Robótica · operación
Los robots llegan a la acera; ahora empieza el turno de mantenimiento
Robot.com y Sodexo firman siete años: la autonomía comercial se medirá en horas útiles, intervención y coste.
La robótica de reparto suele presentarse como una carrera por construir la máquina más llamativa. El acuerdo anunciado por Robot.com y Sodexo obliga a mirar una capa bastante menos fotogénica y mucho más decisiva: la operación. Las dos compañías han firmado un contrato comercial de siete años que amplía una relación iniciada en 2021 en campus universitarios de Norteamérica gestionados por Sodexo. No es una prueba de una tarde ni una promesa sin calendario. Es un compromiso prolongado para mantener robots trabajando entre estudiantes, peatones, pedidos, bordillos y horarios reales.
La información procede de The Robot Report, que entrevistó a Felipe Chavez Cortes, cofundador y consejero delegado de Robot.com. La empresa, fundada como Kiwibot en 2017, afirma haber desplegado más de 500 robots R-Kiwi y haber completado 2,4 millones de tareas en campus y aceras urbanas. Son cifras comunicadas por la compañía, no una auditoría independiente, y conviene conservar esa distinción. Aun así, describen una escala que permite evaluar algo más útil que la calidad de una demostración: si el sistema puede repetir el servicio suficientes veces como para sostener un contrato empresarial.
El campus como laboratorio imperfecto
Los campus son un terreno intermedio. Están al aire libre y tienen tráfico humano, pero no concentran toda la complejidad de un centro urbano. Cortes los define como un buen entorno de preparación precisamente por esa mezcla: hay personas y obstáculos, aunque el espacio es más previsible que una ciudad. Para una empresa de robótica, esa regularidad relativa permite aprender sin fingir que el mundo real es una pista cerrada. Para Sodexo, permite probar si una entrega autónoma resuelve una necesidad concreta en lugares donde faltan trabajadores y las distancias internas son relevantes.
El contrato no significa que todos los campus de Sodexo vayan a recibir robots ni que el modelo económico esté demostrado en cualquier ciudad. El brief habla de una ampliación en campus seleccionados, y la cobertura no detalla cuántas ubicaciones nuevas entrarán ni cuál es el valor económico del acuerdo. La duración es una señal de confianza comercial, pero no sustituye esas cifras. Tampoco elimina el precedente de empresas que han reducido entregas universitarias para concentrarse en otros mercados. La noticia importante no es que la categoría ya haya ganado, sino que un operador insiste en ella después de cinco años de aprendizaje conjunto.
La autonomía también tiene personas detrás
Robot.com explica que mantiene sus máquinas con una arquitectura por capas. Hay atención en el lugar, teleoperación y asistencia de agentes de IA. Esa descripción rebaja una fantasía frecuente: un robot autónomo no es necesariamente una caja que sale sola y vuelve sola. La autonomía comercial incluye observación, intervención, conectividad, mantenimiento y un protocolo para decidir cuándo una persona debe tomar el control. La métrica que Cortes dice vigilar es el número de horas operativas que generan ingresos, porque una máquina inmóvil puede ser técnicamente interesante y económicamente inútil.
Según el ejecutivo, la flota acumuló un cuarto de millón de horas generadoras de ingresos durante la primera mitad de 2026 y la empresa aspira a llegar pronto al millón de horas anuales. De nuevo, son datos corporativos. Su valor editorial está en mostrar qué se mide cuando termina la presentación: disponibilidad, coste por hora, capacidad de intervención y servicio entregado. El número de robots importa menos si una parte sustancial permanece parada, necesita rescates continuos o genera más gasto de supervisión que valor operativo.
La plataforma Remi reúne, según Robot.com, robótica clásica, software de terceros y tecnología publicitaria. La publicidad permite sumar ingresos a los de la entrega y mejorar la economía del despliegue. Ese detalle explica que el robot no sea sólo un vehículo: también es una pantalla que circula por un espacio semipúblico. La mezcla abre preguntas legítimas sobre convivencia, atención y gobernanza del campus. La fuente no ofrece datos sobre contenidos publicitarios, privacidad o reparto de ingresos, así que no corresponde completar esos huecos. Sí corresponde anotarlos como parte del producto real.
Ruedas antes que piernas
La empresa prepara además R-Dog, un cuadrúpedo con ruedas y patas que podría subir escaleras, entrar en vehículos y dejar paquetes sin que el receptor abra un compartimento. También trabaja en un humanoide con base de ruedas. Son planes de cartera, no el objeto probado por el contrato actual. Cortes reconoce que hoy una plataforma con ruedas ofrece la combinación de rendimiento, fiabilidad y coste que necesitan sus clientes. La comparación es útil porque devuelve la innovación a una pregunta sencilla: qué forma permite trabajar más horas por menos dinero sin empeorar la seguridad.
