Doxa 2498

Cómo los robots de IA de última generación están transformando los servicios

Conversan, interactúan físicamente y aprenden en tiempo real

Por Jochen Wirtz

IA generativa

Harvard Business Review

#Doxa #IA #Robótica #Servicios #Automatización #Aprendizaje #TiempoReal #Interacción #Tecnología #Innovación #Futuro #Digital #Eficiencia #Transformación #Conversacional #Smart

Resumen. Mediante la incorporación de la IA generativa, los robots están evolucionando de máquinas programadas a sistemas adaptativos que interpretan el contexto, aprenden de demostraciones y ajustan su comportamiento en tiempo real. Los avances en los modelos de lenguaje a gran escala y las tecnologías relacionadas sonAyudar a los robots a ofrecer resultados consistentes y personalizados a gran escala. Los vehículos autónomos y los asistentes humanoides de fábrica han demostrado que los robots pueden seguir instrucciones complejas y colaborar con personas en entornos físicos. Sin embargo, para implementar con éxito robots con IA de última generación, las empresas deben elegir casos de uso vinculados a las limitaciones reales de la mano de obra, diseñar interacciones que resulten naturales, posicionar a los robots como socios de los empleados (en lugar de como sustitutos), adaptar las capacidades de los robots a la variabilidad de las tareas y definir métricas de éxito. La privacidad, la transparencia y la seguridad también deben seguir siendo prioridades a medida que los robots recopilan datos e influyen en las decisiones.

Si has tenido la oportunidad de viajar en un Waymo, seguramente te habrás bajado del vehículo asombrado por sus capacidades. Desde que Alphabet lanzó el proyecto en 2009, Waymo ha desarrollado una flota de 2500 robotaxis sin conductor que ahora circulan por San Francisco, Miami, Phoenix y otras ciudades, donde han realizado más de 20 millones de viajes. Estos vehículos hacen mucho más que transportar pasajeros a una velocidad de hasta 105 km/h. Pueden responder a instrucciones verbales («Pon algo de rap de los 80 en Spotify») o contestar preguntas («¿A qué hora es el partido de los Giants?») mientras cambian de carril para evitar una furgoneta de reparto mal aparcada. Los primeros datos de atención al cliente y los comentarios en la aplicación Waymo One muestran que los usuarios están encantados con la experiencia.

Waymo es un caso de uso específico de una tecnología que está madurando rápidamente y que se prevé que se implemente a gran escala: robots impulsados ​​por IA generativa. Muchas empresas ya utilizan chatbots, agentes y tecnologías relacionadas con IA generativa para automatizar y ampliar el servicio al cliente, pero en la mayoría de estos casos, los clientes interactúan con la tecnología a través de pantallas. Integrar la IA generativa en los robots brinda a las empresas la oportunidad de reinventar sus interacciones con los clientes en entornos físicos (restaurantes, hoteles, hospitales, tiendas minoristas y otros establecimientos físicos), donde el servicio ha permanecido obstinadamente humano. Mediante el uso de grandes modelos de lenguaje (LLM), grandes modelos de comportamiento (LBM) e IA con capacidad de agente, esta nueva generación de robots puede comprender mejor el contexto, hacer inferencias y brindar experiencias personalizadas. Pueden conversar como empleados competentes, siguiendo la lógica en los turnos de conversación, aclarando la ambigüedad y explicando ideas complejas de forma sencilla. En el pasado, un paciente que le preguntara a un robot: "¿Esto va a doler? ¿Cuánto tiempo durará? ¿Y qué pasa si me mareo?" superaría los límites de su guion. Pero los robots de servicio actuales, impulsados ​​por LLM, pueden comprender esas inquietudes y ofrecer respuestas en lenguaje sencillo. Un robot llamado Robin ya lo hace, brindando apoyo emocional en 30 unidades pediátricas y residencias de ancianos en todo el país. Se desplaza de forma autónoma para saludar a los niños y responder preguntas. Las enfermeras pueden darle órdenes verbales a Robin, como «Ve a la habitación 517 durante 20 minutos y luego a la habitación 516 durante 10 minutos». También incluye juegos que los niños pueden jugar mediante respuestas verbales.

