La robótica está descubriendo que observar a las personas puede resultar más valioso que programar cada movimiento. Para la hotelería, esto convierte la operativa diaria en un nuevo activo: datos físicos capaces de enseñar a las máquinas cómo se trabaja en un restaurante.

Una empresa de robótica afirma haber recopilado más de 16 millones de vídeos de personas realizando tareas cotidianas. Entre ellas menciona limpiar mesas, atender a clientes en una cafetería y trabajar dentro de restaurantes.

Se trata de Figure, que presentó Index, su sistema para recopilar datos destinados al entrenamiento de robots humanoides. Según la compañía, su aplicación contaba entonces con 44.000 usuarios activos semanales, procesaba treinta minutos de vídeo por segundo y había pagado 15 millones de dólares a quienes contribuían con grabaciones. Son cifras declaradas por el proveedor y no auditadas de forma independiente, pero muestran con claridad dónde se está desplazando parte de la competencia tecnológica: conseguir suficientes ejemplos del mundo real.

Mi tesis es que la hotelería debería observar este movimiento antes de que la conversación se limite a decidir si compra o no un robot. La automatización física puede comenzar mucho antes, cuando alguien registra cómo trabajan las personas para convertir sus movimientos en material de entrenamiento.

La robótica ha encontrado su nuevo combustible

Un modelo de lenguaje aprende de enormes cantidades de texto. Un robot necesita aprender también cómo se alcanza un objeto, cómo se utiliza una herramienta y cómo cambia una tarea cuando el espacio no se parece al que conocía.

Figure asegura que su modelo Helix 2.5 fue entrenado previamente con vídeos de comportamiento humano y después probado en treinta viviendas que no habían formado parte del entrenamiento. En las evaluaciones publicadas por la empresa, el preentrenamiento elevó el éxito en tareas desconocidas del 9% al 56%. El resultado no demuestra que los robots estén preparados para trabajar en un restaurante, pero sí respalda la importancia que la compañía atribuye a los datos físicos.

No es una dirección exclusiva de Figure. Google DeepMind presentó Gemini Robotics, un conjunto de modelos para controlar robots completos, planificar tareas de varios pasos y adaptar capacidades a distintos cuerpos robóticos. La propia compañía reconoce que la destreza de múltiples dedos y la velocidad todavía presentan limitaciones, y mantiene parte de la tecnología en acceso anticipado.

Por tanto, no estamos ante una sustitución inmediata del trabajo humano. Estamos ante la construcción de la infraestructura de datos que podría hacer posible una robótica más adaptable.

Lo que contiene un vídeo de trabajo

Una grabación de una persona retirando y preparando una mesa no contiene únicamente movimientos. Puede revelar la secuencia utilizada, la colocación del material, las distancias recorridas, los objetos que se manipulan y la forma de reaccionar ante una interrupción.

En cocina ocurre algo similar. Preparar una partida, reponer ingredientes o limpiar un equipo incorpora decisiones espaciales y operativas que rara vez aparecen completas en un manual. Para una empresa de robótica, esas demostraciones pueden convertirse en ejemplos con los que enseñar a una máquina.

Sin embargo, un vídeo técnicamente útil no es necesariamente una buena representación del proceso. Una persona puede completar una tarea y, aun así, incumplir un criterio de seguridad alimentaria, trazabilidad o prevención de riesgos que no resulte visible para el modelo. También puede ejecutar una solución improvisada que funciona una vez, pero que el restaurante no desea convertir en estándar.

Este matiz me parece esencial. Si un restaurante participa en la creación de datos para una IA física, debe decidir primero qué versión de su trabajo quiere enseñar.

La recopilación puede obligar a documentar el resultado esperado, las excepciones permitidas y las condiciones que invalidan una acción. En ese sentido, preparar datos para robots podría revelar procesos inconsistentes incluso antes de que intervenga ninguna máquina.

Grabar la operativa no es una decisión inocua

Existe además una cuestión de protección de las personas. La Agencia Española de Protección de Datos recuerda que una imagen o un vídeo donde alguien sea identificable constituye un dato personal. Subir ese contenido a un sistema de inteligencia artificial implica tratarlo y puede introducir pérdida de control, retención técnica, acceso de varios proveedores o usos adicionales.

Por eso, no asumiría que una grabación autorizada para seguridad, formación interna o comunicación permite reutilizarse para entrenar un modelo. Tampoco dejaría esta decisión en manos de un empleado que encuentra una aplicación que remunera la subida de vídeos realizados en su lugar de trabajo.

Antes de permitir una recogida de este tipo, exigiría conocer qué personas pueden aparecer, qué zonas quedan excluidas, cuánto tiempo se conservará el material y si se utilizará para un proyecto concreto o para mejorar un modelo general ofrecido a otros negocios.

También revisaría quién conserva los derechos sobre las grabaciones, las anotaciones y los modelos derivados. Un restaurante podría aportar conocimiento operativo valioso y recibir únicamente una compensación puntual, mientras el proveedor construye con esos datos una capacidad reutilizable en miles de establecimientos.

No considero que esto deba impedir la colaboración. Significa que el intercambio necesita plantearse como una relación empresarial, no como una simple subida de vídeos.

Un primer experimento con sentido

Si quisiera evaluar esta posibilidad, elegiría un proceso repetitivo, sin clientes presentes y con un resultado verificable. Por ejemplo, la reposición de material limpio o la preparación de una zona antes del servicio.

Documentaría el estado inicial, el resultado correcto, las reglas de seguridad, los errores frecuentes y las intervenciones necesarias. Después compararía distintas configuraciones del espacio para comprobar qué parte del procedimiento es estable y cuál depende del establecimiento.

El objetivo inicial no sería sustituir a nadie. Sería descubrir si el proceso está suficientemente definido para poder enseñarlo, medirlo y, llegado el momento, automatizar una parte.

La próxima negociación tecnológica de un restaurante puede no empezar con el precio de un robot, sino con una pregunta anterior: qué aprende el proveedor observando a nuestro equipo y qué valor conserva el negocio a cambio.

La operativa diaria ya no solo produce platos y experiencias. También puede producir los datos con los que se entrenará la próxima generación de máquinas. Conviene reconocer ese activo antes de entregarlo.