El machine learning como fenomenología y la renuncia al conocimiento

El último post de este blog, el titulado ''Lingüistas frente a inteligencia artificial' comentaba cómo, en las primeras épocas del procesamiento del lenguaje natural, los algoritmos se basaban mucho en conocimiento lingüístico, en reglas de ese campo y, por tanto, se precisaba de la participación de lingüistas. Y cómo, sin embargo, con la evolución tecnológica del campo, con su apoyo en modelos estadísticos y, más aún, con modelos procedentes del deep learning, se prescindía de esas reglas a priori, de ese conocimiento de los lingüistas haciendo, en su lugar, que los propios modelos, durante su entrenamiento, aprendiesen los patrones y modelos subyacentes al lenguaje, con lo que se ponía en cuestión el papel de los lingüistas.

Este post es, en cierto sentido, una continuación o, más bien, una generalización del anterior, aunque en este caso lo voy a conectar con la ciencia y, sobre todo, con la filosofía.

Eso de la fenomenología

Y en efecto, utilizo, espero que de una manera no demasiado forzada, el término fenomenología procedente tanto del campo de la filosofía y que me he encontrado con cierta frecuencia en lecturas, por ejemplo, de roboética

Edmund Husserl

Investigando un poquito para este post, descubro que, aunque el término fenomenología se ha utilizado frecuentemente en filosofía (y no siempre en el mismo sentido), quien le dio relevancia y quien, podemos decir, dio forma a la manera más generalizada de entender el término, fue el filósofo Edmund Husserl, maestro, por cierto, de Heidegger, uno de los filósofos que trabajo la filosofía de la tecnología (o la técnica). 

Como ocurre con la filosofía alemana de la época, la verdad es que el tratamiento parece abstracto y complejo pero, intentando encontrar su esencia y expresarla de manera sencilla, y además de una manera que justifique cómo la utilizo en este post, he entresacado este párrafo procedente de la entrada sobre fenomenología en Wikipedia. donde, tras hacer constar que no todos los filósofos tienen una visión unitaria del concepto, lo que sí sucede es que:

todos los fenomenólogos comparten la búsqueda de un conocimiento que apela exclusivamente a la experiencia evidente, carente de hipotetización y modelos conceptuales del mundo

Y no pude, o no quise, dejar de consultar a ChatGPT pero 'rogándole' que explicase el término de forma muy sencilla... y esto es parte de lo que 'me dijo'

La fenomenología en filosofía se puede explicar de forma muy sencilla como el estudio de cómo experimentamos el mundo. Es decir, no se enfoca en cómo son las cosas en sí mismas, sino en cómo se nos aparecen o se nos presentan en la conciencia.

Estos dos párrafos recogen lo que quiero decir con fenomenología, pero, y dado que es un término también utilizado en el mundo de la ciencia, entresaco, también de Wikipedia, este parrafito:

El término fenomenología se utiliza para describir un cuerpo de conocimiento que relaciona entre sí distintas observaciones empíricas de fenómenos, de forma consistente con la teoría fundamental, pero que no se deriva directamente de la misma.

En el fondo, y espero no estar desacertado, con el término fenomenología quiero referirme al fijarse en las manifestaciones externas de objetos y entidades prescindiendo de intentar explicar su naturaleza o leyes internas. Sólo la manifestaciones externas.

IA simbólica versus machine learning

La inteligencia artificial simbólica se apoyaba en la representación explícita del conocimiento del dominio de que se tratase, y de reglas, a veces heurísticas, que gobernaban ese dominio. Así se hacía en los otrora exitosos y hoy casi olvidados sistemas expertos.

Así se hacia, en el fondo, con el procesamiento de lenguaje natural y la lingüística computacional en sus primeras fases, tal y como exponía en el post anterior.

Pero el machine learning, el paradigma dominante de la inteligencia artificial actual, no intenta tener un conocimiento a priori de un dominio. Lo que se hace es, durante el entrenamiento, darle datos, digamos que darle 'ejemplos', al algoritmo, para que sea él propio algoritmo el que descubra los patrones y leyes subyacentes. Pero que los descubra por sí mismo, sin que ningún humano, 'le explique' qué leyes rigen el dominio. Es más, con mucha frecuencia el humano no conoce realmente cuáles son esas leyes. Aún más, con cierta frecuencia está fuera del alcance humano entender completamente las leyes que el algoritmo descubre.

Machine learning y fenomenología

Así las cosas, podemos decir que, cuando usamos machine learning, y muy especialmente cuando hablamos de los grandes modelos de deep learning, especialísimamente los grandes modelos de lenguaje o los modelos fundacionales, nos fijamos en el dominio, por ejemplo el lenguaje, pero 'pasamos' de sus leyes y de su naturaleza y nos fijamos sólo en cómo se manifiesta (en libros o páginas web, por ejemplo). 

Es decir, prescindimos de formular hipótesis o modelos conceptuales y, en su lugar, observamos empíricamente' (bueno, nosotros no, el algoritmo) el dominio sobre el que trabajamos.

¿No es ese un enfoque fenomenológico? 

Una posible renuncia al conocimiento

Bueno, más allá de si realmente hablar de fenomenología en el caso que lo hago es acertado o no, de si estoy forzando el término o no, de si lo estoy entendiendo bien o no, lo que es indudable es que, cuando usamos los algoritmos más avanzados de machine learning, no partimos de leyes y modelos a priori, sino de manifestaciones (datos) de lo que aspiramos a modelar.

Y no es sólo que no partamos de leyes, es que con mucha frecuencia, y esto es 'parte de la gracia' del machine learning, ni siquiera las conocemos. Y, aún más, dado que los modelos de deep learning modernos son muy grandes, muy poco intuitivos, y muy alejados, 'en su razonamiento', del razonamiento consciente humano, realmente cuando el modelo de deep learning ha acabado su labor de aprendizaje, cuando ese  modelo ha encontrado ya el modelo del dominio, nosotros, los humanos, seguimos sin conocer cuáles son las leyes que rigen ese dominio.

Es decir, no aportamos conocimiento del dominio antes del entrenamiento y nos quedamos sin entender el modelo final que abstrae con éxito el modelo.

En cierto modo, hemos renunciado al conocimiento y nos conformamos con el modelo y el algoritmo lo adquieran de alguna manera, aunque no la entendamos, y luego hagan predicciones correctas o proporcionen respuestas correctas.

Hemos renunciado al conocimiento.

Y sin embargo...

Bueno, o no.

Es cierto que, en muchos casos, adoptamos una visión práctica y priorizamos simplemente el que el modelo sea útil, que nos aporte soluciones, que funcione. Sólo eso. No conocimiento.

Pero también es cierto que los resultados obtenidos en un modelo nos pueden hacer intuir, o más que intuir, cómo es el fenómeno real que hay detrás.

También es cierto que, por ejemplo, las soluciones analíticas, nos pueden ayudar a entender mejor nuestro negocio o a los mercados.

También es cierto que los chatbots basados en modelos fundacionales, como ChatGPT nos ayudan, y mucho, a precisamente trabajar en el ámbito del conocimiento, sirviéndonos como copilotos en tareas de aprendizaje o análisis.

También es cierto, en fin, que los modelos de machine learning nos pueden ayudar a entender los propios procesos cognitivos humanos y la naturaleza de nuestro cerebro, nuestro pensamiento y nuestro aprendizaje y ese es un campo real de investigación.

Aunque, en cierto sentido, en machine learning se adopta ese enfoque fenomenológico, y metodológicamente renunciamos a trabajar con las leyes que rigen un cierto campo, eso no debe ser, no tiene por qué ser, una barrera para nuestra propia adquisición de conocimiento. 

Está en nuestras manos adquirir más y más conocimiento con y sin machine learning. Y eso no hay tecnología, metodología ni corriente filosófica que pueda, ni quiera, impedírnoslo.

Conclusiones

La forma de hacer inteligencia artificial en el caso del machine learning, renuncia a aportar a priori un conocimiento interno del dominio o modelo a tratar, sino que es el algoritmo quien lo descubre. Eso sí, una vez descubierto, es difícil de entender a para los humanos.

Aún así, podemos y debemos enriquecer nuestro conocimiento y las herramientas de machine learning en el fondo nos ayudan a ello.

Lejos de convertirse en una renuncia, pueden ser un gran facilitador.

Lingüistas frente a la inteligencia artificial

Hace unos meses, quizá algún año, escuché a Cristina Aranda, de formación filóloga, y no sé si en un webinar o en una entrevista, aparte de defender, claro está, las profesiones humanistas, decir que no entendía como compañeros y compañeras suyas de estudios de filologías, no se interesaban más por la disciplina de la lingüística computacional.

Así, a bote pronto, me pareció que tenía mucha razón. Me pareció que, en efecto, la lingüística computacional aunaba, por una parte, los necesarios conocimientos de lingüística que aporta un titulado o titulada en filología, con una aplicación muy práctica y creciente dentro del poderoso campo de la inteligencia artificial. Me pareció que era una forma perfecta de desarrollar una profesión dentro del propio área de conocimiento, y un área de conocimiento que, docencia aparte, no parecía tener otras muchas salidas profesionales. Y al mismo tiempo subirse a un carro lleno de oportunidades: la inteligencia artificial.