Probablemente este no sea el primer artículo que lees que afirma que los robots transformarán el sector servicios. Es cierto que su impacto ha crecido más lentamente de lo que esperaban los entusiastas. El mercado global de robots de servicio profesional, que incluye modelos para logística, sanidad, limpieza y otros sectores, creció aproximadamente un 9 % en 2024, alcanzando casi 200 000 unidades vendidas. Pero muchos proyectos piloto se estancaron o tuvieron un rendimiento inferior al esperado. Un estudio de McKinsey muestra que el 71 % de las empresas afirma que los altos costes iniciales son un gran desafío a la hora de adoptar robots, y el 61 % señala la falta de experiencia con la automatización como otro obstáculo importante. El mantenimiento y la fiabilidad siguen siendo desafíos constantes, al igual que la aceptación por parte de clientes y empleados; muchas personas aún prefieren la interacción humana, especialmente en situaciones complejas o con una fuerte carga emocional. Cuando las empresas han implementado robots de atención al cliente, la mayoría de las implementaciones se han limitado a tareas muy específicas, como el servicio de habitaciones o la entrega de equipaje en un hotel. Estos robots de servicio no son mucho mejores que sofisticadas máquinas expendedoras móviles. Siguen de forma fiable las rutas preprogramadas, leen los códigos de barras y responden a las preguntas frecuentes, pero en general no han logrado alcanzar la escala ni los beneficios que esperaban los primeros usuarios.

No obstante, prácticamente todos los principales fabricantes de robots están integrando la IA de última generación en sus productos, y algunos de los primeros resultados son muy prometedores. Llevo más de una década investigando la robótica avanzada y, en los últimos 18 meses, he viajado a Europa, Asia y Norteamérica para observar la implementación de robots de servicio físicos con IA de última generación en 14 organizaciones de los sectores financiero, sanitario, educativo, hotelero y otros. En este artículo, explicaré cómo las empresas pueden utilizar esta nueva tecnología para generar valor, mitigar riesgos y fortalecer su capacidad organizativa para el éxito.

¿Qué son los robots Gen AI?

Los robots con inteligencia artificial de última generación se basan en una combinación de tecnologías, algunas conocidas y otras no.

A estas alturas, la mayoría de los ejecutivos comprenden los LLM y la IA agente. En un robot, los LLM permiten la conversación, y la IA agente añade memoria, planificación, ejecución y reflexión. Mediante estas tecnologías, un robot puede recordar a un cliente recurrente, razonar sobre las ventajas y desventajas (¿ Es posible el registro de entrada anticipado si el servicio de limpieza dice que la habitación está casi lista? ), planificar una secuencia de tareas, ejecutar pasos en sistemas digitales y espacios físicos, y luego reflexionar sobre lo que funcionó y lo que no. La diferencia entre los robots tradicionales, basados ​​en guiones, y aquellos impulsados ​​por IA agente es abismal. Un sistema basado en guiones podría reconocer que una entrega debe priorizarse, pero aun así seguir una ruta predeterminada. Un sistema agente puede asignar la tarea a un humano, redirigir la entrega y reasignar recursos para facilitarla. Si bien un robot posee inteligencia específica del dominio (uno en un hotel se entrenará de forma muy diferente a uno en un hospital), puede tomar decisiones complejas para ejecutar instrucciones de alto nivel, como "registrar a los huéspedes rápidamente" o "reponer el inventario de sueros intravenosos antes del final del turno".

