.png)
El desarrollo de la Inteligencia Artificial siempre ha tenido un límite evidente: la pantalla. Sin embargo, los modelos de frontera están a punto de romper esa barrera para interactuar directamente con el mundo físico.
Un reciente experimento del Frontier Red Team de Anthropic y Andon Labs ha puesto sobre la mesa una pregunta inquietante y fascinante. ¿Puede una IA controlar de forma autónoma un dron comercial en un espacio cerrado?
La respuesta ya no es teórica. La capacidad de operar hardware abre una inmensa superficie de beneficios económicos, pero inaugura simultáneamente una nueva área de riesgo crítico que nuestra sociedad debe abordar urgentemente.
De tenderos digitales a pilotos en el mundo real
Durante el último año, diversas investigaciones han rastreado cómo los modelos más avanzados interactúan con la física.
En el Project Vend, vimos cómo los modelos de IA podían gestionar una pequeña tienda comercial de forma sorprendentemente eficaz.
Posteriormente, el Project Fetch sirvió como un vistazo temprano a los robots actuando como puente entre el plano digital y los objetos físicos.
En esta segunda fase, la evolución ha sido meteórica e imparable. La capacidad actual de los modelos para utilizar robots listos para usar está en camino de alcanzar la misma naturalidad con la que los agentes de programación manejan herramientas de software.
El proyecto Pilot y la naturaleza de doble uso
El reto central del proyecto anterior carecía de utilidad práctica y de urgencia política, al tratarse simplemente de hacer que un perro robot buscara una pelota de playa.
Por eso, este nuevo piloto ha elevado las apuestas con una tarea de altísima relevancia pública: un protocolo de localización y seguimiento en interiores usado habitualmente en vigilancia aérea.
Los drones aéreos son el ejemplo perfecto de tecnología de doble uso.
Se trata de dispositivos fácilmente disponibles que pueden utilizarse legítimamente para aumentar el rendimiento agrícola, o salvar vidas en operaciones de búsqueda y rescate en desastres naturales.
Pero esa misma accesibilidad los convierte en armas potenciales en conflictos bélicos o en herramientas de abuso por parte de autoridades u organizaciones privadas sin escrúpulos. Documentar la intersección entre la IA y estos dispositivos es crucial.
Descomponiendo Drone-Bench en cinco tareas vitales
Para realizar esta evaluación, Andon Labs diseñó un nuevo estándar de medición llamado Drone-Bench.
El objetivo es localizar y seguir a una persona en un entorno de oficinas usando un dron aéreo (específicamente un modelo comercial de apenas 129 dólares).
Para lograrlo analíticamente, la misión se descompuso en cinco subtareas fundamentales y consecutivas. Primero, el modelo debe Reconstruir: convertir vídeos de la oficina en un modelo 3D y cortarlo en un mapa de obstáculos 2D.
Luego viene la fase de Localizar, donde la IA debe ubicar al dron en ese mapa bidimensional relacionando su visión actual de la sala.
El tercer paso es Navegar, que implica planificar la ruta entre habitaciones, volar y llamar continuamente a la función de localización para corregir errores ruidosos en los controles.
Después debe Detectar a la persona objetivo mediante una foto de referencia y dibujar un cuadro delimitador a su alrededor en tiempo real. Finalmente, la función Seguir exige mantener al objetivo centrado y a una distancia estable mientras se mueve.
La referencia base: ni suelo humano ni techo colaborativo
Para medir el éxito de la IA, era vital establecer una línea base de rendimiento que fuera verdaderamente significativa.
Las bases exclusivas de humanos ya no reflejan la realidad diaria de la ingeniería de software actual. Por ello, el equipo de Andon Labs trabajó mano a mano con agentes de programación para desarrollar algoritmos precisos para cada subtarea.
Esta línea base no representa el nivel mínimo de capacidad humana no asistida. Tampoco es el techo máximo de lo que puede lograr una intensa colaboración.
Es, sencillamente, lo que pueden lograr hoy en día expertos en IA utilizando un conjunto realista de herramientas modernas de programación.
El rendimiento de los 15 modelos y la colisión de Fable 5
El experimento puso a prueba nada menos que 15 modelos de vanguardia desarrollados por tres empresas diferentes.
La exhaustiva lista incluye modelos como GPT-4o, GPT-4o Nov, o1, o3, Claude Opus 4, Gemini 2.5 Pro, GPT-5, Gemini 3.1 Pro, Opus 4.5, GPT-5.2, Opus 4.7, GPT-5.5, Opus 4.8, Fable 5 y GPT-5.6 Sol.
La tendencia general demuestra que los modelos más nuevos avanzan sucesivamente y con firmeza en todas las pruebas.
Actualmente, son excelentes en las fases de detección y seguimiento, pero sufren cuellos de botella en la reconstrucción y la localización espacial.
