Artículo
Anthropic abrió una vista previa de investigación de Model Hardware Standard (MHS), una especificación compartida para que agentes de inteligencia artificial puedan operar equipos físicos programables. La iniciativa comenzó junto con el campus de investigación Janelia del Howard Hughes Medical Institute y está siendo probada con organizaciones de ciencia, robótica, electrónica y manufactura.
El problema que intenta resolver es la fragmentación del hardware. Microscopios, manipuladores de líquidos, lectores ópticos, láseres y brazos robóticos suelen tener interfaces diferentes y requieren integraciones específicas. Según Anthropic, MHS describe capacidades, parámetros y límites de seguridad de cada dispositivo y permite controlarlos mediante protocolos como Model Context Protocol, línea de comandos o archivos de código.
La promesa empresarial no está en un robot particular, sino en reducir el costo de conectar y coordinar equipos de distintos fabricantes. Anthropic afirma que tareas de integración que hoy pueden demandar semanas o meses podrían reducirse a horas o minutos. Esa estimación proviene de la empresa y de sus primeras pruebas; todavía no existe evidencia pública suficiente para extrapolarla a instalaciones, proveedores y procesos productivos diversos.
En una prueba con Genentech, Claude coordinó un manipulador de líquidos, un brazo robótico y un lector de microplacas para automatizar un ensayo de medición de proteínas. El sistema ajustó velocidades de pipeteo para agua y una solución viscosa, y pudo recuperarse de algunos errores de hardware. El resultado muestra que un agente puede observar datos, modificar parámetros y convertir parte de lo aprendido en procedimientos reutilizables.
La misma experiencia expuso un límite decisivo. Cuando aparecieron burbujas, el agente continuó cambiando parámetros sin comprender que el problema era físico y estaba contaminando la medición. Un investigador tuvo que intervenir para identificar la causa. MHS amplía la capacidad de actuación del modelo, pero no le entrega automáticamente conocimiento tácito, criterio científico ni comprensión confiable de la materia.
También queda abierta la cuestión de la reproducibilidad. Si un agente modifica un experimento en tiempo real, la organización necesita registrar qué observó, qué decisión tomó, qué instrucción ejecutó y bajo qué límites. Sin trazabilidad, versiones controladas, permisos y mecanismos de parada, una integración más rápida puede trasladar el cuello de botella desde la programación hacia la validación, la seguridad y la responsabilidad por los resultados.
Anthropic prevé abrir el estándar cuando complete protecciones adicionales y ya trabaja con fabricantes, laboratorios y plataformas de robótica. Sin embargo, la participación de empresas como Danaher, Qiagen, Tecan, Universal Robots, Hugging Face o Raspberry Pi debe leerse como experimentación y desarrollo de compatibilidad, no como adopción masiva ni como garantía de que MHS se convertirá en la interfaz dominante del mercado.
Para una empresa, la respuesta prudente es comenzar con un proceso acotado y reversible: elegir equipos con interfaces programables, definir límites físicos y permisos, mantener supervisión experta y medir tiempo de integración, tasa de errores, repetibilidad y costo total. MHS puede convertirse en una infraestructura relevante entre la IA digital y la operación física, pero hoy su valor está en la hipótesis que permite probar, no en un estándar ya ganado.