Modelos de IA, visión artificial, razonamiento, aprendizaje, autonomía… El “cerebro” de los robots está presente en cada charla que surge sobre el tema. Y es lógico, ya que sin esa inteligencia, ninguna máquina puede adaptarse a un entorno real. Pero cuando hablamos de operar un robot en una fábrica, un hospital, una mina, un puerto o una infraestructura crítica aparece otra variable que casi no se menciona, pero que resulta aún más decisiva: la latencia.
En el mundo digital un pequeño retraso es una molestia. En el mundo físico, un potencial peligro. Una máquina que se mueve con retardo, una señal que llega tarde, una instrucción que se ejecuta con variabilidad, un operador remoto que no recibe feedback estable, etc. En todos los casos, el riesgo es operativo y sus implicaciones son serias. Y son apenas algunos ejemplos de cómo la latencia es una condición de seguridad, productividad y confianza.
La Physical AI exige que las máquinas puedan sentir, decidir y actuar en tiempo real. Para mí, su valor reside precisamente ahí: en integrar inteligencia en máquinas y operaciones para que fábricas, almacenes, ciudades e infraestructuras críticas respondan con mayor velocidad, seguridad y escalabilidad.
Esto obliga a repensar la infraestructura. Cuando hablamos de control remoto, robótica colaborativa o máquinas autónomas operando cerca de personas, la conectividad no se puede seguir evaluando sólo desde la capacidad (más ancho de banda, más cobertura, más velocidad teórica): se necesita una red estable, predecible y con baja variación del retardo. En robótica, el jitter puede ser tan importante como la latencia media.
Cuando cada milisegundo cuenta
Aquí es donde la visión de NTT Group alrededor de IOWN cobra especial relevancia. En noviembre de 2022, una demostración en Musashino conectó dos puntos a más de 100 kilómetros mediante IOWN All-Photonics Network (APN), con capacidad por tramos de más de 100 Gbps por longitud de onda, baja latencia cercana al límite físico y prácticamente cero fluctuación del retardo. Más adelante, en febrero de 2025, NTT y Medicaroid conectaron un robot quirúrgico hinotori entre dos hospitales sobre esa misma red para explorar entornos de cirugía remota. El matiz es clave: enviar mucha información con una estabilidad suficiente para que dos espacios físicamente separados puedan comportarse como si estuvieran integrados.
En cirugía, la latencia no es una abstracción. Las guías japonesas de cirugía remota de 2022 fijan el límite en 100 ms de extremo a extremo. La validación de cinco años del sistema hinotori, entre 2020 y 2025, realizada por la Universidad de Kobe, Medicaroid y NTT DOCOMO en más de treinta sesiones remotas, alcanzó cerca de 100 ms de ida y vuelta sobre 5G Sub6 simulando 800 km de distancia, con video estereoscópico estable incluso inyectando 1 Gbps de congestión. Por encima de esos 100 ms, según un artículo del Journal of Robotics Surgery (2025), empieza a degradarse la coordinación mano-ojo. Otro artículo de International Journal of Computer Assisted Radiology and Surgery, (2025) identificó que en el rango de 150 ms a 300 ms, el cirujano percibe pérdida de control.
Talento experto sin límites físicos
La implicación para las empresas es enorme. Si la inteligencia puede estar distribuida y procesarse cerca del punto donde se necesita, hablamos de nuevos modelos operativos y no sólo de robots más autónomos. Esto, por ejemplo, permitiría a un experto supervisar maquinaria crítica a distancia, a un operador intervenir en entornos peligrosos sin estar expuesto o a un hospital beneficiarse de capacidades avanzadas sin depender de la presencia física de los especialistas.
Para hacerlo posible, necesitamos entender que la red forma parte del robot. No es una infraestructura de soporte, sino una extensión del sistema nervioso de la operación. La máquina ve, interpreta, calcula, se mueve y responde dentro de una cadena que incluye sensores, edge, cloud, modelos, conectividad, sistemas empresariales y personas. Si cualquiera de esas piezas introduce incertidumbre, la autonomía se vuelve frágil.
La conversación de negocio empieza por el SLA operativo: qué nivel de respuesta exige el proceso, qué margen de error es aceptable, qué tareas pueden operar de forma autónoma, cuáles requieren supervisión humana y qué ocurre si la conectividad falla. En Physical AI, el diseño de la operación debe anticipar tanto la inteligencia como el posible fallo.
También hay una dimensión humana. La teleoperación, la robótica colaborativa y los sistemas autónomos no sustituyen a las personas. Por el contrario, permiten que el talento experto llegue donde antes no llegaba, que las tareas de riesgo se rediseñen y que los equipos trabajen con máquinas que, además de ejecutar, interpretan el entorno.
La próxima frontera estará en construir operaciones donde inteligencia, conectividad y confianza actúen como una sola capacidad. Más allá de cuánto piense una máquina, el futuro de la robótica estará definido en buena parte por su capacidad de actuar a tiempo.
