Las predicciones de IA comprimen cuatro relojes diferentes en uno, argumenta Rodney Brooks

Why it matters

AI valuations often price economy-level outcomes while products remain in research or early deployment. Brooks's framework separates technical progress from adoption and labor-market claims.

Rodney Brooks, el roboticista que cofundó iRobot y fundó otras dos empresas de robótica, sostuvo en un ensayo del 1 de agosto que las previsiones tecnológicas rutinariamente colapsan cuatro relojes separados en una sola línea de tiempo engañosa.

Esos relojes gobiernan la investigación, el bombo, el despliegue y el cambio a escala económica. El marco de Brooks explica cómo un avance genuino de laboratorio puede convertirse en una categoría de marketing en cuestión de meses, requerir décadas para alcanzar un uso comercial amplio y tardar aún más en alterar el empleo o la productividad en toda una economía.

El argumento lleva el peso del recorrido de Brooks por la investigación y la comercialización. Dirigió el MIT Artificial Intelligence Laboratory y más tarde MIT CSAIL, cofundó iRobot y se desempeñó como su CTO de 1990 a 2008. Luego fundó Rethink Robotics, que construyó los robots colaborativos Baxter y Sawyer y operó de 2008 a 2018. Brooks es ahora cofundador y CTO de Robust.AI, un desarrollador de robótica para almacenes.

Ese historial incluye productos que llegaron a clientes, tecnologías que tardaron años en madurar y una iniciativa robótica que cerró después de una década. Brooks escribe desde el largo término medio entre una demostración convincente y un negocio duradero.

Cuatro relojes detrás de un solo pronóstico

Brooks sitúa las nuevas ideas de investigación en el primer reloj. Estima que comúnmente necesitan de 10 a 20 años para producir demostraciones sólidas de laboratorio, y que los problemas más difíciles llevan mucho más tiempo. Una vez que un enfoque funciona, las mejoras pueden llegar cada seis meses, creando la apariencia de que todo el campo se mueve a esa velocidad.

Las redes neuronales son su ejemplo central. Brooks traza la línea desde los modelos de neurona computacional publicados por Warren McCulloch y Walter Pitts en 1943, pasando por el trabajo sobre neuronas umbral en 1960, las redes convolucionales y la retropropagación, hasta el avance de deep learning de 2012 asociado con Geoffrey Hinton y sus colaboradores.

Las fechas refuerzan el punto de Brooks: una racha concentrada de progreso visible se apoyó en investigación acumulada a lo largo de generaciones. El lanzamiento del último modelo revela poco sobre la rapidez con la que una industria regulada, una red de fábricas o un mercado laboral pueden absorber la tecnología subyacente.

El bombo avanza según el segundo reloj de Brooks. Señala que los "AI agents" pasaron de tener visibilidad pública limitada a mediados de 2025 a convertirse en un tema dominante en la publicidad de autobuses de San Francisco para agosto de 2026. Esa observación es anecdótica, más que una medida de adopción de agentes. Captura la rapidez con la que una etiqueta técnica puede convertirse en una categoría para recaudación de fondos y ventas.

Brooks agrupa a los agentes con olas anteriores como blockchain, el metaverso, IBM Watson, los sistemas expertos y la nanotecnología. Parte del trabajo subyacente sobrevivió y encontró usos después de que la atención se moviera a otra parte. La categoría de marketing tuvo una vida mucho más corta que la ingeniería.

El despliegue tiene sus propios cuellos de botella

El tercer reloj empieza cuando un producto funciona y termina cuando se usa ampliamente. Brooks dice que incluso el software a menudo tarda 20 años o más en alcanzar un despliegue amplio porque los clientes deben cambiar flujos de trabajo, integrar sistemas y aceptar riesgos operativos. El hardware añade fabricación, mantenimiento, soporte y cadenas de suministro físicas.