Los LBM son una tecnología menos conocida. Se entrenan con conjuntos extensos de comportamientos, al igual que los LLM se entrenan con una cantidad aparentemente infinita de texto. Los LBM ayudan a los robots a lidiar con el hecho de que el servicio en un entorno físico es complejo. Las bandejas se inclinan. Los suelos se vuelven resbaladizos. Los clientes entregan artículos frágiles. Por lo tanto, programar robots para cada contingencia es imposible. En cambio, los desarrolladores enseñan a los robots a aprender usando LBM para cualquier contexto que se requiera. Los LBM son los que permiten a los vehículos de Waymo sortear furgonetas mal estacionadas.

Los robots Gen AI utilizan cámaras, micrófonos y sensores para aprender observando a los humanos, formulando preguntas y mediante ensayo y error. Este entrenamiento puede realizarse inicialmente en el mundo real. Los robots pueden adquirir comportamientos observando algunas demostraciones (por ejemplo, cómo coger con cuidado una copa de vino) y luego experimentando con millones de microvariaciones de velocidad, agarre y trayectoria, utilizando el metaverso o un gemelo digital para perfeccionar su técnica. Estos comportamientos también pueden transferirse a diferentes contextos. Si un robot aprende a manipular una copa frágil en una cafetería, ciertos elementos de esa habilidad le servirán para manipular viales en una clínica o artículos delicados en una boutique.

Otras tecnologías facilitan la capacidad de aprendizaje de los robots con IA de última generación. La programación sin código y el aprendizaje en flota (que permite compartir instrucciones entre un grupo de robots), por ejemplo, simplifican la implementación y las mejoras en comparación con hace una década. Antes, cualquier ajuste a los robots requería una intervención del departamento de TI o la visita de un proveedor. El entrenamiento sin código (posibilitado por la IA de última generación) permite a los operarios de primera línea ajustar el comportamiento de un robot preguntándole por qué adoptó un enfoque determinado, describiendo uno mejor y demostrándolo físicamente. Esta facilidad de mejora reduce el tiempo de ciclo para las optimizaciones operativas de meses a días. Estas capacidades convierten a los robots en sistemas adaptativos que integran conversación, cognición y acción física, a gran escala y personalizados para cada cliente.

Consideremos los robots que trabajan en la planta de ensamblaje de automóviles de BMW en Spartanburg, Carolina del Sur. La industria automotriz fue pionera en la adopción de la robótica; las fábricas han utilizado brazos robóticos sencillos para realizar tareas repetitivas (como la soldadura por puntos) desde la década de 1980. Pero en 2024, BMW comenzó a probar Figure 02, un robot humanoide que representa una ruptura radical con la automatización industrial tradicional. A diferencia de los robots de fábrica convencionales, Figure 02 puede moverse de forma autónoma por la planta utilizando seis cámaras integradas, interpretar lo que ve y razonar sobre cómo deben usarse los objetos, basándose en una amplia base de conocimientos automotrices y generales. Impulsado por modelos de OpenAI, escucha y procesa el habla humana, infiere la intención incluso de instrucciones vagas, hace preguntas aclaratorias cuando es necesario y aprende de sus errores con el tiempo. Durante un despliegue de 11 meses, Figure 02 contribuyó a la producción de aproximadamente 30 000 vehículos BMW. En el taller de carrocería, actuaba como un par de manos de alta precisión, transportando y colocando piezas frágiles de chapa metálica y alineando componentes para que los robots de soldadura pudieran ensamblar los chasis de los automóviles. BMW ahora está actualizando a Figure 03, un sucesor más ligero y alto diseñado para aplicar estas capacidades más allá de la planta de producción. En un video promocional, Figure 03 realiza tareas como lavar platos, doblar la ropa, servir bebidas y jugar a buscar la pelota, lo que demuestra que la IA de última generación está dotando a los robots de la capacidad de asumir una gama cada vez mayor de funciones.

