Generalist, fundada en 2024, cuenta con un equipo de élite formado por Pete Florence y Andy Zeng, ex-investigadores de Google DeepMind, y Andrew Barry, un veterano de Boston Dynamics. Estos fundadores han puesto en marcha una compañía con la ambición de desarrollar un modelo de IA fundacional para diversas plataformas robóticas, un concepto que resuena con la tendencia de los grandes modelos de lenguaje (LLMs) en el ámbito del software. Entre los inversores que han apostado por Generalist se encuentran gigantes como Nvidia y Bezos Expeditions, además de Radical Ventures, Union Square Ventures y la reconocida investigadora Fei Li.
El corazón de la propuesta tecnológica de Generalist es su sistema Gen 1.5, una innovación que permite a los robots aprender nuevas tareas complejas a partir de demostraciones en video extraordinariamente cortas, de tan solo 3 a 12 segundos. Esta capacidad de aprendizaje rápido y adaptable es lo que distingue a Generalist en el competitivo ecosistema de la robótica y la IA.
Analisis de la tendencia
La fulgurante valoración de Generalist a 3.000 millones de dólares no es un incidente aislado, sino un claro indicador de una tendencia más amplia: la creciente convicción de que la robótica, y en particular la IA física, se encuentra en un punto de inflexión estructural. Observadores de la industria señalan que este momento es comparable a la aceleración que experimentó la IA generativa en el ámbito del software. La confianza de los inversores se basa en la promesa de que la robótica está a las puertas de una disrupción masiva, impulsada por avances en inteligencia artificial.
Sin embargo, el camino no está exento de desafíos. Expertos de la industria, como los mencionados en la investigación adicional, advierten sobre las barreras técnicas significativas que aún persisten para lograr una inteligencia robótica verdaderamente generalizada. A diferencia de los modelos de lenguaje grandes, el desarrollo de sistemas robóticos adaptables universalmente requiere vastos volúmenes de datos de interacción física. Esto implica que las máquinas con la capacidad de adaptarse a cualquier tarea o entorno podrían tardar años en ser comercialmente viables a gran escala. La valoración de Generalist, aunque impresionante, se basa en la evidencia temprana de un modelo que busca simplificar la codificación personalizada de robots, pero el desempeño del sistema Gen 1.5 en despliegues específicos de clientes aún debe ser comprobado a fondo.
El ecosistema de la IA física es altamente competitivo. Generalist no está sola en su ambición; se enfrenta a una lista de rivales formidablemente capitalizados y tecnológicamente avanzados. Entre ellos se encuentran Physical Intelligence, con una valoración de 11.000 millones de dólares; Skild AI, respaldada por SoftBank y valorada en 14.000 millones de dólares; y Genesis AI, que recientemente buscó una valoración de 3.000 millones de dólares. Esta intensa carrera por establecer modelos fundacionales dominantes para sistemas autónomos subraya la magnitud de la oportunidad percibida y la agresividad con la que las empresas y los inversores buscan liderar este sector emergente.
Contexto regional
Para América Latina, la emergencia de compañías como Generalist y el avance de la IA física tienen implicaciones multifacéticas que abarcan desde la regulación hasta la transformación industrial y el mercado laboral. La región se encuentra en diferentes etapas de madurez en lo que respecta a la regulación de la IA. La mayoría de los países avanzan hacia marcos basados en riesgos, inspirados en modelos internacionales, pero con una aplicación a menudo fragmentada. Las leyes existentes de privacidad, consumidor y laborales ya se aplican a la IA, aunque no siempre de forma explícita o adaptada a las nuevas realidades tecnológicas.
Por ejemplo, Brasil ha propuesto el Proyecto de Ley No. 2,338/2023, que busca un modelo basado en riesgos y contempla severas penalizaciones para incumplimientos. México ha incluido un requisito de