Aparte de eso a mi que, evidentemente, me gusta e interesa la inteligencia artificial, y que me encantan las áreas transversales de conocimiento y la multidisciplinariedad, me parecía un campo precioso.

Sin embargo en estos días, y precisamente a partir de un estudio más detallado del campo de la lingüística computacional, me han surgido dudas sobre el posible papel de los lingüistas en inteligencia artificial y, en concreto, en el del procesamiento del lenguaje natural.

Veamos.

La lingüística

Aunque por nuestra formación escolar, más o menos todos tenemos una idea siquiera vaga e intuitiva de lo que es la lingüística, recurro al libro clásico 'Lingüística' de Ángel Alonso-Cortés. Tengo que decir que, como por desgracia sucede con demasiada frecuencia en las disciplinas humanísticas, el autor peca, en mi opinión, un poco de exceso de erudición, una erudición muy poco práctica, y aporta varias definiciones aportadas históricamente por diversos autores, y las comenta, pero sin acabar concluyendo con una definición limpia y clara, una del propio autor, que cierre el tema.

Aunque es un poco vaga, apunto la siguiente que aparece al principio del segundo capítulo:

La lingüística es el estudio científico de las lenguas como manifestación universal del lenguaje.

pero añadiéndole esta observación que me parece interesante y que aparece unas líneas más adelante:

El estudio del lenguaje parte del hablar de una lengua como una actividad dirigida por un sistema de reglas o modelos estructurales que el hablante tiene en su consciencia.

Entiendo que el estudio científico de la lengua, del lenguaje, tiene sentido porque existen una serie de reglas o modelos estructurales, y que buena parte de la labor lingüística se encuentra en descubrir, explicitar y entender esos reglas y modelos estructurales. Y se me ocurre añadir que el uso del 'machine learning' como manera de realizar un procesamiento del lenguaje tiene sentido precisamente porque existen una patrones, unas reglas que podemos descubrir, y ese descubrimiento de patrones subyacentes es algo que 'machine learning' hace particularmente bien, casi diría que es su propia naturaleza.

Más allá de definiciones, todos tenemos la imagen de lo que incluye la lengua: la fonología, la sintaxis, la morfología y todas esas cosas que, con mayor o menor profundidad y mayor o menor interés, estudiamos de niños.

Aprovecho para citar dos aspectos que aparecen mucho en las disertaciones de Alonso-Cortés. Por un lado que, aunque en la definición que he aportado no aparece, en el análisis del autor sí que menciona mucho la importancia del análisis comparado entre diferentes lenguas, diferentes idiomas. Y, por otro, la distinción entre filología y lingüística, una diferenciación que debo reconocer que ignoraba. Me quedo con la idea de que la filología es un campo más amplio que incluye la literatura (lo que en el colegio se denominaba típicamente 'lengua y literatura') mientas que la lingüística se centra en el lenguaje propiamente dicho, bastante desconectado de su manifestación literaria.

Lingüística computacional y procesamiento del lenguaje natural

Centrado, siquiera someramente, el campo de la lingüística, vamos a saltar por un momento a la lingüística computacional. En otro libro, este menos sesudo y bastante breve, 'Computational Linguistics: The Science of Language and Machines' de Sam Claydon, me encuentro esta definición:

Computational Linguistics (CL) is the interdisciplinary field that combines linguistics, computer science, and artificial intelligence to enable machines to understand, interpret, and generate human language.

un campo interdisciplinar como se destaca en la siguiente afirmación procedente de la misma fuente

Computational Linguistics (CL) is inherently interdisciplinary, drawing from several fields to create systems that can process and understand human language.

En cualquier caso, estamos hablando de tratamiento del lenguaje por máquinas. 

Procesamiento de Lenguaje Natural

Por su lado, y continuando con la misma fuente, podemos extraer la siguiente definición de procesamiento del lenguaje natural

Natural Language Processing (NLP) is a subfield of artificial intelligence (AI) that focuses on enabling machines to understand, interpret, generate, and interact with human language in a meaningful way.

y unas líneas más abajo

NLP combines computational techniques with linguistic insights to address the complexities of natural language, such as grammar, syntax, semantics, and context.

Lingüística computacional frente a procesamiento del lenguaje matural

¿En qué se diferencia entonces la lingüística computacional del procesamiento del lenguaje natural (NLP, 'Natural Language Processing')?

Creo que, en el fondo, en poco, y menos aún con las tecnologías dominantes hoy en día, algo a lo que volveré más abajo. Sin embargo en más de una fuente, incluida la citada, he visto una distinción, un matiz que es básicamente de foco. 

En general se reconoce el fuerte solape entre ambas disciplinas, lingüística computacional y procesamiento del lenguaje natural, pero se destaca que, mientras que en el procesamiento del lenguaje natural lo que importa es el tratamiento automatizado, son los algoritmos y la obtención de resultados, en lingüística computacional, el foco está en el lenguaje propiamente dicho y el conocimiento lingüístico, un conocimiento lingüístico que, por una parte, puede aportar reglas e ideas de cómo hacer un mejor tratamiento automatizado y que, a la vez, se puede beneficiar de las conclusiones, resultados y experiencias que ofrecen los algoritmos.

La evolución de las soluciones tecnológicas

En el segundo de los libros que he citado, identifica cuatro fases en cuanto a las soluciones técnicas aplicadas en el campo de la lingüística computacional que vendría a ser lo mismo que el procesamiento del lenguaje natural. Serían estas:

• Sistemas basados en reglas: Aplicaban reglas basadas de la teoría lingüística, y con frecuencia procedente del campo de la sintaxis, para analizar y generar lenguaje. Se apoyaban en conceptos como gramáticas y ontologías.


• Sistemas estadísticos: En lugar de ir a una visión más estructural, se trabaja con las propiedades estadísticas de las lenguas. Es la época de los n-gramas o de los famosos y muy fructíferos Modelos Ocultos de Markov (HMM, 'Hidden Markov Models')


• Sistemas de deep learning: Entran en escena las redes neuronales, y cobran relevancia, sobre todo, las redes neuronales recurrentes (RNN, 'Recurrent Neural Networks') donde, en realidad, el diseñador ya sabe poco del lenguaje y el conocimiento cada vez queda más distribuido en los pesos de la red


• Transfer learning y grandes modelos de lenguaje: Desarrollo de modelos preentrenados cuyo conocimiento se puede trabnferir o reutilizar en multitud de aplicaciones y casos de uso. Nos hallamos ante modelos basados de una forma u otra en la arquitectura Transformer, en el uso de los mecanismos de atención y en una extensión multiuso y multimodal que nos lleva a hablar de modelos fundacionales.

Aunque quedan rastros de todas las fases, hoy en día, y desde hace unos tres años aproximadamente, el campo está claramente dominado por los grandes modelos de lenguaje y los modelos fundacionales

Reflexiones sobre el papel de los lingüistas

Y es a raíz de esa evolución tecnológica donde me ha dado por reflexionar y replantearme el papel de los lingüistas en la lingüística computacional y el procesamiento del lenguaje natural.

En la primera de las fases, la que se apoya en reglas procedentes de la lingüística, su papel es clarísimo: se necesitan especialistas en lingüística para investigar y guiar los desarrollos de algoritmos que se apoyen en esas reglas. Y seguramente también su aportación es útil e incluso necesaria, en la definición de gramáticas y ontologías, e incluso en la conformación de corpora de trabajo.

Sin embargo, a medida que han ido evolucionando las tecnologías, cada vez usan menos un conocimiento del lenguaje como tal, cada vez tienen una naturaleza más estadística y más autónoma, entendiendo en este caso por autónoma que, en cierto sentido, son los propios algoritmos los que descubren las regularidades sintácticas, morfológicas, fonológicas y de todo tipo que subyacen al lenguaje humano, sin necesidad de que les proporcionemos desde el exterior las reglas lingüísticas y necesitando 'sólo' ejemplos (eso sí, muchísimos ejemplos) de cómo utiliza el ser humano su lenguaje.

En esta situación me cuesta mucho más ver el papel de los lingüistas. No me atrevo a decir que no exista. Quizá puedan, a pesar de todo, orientar a alto nivel, hacia dónde trabajar con algoritmos o quizá, y aquí lo veo algo más claro, puedan trabajar en la evaluación y validación de modelos, una tarea que aunque se intenta automatizar, todavía tiene componente humano. 

Pero de todas formas, me parece apreciar que su papel se diluye, que en la medida que los algoritmos ya no reciben como entrada, o no se apoyan en el diseño, en características estructurales del lenguaje humano, la aportación del lingüista es mucho menor.

¿Es cierta mi percepción?

Me encantaría tener la opinión de lingüistas que hayan trabajado alguna vez en lingüística computacional o en procesamiento de lenguaje natural, o de personas que hayan participado en la construcción de modelos y algoritmos de procesamiento del lenguaje, a ver si comparten mi percepción o, por el contrario, me descubren grandes áreas de trabajo de los lingüistas en lingüística computacional y procesamiento del lenguaje natural.