Su ejemplo de Linux requiere una lectura precisa. Microsoft añadió soporte preliminar para imágenes de Linux en Windows Azure en junio de 2012, coincidiendo con el año que Brooks identifica como el punto de adopción de Microsoft. El cambio formal de Microsoft continuó después, incluyendo su adhesión a la Linux Foundation como miembro Platinum el 16 de noviembre de 2016. La adopción fue una secuencia de decisiones sobre producto, soporte e institucionales, más que un solo evento.

Waymo ofrece el caso más claro en hardware. Brooks vio por primera vez un vehículo autónomo operando en una autopista alemana en 1987 y viajó en un predecesor de Google X a Waymo en 2012. Tomó un viaje comercial de Waymo en San Francisco antes de publicar el nuevo ensayo, más de tres décadas después de esa primera demostración.

El viaje también expuso la capa operativa que las demostraciones omiten. Brooks escribió que el vehículo no lo llevó a su casa y lo dejó en otro lugar después de que él pasó más de 20 minutos con el soporte al cliente.

Waymo ha avanzado mucho más allá de un proyecto de laboratorio. El 2 de febrero, Waymo dijo que había recaudado 16,000 millones de dólares con una valoración post-money de 126,000 millones de dólares. Waymo también informó más de 400,000 viajes semanales en seis importantes áreas metropolitanas de EE. UU., 15 millones de viajes durante 2025 y más de 20 millones de viajes en total. Esas son cifras proporcionadas por la empresa, y describen un servicio que sigue siendo pequeño frente al volumen total del transporte de pasajeros en EE. UU.

Brooks llama a Waymo el líder en EE. UU. mientras lo usa para rechazar la idea de que el liderazgo técnico equivale a despliegue a escala económica. La escala de Waymo, los requisitos de capital y los problemas de soporte al cliente muestran cuánto trabajo comienza después de que la conducción autónoma se vuelve técnicamente creíble.

La consecuencia en el mercado de capitales

El cuarto reloj de Brooks cubre las tecnologías que reconfiguran una economía. Los pronósticos que saltan de un resultado de investigación al reemplazo masivo de mano de obra en pocos años omiten las fábricas, las integraciones, las organizaciones de servicio y las decisiones de compra que hacen que el cambio económico sea real.

Esa compresión afecta a dónde va el capital. En un ensayo del 26 de septiembre de 2025 sobre la destreza de los humanoides, Brooks escribió que los capitalistas de riesgo habían cuestionado por qué Robust.AI debería escalar robots con ruedas para almacén cuando se esperaba que humanoides bípedos reemplazaran la mayor parte del trabajo humano en dos años. Su marco de cuatro relojes es una respuesta a esa lógica de financiamiento.

El camino comercial de Robust.AI es deliberadamente más estrecho. Un anuncio de financiamiento de 2020 indicó que Robust.AI había recaudado una Serie A de 15 millones de dólares liderada por JAZZ Venture Partners, lo que elevó su financiamiento total en ese momento a 22.5 millones de dólares. En diciembre de 2025, DHL y Robust.AI anunciaron una alianza de cinco años que comenzó con 15 robots Carter en México. Los socios afirmaron que Carter había aumentado la productividad de picking en más del 60% en despliegues en Norteamérica y dijeron que DHL planeaba desplegar cientos en las Américas.

Esas cifras provienen de los socios, y el despliegue sigue siendo modesto frente al reemplazo de mano de obra de propósito general prometido por las propuestas de robótica humanoide. También es un plan de despliegue reconocible: probar un caso de uso acotado, integrarlo en los sistemas del almacén y expandirse instalación por instalación.

Brooks no está abogando por menos inversión tecnológica. En un ensayo del 17 de abril de 2025, conectó los largos ciclos de despliegue con la necesidad de financiamiento sostenido. Su advertencia trata de no asignar el resultado prometido equivocado a cada etapa del progreso.

Un resultado de laboratorio puede justificar más investigación. Un producto funcional puede justificar un presupuesto de despliegue. El uso confiable entre clientes puede apoyar un caso de escalamiento. Las afirmaciones sobre desempleo masivo o productividad a escala económica requieren evidencia acumulada a lo largo de un reloj mucho más largo.