Robot.com afirma colaborar con Field AI y Physical Intelligence para objetivos de seguridad a medida que entra en entornos más exigentes. La cobertura no aporta indicadores de accidentes, tasa de intervención ni metodología de evaluación, por lo que sería excesivo convertir la colaboración en certificación. En despliegues físicos, la ausencia de esos datos pesa. Los robots comparten espacio con personas que no han aceptado participar en una prueba y que no deberían cargar con el coste de una autonomía inmadura.
Lo que demuestra y lo que aún debe demostrar
El acuerdo demuestra que la robótica de acera puede superar la fase de piloto corto para al menos dos socios que llevan años trabajando juntos. También revela el conjunto de piezas necesarias: cliente con volumen, entorno acotado, soporte local, teleoperación, software de implementación y una cuenta de resultados que no dependa de una sola fuente de ingresos. No demuestra cobertura universal, autonomía plena ni rentabilidad del mercado completo.
La prueba verdadera llegará en la repetición silenciosa. Que la comida llegue cuando llueve, que el robot no bloquee el paso, que una avería tenga respuesta y que el coste de cada intervención no devore el margen. La robótica deja de ser una demo cuando la conversación ya no gira alrededor de si el aparato sabe moverse, sino de quién lo mantiene, quién responde cuando falla y cuántas horas útiles produce. Siete años dan tiempo suficiente para que esas respuestas dejen de ser promesas.
Fuente: The Robot Report, 4 de septiembre de 2026
Leer el artículo →
Producto · memoria
Gemini Spark entra en la fototeca y los permisos pasan a ser producto
Google permite encadenar búsqueda, edición, álbumes y mensajes, con copias, privacidad por defecto y confirmaciones.
Google Photos contiene mucho más que imágenes bonitas. Guarda rostros, lugares, horarios, recibos, matrículas, rutinas familiares y años enteros de memoria personal. Por eso la nueva integración documentada por Google para Gemini Spark merece atención: el agente ya no se limita a describir una fotografía. Puede encadenar búsquedas, selección, edición, creación de álbumes, redacción de mensajes y tareas programadas a partir de una sola instrucción. La comodidad es evidente. También lo es la necesidad de saber exactamente en qué momento una sugerencia se convierte en una acción.
La fuente primaria es la ayuda oficial de Gemini Apps. Google explica que la función se está desplegando gradualmente y puede no estar disponible todavía. Requiere tener al menos 18 años, estar en Estados Unidos —con algunas regiones excluidas—, ser elegible para Gemini Spark y conectar Google Photos a Gemini Apps. Por ahora sólo funciona en inglés, desde la aplicación móvil de Gemini o en gemini.google.com. Estos límites son parte de la noticia: no estamos ante una capacidad universal ya presente en todas las cuentas.
De encontrar una foto a completar un flujo
La diferencia entre un buscador y un agente aparece en la secuencia. Un usuario puede pedir que encuentre las quince mejores imágenes de un viaje, mejore las tomadas en la playa, las coloque en un álbum compartido y prepare un correo con el enlace. También puede programar tareas recurrentes, como seleccionar cada fin de semana las mejores fotos de comida, crear un collage y añadirlo a un álbum. Otra posibilidad combina la imagen de un cartel de conciertos con Google Calendar para comprobar qué fecha está libre.
Cada acción aislada ya existía de alguna forma: buscar, editar, ordenar, consultar el calendario o redactar un mensaje. La novedad es que Spark coordina varias herramientas y conserva el objetivo entre pasos. Eso reduce fricción, pero también concentra decisiones. Elegir “las mejores” fotografías implica un criterio opaco; identificar duplicados puede descartar variaciones que el usuario valora; extraer texto de una imagen puede convertir información visual en datos reutilizables por otra aplicación. El agente no sólo responde sobre el archivo: lo reorganiza.
Google establece tres frenos concretos. Las imágenes originales no se sobrescriben; cualquier edición produce una copia guardada en Photos. Los álbumes nuevos son privados por defecto. Y Gemini pide permiso antes de acciones como crear álbumes compartidos o enviar correos. Son decisiones de producto importantes porque separan lo reversible de lo que afecta a terceros. Una edición puede deshacerse conservando el original; un enlace enviado o una imagen compartida ya ha abandonado el espacio privado.
La confirmación importa más que el verbo mágico
Una interfaz conversacional tiende a esconder la maquinaria. El usuario escribe “ordena”, “comparte” o “envía”, y el sistema resuelve pasos que antes eran visibles. La confirmación final devuelve parte de esa visibilidad, pero su calidad dependerá de qué enseña: el destinatario exacto, el conjunto de fotos, el tipo de álbum y el texto que saldrá. La documentación confirma que existe permiso previo en ciertas acciones, aunque no describe aquí cada pantalla ni todos los casos límite. No conviene atribuirle garantías que la página no especifica.