Me alegraría mucho, tengo que decir, de que existiesen esas áreas.

Conclusiones

Aunque los campos de la lingüística computacional y del procesamiento del lenguaje natural se centran en el lenguaje, la aportación de la disciplina por excelencia del campo del lenguaje, la lingüística, parece diluirse a medida que los algoritmos se apoyan menos en conocimiento y reglas explícitos y más en propiedades estadísticas y descubrimiento automatizado de los patrones subyacentes.

Retos para una mano robótica

Cuando pensamos en robots humanoides y los retos que su diseño y construcción conllevan, tendemos a pensar en los aspectos cognitivos, en inteligencia artificial. 

Y en parte es verdad, pero existen otros tipo de retos, tampoco hoy en día completamente superados y que, realmente, suponen un tremendo esfuerzo de ingeniería y diseño.

Algún reto no específicamente cognitivo

Sin que esto suponga, ni muchísimo menos, un censo exhaustivo, ni siquiera un ranking cierto de los problemas más complejos, se me ocurre, antes de abordar el caso de la mano robótica, citar dos retos que no son específicamente cognitivos.

El primero de ellos, creo que sólo parcialmente superado, es el de la marcha bípeda. La marcha bípeda supone un gran problema no sólo de coordinación, sino también de equilibrio. Aunque se trata de un problema parcialmente resuelto, de hecho vemos ya muchos robots humanoides caminando, lo cierto que todavía el andar de los robots existentes es en general algo torpe, lento y 'robótico'. Y les cuesta mucho el correr y ya no digamos hacer otros ejercicios como saltar o moverse por terrenos irregulares. De todo ello hay demostradores y en algunos casos realizaciones prácticas, pero creo que sigue siendo un tema complejo y no del todo resuelto. Un tema complejo, pues, sobre el que técnicamente se debe avanzar aún. Pero también un tema que hace reflexionar hasta qué punto, para muchas aplicaciones prácticas, no es más razonable utilizar robots con otro tipo de soporte, quizá varias patas, quizá orugas.

Otro tema, con algo más de componente cognitivo, es la coordinación habla-gesto. Ya hay robots avanzados (por ejemplo Ameca) que coordinan su gesto con aquello que dicen. Igualmente, en avatares o humanos digitales, se consigue bastante coordinación. Pero al menos en todo lo que yo he visto, sigue siendo una coordinación algo primitiva y el resultado es todavía artificioso. Se trata de un problema muy complejo, no sólo por la coordinación en sí misma sino porque, para conseguir un gesto natural, especialmente en robots físicos, se necesita un rostro hecho de materiales blandos, con un número de actuadores razonablemente similar a los músculos de un rostro humano y porque, aunque sigue un patrón común, ni siquiera la expresión del rostro humano es exactamente igual de una persona a otra. Más variado es aún, si cabe, el movimiento de las manos, algo fundamental en nuestro lenguaje no verbal.

Retos de una mano robótica

Pero vamos ya a ver alguno de los retos que plantea construir una mano robótica. Me refiero, por supuesto a una 'verdadera mano', no a un actuador o garra de un robot industrial que, en ocasiones, tiene una forma cercana de alguna manera a una mano.

En el libro 'Humanoid robotics and neuroscience' editado por Gordon Cheng, y en concreto en el capítulo 'Hands, dexterity and the brain' escrito por Helge Ritter y Robert Haschke describen algunas de las características de una mano humana, en los que se trabaja, no sin dificultades, para trasladar a una mano robótica.

En primer lugar, nos recuerdan que una mano humana está accionada por más de 30 músculos, que le proporcionan aproximadamente 20 grados de libertad y que, además, está dotada de numerosos sensores y elementos propioceptivos (sentirse a 'sí mismo'). Esto supone que, caso de que queramos imitarla completamente, se debe diseñar un sistema mecánica y sensorialmente muy complejo.

El alto número de grados de libertad se afronta en ocasiones usando menos actuadores que grados de libertad pero acoplando elementos lo que lleva a patrones fijos de movimiento. Es una solución práctica, pero que lleva a una mano robótica menos flexible y adaptable que la humana.

Un tema inesperado, al menos para mi, tiene que ver con la aplicación de fuerzas. Según los autores, una mano humana es capaz de aplicar una fuerza de 400 Newtons y más. Evidentemente, existen motores capaces de aplicar esa fuerza y fuerzas mucho más altas. pero no existen o al menos no en el momento en que los autores escribían este capítulo, micromotores capaces de integrarse en una mano robótica de dimensiones y morfología similares a una mano humana y capaces de aplicar esa fuerza. Para conseguir la fuerza deseada, se acude a diseños en que los actuadores son externos a la mano, situados en el antebrazo, y unidos mediante una suerte de 'tendones' a los dedos.

Cuando el uso de la mano robótica es como prótesis, no tanto para formar parte de un robot humanoide, el peso es también un problema fundamental. Los autores nos explican que se recurre, por ejemplo a diseños muy bien estudiados que permiten reducir el número de grados de libertad , y por tanto de actuadores, esto es, motores, necesarios, lo que lleva a reducir el peso. En algunos casos, se consigue incluso reducir a un único grado de libertad. Además, el uso de actuadores hidráulicos o neumáticos reduce el peso del actuador.

La velocidad, en concreto la velocidad del movimiento de los dedos, constituye otro reto importante. Esta velocidad es importante, por ejemplo, para coger objetos lanzados por el aire, dar la vuelta a un objeto entre los dedos o tocar un instrumento musical. Conseguir esa velocidad, aparte de retos de control, implica utilizar materiales ligeros (para disminuir inercia) y motores rápidos.

Volviendo a los grados de libertad, el manejo coordinado de un alto número de grados de libertad es otro reto de coordinación y control. Para este control, además, se necesitan sensores (potenciómetros, sensores de efecto Hall, sensores ópticos, etc) que proporcionen información de realimentación del movimiento real conseguido, para eliminar errores, de la forma, entiendo, en que habitualmente se realizan los sistemas de bucle cerrado.

La propia superficie de contacto de la mano implica un diseño cuidadoso. La mano humana es a la vez blanda, adaptable y rugosa. Las características mecánicas de la mano humana son pues muy complejas, pero también muy necesarias para su función, y no sencillas de conseguir en manos artificiales.

Además, muchas acciones humanas son bimanuales, utilizan las dos manos. Crear dos manos robóticas que actúan en oposición pero de forma coordinada, tiene también su complejidad.

En algunos de estos retos hay mayores avances y en otros menos en las manos robóticas actuales, pero todos estos retos, y otros que seguramente existan y no hayamos mencionado aquí, son una demostración de la complejidad (a la vez que la versatilidad) de una mano humana, e ilustran la dificultad de conseguir una mano robótica que la emule en su totalidad.

Conclusiones

La construcción de robots humanoides presenta retos que van mucho más allá (o mucho más acá, según se prefiera) de sus capacidades cognitivas o de los avances de la inteligencia artificial. Presentan también importantes problemas mecánicos, de materiales, cinemática, dinámica y control, que hemos ilustrado someramente en el caso de la mano, y constituyen un reto de ingeniería de primer orden.

Diferentes empresas, mismo equipo: mi experiencia en TID-X 2025

Hoy publico un post diferente a los más habituales en este blog. Hoy quiero comentar mi experiencia con el evento TID-X 2025 celebrado los días 4 y 5 de Abril, un evento que reúne a antiguos empleados de la ya extinta Telefónica Investigación y Desarrollo, alrededor de unas charlas centradas en tecnología, e impartida por algunos de esos antiguos empleados.

Pero antes de comentar la experiencia propiamente dicha, intentaré dar algo de contexto sobre la empresa y sobre el evento.

Telefónica Investigación y Desarrollo

Telefónica Investigación y Desarrollo, Telefónica I+D para ser más breves y como normalmente nos referimos a ella, fue una empresa del grupo Telefónica nacida en Enero de 1987 y extinguida legalmente en Noviembre de 2023 aunque, hasta donde conozco, desde un punto de vista operativo que no jurídico había desaparecido unos años antes.

Telefónica Investigación y Desarrollo se creo, como digo, en 1987, siguiendo el modelo de los legendarios Bell Labs y, de hecho, aunque yo no viví esa época inicial, creo que entre los primeros directivos hubo algunos provenientes de Bell Labs. Su concepción era, pues, muy ambiciosa en cuanto a poder tecnológico y de innovación.

Recuerdo con qué admiración leía, desde mi Asturias natal, y recién incorporado a la actividad profesional, los artículos que empleados de Telefónica I+D publicaban en la legendaria revista 'Mundo Electrónico'. Se me hacía 'la boca agua' observando los temas tan avanzados en que trabajaban (hardware, software, microelectrónica,...) y la calidad de sus aportaciones. Y me parecía un sueño, un sueño casi imposible, trabajar en una empresa como esa.

Pero el sueño se hizo realidad en 1992 cuando me trasladé a Madrid y me incorporé a la plantilla de Telefónica I+D, en concreto, el 9 de Diciembre de 1992.

Aún recuerdo la casi emoción que sentí, cuando, unas semanas antes, y de camino hacia una de las entrevistas de selección, me crucé en la calle Emilio Vargas con el mismísimo Julio Linares, a la sazón director general de Telefónica I+D y cuyo nombre, cargo y aspecto conocía precisamente de algunos artículos en Mundo Electrónico.

El caso es que durante más de doce años, desde Diciembre de 1992 hasta Febrero de 2005, trabajé en Telefónica +D. Siempre he dicho, y creo haberlo escrito en este blog en algún momento, que si se puede querer a una empresa, yo he querido a Telefónica I+D.

La Telefónica I+D que yo conocí era una empresa joven, con una fuerte cultura, apasionada por la tecnología, perseguidora de la excelencia, atrevida, experimentadora, y con enorme confianza en sus propias fuerzas y capacidades. Una empresa con un equipo humano de altísimo nivel y donde todo parecía posible.

Una empresa un poco particular, eso sí, que a veces funcionaba como empresa y a veces como departamento. Con el paso del tiempo, y ya viéndola desde fuera, me resulta ilustrativo ver que no tenía ningún tipo de organización comercial. La poca venta que había que hacer la hacían los propios mandos de la parte operativa, completamente orientada a proyectos.

Pero una empresa que motivaba y empujaba, que abría posibilidades, que se atrevía casi con cualquier cosa  Una empresa con una fuerte cultura. Una empresa diferente. Una empresa, en fin, difícil de olvidar.

TID-X

TID-X es un evento, inspirado en su planteamiento y formato en los eventos TED, aunque no se ejecuta bajo su licencia y tampoco se empeña demasiado, o eso me parece a mi, en forzar esa similitud, aunque tampoco la oculta. Y donde, eso sí, los organizadores, speakers y asistentes son todos antiguos empleados de Telefónica I+D.

En su austera página web (tidx.com) se autodefine con estas palabras: 'TID-X es un evento de charlas de tecnología organizado por ex-empleados de Telefónica I+D'.

La primera edición tuvo lugar en 2018, a la que siguió otra en 2019 y se llegó a convocar otra en 2020 que, por desgracia, tuvo que ser suspendida debido a la pandemia.

Si tienes interés en ellas, apreciado lector, puedes encontrar algo de información sobre ellas en la propia página web del evento, y también ver algunas charlas en el canal YouTube (https://www.youtube.com/@tid-x772). 

Y, tras unos años en blanco tras la malograda edición de 2020, el evento ha vuelto con fuerza en 2025, siendo esta la primera edición en que asisto y participo.

El evento TID-X 2025

El evento de este año tuvo lugar este pasado fin de semana. Se inició el Viernes 4 con el denominado 'evento social' que consistió en una cena para todo el que quisiese apuntarse. Y el acto fundamental, el evento propiamente dicho, tuvo lugar el Sábado 5 de Abril en las instalaciones de  'The Bridge' en el paseo de Recoletos en Madrid. 

La lista de charlas de esta edición fue la siguiente:

• Bienvenida (Juan de Bravo)
• Designing and Building your Internal (Developer) Platform (Rubén González Blanco)
• Passkeys y DPoP - fortaleciendo la seguridad de acceso a servicios (David Lozano)
• Cuando una puerta se cierra, se abre una ventana (Mariluz Congosto)
• Revolutionizing Finance: How we leveraged Blockchain technology to optimize Financial Systems (Miguel Schneider)
• Fortaleciendo las bases de la criptografía (Fernando de la Iglesia)
• Old Man Yells at the Cloud (Javier Provecho)
• The future of product development is here (Shay Cohen)
• Los mayores retos en ética de la tecnología y el papel de las personas (Ignacio G.R. Gavilán)
• It’s 2025, and We’re Still Not Pair Programming (Me Neither, Until Last Month) (Juan Agüi)
• A personal walkthrough of a heart attack and recommendations (Pierre Plaza)
• Despedida y hasta el año que viene (Alonso Álvarez)

Una instantánea al finalizar mi charla

En lo que a mi aportación respecta, si me buscas en la lista, verás, hacia el final, que impartí una charla titulada 'Los mayores retos en ética de la tecnología y el papel de las personas'.

El contenido de las charlas estará en breve, quizá cuando leas este post, en el canal YouTube del evento.

Mi experiencia

Bueno, y ya proporcionado todo el contexto, ahí voy con mi experiencia y mis percepciones.

Nada más comenzar, decir que estoy encantado de que este evento haya tenido lugar y que deseo que la iniciativa siga adelante el año que viene y volver a asistir.

Ha sido fantástico volver a encontrarme con antiguos compañeros aunque he de decir que, de 'mi quinta' no había tanta gente (cosa que habrá que intentar enmendar en futuras ediciones) y que en buena medida los asistentes era antiguos empleados más jóvenes, más de las últimas etapas de Telefónica I+D cuando yo ya no estaba allí. Pero también resulta muy interesante y enriquecedor escuchar y departir con esas generaciones más jóvenes que seguramente vivieron una Telefónica I+D algo diferente a la que yo viví.

No puedo decir del todo que me haya sorprendido, pero sí me ha llamado un poco la atención, el carácter tan marcadamente tecnológico, y tan detalladamente tecnológico, de muchas de las charlas. De hecho me parece que las charlas que eran un poco más de alto nivel, e incluso menos profundamente tecnológicas, fueron las que pronunciamos los más 'seniors' de los asistentes. Pero eso tiene de bueno que, aparte de demostrar que el 'ex equipo' de Telefónica I+D se mantiene muy al día, que conserva la pasión por la tecnología. Eso sí, confieso que, conforme iba escuchando a los speakers que me precedían, me preguntaba, no sin cierta zozobra, cómo iba a ser acogida mi ponencia, muy diferente a las demás en temática y mucho menos tecnológica (spoiler: la cosa fue bien :) ).

Me llamó también la atención la gran presencia de charlas relacionadas con ciberseguridad y la relativamente escasa presencia de la inteligencia artificial (aunque hubo una muy interesante charla con demo incluida sobre agentes IA). 

Más allá de los detalles de contenido, el ambiente fue fenomenal, y se mezclaba la camaradería con el interés auténtico (y el conocimiento, he de decir) en la tecnología y los temas que se contaban. 

Parece que algo, bastante, de la llama de la Telefónica I+D que conocí sigue vivo. Sigue vivo el interés en la tecnología, sigue vivo el interés en aumentar el conocimiento sobre ella, sigue viva la cultura de excelencia, sigue vivo el espíritu de equipo.

Descubrí creo que el día anterior, no me había fijado antes, que el lema del evento es 'Same team. Different companies' (mismo equipo, diferentes empresas). Y me gustó mucho (de hecho, aunque cambiando el orden lo he utilizado en el título de este post), y me parece que define bien el espíritu que subyace al evento: Telefónica I+D ya no existe y ninguno de los que formamos parte de ese proyecto está ya, por supuesto, en Telefónica I+D. La mayoría ni siquiera estamos en Telefónica. Pero sigue vivo ese espíritu de equipo, de compartir algo común.

Y ese algo en común, aparte de la tecnología, creo que es el orgullo de pertenencia, el orgullo de haber formado parte de Telefónica I+D, una empresa especial, una empresa difícil de olvidar.

Conclusiones

La única conclusión que cabe decir es que estoy orgulloso de haber pertenecido a Telefónica I+D, que estoy encantado de que TID-X exista, estoy encantado de haber formado parte de esta edición y que estoy deseando que llegue la próxima.

La sorprendente paradoja del sesgo cognitivo

Con cierta frecuencia, cuando se habla de conocimiento, de pensamiento crítico o simplemente de comportamiento, renegamos un poco de los denominados sesgos cognitivos. Hablamos de ellos como formas de engañarnos sin darnos cuenta, de entender mal las cosas y, quizá, de tomar malas decisiones por ello.

Sin embargo, los sesgos cognitivos tienen una utilidad innegable y, muy paradójicamente, pudieran ser hoy en día más necesarios que nunca.

Suena raro ¿verdad?

Bueno, vamos a razonarlo poco a poco.

Los sesgos cognitivos

Sin entrar en definiciones muy académicas, un sesgo cognitivo es una forma que tenemos los humanos de procesar y entender la información. Una forma de entender, valorar o evaluar la realidad y, sobre todo, la información que de ella recibimos. Pero una forma que simplifica de alguna manera el proceso y, al simplificarlo, comete alguna forma de error o inexactitud, de desvío que es lo que, en el fondo, significa sesgo. 

Existe un amplísimo catálogo de sesgos cognitivos pero, por citar algunos de los más conocidos, de los que se me vienen a la cabeza en este momento, podría mencionar el sesgo de confirmación que hace que prestemos más atención a las informaciones que confirman nuestras creencias que a las que las desmienten, el sesgo de consenso que nos hace percibir que nuestras propias opiniones son mucho más aceptadas y generalizadas en nuestro entorno de lo que realmente son, el sesgo que no recuerdo como se llama pero que voy a denominar anclaje que hace que cuando no tenemos ni idea de un tema o de un valor, tomemos como referencia la primera propuesta que recibimos y ya sólo nos movemos con ligeras variaciones respecto a esa referencia (aviso para navegantes para aquellos que les guste regatear en una compra).

La utilidad de los sesgos cognitivos

Aunque son con frecuencia denostados, los sesgos cognitivos son muy útiles en la mayoría de las situaciones de la vida. En otras etapas de la historia de la humanidad, cuando esa humanidad vivía en condiciones más precarias y peligrosas, más integrado en la naturaleza, han sido un factor determinante de supervivencia. Al fin y al cabo, ante un tigre de bengala o un oso furioso no te puedes pensar muchos las cosas, y tienes que reaccionar.

Como decía, los sesgos cognitivos son simplificaciones en el procesamiento y entendimiento de una situación. Al tratarse de simplificaciones, permiten que el proceso sea muy rápido y que culmine con muy pocos datos. Es decir, es una forma tremendamente eficiente de procesar la información y apoyar una decisión.

Dicho de una forma coloquial, los sesgos cognitivos ayudan a evitar en las situaciones del día a día, la parálisis por el análisis. Ayudan a entender y decidir de manera inmediata y con poco datos.

El problema de los sesgos cognitivos

El problema de los sesgos cognitivos es que, aunque en la mayoría de las situaciones funcionan muy bien, existen otras en que 'nos engañan', nos hacen percibir de manera deformada la realidad y, por tanto, tomar decisiones equivocadas, como aceptar un precio muy por encima del valor real de un producto sólo porque tomamos como referencia lo que nos ofreció el hábil vendedor o, a lo mejor, reafirmarnos en ideas equivocadas porque llevamos al extremo el sesgo de confirmación.

La sobrecarga cognitiva

Aunque el nombre ya empiece a sonar 'viejuno', vivimos cada vez más inmersos en la sociedad de la información. 

Vivimos en un mundo que genera cada vez más y más datos, más y más información, una información que, además, está ahora perfecta y permanentemente accesible a través de los medios digitales. Vivimos en un mundo interconectado en que recibimos más y más estímulos, más informaciones, más noticias, más chistes, más propuestas de venta, más noticias, en una lucha por captar una atención, la nuestra, que es cada vez un bien más escaso y objeto de las apetencias comerciales y competitivas.

Más y más información, pues, y eventos que nos llegan en el fragor de un mundo interconectado, en tiempo real y 'always on'.

Nosotros, y nuestros cerebros, estamos por tanto más y más bombardeados de informaciones y estímulos, estamos sometidos, por tanto, a una alta sobrecarga cognitiva.

Este hecho e lo encontraba reflejado de alguna manera, y esa ha sido la inspiración para este post, en el final del libro 'Influencia. La psicología de la persuasión' de Robert B. Cialdini donde el autor decía:

Todo ello nos conduce a un panorama perturbador: con el sofisticado aparato mental que hemos usado para llegar a ser la especie superior en el mundo, hemos creado un entorno tan complejo, acelerado y cargado de información, que cada vez más tenemos que enfrentarnos a él del mismo modo que los animales a los que superamos hace mucho tiempo.

La paradoja

Y ahí es donde surge la paradoja.

Como estamos sometidos a una altísima carga cognitiva, como tenemos que procesar tanta información y estímulos, necesitamos mecanismos que nos lo hagan fácil, que filtren y simplifiquen. 

Y ¿Qué tenemos para simplificar ese procesamiento?

Pues, los sesgos cognitivos.

Los sesgos cognitivos con toda su eficiencia cognitiva, pero también con sus riesgo de conducirnos al error.

Y ahí tenemos la sorprendente paradoja: hoy en día que tenemos tanta información, hoy en día que somos tan conscientes de la existencia de los sesgos cognitivos, es posible que los necesitemos más que nunca. 

El pensamiento crítico

Necesitamos entonces pensamiento crítico. 

Ya que no tenemos más remedio que procesar rápidamente muchísima información, ya que en el fondo necesitamos aplicar sesgos casi como una forma de supervivencia cognitiva, debemos al menos ser conscientes de ello y gestionarlo. 

Y esa es una parte de las labores del denominado pensamiento crítico.

Eso sí, y adoptando un poco la visión de procesos de negocio, ese pensamiento crítico no puede funcionar 'en serie' con el procesamiento cognitivo normal, no puede ser una barrera, un paso previo o posterior al proceso cognitivo, porque eso sería ineficiente y anularía el valor del sesgo cognitivo.

El pensamiento crítico debe funcionar en paralelo con el proceso cognitivo normal, a modo de sonda, de monitorización de lo que hacemos, para levantar alarmas cuando sea realmente oportuno pero no interferir cuando no es necesario.  

Copilotos cognitivos

Y es posible, aunque aquí ya estoy especulando un poco, que tengamos a nuestro alcance una gran herramienta tecnológica para ayudarnos: los copilotos de la inteligencia artificial generativa, los ChatGPT o Copilot de turno.

Porque estas herramientas son muy fáciles de utilizar y procesan y simplifican cantidades ingentes de conocimiento e información y nos la ponen a disposición de una manera inmediata y muy sencilla y accesible. Constantemente están ahí para ayudarnos a entender, a conocer, a recabar información y obtener ideas.

Sabiendo, eso sí, que éstas herramientas están sujetas a sus propios sesgos, a sus propias desviaciones y errores.

Y el pensamiento crítico, pues, sigue siendo necesario.

Conclusiones

Estamos inmersos en un mucho con sobreabundancia de información y estímulos. Esa sobreabundancia conlleva una enorme sobrecarga cognitiva y, para aliviarla, necesitamos en el fondo utilizar, pese a su ala prensa, los sesgos cognitivos y, quizá, el apoyo de copilotos de inteligencia artificial. 

Y, por encima de todo, a manera de supervisor, el pensamiento crítico.

Especulando sobre un mercado para robots humanoides (y III): estrategias de desarrollo de mercado

Y con este post, llego al final, al menos por el momento, de mis reflexiones y especulaciones, sobre un mercado para los robots humanoides.

En este caso. me voy a centrar en posibles estrategias de desarrollo de este mercado. 

Aunque antes quiero hacer primero un recordatorio del concepto del 'abismo' ('chasm') de Geoffrey Moore y revisar los elementos que pueden tener en su contra este tipo tan especial de producto que son los robots humanoides.

Recordando el abismo de Geoffrey Moore

La idea del abismo ('the chasm') fue planteada por Geoffrey Moore  y recogida en su libro 'Crossing the chasm', pensando en nuevos productos de alta tecnología y mercados emergentes...una problemática que encaja perfectamente con el mercado para robots humanoides.

Moore se basa en un modelo de penetración en el mercado que sigue el famoso 'Technology adoption lifecycle' de Everett Rogers y que se representa en la figura:

Technology adoption lifecycle y el abismo

En ese ciclo de vida se pueden ver las famosas etapas de adopción por diferentes capas de la población / empresas (los innovadores, los 'early adopters', la 'early majority', la 'late majoritiy'  y los 'laggards').

Pues bien, para Rogers el gran momento de peligro, el 'abismo' es el salto desde los 'early adopters' a la 'early majority'.

¿Por qué?

Por un lado, tanto los innovadores como los 'early adopters' son segmentos del mercado que gustan de la tecnología, de la novedad, de probar cosas y, por tanto, son personas o instituciones 'fáciles', que desean los productos de alta tecnología y que, incluso, a lo mejor están dispuestos a perdonarles pequeñas carencias iniciales. Además, los estudios indican que suelen tener un poder adquisitivo alto. Son un mercado propicio y, además, son un mercado reducido.

El problema, el abismo, es pasar a la 'early majority' saltando desde los 'early adopters', Por un lado, el beneficio del producto, la proposición del valor, debe de ser más clara y creíble pero, además, ya se trata de un mercado masivo. Y eso significa que llegar a él se precisa de altas inversiones en materia de producción, de distribución y de marketing. Así que, si el producto no tiene aceptación, puede ser la ruina.

Para saltar ese abismo, la propuesta de Rogers se resumen en:

• Escoger un nicho de mercado muy concreto
• Concentrar las fuerzas en liderar ese nicho
• A partir de ahí extender a mercados adyacentes

Es decir, en el fondo, ir progresivamente. 

¿Es esa solución para el mercado de los robots humanoides?

Los talones de Aquiles de los robots humanoides

¿Qué puntos débiles tienen los robots humanoides? En una rápida reflexión (no muy profunda como en el fondo no lo es en ninguno de los artículos de esta serie), creo que hay tres:

• Coste: Aunque hace poco leía de manera diagonal una noticia sobre un robot chino muy barato, lo cierto es que me parece que, de forma natural, los robots humanoides, al menos en su versión más avanzada, son productos caros. Eso hace que no todos los clientes se los puedan permitir, especialmente en el ámbito doméstico o de consumo, y que los que se lo puedan permitir sean más exigentes en cuanto a sus beneficios diferenciales.


