Physical AI: la IA que deja la pantalla y entra a la logística

Physical AI, o IA física, usa datos del entorno para tomar decisiones sobre una operación física. A veces mueve un robot; otras ayuda a un equipo mediante visión o simulación. En logística aparece en robots móviles, sistemas de visión y vehículos autónomos. Ya hay despliegues reales, sobre todo en entornos controlados; eso no significa que una flota autónoma pueda operar sin más en cualquier carretera de LATAM.

Deloitte la describe en Tech Trends 2026 como sistemas que perciben y razonan sobre el entorno, desde robots hasta cámaras y simulaciones. La diferencia frente a un robot que sigue una secuencia fija está en cómo responde a cambios del entorno. Tampoco basta con añadir IA a un tablero: tiene que existir un vínculo entre percepción, decisión y operación física.

¿Dónde funciona ya en logística?

El almacén ofrece un punto de partida más acotado que la calle: rutas conocidas, tareas repetidas y espacios que pueden instrumentarse. El resumen de World Robotics 2025 de la Federación Internacional de Robótica indica que las unidades vendidas de robots móviles para transporte y logística crecieron 14% en 2024. Es una señal de adopción de esa categoría, no una medida de productividad ni prueba de que todos esos robots usen el mismo tipo de IA.

Un ejemplo de escala es Amazon Robotics: la empresa informó en 2025 que había desplegado su robot número un millón y presentó DeepFleet para coordinar el movimiento de la flota. Amazon proyectó una mejora del 10% en el tiempo de desplazamiento de los robots; el anuncio no equivale a un resultado auditado para otras operaciones. Lo interesante para un operador es la pregunta de fondo: cuando muchos equipos comparten pasillos y prioridades, la coordinación importa tanto como cada robot.

Fuera del almacén también hay avances, pero en condiciones delimitadas. Aurora anunció entregas comerciales sin conductor entre Dallas y Houston en 2025. Un corredor estadounidense preparado para esa operación no demuestra que la tecnología esté lista para todas las rutas o marcos regulatorios. En este análisis sobre camiones autónomos separo el avance técnico de la preparación operativa para Argentina.

¿Qué impide escalar un piloto?

La demo suele mostrar una tarea. La operación exige que esa tarea siga funcionando cuando cambian la carga, las personas, el clima, los horarios o la disponibilidad del equipo. Deloitte identifica obstáculos concretos: la distancia entre simulación y mundo real, la interoperabilidad entre flotas, la ciberseguridad y la integración con el trabajo humano. El Foro Económico Mundial también subraya que escalar requiere tecnología, socios y formación del personal, no solo comprar hardware.

Mi lectura desde operaciones en LATAM es empezar por una decisión pequeña y medible. Antes de elegir un robot o un proveedor, aclararía cuatro cosas:

1. Tarea y límite. ¿Qué movimiento o inspección se automatiza y en qué espacio puede actuar el sistema?
2. Línea de base. ¿Cuánto tarda hoy, cuántas intervenciones necesita y cuánto cuesta por unidad o recorrido?
3. Supervisión y seguridad. ¿Quién puede detenerlo, qué ocurre ante una falla y cómo se registra cada incidente?
4. Criterio para ampliar. ¿Qué desempeño sostenido justificaría sumar turnos, zonas o equipos sin degradar la operación?

Esas son preguntas de diseño del piloto, no cifras de mercado. Si no puedes medirlas con datos propios, aún no sabes si Physical AI mejora tu logística.

La decisión para LATAM

No empezaría por preguntar cuándo llegará un camión sin conductor. Empezaría por detectar el trabajo físico repetitivo o riesgoso que ya tiene datos suficientes y límites claros. Un piloto útil debe mejorar una métrica operativa y demostrar que el equipo puede supervisarlo, mantenerlo e integrarlo. La oportunidad es real; también lo es la distancia entre un caso controlado y una red regional en producción.