El espejo robótico: ¿tan buenos somos los humanos como para querer copias?

Los robots llenan titulares cuando nos imitan: conversan con voz casi humana, escriben textos que parecen nuestros o “leen” emociones en una pantalla. Pero el salto que de verdad importa es otro: dejar de copiarnos y empezar a complementarnos, diseñando capacidades que tapen nuestras grietas (atención, sesgos, fatiga) y valorar a las máquinas por su impacto en las personas, no por lo humanas que parecen.

Robótica cognitiva: ¿humanos digitales?

Tal vez, si nos hablan de robótica cognitiva, no sepamos qué es eso. Pero seguro que hemos leído alguna noticia sobre Neuralink, la empresa de Elon Musk que busca conectar cerebros y ordenadores; o hemos visto androides que bailan torpemente, o conocemos a los robots de Amazon, que recorren los almacenes cargados de paquetes.

La robótica cognitiva busca dar a la máquina algo más que fuerza y precisión: habilidades parecidas a las de los humanos o animales. No se trata solo de mover motores y sensores, sino de que sean capaces de percibir, recordar, aprender, anticipar y adaptarse cuando las cosas cambian. Su objetivo es pasar del “robot que repite” al que entiende el contexto. Para ello, integra disciplinas como la inteligencia artificial, las ciencias cognitivas o la biología.

Drones y prótesis cerebrales

Dentro de este campo, hay estrategias muy distintas. Por ejemplo, la robótica de enjambre, inspirada en hormigas o abejas, estudia cómo robots simples logran juntos lo que uno solo no podría: desde drones que se coordinan en rescates hasta máquinas que se reparten las tareas en un almacén.

En cambio, enfoques como la neurorrobótica o la robótica del desarrollo buscan imitar la cognición humana, modelando el cerebro o copiando los mecanismos de aprendizaje de los niños.

Lo que empezó como un reto académico ya sale de los laboratorios. Vemos robots sociales en aulas y hospitales, enjambres en la industria logística o prótesis que se controlan con señales cerebrales. Avanzan, pero con límites: aún dependen de entornos controlados, carecen de “sentido común” y no generalizan bien lo aprendido.

Sin embargo, en nuestro grupo de investigación en Mondragon Unibertsitatea elegimos mirar en otra dirección. Más allá de resolver cada obstáculo técnico, nos preguntamos: ¿realmente nos beneficia que los robots se parezcan tanto a nosotros?

El punto ciego del antropocentrismo

Durante décadas, hemos medido el progreso en robótica con una vara muy concreta: ¿se parece a nosotros? Hablamos de visión “al nivel humano”, razonamiento “casi humano” o manos “tan hábiles como las nuestras”. Pero el parecido no garantiza impacto en contextos reales de trabajo o cuidado. Y ahí está la trampa: si aspiramos a copiar lo humano, también copiamos sus límites.

Pensemos en tareas críticas que requieren vigilancia constante: los humanos fallamos de forma predecible. La atención sostenida se desploma con el tiempo y el rendimiento cae. No podemos olvidar que el humano se cansa.

A esto se suman nuestros sesgos cognitivos. Tendemos a confirmar hipótesis previas, a confiar demasiado cuando una herramienta acierta a menudo, o a ignorar señales contradictorias. El resultado es conocido: errores evitables y decisiones poco fiables.

Un estudio reciente que analiza de forma sistemática los campos de la robótica cognitiva y la colaboración humano-robot apunta en la misma dirección: los temas de cognición (aprendizaje, predicción, intención) y de colaboración (tarea, control, seguridad, confianza) crecen, pero lo hacen por caminos separados. Los hallazgos clave indican que, si bien los avances en la robótica cognitiva han dado lugar a sistemas más autónomos y adaptables, integrarlos eficazmente en las prácticas de colaboración con las personas sigue siendo un desafío.

Si el estándar de éxito de un robot cognitivo es “parecerse a nosotros”, acabará heredando exactamente las mismas debilidades. Y si hablamos de colaboración con las personas, no parece el escenario más deseable.

De heredar fallos a solucionarlos

Si copiar lo humano hace que el robot herede nuestras debilidades, cambiemos la pregunta: ¿qué puede aportar un robot precisamente por no ser humano? Partamos de nuestras limitaciones reales (lapsos de atención, sesgos, fatiga, carga física…) y dotemos a los robots de capacidades que las compensen.

A esta misma inquietud han respondido otros autores con propuestas como la de los “superpoderes robóticos”, desarrollada por Robin Neuhaus, experto en diseño de interacción humano-robot.

Hay tres familias de “superpoderes” fáciles de visualizar. Los físicos implican que los robots no sienten dolor ni fatiga y mantienen precisión constante. Sirven, por ejemplo, para sostener tareas largas y delicadas sin perder pulso ni ritmo.

Por otro lado, los cognitivos les dotan de cero necesidad de competir, paciencia infinita y foco sostenido. Pueden repetir una instrucción cien veces sin molestarse, pedir confirmación cuando algo es ambiguo y no tomar nada como algo personal.

Por último, tenemos los superpoderes comunicativos: se expresan sin ambigüedades ni dobles lecturas, no discriminan ni se ofenden. Traducen estados internos complejos en mensajes simples y oportunos (qué pasa, por qué importa y cuál es el siguiente paso), lo que elimina malentendidos.

De espejo a aliado

Este giro no es tanto tecnológico como metodológico. Las piezas técnicas ya existen. Falta cambiar el punto de partida: diseñar desde las personas, no desde el potencial de la máquina. Solo así podremos hablar de robots realmente centrados en el humano: definidos por nuestras necesidades, codiseñados con quienes los usan y evaluados por su impacto en el trabajo, la seguridad y el bienestar.

Seguir construyendo espejos solo hereda nuestras grietas. Si queremos robots que de verdad nos ayuden, cambiemos el guion: un superpoder útil antes que un “casi humano” brillante.

Nagore Osa Arzuaga es docente e investigadora en Innovación en Diseño Industrial, con especialización en Diseño de Interacción Humano-Robot y Factores Humanos por la Mondragon Unibertsitatea.

Este artículo fue publicado originalmente en The Conversation. Lee el original.