• Prestaciones: Aunque los avances son muy importantes, a veces incluso espectaculares, creo que aún a los robots humanoides (vuelvo a insistir, los robots humanoides avanzados) tienen unas prestaciones relativamente limitadas, al menos respecto a lo que el 'imaginario' colectivo asume de un robot humanoide, y de lo que las exigencias de su uso en entornos no muy controlados, imponen.


• Falta de estándares y diseño dominante: Esto es algo bastante natural en un mercado tecnológico emergente. No hay estándares, ni 'de iure' ni 'de facto'. Lo que hay mucho componente de investigación y desarrollo, de prototipado y de intentos de posicionamiento tanto tecnológico como de marca por parte de las empresas que trabajan este mercado. Aunque es perfectamente natural y comprensible, esa falta de estándares, esa falta de diseño dominante, dificulta la escalabilidad, dificulta la bajada de costes y puede imprimir incertidumbre en posibles clientes que no saben qué opción es mejor, o si se sostendrá o en el tiempo, o si están arriesgando mucho 'casándose' con un fabricante, o si tendrán soporte, o piezas de repuesto, etc. Aunque es una situación normal en un mercado tecnológico emergente, no deja de ser una dificultad,

Cualquier avance en lo relativo a materiales, procesos productivos, algoritmia, etc que lograse bajar costes y/o aumentar prestaciones iría a favor de este mercado, como es lógico. Ese es un ámbito más de la investigación y desarrollo y sólo cabe poner las esperanzas en la capacidad de investigadores y fabricantes que trabajan en esta tecnología.

El tema de los estándares, por su parte, es más dependiente de la madurez del mercado y de las dinámicas competitivas.

***

Ya con este marco, exploro algunas posibilidades de evolución de este mercado, de formas de acometerlo o de factores que podrían influir en su desarrollo.

La estrategia de Tesla con el coche eléctrico trasladado a los humanoides

Aunque hablo de Tesla, no estoy pensando en la Tesla de hoy en día, ni en su robot Optimus, sino en el planteamiento que Elon Musk hizo hace ya varios años, cuando Tesla nació, sobre su apuesta estratégica en tres fases. En esa estrategia, la idea era:

• Fase 1: apostar por un vehículo deportivo, caro, de alta gama y tirada limitada (el Tesla Roadster) con un objetivo fundamental de experimentar y aprender.


• Fase 2: ir ya a por un coche más común aunque todavía de gama más bien alta, que puediera ser vendido en mayores cantidades y que preparase a la compañía para el escalado. Este era el papel reservado para el Tesla Model S.


• Fase 3: con la empresa ya preparada para mercado masivo, ir ya a por ese mercado masivo con un coche de gama media: el Tesla Model 3.

¿No podría tener sentido esa estrategia para los robots humanoides? Partiríamos de un robot humanoide caro pero de altas prestaciones (hasta donde la tecnología lo permita) e iríamos a mercado limitados: personas o empresas con dinero e innovadoras. Es para esta fase para la que consideraba muy importante a ese segmento de clientes que en el post anterior donde los denominaba 'los early adopters adinerados' y donde veía, por ejemplo, a las estrellas de Hollywood. Como en el caso del Tesla Roadster, la idea sería afinar el producto (y, añadiría, crear marca e imagen).

Centrado más el tiro, técnico, de mercado y de producción, se podría ir a por un robot humanoide quizá más centrado en casos de uso, quizá más modesto en prestaciones (aunque con tecnología más afinada). Probablemente, los clientes fuesen empresas del ámbito de los eventos, la tecnología, etc

Finalmente, con la tecnología, los sistemas productivos, los canales y los casos de uso afinados, lanzamiento masivo, para más casos de uso incluyendo, quizá, el mercado doméstico y de consumo.

En innovación, e innovación tecnológica, nunca se sabe, pero yo creo que esta estrategia tiene sentido.

Puede que, incluso, la propia Tesla y el propio Elon Musk, estén pensando en una estrategia así para su Óptimus o, en general, su negocio de robot humanoides.

Robots como servicio y servicios basados en robots

Creo que en este mercado, el concepto de 'Robot como servicio' y del tipo de empresas que denominaba el el post anterior 'plataformas de robots', podrían aportar mucho valor porque eliminan en los clientes/usuarios finales muchas de las reservas en cuanto al uso de robots humanoides (inversión, apuesta por un producto un poco incógnita, posible anclaje a un fabricante, mantenimiento, etc).

Si sigo el modelo de tres fases de Tesla, creo que, aunque les veo a estas plataformas de robots papel en todo el ciclo, me parece especialmente importante cuando hablásemos de la Fase 2, del punto intermedio, donde ya queremos llegar aun mercado más amplio y empezar a prepararnos para escalar.

La incógnita de los robots de cuidados

Para mí este es un segmento de clientes incógnita: según su comportamiento podrían ser un acicate casi definitivo para este mercado o bien pasar a un segundo plano o, incluso, tener un papel casi nulo.

Si se demostrase que los robots humanoides son útiles como robots de cuidado e incluso de compañía, y si se venciesen resistencias psicológicas y si, finalmente, las administraciones o empresas sociosanitarias apostasen por ello, podría suponer un cambio de la noche al día: un mercado masivo, buen pagador y que, además, acercaría a los robots humanoides a todo el mundo.

Si por el contrario, se demuestra que los robots humanoides no son adecuados para las labores de cuidados o no son aceptados. seguiríamos hablando como mera curiosidad de estos casos de uso, pero no supondrían nada como mercado.

¿Nos pueden sorprender los robots sexuales?

Otra gran incógnita, para mí, son los robots sexuales. Aunque no manejo datos, no tengo muchas dudas de que sea un mercado de cierta relevancia. 

Pero, cuestiones éticas aparte (unas cuestiones que, por cierto, también podría suponer su prohibición o limitación), me cuesta verlo como motor del mercado de robots humanoides y, más bien, lo contemplo como un nicho, quizá un nicho jugoso, pero un nicho.

No creo que sirvan para el desarrollo tecnológico de los robots humanoides (salvo, quizá, en materiales)  y creo que el precio puede limitar este mercado.

La incierta apuesta por las fábricas

Aunque Elon Musk dice que quiere a Optimus para las fábricas de Tesla, lo cierto es que me cuesta verlo.

No digo que no existan 'huecos' posibles para los robots humanoides en las fábricas, huecos donde su esperada versatilidad y flexibilidad, y su posibilidad de colaborar con humanos, sean útiles y diferencialmente mejores que sus alternativas industriales.

Pero en un entorno controlado, como suelen ser los industriales, intuyo que normalmente serán más eficientes robots especializados de ese entorno industrial.

Sólo podrían, creo, dar una sorpresa los robots humanoides si su producción a gran escala, les hiciese tan económicos que, unida a su versatilidad, pudiesen, quizá más por eficiencia que por eficacia, suplir a los robots industriales.

La también incierta apuesta por el 'downsizing'

Otra posibilidad es que, aunque en los videos promocionales y las noticias llamativas que vemos últimamente, se nos sugieran (o demuestren) robots muy avanzados y complejos, la apuesta real, mirando al mercado y al menos a corto y medio plazo, sea por robots más simples y, por tanto, más baratos.

Sin renunciar a las mejoras tecnológicas de todo tipo y a la sofisticación creciente, podría pensarse en robots humanoides más simples, más cercanos a los robots sociales actuales, y si esa simplicidad se uniese a una producción a gran escala, los costes y los precios pudiesen bajar mucho.

Y eso permitiría ir a mercados más masivos, incluyendo el doméstico o empresas pequeñas y medianas.

Pero para eso, creo, se necesitan casos de uso realistas y ser capaces de reducir costes y precios. En esta labor de reducir costes y precios sería importante alcanzar la escala (sujetos, eso sí, al famoso riesgo del 'abismo'). De nuevo, la estrategia escalonada de Tesla con el coche eléctrico, creo que tiene sentido para llegar aquí.

La apuesta de los estados

Algo que podría cambiar las reglas del juego sería el papel de los estados. Y en este caso, no puedo de dejar de pensar en China.

Me refiero a que un estado (y sólo me imagino ahora mismo a China haciéndolo) creyese tanto en esta tecnología, ya sea por sí misma o por su importancia estratégica, que estuviese dispuesto a invertir y subvencionar masivamente en ella financiando, a su costa, el viaje desde la experimentación hasta la gran escala.

Aprovecho para mencionar en este apartado de los estados el uso militar. La tecnología militar es muy avanzada y de forma parecida a los usos en salud, hasta cierto punto acomete un mercado insensible al coste. Sin embargo, no acabo de ver a los robots humanoides en el ámbito militar. Pese a que en películas y, de nuevo, en el imaginario colectivo, sí aparezcan los robots soldado, no me convence en cuanto a su adecuación meramente práctica. Sí veo una gran sinergia tecnológica: los sistemas de percepción, razonamiento, guiado, etc de los robots humanoides podrían tener aplicación militar y viceversa. De hecho, algunas de las armas más avanzadas en forma de misiles, drones, tanques, etc son en algunos casos formas especiales de robots. Lo que no veo, al menos no de forma generalizada, cuál sería el papel de un robot humanoide salvo, quizá, como imagen o intimidación.