También existe una diferencia entre acceso autorizado y criterio correcto. Conectar Photos permite al agente trabajar con el archivo, pero no le explica por qué una captura borrosa es emocionalmente importante, qué persona no quiere aparecer en un álbum compartido o qué documento fotografiado contiene información sensible. Un modelo puede clasificar por nitidez, composición o similitud sin compartir las prioridades del dueño. Cuanto más eficaz sea la automatización, más fácil será aceptar su selección sin revisar lo que ha quedado fuera.
Las tareas recurrentes añaden otra capa. Una instrucción programada puede seguir funcionando cuando el usuario ya no recuerda haberla creado. Gestionar recibos, resúmenes mensuales o álbumes familiares en segundo plano resulta útil precisamente porque desaparece de la atención cotidiana. Por la misma razón, el producto debería facilitar ver qué automatizaciones están activas, cuándo se ejecutaron, qué cambiaron y cómo detenerlas. La ayuda enlaza la documentación general de horarios, pero la página de Photos no detalla un registro completo de actividad.
Memoria personal y aplicaciones conectadas
La capacidad de cruzar datos entre aplicaciones amplía el valor del sistema y su superficie de riesgo. Una foto de un programa puede consultar Calendar; el texto de una imagen puede terminar reformateado en un documento; un álbum puede convertirse en un correo. No hay motivo para suponer que todo cruce sea inseguro, ni la fuente presenta una incidencia de privacidad. El punto verificable es otro: el alcance ya no se limita a una biblioteca. La acción puede continuar en servicios conectados, y por eso los permisos deben entenderse como una cadena, no como un único botón inicial.
Google ofrece centros de privacidad para Gemini Apps y para las funciones de Gemini en Photos, pero esta pieza no sustituye la lectura de esas políticas. La documentación operativa dice qué puede hacer Spark y qué confirmaciones aplica; no responde por sí sola a todas las preguntas sobre retención, uso de datos o trazas de ejecución. Para trabajo sensible, esa diferencia entre función y política no es burocracia: determina si la comodidad encaja con el contexto.
Un agente útil necesita bordes visibles
Gemini Spark muestra una dirección clara del producto: convertir archivos personales en materia operativa. En lugar de pedir una foto y terminar, el usuario delega un objetivo. El sistema busca, transforma, organiza y prepara la distribución. Eso puede ahorrar una hora de trabajo doméstico, pero también puede multiplicar un error con la misma eficiencia.
Los mejores elementos de la implementación descrita no son los más espectaculares. Son la copia en vez de sobrescribir, la privacidad por defecto y la confirmación antes de compartir o enviar. La prueba real será comprobar si esos frenos siguen siendo comprensibles cuando una tarea contiene muchos pasos y se repite en segundo plano. Un agente doméstico no gana confianza porque pronuncie bien el nombre de un álbum. La gana cuando deja claro qué vio, qué decidió, qué cambió y qué todavía depende de una persona.
Fuente: Google Gemini Apps Help, consultada el 6 de septiembre de 2026
Leer el artículo →
Seguridad · criterio
La montaña no acepta prompts: tres rescatados tras planear con Gemini
El grupo llegó a la cima siete horas después del límite recomendado y pasó la noche en Mud Creek Canyon.
Tres excursionistas tuvieron que ser rescatados esta semana en el monte Shasta, California, después de usar Gemini para preparar la salida. La frase invita a un titular fácil: la IA los mandó a la montaña y la montaña devolvió el error. Los hechos conocidos son más precisos y, por eso mismo, más útiles. Según la información publicada por TechCrunch a partir del Chicago Tribune y de un informe de la oficina del sheriff del condado de Siskiyou, los tres jóvenes salieron a las tres de la madrugada, alcanzaron la cumbre a las siete de la tarde y trataron de descender de noche.
La recomendación habitual es dar la vuelta si no se ha llegado a la cima al mediodía. El grupo siguió durante siete horas más, llamó después a la oficina del sheriff para pedir indicaciones y pasó la noche en Mud Creek Canyon. A la mañana siguiente fue localizado por guardabosques del Servicio Forestal y voluntarios. La oficina del sheriff señaló que Gemini les había recomendado llevar mucha menos comida y agua de la necesaria, especialmente cuando una ascensión prevista de ocho horas acabó convirtiéndose en una situación de varios días.
