responde a una limitación histórica de la robótica industrial y logística. Los sistemas tradicionales de control podían requerir semanas o incluso meses de programación en sitio para ejecutar una sola tarea con eficiencia aceptable.

La ambición de los nuevos modelos de IA era eliminar parte de esa rigidez. Pero, incluso hoy, muchos sistemas generales todavía rinden bastante por debajo de la precisión de un humano cuando se usan tal como vienen de fábrica.

Los primeros resultados en almacenes y el caso Brack.Alltron

El primer despliegue comercial del VLA de Nomagic se realizó con Brack.Alltron, la segunda mayor plataforma de comercio electrónico de Suiza. Esa empresa ya utilizaba robots de Nomagic para automatizar la selección y el empaquetado de pedidos en sus almacenes.

El foco inicial del nuevo modelo no fueron las tareas más vistosas, sino los llamados casos límite. Se trata de situaciones poco comunes en las que un robot queda atascado y necesita pedir ayuda a un operador humano.

Nomagic asegura que al orientar el VLA hacia esos casos límite más frecuentes logró reducir aproximadamente a la mitad la tasa de intervenciones humanas causadas por robots en operaciones en vivo. Aunque el resultado puede parecer poco glamoroso, tiene gran relevancia económica para la automatización.

Roland Brack, fundador y propietario de Brack.Alltron, dijo que la incorporación de estos sistemas marcó un cambio importante. En sus palabras, antes el objetivo era simplemente minimizar la intervención manual, pero ahora están viendo robots que realmente entienden su entorno.

Brack añadió que esa inteligencia les permite realizar turnos autónomos durante las noches y los domingos. Según explicó, eso ayuda a mantenerse por delante de los picos de demanda sin aumentar la presión sobre la fuerza laboral humana.

Ese punto ilustra por qué la fiabilidad pesa más que la novedad visual en este segmento. Si un robot funciona de forma suficientemente autónoma en franjas difíciles de cubrir con personal, el valor operativo crece de manera inmediata.

El problema de los casos raros y la vara del 99,9%

Nomagic reconoce que su sistema VLA aún no es perfecto, incluso dentro de las tareas específicas de selección de cajas en las que se está enfocando. La empresa admitió que sus VLA todavía no alcanzan por sí solos una tasa de éxito de 99,9%.

La compañía fue más allá y afirmó que ninguna VLA desplegada por clientes ha llegado todavía a ese nivel. Ese reconocimiento es importante porque contrasta con el tono triunfalista que a menudo acompaña a ciertos anuncios sobre IA robótica.

Para compensar esa brecha, Nomagic construyó un sistema híbrido. Su software robótico clásico más antiguo funciona como un arnés que captura errores y hace cumplir condiciones de seguridad, de modo que el sistema completo sí pueda ser confiable dentro de los almacenes de clientes.

Kacper Nowicki, cofundador y CEO de Nomagic, explicó esa lógica con una frase contundente. Dijo que en el mundo físico el estándar es alto y que la fiabilidad de 99,9% no es un número de marketing, sino el costo de ser autorizado a entrar en el edificio.

Nowicki agregó que por eso construyeron un arnés que cumple con ese estándar desde el primer día, mientras la IA en su interior sigue mejorando. Tanto él como Wulfmeier esperan que, con el tiempo, modelos más fuertes vuelvan innecesarias partes de ese arnés.

Ese punto conecta con un problema conocido en otras áreas de automatización avanzada. La misma dificultad de gestionar una lista casi interminable de situaciones raras ha frenado durante años el despliegue masivo de vehículos autónomos.

Simulación, teleoperación y datos del mundo real

Hoy buena parte de las empresas que desarrollan IA para robótica entrenan sus modelos mediante simulación o con teleoperación humana. En el primer caso, el robot aprende dentro de entornos digitales y luego transfiere esas habilidades al mundo físico.

En el segundo, operadores humanos controlan inicialmente al robot de forma remota y generan ejemplos que después sirven para el aprendizaje por imitación. Según Wulfmeier, una combinación de esos métodos puede llevar a un modelo a cerca de 80% de precisión en un rango amplio de tareas.

Pero 80% no es suficiente para un almacén real. Wulfmeier sostuvo que, en la práctica, ese nivel es casi inútil si un robot requiere intervención humana incluso una vez por hora, porque la economía de la automatización suele desmoronarse.

Aunque realizó trabajo extenso en estrategias de simulación en DeepMind y sigue creyendo en esa herramienta, el científico dijo que duda que la simulación o la teleoperación por sí solas puedan cerrar de forma económica la brecha restante. El objetivo final sigue siendo alcanzar la fiabilidad que exige el mundo físico.

Ahí es donde Nomagic dice tener una ventaja clave frente a laboratorios de investigación pura. La empresa ya cuenta con una flota de robots desplegada en clientes y puede recolectar grandes volúmenes de datos del mundo real de manera continua.

Según la compañía, esa flota genera millones de selecciones exitosas de paquetes cada mes. Solo en la plataforma de moda Zalando, indicó Nomagic, se producen dos millones de picks mensuales.

En vez de depender principalmente de teleoperación o de simulaciones, la firma entrena sus VLA con esos datos de despliegue. Wulfmeier describió ese flujo como excepcionalmente rico y diverso, precisamente porque proviene de operaciones reales con variabilidad auténtica.

De una demostración a un negocio

La apuesta de Nomagic no se limita a una tesis técnica. También es una tesis comercial sobre cómo debe construirse una empresa de robótica aplicada en un momento donde abundan los prototipos llamativos y escasean los despliegues rentables.

Tristan d’Orgeval, cofundador y director de estrategia de Nomagic, afirmó que empezar con robots trabajando en el mundo real es un diferenciador clave frente a otras compañías. En su visión, no construyeron primero un laboratorio para luego salir a buscar un problema.

Según d’Orgeval, el proceso fue el contrario: comenzaron en operaciones reales, con clientes que necesitaban el robot, y la IA capaz surgió de esa base. Añadió que el orden importa, porque eso es lo que separa una demostración de un negocio.

Ese mensaje también quedó reforzado por un reconocimiento reciente a la empresa. Nomagic ganó el premio International Intralogistics and Forklift Truck of the Year 2026, conocido como IFOY 2026, por su Shoebox Picker.

El galardón distingue a la compañía cuyo dispositivo de clasificación y selección logra dominar uno de los retos más difíciles de la automatización de almacenes. En este caso, se trata de manipular cajas de zapatos de dos piezas sin que las tapas se caigan.

Ese detalle, que puede parecer menor para un observador ajeno al sector, resume bien el corazón del problema robótico. En el mundo físico, los avances verdaderamente valiosos suelen medirse en tareas repetitivas y complejas que parecen simples hasta que una máquina intenta ejecutarlas con consistencia.

Si la estrategia de Nomagic resulta sostenible, podría ofrecer una ruta alternativa para la IA física. En vez de prometer un cerebro universal desde el comienzo, la empresa intenta demostrar que la automatización rentable nace cuando la precisión, los datos del mundo real y la integración operativa avanzan antes que la ambición totalizante.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados