La prueba del 99.3% para los agentes de IA industriales

En QuEra, un agente de Anthropic habría mejorado la estabilización de láseres de 58% a 99.3%. La prueba fue acotada, pero el resultado es difícil de encasillar: no es solo una calificación del modelo, aunque tampoco demuestra todavía una autonomía industrial. El modelo pasó de recomendar una acción a modificar una máquina.

Los desarrolladores de modelos han reducido el costo de emitir juicios con mayor rapidez que el costo de convertirlos en acciones de manera segura. Quien cruce ese límite necesita una infraestructura que determine si un agente de IA puede actuar, traduzca su intención en instrucciones específicas para cada equipo, observe el resultado y detenga la operación cuando la realidad no responda como se esperaba.

Los sistemas físicos dejan al descubierto todos los atajos de arquitectura que el software puede ocultar. Un documento mal generado puede recuperarse con el historial de versiones. Un brazo robótico que choca contra un instrumento no cuenta con una función para deshacer el error tan conveniente. Una falla de control puede arruinar un experimento, detener la producción, dañar un activo o lesionar a una persona. En este límite, la capacidad bruta del modelo es solo uno de varios insumos.

Los agentes importan cuando adquieren autoridad, no personalidad

En 2024, los proveedores pasaron de ofrecer asistentes que ayudaban a las personas a navegar por aplicaciones a desarrollar agentes diseñados para actuar en nombre de los usuarios. Los compradores podían evaluar un asistente por la calidad de su respuesta. En cambio, debían evaluar a un agente por su capacidad para completar un proceso, respetar los límites de su autoridad, atender excepciones y dejar el sistema en condiciones de recuperarse.

A principios de 2026, los agentes de programación ya completaban proyectos complejos con supervisión mínima. La frontera había dejado de ser una respuesta ingeniosa para convertirse en una ejecución sostenida: leer un repositorio, modificar archivos, usar herramientas, enfrentar fallas y seguir avanzando hacia un objetivo.

Cuando los modelos pueden generar predicciones a bajo costo, los desarrolladores deben rediseñar sus productos en torno a decisiones, permisos, herramientas, estados del proceso y rendición de cuentas. La pregunta útil deja de ser “¿Qué sabe el modelo?” y pasa a ser “¿Qué puede hacer que suceda este modelo?”.

Model Hardware Standard de Anthropic, o MHS, hace explícito ese cambio. El marco busca que los agentes puedan operar sistemas físicos, como microscopios, equipos de computación cuántica y brazos robóticos. No se limita a darle al modelo otra fuente de datos. Le abre una vía hacia equipos cuyo estado sigue importando después de que termina la secuencia de unidades de texto.

Gemini Robotics 2 de Google DeepMind se acerca al mismo límite desde otra dirección: combina varios modelos en un sistema diseñado para controlar robots, incluidos humanoides. Anthropic pone el acento en una interfaz que abarque distintos equipos; Google DeepMind demuestra un sistema de modelos capaz de operar diferentes tipos de robots. Los productos son distintos, pero sus incentivos convergen a medida que mejora la ejecución prolongada y que la integración, la autoridad y la recuperación condicionan el despliegue.

La diversidad de las máquinas vuelve más valiosas las interfaces que las demostraciones

Una demostración robótica puede probar que un modelo, una máquina y un entorno cuidadosamente preparado funcionan juntos. Un plano de control industrial tiene una tarea más difícil: debe permitir que numerosos modelos, instrumentos, entornos de ejecución y políticas organizacionales trabajen entre sí sin fingir que son idénticos.

Los laboratorios y las fábricas son heterogéneos por naturaleza. Sus equipos provienen de distintos proveedores, usan estructuras de instrucciones diferentes, generan telemetría distinta y presentan modos de falla propios. Algunos instrumentos son nuevos; otros son valiosos precisamente porque reemplazarlos exigiría un comité de inversiones, seis firmas y una pequeña era geológica. Diseñar desde cero un robot universal no resuelve el problema de los equipos ya instalados.

Con una interfaz común, un laboratorio o fabricante puede cambiar de modelo sin perder las integraciones con sus dispositivos. Los proveedores de modelos pueden coordinar activos que no poseen, mientras que los propietarios de esos activos evitan quedar atados de forma permanente a un proveedor de modelos solo porque su adaptador fue costoso.

