Hasta ahora, la inteligencia artificial vivía atrapada detrás de una pantalla. Sus capacidades de razonamiento eran inmensas, pero su interacción autónoma con el entorno físico era prácticamente nula.
Eso acaba de cambiar por completo.
Con el anuncio de la versión preliminar del Model Hardware Standard (MHS), Anthropic ha dado el primer paso firme para que los agentes de IA operen dispositivos físicos en paralelo. Un movimiento que transforma a los modelos de lenguaje en verdaderos operadores de maquinaria en el mundo real.
El fin de la integración a medida: Por qué nace el estándar
En cualquier laboratorio o instalación de fabricación, configurar e integrar el hardware requiere semanas, si no meses.
La inmensa mayoría de los dispositivos no se comunican entre sí. Esta desconexión estructural obliga a las empresas a contratar especialistas para construir integraciones informáticas totalmente a medida.
El desarrollo del MHS comenzó para solucionar precisamente este embudo, fruto de una colaboración entre Alek Kemeny, del equipo de Anthropic, y Arco Bast, del HHMI Janelia Research Campus.
Bast necesitaba ejecutar experimentos complejos utilizando láseres y cámaras de distintos proveedores sin una interfaz común. Tras crear un diccionario de memoria compartida, ambos lograron integrar modelos de IA directamente en esa interfaz.
El resultado es un estándar que reduce el trabajo de integración a simples horas o minutos.
Un idioma universal: Cómo funciona el nuevo ecosistema técnico
Conseguir que varios dispositivos se comuniquen en una fábrica ya es un reto monumental. Añadir inteligencia artificial a la ecuación eleva la dificultad al extremo.
El MHS soluciona esto introduciendo un driver estandarizado. Es un software puente que traduce entre el sistema operativo de un ordenador y el dispositivo de hardware físico.
Este driver utiliza comandos primitivos extremadamente simples. Se basa en instrucciones básicas como "leer" (obtener temperatura) o "escribir" (fijar temperatura) que cualquier máquina puede entender.
Además, hace que cada dispositivo sea descubrible bajo un formato estándar. Las máquinas y los agentes pueden encontrarse en una red y comunicarse sin necesidad de un programa traductor intermedio diseñado ad hoc.
El contexto físico: Enseñando a la IA a no romper las máquinas
Para que un agente opere hardware de forma segura, necesita comprender características físicas que rara vez aparecen en el código de programación.
Por ejemplo, conocer el peso exacto de un brazo robótico es vital para manipularlo sin causar accidentes.
Históricamente, estos datos vitales vivían en manuales de papel, en archivos perdidos o en el conocimiento tácito de los operarios. El driver del MHS incorpora etiquetas que permiten al usuario documentar esta información en lenguaje natural.
Incluso se puede alimentar el sistema chateando con un agente que entrevista al operario sobre su configuración de hardware.
A partir de esas etiquetas, el sistema genera automáticamente un archivo de referencia. Este documento detalla al agente qué puede medir la máquina, qué ajustes admite y qué límites estrictos de seguridad debe respetar.
El agente explorador: Claude interactúa como un científico humano
Una vez conectado y parametrizado, el agente necesita tomar el control efectivo del hardware.
Para ello, el MHS utiliza tres mecanismos coordinados: el Model Context Protocol (MCP), la interfaz de línea de comandos y los archivos de código (APIs). Estas herramientas permiten orquestar múltiples dispositivos utilizando una única línea de código.
Las pruebas en entornos reales han revelado un comportamiento fascinante: Claude interactúa con el hardware de manera exploratoria.
Al intentar ajustar un láser cuántico, el modelo observa a través de una cámara cómo su ajuste mueve el haz de luz. Luego repite el proceso, buscando entender la secuencia causal de los eventos físicos.
Una vez comprende la dinámica, empaqueta lo aprendido en un script determinista. Esto le permite ejecutar todo el proceso con un solo comando, operando a alta velocidad sin tener que razonar cada paso individual.
Resultados tangibles: De microscopios a ordenadores cuánticos
Aunque se trata de una versión preliminar de investigación compartida con un primer grupo de laboratorios, los resultados iniciales ya demuestran el potencial del agentic commerce en entornos de alta precisión.