El líder indiscutible fue Claude Fable 5, capaz de superar la línea base humana en casi todas las tareas operativas. De hecho, ejecutando la demostración de principio a fin, logró seguir al humano de referencia mucho más de cerca que el algoritmo de control estándar.
Pero cometió un error verdaderamente fatal en la navegación autónoma entre habitaciones. Debido a errores acumulados desde la fase inicial de reconstrucción, Fable 5 voló el dron con total confianza contra lo que creía que era una puerta, pero que en realidad era una pared.
Ingenio espacial: analizando lechada para encontrar ángulos
A pesar de ese tropiezo físico, los modelos demostraron destellos de genialidad que demuestran un verdadero razonamiento espacial.
Al revisar los registros internos, se observó que Fable 5 realiza análisis locales de gran sofisticación antes de ejecutar su código en el entorno real.
En una prueba, el modelo calculó las características extrínsecas de la cámara analizando exclusivamente la simulación de vídeo. Utilizó las líneas de lechada del suelo de la oficina para recuperar con exactitud el punto de fuga de la escena.
Con este sistema analítico, estimó la inclinación de la cámara con un sorprendente margen de error de solo 4 grados respecto al valor real.
En otra instancia, construyó de forma autónoma su propia reconstrucción en vista superior 2D del entorno para depurar fallos de software internamente antes de consumir un intento oficial.
La brecha de seis meses hacia la consistencia operativa
El desglose metódico por tareas permite a los investigadores evitar sorpresas de desarrollo a gran escala.
Lo que pronto parecerá ante el público como un salto tecnológico abrupto, es en realidad un progreso gradual en habilidades modulares. Sin embargo, hay una profunda distinción entre lograr un éxito puntual y ser consistente.
Las pruebas repetidas en 10 simulaciones revelan que la frontera técnica de lo que los modelos pueden hacer excepcionalmente va unos 6 meses por delante de su consistencia promedio.
Hoy en día, Fable 5 alcanza la línea base promedio solo en tres de las cinco tareas principales. Este hito operativo llega justo medio año después de que el modelo lograra superar esa misma marca en un único intento histórico.
Impacto en empresas y despachos: el desafío de la vigilancia inteligente
La irrupción de estas tecnologías exige una respuesta inminente por parte de despachos profesionales y responsables empresariales de compliance.
El uso de hardware comercial económico operado por software adaptado con IA democratiza el acceso a herramientas de vigilancia avanzada sin precedentes. Los asesores laborales y legales deben anticiparse hoy a cómo sus clientes implementarán estos sistemas en un futuro cercano.
Auditar rigurosamente la legalidad del rastreo automatizado de personas en almacenes, fábricas u oficinas será un requerimiento corporativo estándar e ineludible.
Cualquier empresa que despliegue modelos de agentic commerce vinculados al mundo físico tendrá que establecer marcos de gobernanza internos muy estrictos. La privacidad y la seguridad física de los empleados acaban de entrar en un nuevo y delicado nivel de complejidad regulatoria.
La tentación económica de eliminar la supervisión humana
En los inicios de la programación autónoma, los humanos revisaban manualmente cada llamada a herramientas externas que realizaba el modelo algorítmico.
Apenas unos meses después, la confianza corporativa creció tanto que esa revisión casi ha desaparecido de los flujos de trabajo. El control automatizado de la robótica y el hardware sufrirá exactamente la misma presión.
Mientras las capacidades del modelo son bajas, mantener a un humano en el bucle de decisión es fácil, ya que evita errores sumamente costosos en el entorno físico.
Pero una vez que la IA cruce con solvencia la barrera de la fiabilidad, la supervisión humana dejará de verse como una garantía. Habrá una inmensa presión del mercado para catalogar al supervisor humano como un simple sobrecoste operativo.
En escenarios que comprometen la privacidad y la integridad física, esa decisión no puede ni debe depender únicamente de la pura eficiencia económica.
Conclusión: El mundo físico como escenario final
La transición de la IA puramente digital a los agentes capaces de operar hardware de forma autónoma está ocurriendo frente a nuestros ojos. El proyecto piloto de Anthropic y Andon Labs deja absolutamente claro que los obstáculos actuales son solo cuestiones temporales de refinamiento analítico, no barreras tecnológicas insuperables.
Cuando los nuevos modelos superen finalmente la dificultad técnica de la reconstrucción del espacio 3D, veremos sistemas autónomos operando en entornos reales con una eficacia desconocida hasta hoy. Este escenario inminente traerá inmensos beneficios operativos, pero multiplicará los riesgos exponenciales en la gestión del espacio físico.
Gobiernos, desarrolladores y la sociedad civil empresarial deben construir normativas preventivas antes de que la presión por la reducción de costes imponga su propia ley. Ignorar el despliegue del hardware autónomo es un lujo estratégico que la seguridad y la privacidad ya no se pueden permitir.