Cómo implementar robots Gen AI

Mi experiencia con empresas demuestra que los usos más prometedores de los robots con IA de última generación se centran en tareas de atención al cliente y de cara al empleado. Integrar un robot en un entorno laboral es más complejo que simplemente desempaquetarlo, ya que muchos lugares de trabajo son impredecibles: los camareros llevan bandejas, los médicos y enfermeros se mueven de una habitación a otra, etc. Para convertir el potencial en rendimiento, los líderes deben seleccionar cuidadosamente los casos de uso, comunicar a clientes y empleados el porqué y el cómo de su uso, y establecer límites claros. Cuatro pasos fundamentales, basados ​​en mis observaciones sobre el terreno, pueden servirles de guía.

1. Empiece con casos de uso que aborden las limitaciones de mano de obra. Los robots son más efectivos cuando se aplican a tareas repetibles y económicamente valiosas que generan beneficios cuantificables. Muchos de los primeros experimentos que observé involucraban puestos en industrias que enfrentan una escasez crónica de mano de obra. Esto tiene sentido: los robots no solo reducen los costos, sino también la dificultad de reclutar trabajadores difíciles de encontrar. Una vez que haya identificado los puestos objetivo, comience por examinar las tareas específicas que requieren. ¿Son lo suficientemente repetibles como para que un robot las aprenda rápidamente? ¿El beneficio de delegarlas a un robot es inmediato en términos de velocidad, eficiencia, consistencia o al liberar a los empleados para que realicen tareas donde aporten más valor?

Entre los posibles escenarios para realizar experimentos se incluyen el registro de entrada y salida en hoteles, la modificación y entrega de pedidos en restaurantes de comida rápida y la logística en las salas de hospital; entornos donde existe una presión constante sobre la capacidad del personal de primera línea y una clara transferencia operativa que el robot puede gestionar.

Una vez elegido el caso de uso, diseñe el programa piloto de manera que los empleados de primera línea puedan mejorar activamente el rendimiento en el flujo de trabajo. Un empleado que observe que un robot realiza una secuencia subóptima debería poder explicar y demostrar un método mejor, sin tener que esperar semanas para una actualización de software.

Si se implementa correctamente, este enfoque amplía las capacidades de los robots con el tiempo, mejora su rendimiento en el ámbito en cuestión y hace que su implementación sea más eficaz, al tiempo que reorienta las funciones de primera línea hacia trabajos más especializados y alivia la escasez de mano de obra donde es más acuciante.

2. Diseñar interacciones con robots para lograr la aceptación del cliente. La mayor parte de la resistencia a los robots comienza en el punto de contacto con el cliente, no con la tecnología en sí. Los quioscos tradicionales, las tecnologías de autoservicio y los bots programados suelen obligar a los clientes a seguir secuencias rígidas y poco naturales. Este es un problema de diseño, y los robots con tecnología LLM solucionan este inconveniente. Los clientes y los empleados pueden interactuar con ellos de forma natural y, lo que es fundamental, los robots pueden seguir las instrucciones en el entorno físico.

Consideremos el proceso de registro en un hotel. Un empleado humano suele navegar por múltiples sistemas —reservas, programas de fidelización, estado del servicio de limpieza, pagos y preferencias— pantalla por pantalla. Un robot con inteligencia artificial de última generación puede conectarse a esos sistemas en paralelo, resolver conflictos y entregar la llave de la habitación en segundos, interactuando con el huésped y dándole la bienvenida. Para el cliente, la experiencia se traduce en una conversación cordial y eficiente, que a menudo resulta más consistente que la atención humana bajo presión.

Las primeras implementaciones ponen de manifiesto tanto el potencial como los inconvenientes. En el hotel Henn na de Tokio, los recepcionistas robot guían a los huéspedes durante la verificación de identidad, la asignación de habitaciones y el pago. La iniciativa ha contribuido a reducir los costes laborales y paliar la escasez de personal, pero no todo ha funcionado según lo previsto. En ocasiones, los robots han tenido dificultades con los acentos, el ruido ambiental y las peticiones inesperadas, lo que a veces ha incrementado la carga de trabajo del personal en lugar de reducirla.