Los desarrolladores de agentes digitales llegaron a la misma conclusión. El proyecto Agent2Agent de Linux Foundation reunió a AWS, Google y Microsoft en torno a una especificación de protocolo y paquetes de desarrollo de software aportados al proyecto. Agent Control Specification de Microsoft considera los permisos como una capa independiente, mientras que Agents SDK de OpenAI incorporó aislamiento nativo y un entorno de pruebas para tareas prolongadas. MHS lleva esa misma separación arquitectónica al terreno de los equipos físicos.

Ninguna especificación cubre por sí sola todo el plano de control. Los desarrolladores todavía necesitan combinar las siguientes funciones:

Los clientes pueden permitir que un modelo proponga una acción sin darle credenciales irrestrictas para todos los sistemas involucrados. También pueden sustituir el modelo sin reemplazar la capa de identidad, el motor de políticas, los adaptadores de dispositivos, los registros ni los controles de emergencia. Por lo tanto, una interfaz compartida brinda a los clientes tanto poder de negociación como flexibilidad técnica.

La seguridad física debe imponerse fuera del modelo

El comportamiento de alineación de un modelo no constituye un límite de seguridad suficiente cuando ese modelo puede mover un brazo robótico, modificar un láser, alterar un protocolo científico o reconfigurar un entorno de cómputo. El modelo puede contribuir con medidas de protección, pero no puede ser al mismo tiempo el único intérprete, la única autoridad de permisos, el operador, el auditor y el responsable de atender incidentes derivados de sus propias acciones.

Los operadores deben separar las funciones de decidir, autorizar, ejecutar, observar y recuperar. Necesitan controles en el momento de la acción, no solo una ficha descriptiva del modelo redactada antes del despliegue.

La especificación de control de Microsoft considera los permisos como una capa independiente. AgentKit de World, creado para que los sitios web puedan verificar que una persona real respalda las compras iniciadas por agentes de compra, ilustra el problema relacionado con la identidad. Un agente no adquiere autoridad legítima solo por poseer una credencial. Necesita una cadena que vincule la acción, el agente, la política y la persona o institución en cuyo nombre actúa.

Los operadores deben conceder al agente la autoridad mínima necesaria para una tarea acotada. Los sistemas deben validar las instrucciones frente al estado y los límites operativos del equipo, observar las acciones conforme ocurren y conservar un mecanismo de anulación humana que no dependa de convencer al modelo de detenerse. Recuperarse debe significar llegar a un estado seguro, no suponer que todo proceso físico puede revertirse como una transacción de base de datos.

Los operadores empresariales e industriales enfrentan el mismo problema de autorización y recuperación de agentes, pero la maquinaria eleva las consecuencias. Los sistemas físicos encarecen tanto una delegación ambigua que los permisos, la identidad, la capacidad de auditoría y las vías de anulación se convierten en infraestructura esencial.

La primera oportunidad es elevar la productividad en entornos acotados

Los primeros ejemplos de MHS presentados por Anthropic importan menos como espectáculo robótico que como indicios sobre la ruta de adopción. La empresa informó que un agente redujo de semanas a un día la duración de un experimento de obtención de imágenes en HHMI Janelia Research Campus y mejoró la estabilización de láseres en QuEra de 58% a 99.3%.

En estos entornos acotados y de alto valor, los investigadores pueden definir límites operativos y conservar la autoridad de supervisión. El experimento se completa o no. El ciclo de obtención de imágenes tarda semanas o un día. El láser se mantiene estable a una tasa registrada. Los agentes pueden encargarse de ajustes repetitivos, secuencias de herramientas y recuperación ante errores con base en resultados medibles.

Actualmente, las empresas usan agentes principalmente para mejorar la eficiencia y reducir costos, no para impulsar los ingresos. La automatización de laboratorios y la manufactura avanzada encajan con ese incentivo. Sus procesos ya cuentan con equipos costosos, personal especializado, cuellos de botella medibles y motivos para pagar por una mayor utilización.

Hasta ahora, Anthropic ha publicado pruebas iniciales, no evidencia de un despliegue amplio en producción dentro de laboratorios o fábricas. MHS sigue siendo una versión preliminar de investigación en su primera fase, y todavía no existe un ecosistema maduro y visible de interfaces comunes para el control de robots y laboratorios. Empresas consolidadas de automatización industrial, como ABB y Siemens, son estratégicamente relevantes para cualquier capa amplia de interfaces, pero los datos del lanzamiento no demuestran su participación.

