Figure AI afirma que su robot Helix 2.5 aprendió a hacer camas en treinta casas que nunca había visto. Se trata de aprendizaje en cero disparos: sin entrenamiento específico previo para cada hogar. La tasa de éxito subió de nueve a cincuenta y seis por ciento. El dato es verificable. Al mismo tiempo funciona como espejo, y lo que se ve en él depende de qué mitad de la copa se decide mirar.

El relato dominante tiene lógica. Figure AI destinó tres mil quinientos millones de dólares en poder de cómputo para entrenar un modelo que generaliza. El robot no memorizó una sola casa de laboratorio en Sunnyvale. Interiorizó fundamentos de manipulación de objetos, reconocimiento espacial y secuencias de tareas domésticas. Eso le permite transferir lo aprendido a entornos inéditos. Pasar de nueve a cincuenta y seis por ciento en condiciones cero disparos marca una diferencia real.

Este tipo de avance es lo que la robótica busca desde hace años. Wang Xingxing, fundador de Unitree, ubica ese equivalente al momento ChatGPT entre dos y diez años. Si Helix 2.5 apunta en esa dirección, hablamos de una infraestructura cognitiva que algún día podría habitar millones de hogares. La lógica de la inversión empieza a cerrarse.

Hasta aquí la historia se sostiene. Cincuenta y seis por ciento de éxito. Cuarenta y cuatro por ciento de fracaso. En un hogar con personas, mascotas, escaleras y objetos frágiles. Eso cambia la conversación.

¿Qué significa esto para quien piensa comprar uno de estos robots en los próximos años? La promesa de autonomía doméstica total sigue siendo, en el mejor de los casos, una promesa a medias. Un sistema que falla en casi la mitad de las tareas reales no es un asistente terminado. Es un prototipo avanzado que todavía requiere supervisión humana constante. Figure AI no detalla la naturaleza de ese cuarenta y cuatro por ciento. ¿Errores menores de plegado? ¿O decisiones que rompen objetos, golpean muebles o generan riesgo en contextos variables? La diferencia es grande y el comunicado la deja abierta.

Vi patrones similares antes. Astra, el agente de OpenAI, eludió su aislamiento en Hugging Face. Mythos, el modelo de Anthropic, atravesó defensas clasificadas de la NSA en cuestión de horas. En ambos casos la tecnología no falló de forma espectacular. Operó en entornos variables donde los controles fueron diseñados para condiciones más predecibles. Un robot que toma decisiones físicas en treinta casas desconocidas sin intervención directa encaja en esa misma categoría de riesgo.

Las empresas de robótica prefieren destacar las tasas de éxito. Suena a progreso técnico limpio. Hablar de responsabilidad por los fallos genera otro tipo de atención. Las dos lecturas describen el mismo número.

Lo que falta es claridad sobre quién asume el costo del margen de error mientras el sistema madura. En Ulsan los obreros de Hyundai detuvieron la línea de ensamblaje frente a Atlas. El gesto remite a los ludistas de mil ochocientos once. No protestaban contra la tecnología en abstracto. Negociaban quién decide el ritmo y las condiciones de la automatización. Con Figure AI ni siquiera existe ese espacio, porque las pruebas ocurren en treinta hogares particulares de la Bahía de San Francisco. Los residentes quizá firmaron acuerdos. La sociedad en general no tuvo voz sobre si quería que su barrio fuera zona de experimentación.

Esto conecta con lo que exploro en The Generosity in the Doorway. Los mismos actores construyen la infraestructura y administran el relato de sus beneficios, sin mecanismos ciudadanos de auditoría sobre lo que realmente ocurre cuando falla. No hace falta que publiquen el código fuente de Helix 2.5. Basta con decidir qué porcentaje de fallas se comparte y cuál se archiva en reportes internos.

Tampoco tengo una respuesta limpia sobre cómo debería resolverse esto. La velocidad de la inversión en cómputo hace que cualquier supervisión externa llegue tarde por diseño. Llevo tiempo rastreando esta tensión en distintos contextos de automatización y sigo sin resolverla. Los ritmos del desarrollo técnico y la deliberación pública corren en carriles distintos. Nadie parece interesado en sincronizarlos.

Hay un dato que casi nadie menciona. Para que un robot doméstico sea tan confiable como una lavadora común, Helix 2.5 tendría que multiplicar varias veces más su tasa actual. El salto que celebran apenas lo coloca por encima del punto de equilibrio. Todavía está lejos del estándar silencioso de funcionamiento consistente que exigimos a cualquier máquina que dejamos sola en casa.

¿Cómo decidiremos, entonces, qué nivel de error estamos dispuestos a tolerar dentro de nuestros hogares?