Rea Stark
ES

Textos

La mano sabe más que el modelo

Por , , actualizado el 

Tesla pagó a gente por caminar con trajes de captura de movimiento. A los robots les faltan datos de cómo trabaja una mano experta: nadie lo dejó escrito.

Las manos de un viejo ebanista guían un formón a lo largo de una pieza de roble

Tesla ha pagado a gente por caminar. El puesto, anunciado en Palo Alto en agosto de 2024, se llamaba operador de captura de datos. El trabajo consistía en ponerse un traje de captura de movimiento y un visor de realidad virtual y caminar más de siete horas al día, cargando hasta 30 libras de equipo, unos 14 kilos. La paga iba de 25,25 a 48 dólares la hora. Los candidatos debían tener más o menos la estatura del robot para el que caminaban.

Tesla diseña por su cuenta el robot, los motores y los chips. Lo que no podía fabricar era una persona caminando. Las crónicas sobre robots humanoides se detienen en el hardware y en el tamaño de los modelos, pero lo que más le falta a la industria son datos, sobre todo los de la destreza de la gente que trabaja, que nadie dejó nunca por escrito.

El conocimiento tácito no tiene archivo

Los modelos de lenguaje lo tuvieron fácil. La gente lo escribió todo y después lo subió a internet. Ken Goldberg, especialista en robótica de Berkeley, calcula que una persona tardaría unos 100.000 años en leer o ver los datos con que se entrenan los grandes modelos actuales. Cuando escribió en Science Robotics en agosto de 2025, el mayor conjunto de datos de robótica publicado era del orden de un año.

El dinero no cerrará esa brecha. Internet es un registro de lo que la gente sabía decir. Nadie escribió cómo sujeta el cuchillo una cocinera ni cómo encaja una rueda un relojero, porque nadie podía. Pregúntale a la cocinera y te lo mostrará. Lleva años.

Michael Polanyi, químico físico reconvertido en filósofo, llamó tácito a este tipo de conocimiento. En La dimensión tácita, de 1966, partía de lo que llamó el hecho de que «podemos saber más de lo que podemos decir». Su ejemplo era el rostro humano, que una persona reconoce entre un millón sin saber explicar cómo. En 2014, el economista David Autor llamó paradoja de Polanyi a la consecuencia: a una máquina no se le pueden dar las reglas de una tarea cuyas reglas nadie sabe formular. También señaló una salida, que es construir máquinas que aprendan de ejemplos humanos.

Siete formones de carpintero, uno junto a otro, sobre un banco de trabajo gastado junto a una ventana

Conozco desde dentro los límites de lo que se puede contar, porque el manual de usuario fue en su día mi oficio. Un manual es el intento más serio que hace la industria de poner en palabras lo que debe hacer una mano, y lo máximo que llega a decir es qué botón hay que presionar.

Una cafetera de cápsulas toma el otro camino. Elimina la destreza, y una cápsula y un botón ocupan el lugar del barista. Un robot en una cocina o en un taller no tiene esa salida. Tiene que adquirir la destreza, y una destreza que no se puede contar solo se puede mostrar.

Lo que los simuladores no sienten

Hay dos atajos sobre la mesa. Un simulador produce práctica más deprisa que cualquier taller y ha enseñado a los robots a correr y a dar saltos mortales hacia atrás. YouTube contiene unos 35.000 años de vídeo, según las cuentas de Goldberg. Con los dos, una empresa podría inventar un millón de cocinas, tomar prestado el resto de lo que internet ya ha filmado y no pagar nunca a un cocinero.

Ninguno de los dos llega a la mano. Goldberg, que no es enemigo de su propio campo, dice que la simulación es «notoriamente poco fiable» para la manipulación robótica. Recuperar a partir de un vídeo el movimiento preciso de la mano y del objeto es, en sus palabras, «un gran reto para la visión artificial que no se espera resolver en un futuro previsible».

La destreza vive en el contacto, en la presión de los dedos y en cómo cede una cebolla bajo la hoja. Un simulador tiene que adivinar esas fuerzas, y una cámara al otro lado de la habitación nunca las vio. El vídeo de un cocinero solo demuestra que la cebolla terminó picada.

Una pila de toallas dobladas sobre una mesa y, al lado, una toalla a medio doblar

Basta con mirar qué pagan de verdad las empresas. Tesla dio a sus caminantes un traje, y nadie les pidió que explicaran cómo caminan. Muchas empresas, señala Goldberg, están montando flotas de robots y personas para recopilar datos por teleoperación: una persona guía a la máquina en una tarea como doblar una toalla, una y otra vez. Una industria que puede comprar toda la capacidad de cálculo que quiera está contratando a gente para caminar y para doblar toallas.

El pasado del trabajo

Al cocinero y al tornero se los suele archivar en el pasado del trabajo, entre la gente a la que viene a buscar la automatización. Todo robot que haga un trabajo útil con las manos lo hará porque uno de ellos lo hizo antes y a alguien se le ocurrió registrar cómo. Ese registro hay que hacerlo en el banco de trabajo y junto a los fogones, y deben hacerlo quienes trabajan allí. Archaí Physics, una empresa que ayudé a fundar, está construyendo los instrumentos para ello.

El registro también cambia lo que cuenta como escaso. Los chips se pueden encargar y los modelos, copiar. Un relojero con décadas de banco de trabajo es más difícil de encontrar, y el plano de un movimiento, que especifica cada pieza, no dice nada de la presión con que se encaja una rueda.

Rea Stark es diseñador industrial y fundador de empresas en Zúrich. Ha diseñado para Sony y Nespresso, es cofundador de Piëch Automotive y de Archaí Physics, y trabaja en cómo las máquinas perciben y manipulan el mundo físico.

Las imágenes de este ensayo están generadas con IA.