Una cadena de decisiones, no una causa mágica
No está claro que Gemini pueda cargar con toda la responsabilidad. TechCrunch lo dice expresamente y la prudencia importa. Una noticia breve no permite reconstruir el prompt, la respuesta completa, las advertencias mostradas, la experiencia del grupo, la previsión meteorológica que consultó ni por qué decidió continuar después de la hora límite. Tampoco demuestra un fallo general de todos los planes generados por el modelo. Presentar el rescate como un experimento controlado sería convertir una advertencia real en propaganda inversa.
Lo que sí documenta el caso es una combinación peligrosa: información insuficiente, un plan físico con márgenes estrechos y una voz digital capaz de sonar segura. Llevar menos agua y comida no fue el único punto de la cadena. También hubo una salida, un ritmo, una decisión al mediodía, otra al llegar a la cumbre al anochecer y un descenso que ya no podía hacerse con las condiciones previstas. La asistencia de IA entra en esa cadena, pero no elimina la obligación humana de revisar el terreno y abandonar un objetivo cuando los supuestos iniciales dejan de cumplirse.
La pantalla no conoce la mochila
Un modelo conversacional puede resumir rutas, comparar listas y proponer un horario. No puede ver el peso real de la mochila, medir la fatiga del caminante ni comprobar por sí solo que cada cantimplora está llena. Tampoco presencia un cambio de tiempo o el deterioro de una persona. Puede trabajar con datos, pero su respuesta no equivale a observación directa. La fluidez del lenguaje borra esa diferencia porque una lista bien redactada se parece demasiado a la instrucción de alguien que sí ha recorrido el camino.
La oficina del sheriff dio una recomendación concreta: llamar antes de la salida a la estación local de guardabosques del Servicio Forestal del monte Shasta para obtener información precisa y no depender únicamente de la IA para planificar. No pide prohibir una herramienta. Establece una jerarquía de fuentes. En una actividad donde importan las condiciones locales y el momento exacto, la autoridad cercana al terreno debe pesar más que una síntesis genérica. Una respuesta de Gemini puede servir como borrador de preguntas; no debería ser la última comprobación.
La regla del mediodía cumple además una función que muchos sistemas automáticos gestionan mal: activar una renuncia. Un plan no sólo debe decir cómo alcanzar una meta; debe definir cuándo dejar de intentarlo. Si la ascensión estaba calculada para ocho horas y la cumbre llegó dieciséis horas después de la salida, el escenario original ya había desaparecido. Continuar convierte cada reserva —luz, energía, comida, agua y temperatura— en una deuda. Ninguna precisión verbal compensa esa aritmética.
Diseñar recomendaciones para que puedan fallar
Las aplicaciones de IA suelen medir si la respuesta parece útil en el momento de leerla. En seguridad física hace falta otro criterio: qué ocurre cuando la recomendación es incompleta, el usuario interpreta mal una cifra o el entorno cambia. Un sistema responsable debería empujar hacia fuentes oficiales, hacer visibles sus límites y evitar cantidades tajantes cuando no conoce variables básicas como peso, experiencia, ruta exacta o condiciones. Esta noticia no detalla la interfaz ni permite afirmar qué advertencias ofreció Gemini, así que esas medidas son una exigencia editorial, no una descripción del producto usado por el grupo.
También conviene resistir la idea de que añadir una frase genérica —“consulta a un profesional”— resuelve todo. Las advertencias rutinarias se vuelven invisibles. En un plan de montaña, la fricción útil podría estar dentro de la tarea: pedir fecha, itinerario, previsión, nivel del grupo y fuentes oficiales; recordar una hora de retorno; separar mínimos conservadores de estimaciones; y exigir confirmación de que se ha consultado al servicio local. Cuanto mayor sea el riesgo, menos debería parecerse la respuesta a una orden completa lista para ejecutar.
Autoridad sin responsabilidad
El problema de fondo no es que la IA “alucine” en abstracto. Es la asimetría entre autoridad percibida y responsabilidad real. El chatbot presenta una recomendación con una voz coherente, pero no carga agua, no llama al rescate y no responde por la decisión de seguir. El usuario conserva la responsabilidad aunque la interfaz le haga sentir que ha consultado a una entidad informada. Esa distancia es soportable al elegir una receta; se vuelve crítica cuando el coste del error es una noche expuesto en la montaña.
El rescate terminó con la intervención de personas e instituciones: la oficina del sheriff, guardabosques y voluntarios. La tecnología no desaparece de la escena, pero su posición correcta queda clara. Puede ayudar a ordenar información antes de salir. La decisión final necesita datos locales, redundancia y límites previamente acordados. Y cuando el plan deja de coincidir con el reloj, el terreno o las reservas, la respuesta inteligente no es pedir a la pantalla una justificación mejor. Es darse la vuelta.
Fuente: TechCrunch, 5 de septiembre de 2026
Leer el artículo →