Diseñar para la aceptación del cliente implica probar estas interacciones en entornos reales con clientes reales, aprender dónde surgen las dificultades y garantizar que la competencia conversacional del robot se corresponda con una ejecución física fiable.

3. Posicionar a los robots como herramientas que mejoran el servicio, no como sustitutos de la mano de obra. La forma en que se presentan los robots —y cómo se explica su función— influye enormemente en cómo los percibe la gente. La aceptación de la IA varía según la demografía y el contexto, y hoy en día muchos clientes aún prefieren la interacción humana para encuentros que requieren calidez, empatía o criterio. Mientras tanto, los empleados temen perder sus puestos de trabajo a causa de la tecnología.

Para abordar esas preferencias y temores, las empresas deberían posicionar a los robots de IA de última generación no como sustitutos de los empleados de primera línea, sino como herramientas que mejoran la accesibilidad, la velocidad y la fiabilidad, liberando a los humanos para que se centren en interacciones emocionalmente complejas, ambiguas o de alto riesgo. En mi experiencia, las implementaciones más exitosas se dan donde la comodidad es la prioridad de los clientes y el valor de la automatización es evidente.

Las empresas también deberían comunicar claramente qué hace el robot y cómo los clientes pueden acceder a asistencia humana cuando la necesiten. En los hospitales, por ejemplo, los robots podrían explicar que facilitan las interacciones sencillas y que solicitan la intervención de un humano cuando alcanzan su límite. En el sector minorista, la presencia visible de empleados en tienda, junto con la automatización robótica en la trastienda, podría contribuir a que la experiencia de compra se mantenga centrada en la atención humana.

Establecer expectativas con honestidad es fundamental. Comparta con clientes y empleados las fortalezas actuales de los robots (velocidad, consistencia y fiabilidad a largo plazo) y las áreas en las que los humanos aún los superan, especialmente en situaciones que requieren empatía, creatividad o soluciones innovadoras. Utilice datos concretos en lugar de exageraciones para reforzar el mensaje. Las métricas son más persuasivas que las promesas abstractas: «Nuestro tiempo de espera se redujo de seis minutos a 90 segundos» o «Nuestras enfermeras caminan 3000 pasos menos por turno y dedican una hora extra a los pacientes». Cifras como estas demuestran cómo los robots representan una ventaja para clientes y empleados.

4. Actualizar continuamente las directrices de uso responsable. Cuando las empresas implementan robots con IA de última generación, aumentan las implicaciones éticas, de equidad y de privacidad. Muchos robots vienen equipados con cámaras y micrófonos, lo que significa que pueden digitalizar prácticamente todo lo que ocurre en las interacciones cara a cara (a menos que las leyes dispongan lo contrario). Si a esto le sumamos las capacidades de los modelos de lenguaje avanzados, de repente los robots pueden persuadir a las personas. Esto es útil para vender y ofrecer productos o servicios adicionales, pero puede cruzar la línea si se analiza, influye y manipula a los clientes de maneras que la empresa nunca pretendió. La situación se vuelve especialmente delicada cuando los robots toman decisiones de asignación o precios (como actualizaciones, registros anticipados u ofertas personalizadas) que pueden generar percepciones de parcialidad o injusticia.

Las implementaciones exitosas tratan a los robots de IA de última generación como sistemas de aprendizaje, no como productos terminados. Las organizaciones necesitan mecanismos para observar cómo interactúan las personas con los robots, identificar dónde fallan las interacciones y mejorar sistemáticamente el rendimiento con el tiempo. Esto comienza con la captura de señales consensuadas —como cuando los usuarios dudan, repiten o anulan las instrucciones de los robots— y la transformación de esas observaciones en conclusiones claras y prácticas para supervisores y líderes de primera línea.