El seguidismo estratégico

Mas pensando en empresas que en el mercado en su conjunto, se puede seguir la estrategia del 'fast follower', es decir, empresas que sin aspirar a liderar el mercado y la tecnología, sí siguen de cerca los últimos avances.

Hacerlo así les elimina muchos costes de inversión en investigación o en desarrollo de mercado (promoción, canales, cadenas de suministro, etc) pero les permite llegar pronto a un mercado eventualmente jugoso y creciente.

Como digo, los 'fast followers' por sí solos no van a crear un mercado pero, si son capaces de seguir, sin asfixiar, a los líderes ('first entrant'), pueden ayudar mucho a que el mercado crezca y madure en ofertas y en clientes.

Conclusiones

Bueno y esto son, simplemente, algunas ideas y algunas especulaciones. Es posible, muy posible, que haya otros modelos u tras estrategias que no se me hayan ocurrido en este momento.

Pero como reflexión y especulación, me resultan interesantes, me ayudan a estructurar una opinión y una línea de análisis y seguir, quizá con mayor criterio, lo que pueda suceder en las próximas semanas, en materia de desarrollo tecnológico, de marketing y de estrategias, en este sector tan alucinante como son los robots humanoides.

Veremos...

Artículos de este blog relacionados

• Especulando sobre un mercado para robots humanoides (II): segmentos de clientes
• Especulando sobre un mercado para robots humanoides (I): proposición de valor

Especulando sobre un mercado para robots humanoides (II): segmentos de clientes

Acometo el segundo de los posts que dedico a especular sobre un posible mercado para los robots humanoides y una posible dinámica de desarrollo de ese mercado.

Si en el post anterior me centraba en la proposición de valor, que pueden aportar diferencial los robots humanoides, en este artículo especularé un poco sobre los posibles segmentos de cliente.

En ese sentido estoy siguiendo un orden diferente al que se aplica normalmente, cuando se usa el Business Model Canvas y herramientas relacionadas. En esa aplicación, lo lógico es que primero se identifiquen posibles segmentos de cliente y luego se defina la proposición de valor. Es una metodología lógica pero en este caso, y dado lo poco claro aún que están ambas cosas, la escasa definición actual de este mercado, creo que tiene sentido primero preocuparse de ver qué tienen de especial estos robots (con los que ya se están experimentando) y qué pueden hacer, y luego identificar ya posibles segmentos donde esas capacidades tengan sentido.

Si estuviésemos hablando de una empresa, una startup real, el orden debería ser el canónico (segmentos de cliente->proposición de valor) pero para especular en un mercado poco definido, creo que el orden proposición de valor genérica -> segmentos de cliente, puede resultar más ilustrativo. Si una empresa entra en este mercado, ya deberá decidir los segmentos de cliente a que se dirige y afinar y concretar la proposición de valor.

Sobre los segmentos de cliente

Antes de revisar los segmentos de cliente posibles, recordar que al hablar segmentos de clientes queremos decir grupos de cliente con la suficiente homogeneidad como para ofrecerles el mismo porfolio de productos y servicios, la misma proposición de valor y, a partir de ahí, derivar el mismo modelo de negocio.

Advertir también que no estoy pensando en segmentos de cliente a muy largo plazo, sino los segmentos de clientes iniciales a corto o medio plazo, los que podrían contribuir a que este mercado despegase.

De los primeros segmentos de cliente que se me ocurren, estarían los siguientes:

• Los 'early adopters' adinerados
• Instituciones sanitarias y sociales
• Las grandes ferias
• Plataformas de robots
• Las super-tecnológicas

Pero no quiero dejar de comentar lo que imagino respecto a otros cuatro segmentos de clientes:

• Hostelería
• Industria
• El sector espacial
• Mercado doméstico

Vamos a verlo

***

Empezamos por los segmentos a los que veo mejores perspectivas.

Los 'early adopters' adinerados

Me ha costado encontrar un nombre para este segmento de clientes. ¿A qué me refiero? Pues estoy pensando en grandes millonarios, algo excéntricos y con proyección mediática. Cuando pienso en este segmento, se me vienen a la mente las grandes estrellas de Hollywood, por ejemplo, aunque probablemente podríamos incluir casos como los jeques árabes millonarios por el petróleo, quizá grandes deportistas, grandes cantantes, algún o alguna 'influencer' y perfiles similares.

En general son personas (personas más que empresas) para las cuales el probable alto coste de un robot humanoide no signifique nada, y a cambio, les permita afianzar su estatus, impresionar a sus visitas, aparecer en medios y, bueno, tampoco descartemos que realmente les interesen o diviertan, imagen aparte.

En mi imaginación, podrían jugar un papel más importante de lo que parece, pero eso lo explicaré en el siguiente post.

Instituciones sanitarias y sociales

Para mi este es un segmento un poco incógnita, pero al que hay que claramente tener en cuenta. Admito que me cuesta visualizarlo si pienso en España pero, sin embargo, es un segmento muy lógico y sobre el que en países como Japón, y creo haber oído que también en China, se está trabajando.

Tiene bastante lógica. La población mundial está envejeciendo y se está alargando la esperanza de vida. Las personas mayores necesitan atención, ya sea en hospitales, residencias o domiciliaria. Y no hay profesionales sanitarios y sociales suficientes, ni tampoco es fácilmente sostenible la atención directa por familiares. Por ello, tiene sentido buscar mecanismos de automatización.

Aunque a nivel de hospitales, por ejemplo, se pueden usar otro tipo de robots para, por ejemplo, transporte de medicinas o comida, para la relación y atención a pacientes tiene cierta lógica que estemos hablando de robots sociales y dentro de eso, parece también bastante lógico que sean humanoides.

No me parece necesario que deban ser humanoides de alta fidelidad, pero sí parece la morfología humanoide la más adecuada. Conviene que sean sofisticados en cuanto a capacidades relacionales (sobre todo lenguaje verbal) y con cierto manejo responsable de elementos como la mirada. Estructuralmente, creo que, aunque depende de su uso final, deben exhibir cierta destreza en cuanto a manipulación (para entrega de medicinas, comida incluyendo quizá alimentar a la persona, quizá arreglar camas, etc) y en algún caso con fuerza, para desplazar camas ocupadas o, y aunque esto es delicado, mover a las personas. A cambio, no creo que deban ser sofisticados en cuanto a desplazamiento. No creo que en general se necesite, puede que ni siquiera convenga, que sean bípedos. El eliminar las piernas simplificaría mucho el movimiento y su control y podría abaratar costes. En algunos casos, y si se expandiera el modelo, hasta podrían ser robots asignados a habitaciones, con necesidades de desplazamiento mínimas.

Aparte de la necesidad, y de la adecuación funcional de los robots, hay otro elemento a tener en cuenta: la capacidad de pago. Como comenté en el artículo anterior, al menos de momento los robots humanoides son caros. Pero el sector sanitario y social se caracteriza porque, especialmente en el caso de sector público, no 'repara en gastos'. Decirlo así puede ser exagerado, pero sí es cierto que es un sector menos sensible al precio, porque se prioriza la salud y el bienestar de las personas y no se busca tanto el retorno como la sostenibilidad. 

Las grandes ferias

Cuando hablo de las grandes ferias, me refiero a grandes exposiciones como el Mobile World Congress y similares. No necesariamente de tanto tamaño e importancia, ni siquiera necesariamente del sector tecnológico, aunque parece razonable empezar por ahí.

En estas ferias, los robots humanoides pueden realizar el papel de azafatas, o guías, o de punto de información móvil, aportar explicaciones, indicar dónde se encuentran los stands, quizá hacer alguna 'demo', etc.

De hecho, no es raro ya desde hace algunos años, ver robots sociales como Pepper en este tipo de ferias. Lo que pienso es que se podría generalizar algo más y abarcar nuevos tipos de feria (turismo, arte, etc)

Eso sí, salvo quizá excepciones en que haya exposiciones permanentes o de muy larga duración o itinerantes, me cuesta imaginar que los responsables de estas ferias adquieran en propiedad los robots. No me parece imposible, pero tampoco muy generalizable.

Para ello les convendría más, seguramente, alquilar o subcontratar esos robots (cosa que también ya se hace hoy en día). Y eso me lleva al siguiente segmento de clientes: las plataformas de robots.

Plataformas de robots

A lo mejor el nombre de plataforma de robots sea ligeramente pretencioso, y no del todo adecuado porque puede confundir con otros modelos de negocio...pero me gusta el nombre.

En el fondo lo que estoy pensando es en empresas que alquilen robots u ofrezcan servicios basados en robots. Para ello, adquirirían un parque de robots que irían alquilando a sus clientes o usando en los servicios que prestasen a sus clientes. Vendría a  ser lo que en alguna ocasión se  ha denominado RaaS ('Robot as a Service') y que ya se utiliza en algunos ámbitos incluyendo el industrial.