- QuEra Computing permitió a un agente controlar el sistema láser de sus ordenadores cuánticos, logrando que recupere la frecuencia ultraprecisa el 99.3% de las veces de forma totalmente autónoma.
- Carnegie Mellon University aceleró sus experimentos de respuesta a dosis al triple de velocidad. Un solo agente orquestó cámaras, manipuladores de líquidos y brazos robóticos repartidos en tres ordenadores con interfaces incompatibles.
- Genentech probó el estándar para automatizar procesos de ensayo de proteínas coordinando brazos robóticos y lectores de placas.
- En el HHMI Janelia, la científica Virginie Ruetten unificó bajo este estándar un equipo de investigación microscópica que antes requería siete programas distintos.
- La Universidad de Washington construyó sistemas supervisados por IA que vigilan curvas de amplificación de ADN y detienen la copia en el segundo exacto.
Empresas como Tetsuwan Scientific también están utilizando el estándar para perfilar la contaminación local en el arroyo San Pedro de California mediante flujos de trabajo automatizados.
El respaldo industrial: Una adopción masiva del estándar
El impacto real de cualquier estándar depende del soporte que le den los fabricantes. La industria tecnológica está respondiendo al MHS de forma masiva.
Amazon Web Services (AWS) soportará el estándar a través de su biblioteca Strands Robots, proporcionando una versión privada a los participantes de la investigación.
Fabricantes de hardware avanzado como Automata, Danaher, MBF Bioscience, Tecan y Universal Robots ya están añadiendo soporte nativo para que los agentes operen sus plataformas. Esto abarca desde microscopios de escaneo láser hasta plataformas de manipulación de líquidos.
Empresas de uso generalizado como Raspberry Pi están habilitando la integración tras pruebas exitosas con cámaras. Al mismo tiempo, gigantes del código abierto como Hugging Face lo incluirán en su biblioteca de robótica LeRobot.
El choque con la realidad física: Limitaciones que exigen supervisión
Pese a la revolución que supone, la inteligencia artificial sigue aprendiendo del mundo físico a través de textos e imágenes estáticas.
Esto significa que el razonamiento espacial y físico de modelos como Claude todavía presenta lagunas que exigen supervisión experta.
Durante las pruebas de Genentech, por ejemplo, la formación de espuma en unas muestras de proteínas provocó errores operativos.
Claude interpretó inicialmente esto como un fallo de software clásico. Los investigadores humanos tuvieron que intervenir para enseñar al modelo que se trataba de un problema físico que solo podía mitigarse con correcciones mecánicas apropiadas.
Además, el MHS requiere imperativamente que el hardware disponga de una interfaz programable. Anthropic ya está trabajando con fabricantes de dispositivos más cerrados para construir drivers específicos de compatibilidad.
Impacto en despachos y empresas: La nueva auditoría de activos físicos
Para los despachos profesionales, asesorías y consultoras empresariales, el despliegue del Model Hardware Standard anticipa un cambio radical en la forma de auditar y asesorar a los clientes del sector secundario.
La automatización compleja dejará de ser un lujo reservado para gigantes corporativos con enormes presupuestos de integración de software.
Los asesores tecnológicos deberán revisar urgentemente el parque de maquinaria de sus empresas cliente. El requisito de supervivencia ahora será contar con interfaces programables compatibles con sistemas de IA.
Las pymes industriales que sigan invirtiendo en hardware "cerrado" quedarán automáticamente excluidas de esta inminente revolución de agentes autónomos, perdiendo competitividad en márgenes y tiempos de producción.
El diseño de una hoja de ruta para integrar flujos de IA en entornos de laboratorio y fábricas será, sin duda, la nueva gran frontera de la consultoría estratégica.
Conclusión: El fin del aislamiento digital de la Inteligencia Artificial
El desarrollo del Model Hardware Standard representa el puente definitivo entre el razonamiento lógico de los grandes modelos de lenguaje y la ejecución en el mundo físico.
Reducir un proceso de integración de hardware que costaba meses a escasos minutos democratizará la automatización a gran escala. La ciencia y la manufactura acelerarán sus ciclos de descubrimiento de forma exponencial.
Anthropic todavía debe afinar la seguridad física y las evaluaciones antes de liberar el código abierto del sistema. Pero el mensaje ya está claro: la inteligencia artificial está oficialmente lista para remangarse y empezar a trabajar con las máquinas.