También existen riesgos de aprendizaje. Los robots de IA de última generación aprenden de las interacciones, lo que crea oportunidades para que empleados y clientes se aprovechen de ellos. Sin medidas de seguridad, los robots pueden adquirir comportamientos indeseados. He oído a robots repetir lenguaje inapropiado en hoteles y he visto a visitantes de museos intentar manipularlos para su propio entretenimiento. Las herramientas sin código y el aprendizaje automático en flotas añaden desafíos. Los empleados pueden introducir errores o lógica sesgada sin querer, y personas malintencionadas pueden sabotear los robots, con una rápida propagación de los comportamientos indeseados.

La mejora debe ser deliberada e iterativa: probar los cambios, medir los resultados, conservar lo que funciona y repetir. En la práctica, ninguna implementación de robot funciona bien desde el principio, y un ajuste fino cuidadoso es esencial. Los empleados de primera línea desempeñan un papel fundamental en este ciclo de aprendizaje y deben recibir apoyo como desarrolladores ciudadanos. Con procesos de microaprendizaje, certificaciones y herramientas sin código adecuadas, los expertos en el dominio pueden identificar puntos débiles y explicar mejores enfoques directamente a los robots, utilizando lenguaje natural. Con el tiempo, las funciones de supervisión evolucionan, pasando de monitorear tareas a orquestar sistemas: revisar mejoras, hacer cumplir los protocolos de seguridad y consentimiento, y alinear los incentivos con la calidad, la confiabilidad y los resultados para el cliente, más allá de la mera velocidad.

Al mismo tiempo, el aprendizaje debe regirse por una gobernanza sólida y la responsabilidad digital corporativa. Dado que los robots recopilan datos sensibles, la privacidad es fundamental. Además, como se desplazan por entornos físicos —donde pueden colisionar con personas o propiedades—, la seguridad es una preocupación primordial. El movimiento cuidadoso, la limpieza del entorno y la fiabilidad deben considerarse innegociables, respaldados por análisis de riesgos, geovallado (que restringe el movimiento del robot a un área específica), paradas de emergencia (que permiten a los humanos detener el movimiento del robot) y acuerdos de nivel de servicio claros con los proveedores para el mantenimiento y la respuesta a incidentes.

Esto no significa que las marcas deban evitar los robots con IA de última generación. Pero sí implica que la seguridad, la protección y el diseño responsable deben ser prioridades absolutas. Los errores son inevitables. Si la arquitectura, las políticas y las pruebas son sólidas, es mucho menos probable que esos errores causen daños reales. Las buenas prácticas garantizan que, a medida que los robots se vuelven más capaces, las organizaciones sigan rindiendo cuentas, impulsando la innovación sin sacrificar la confianza.

...

Los robots con IA de última generación ofrecen una vía práctica para lograr un servicio rentable en el mundo físico. Pueden brindar consistencia y personalización a gran escala, lo que durante mucho tiempo ha sido el talón de Aquiles del servicio presencial. Sin embargo, la implementación de estos robots requiere un proceso complejo y prolongado, y dado que debe realizarse en entornos reales, los riesgos son mayores, los fallos son públicos y la seguridad física se convierte en una preocupación fundamental.

Aunque la tecnología aún está en sus inicios, los primeros proyectos piloto demuestran que los robots con inteligencia artificial de última generación pueden beneficiar tanto a empresas como a empleados y clientes. Siguiendo los pasos descritos en este artículo, las empresas pueden comenzar a implementar estos robots de forma estructurada y segura.

Lea más sobre IA generativa o temas relacionados: IA y aprendizaje automático, y Tecnología y análisis.

Una versión de este artículo apareció en el   número de mayo-junio de 2026 de la revista Harvard Business Review.

Jochen Wirtz es profesor de marketing y vicedecano de los programas MBA en la Escuela de Negocios de la Universidad Nacional de Singapur (NUS Business School).