En el caso más básico, se alquilaría el propio robot sin más y la empresa cliente lo utilizaría como lo necesitase. Pero no sería extraño que la plataforma de robots ofreciese servicios, que visualizo en dos niveles posibles:

• Un primer nivel en que la plataforma de robots configura o adapta el comportamiento del robot para el entorno en que va a ser usado pero a partir de ahí ya es gestionado por el cliente final.
• Un segundo nivel en que la plataforma de robots lo que ofrece realmente es un servicio basado en robots, por ejemplo, un catering, un servicio de recepción, etc y se ocupa del servicio en su conjunto, no sólo de los robots

Puede tener mucho sentido para dar servicio a clientes que quieren usar robots pero no de manera permanente (el caso de las ferias sería paradigmático) y, por tanto, para esos clientes no tiene sentido la adquisición de unos robots que son caros y que precisan mantenimiento y conocimientos especializados.

Incluso podría ser el caso de empresas u organizaciones que, aunque sí usasen los robots de manera permanente, no lo considerasen su 'core business' y prefiriesen externalizarlo. Las organizaciones de atención sociosanitaria podría ser un cliente de este tipo.

Super-tecnológicas

Estrictamente hablando, las super-tecnológicas no serían verdaderos clientes, sino empresas interesadas en este tipo de productos: los robots humanoides, pero para aprovechar sus capacidades tecnológicas y, quizá, lanzar en algún momento su propia solución.

Enlaza con lo que comenté en el post anterior: existe sinergia tecnológica de los robots humanoides con otros muchos tipos de soluciones técnicas avanzadas (sensores, inteligencia artificial, vehículos móviles, drones autónomos, robots móviles, etc) que los convierten en una gran plataforma de innovación... a la espera de desarrollar su mercado propio.

Cuando pienso en super-tecnológicas, pienso en empresas tipo Tesla, pero puedo incluir Google, Microsoft, otros fabricantes de coches, fabricantes de robots industriales, industria militar, etc. De hecho algunas de estas empresas o sectores ya están haciendo incursión en el sector de los robots humanoides.

***

Los segmentos de clientes anteriores son los que me imagino, aunque puedo haberme olvidado de alguno, como los que 'tiren' inicialmente del mercado de robots humanoides. Pero hay algún otro sector que pudiera jugar un papel, o que me parece interesante comentar. Vamos a ello,

Hostelería

A lo mejor llama la atención que no haya incluido la hostelería dentro de los sectores o segmentos de cliente para el desarrollo del mercado de robots humanoides cuando, incluso, la fotografía de cabecera del post es un caso de uso en hostelería: un robot camarero.

Lo veo un poco en el límite. Sí que veo la aplicación de robots sociales, y de hecho es algo que ya se está haciendo, como camareros, o sirviendo copas. Pero me parece que, caso de generalizarse, y salvo en lugares 'top' que buscasen una experiencia diferencial o una imagen de marca especial, tenderían a soluciones de escasa sofisticación, pudiendo ser válidos robots ya existentes, simplemente por motivos de coste.

Es cierto que, quizá en locales de lujo, por ejemplo, podrían desear robots humanoides de los sofisticados. Pero no estoy muy seguro de que eso fuese un gran mercado, al menos inicialmente.

Otro posible desarrollo en el sector hostelería, sería trasladar al menos parcialmente, a hoteles las soluciones de tipo sociosanitario. Si un robot fuese capaz, no sólo de relacionarse con las personas y traerles 'cosas' (comida o medicinas, por ejemplo), sino que también fuese capaz de ocuparse de la limpieza y de arreglar la habitación, podrían ser usados masivamente en cadenas de hoteles. No tengo claro sin embargo, en este momento, si hay robots capaces de hacer una cama (supongo que sí, y que incluso el diseño de camas simples, con poco más que un edredón, facilitaría las cosas, pero no estoy seguro).

En fin, que es un sector en el que, aunque veo posibilidades, tampoco las veo nítidamente a forma masiva a corto plazo.

¿Qué pasa con la industria?

Puede llamar la atención también que no haya incluido entre los sectores fundamentales para los robots humanoides, la industria, y más tendiendo en cuenta que el propio Elon Musk al hablar de Optimus lo sitúa en las fábricas de Tesla.

El motivo es que creo que, en un ambiente industrial, que es un ambiente en general muy previsible y un entorno acondicionado para la labor de fabricación o producción, tienen más sentido robots tradicionales, seguramente menos flexible que un robot humanoide, pero muy fiables, eficientes y seguramente robustos.

Quizá, como parte de alguna concepción moderna de 'célula de fabricación flexible' pudiera tener sentido algún robot humanoide pero, a la espera de ver lo que Tesla o similares puedan concebir, pienso que siendo prácticos, en el entorno industrial tienen mas sentido otro tipo de robots.

Quizá, y solo quizá, una eventual bajada importante de costes de los robots humanoides unido a un aumento de flexibilidad podría justificarlo.

O quizá, pudiera tener sentido una especie de híbrido entre robot humanoide y manipulador industrial: algo así como un robot de forma aproximadamente humanoide y con capacidades de relación social y de desplazamiento, pero que, en lugar de manos, tuviera elementos terminales para soldadura, pintura, etc, (quizá que tuviera más de dos brazos y alguno fuesen manos y otros elementos especializados) e, incluso, que quizá, el propio robot fuese capaz de determinar la herramienta que necesita y ajustársela.  

De todas formas, y aunque me mantengo a la expectativa, sigo viendo poco claro, al menos a corto o medio plazo, la aplicación masiva de robots humanoides en el ámbito industrial.

El sector espacial

El sector de la exploración espacial es muy interesante para la robótica de todo tipo y pudiera dar cabida también a robots humanoides por su versatilidad. Creo que el propio Elon Musk ha afirmado que los primeros viajes de SpaceX a Marte llevarán robots Optimus.

Aunque no es cien por cien seguro que un robot humanoide sea la mejor opción para exploración espacial, tampoco me parece del todo descabellado. 

Pero no lo sitúo como uno de los sectores principales por motivos de volumen. Aunque los contratos para exploración espacial seguro que son grandísimos y muy jugosos, el número de robots implicados creo que siempre sería escaso.

Me parece que es un sector que, caso de que realmente los robots humanoides encuentren su hueco en él, servirá más para el desarrollo tecnológico, la prueba de concepto, la puesta a punto de casos de uso, etc que como un mercado propiamente dicho.

Eso sí, caso de ser exitoso el uso de robots humanoides en este campo, podría suponer un aldabonazo para otros mercados y sectores.

¿Y el mercado doméstico?

¿Y qué pasa con el mercado doméstico? ¿Qué pasa con el consumo? ¿Llegarán los robots humanoides a nuestros hogares?

Bueno, no creo que sea el primer mercado. Aparte de alguna eventual resistencia psicológica, sobre todo creo que es prohibitivo, actualmente, el coste. Además, y desde un punto de vista práctico, no tiene sentido pagar lo que puede costar un robot humanoide para lo que realmente se puede obtener de él en el ámbito doméstico.

De todas formas conviene hacer algunas salvedades.

La primera es que, en mi opinión, el mercado masivo, el consumo, el mercado doméstico, en un sector o un mercado mucho más impredecible porque la decisión de compra, creo, es mucho menos racional. Si por algún motivo, a 'la gente' de repente, le apeteciese tener robots humanoides, en general o para algún uso concreto, si algún fabricante lograse 'apretar la tecla oportuna', a lo mejor la demanda explotaba. Pero de momento creo que, ni hay esa demanda, ni la relación coste-beneficio  justifica la compra. Es más, incluso aunque esa relación coste-beneficio no fuese mala, el precio no lo puede pagar cualquiera.

Otra salvedad que quiero hacer es que estoy pensando en robots humanoides de sofisticación media o alta, como los robots sociales de gama alta actuales o más evolucionados. Formas robóticas más simples y baratas, más cercanas a un juguete o a una forma avanzada de altavoz inteligente móvil, aunque tampoco apuesto por ello claramente a corto plazo, no me parece descabellado. Solo se trata, de nuevo, de encontrar la 'tecla' y apretarla.

En busca de una 'killer app'

Y esa búsqueda de la tecla' nos refiere en parte al famoso concepto de la 'killer app', esa solución o ese caso de uso de una tecnología que, de repente, y puede que inesperadamente, puede que incluso inexplicablemente, haga explotar el mercado.

En el caso de los robots humanoides, también puede aparecer esa 'killer app' que no nos imaginemos ahora mismo, o que no consideremos cercana. En el caso de los robots humanoides, sin descartarla completamente, creo que se necesita todavía un 'afinamiento' de la solución desde el punto de vista técnico y funcional y, sobre todo, una bajada de costes.

Conclusiones

Como toda esta serie de posts, realmente lo que he hecho es mera especulación, basada en mi intuición más que en datos firmes, pero he intentado recorrer los segmentos de clientes y los mercados donde me imagino que los robots humanoides pudieran tener éxito a corto o medio plazo, y algún sector adicional en que lo veo menos claro pero que, por un motivo u otro, me parece que tienen o pueden tener relevancia.

En el próximo post, que creo que será el último de esta 'mini-serie', comentaré, de nuevo como mera especulación, estrategias y dinámicas de mercado para la introducción más o menos masiva de robots humanoides.

Artículos de este blog relacionados

• Especulando sobre un mercado para robots humanoides (I): proposición de valor