MHS todavía debe adaptarse a los equipos instalados, satisfacer a los operadores, superar los procesos de adquisición y ofrecer a los proveedores una razón para implementarlo. El desempeño inicial muestra el valor en juego, pero no determina qué estándar se quedará con él.

El plano de control puede inclinar el poder en cualquier dirección

Una interfaz común da a las empresas de modelos acceso a equipos que no poseen, pero también ofrece a los clientes una vía para alejarse de la empresa que creó esa interfaz. Esta es la tensión estratégica central.

Si una especificación es realmente portátil, los clientes pueden reutilizar las integraciones con dispositivos y cambiar de proveedor de modelos con mayor facilidad. Si los modelos, las herramientas o los servicios alojados de un proveedor funcionan sustancialmente mejor con una especificación que, en teoría, es abierta, la interfaz puede convertirse en una ventaja de distribución. Un proveedor solo logra concentrar poder cuando los clientes valoran lo suficiente su implementación como para renunciar a la libertad de cambiar que ofrece la interoperabilidad.

Los proveedores todavía discrepan sobre qué puede considerarse un agente, y esa falta de consenso ya ha generado confusión entre los clientes. Es difícil estandarizar la autoridad de una categoría cuyo nombre se aplica por igual a un asistente programado y a un trabajador autónomo persistente. Los compradores industriales suelen resolver esa ambigüedad con alcances estrechos, supervisión y trámites de adquisición: los depredadores tradicionales de la terminología exuberante.

Por lo tanto, los clientes industriales no necesitan que todos los proveedores coincidan filosóficamente sobre qué es un agente. Necesitan que los sistemas expongan capacidades concretas: leer este sensor, ajustar dentro de este rango, solicitar aprobación por encima de este umbral, registrar cada instrucción y detenerse cuando aparezca esta condición. Los contratos operativos pueden ser precisos aunque la mercadotecnia conserve su espíritu aventurero.

Anthropic puede ganar influencia sin poseer las máquinas

Los laboratorios que desarrollan modelos de frontera ahora se extienden hacia abajo, hasta los chips y la capacidad de cómputo; hacia afuera, hasta los procesos empresariales; y hacia arriba, hasta los estándares de coordinación. Quieren controlar una mayor parte de la arquitectura, pero su intensidad de capital hace poco viable poseerla por completo.

Según informes, Anthropic habría acordado pagar a Nscale $45 billion over six years for roughly 460 megawatts de capacidad en centros de datos de West Virginia que utilizarían chips Nvidia Vera Rubin. El acuerdo no está confirmado, por lo que su forma definitiva es incierta. Incluso como compromiso reportado, ilustra la magnitud de las obligaciones de cómputo que rodean a los modelos de frontera.

Anthropic también confirmó que está formando un equipo interno de silicio y que busca diseñar conjuntamente modelos y hardware mediante un enfoque de varios chips. Los laboratorios de frontera quieren tener mayor influencia sobre la arquitectura de cómputo, pero la propiedad directa sigue siendo costosa y difícil de operar.

MHS ofrece una forma de influencia sobre la infraestructura que requiere poca inversión de capital. Anthropic no necesita fabricar cada microscopio, brazo robótico, láser o sistema cuántico si puede ayudar a definir la interfaz mediante la cual los agentes los operan. La misma abstracción que permite a los clientes conservar sus integraciones con dispositivos también permite a una empresa de modelos coordinar activos externos sin incorporarlos a su balance.

Al abrir un estándar, Anthropic puede ampliar el mercado de agentes físicos y, al mismo tiempo, reducir el poder de cualquier proveedor individual de modelos, incluido el suyo. Renuncia a cierto control exclusivo para ampliar el tamaño del sistema al que puede llegar.

El resultado de 99.3% cambia el significado del desempeño

El resultado de Anthropic en QuEra sigue siendo una prueba inicial, no evidencia de un despliegue amplio ni de un estándar ganador. Sin embargo, el salto de 58% a 99.3% cambia la pregunta sobre el desempeño. Una vez que un agente ajusta el equipo de un láser, el resultado ya no puede separarse de quién autorizó el ajuste, qué límites lo rigieron, qué registró la telemetría y cómo podía detenerse el sistema.

Un modelo puede elegir una acción. El sistema industrial debe decidir si esa elección cuenta con suficiente autorización, visibilidad y capacidad de recuperación para convertirse en movimiento. A medida que se abarata el juicio de los modelos, el activo industrial escaso es el límite que lo convierte en trabajo sujeto a rendición de cuentas.