La inteligencia artificial ya no es exclusivamente un sistema que escribe, recomienda, predice o toma decisiones dentro de una pantalla. La siguiente evolución consiste en dotar a máquinas y robots de capacidad para percibir qué ocurre a su alrededor, interpretar esa información y actuar físicamente sobre el entorno. McKinsey denomina a esta evolución «physical AI» y considera que sus primeras aplicaciones con una economía más clara están apareciendo en manufacturing y logística.
Para el retail, ese punto de partida ya está en marcha. Almacenes, centros de fulfillment, picking, clasificación, movimiento interno de mercancías y última milla concentran tareas repetitivas, elevados volúmenes y costes medibles. Son condiciones muy diferentes de las de una tienda llena de clientes, trabajadores y situaciones imprevisibles. La IA física en retail puede avanzar, por tanto, a velocidades muy distintas dependiendo del entorno donde tenga que actuar.
¿Qué cambia cuando la IA puede actuar sobre objetos?
El Technology Trends Outlook 2026 de McKinsey sitúa la physical AI como la continuación del aumento de autonomía que ya se observa en los sistemas digitales. La IA generativa crea contenido; los agentes pueden completar tareas dentro de software. La IA física añade percepción, razonamiento y acción en robots, vehículos y otros dispositivos.
La diferencia frente a la automatización tradicional está en la capacidad de adaptación. Un robot industrial convencional puede repetir una operación con gran precisión cuando posición, recorrido y objeto están definidos. Pero los nuevos sistemas intentan interpretar variaciones del entorno, reconocer aquello que tienen delante y ajustar su actuación sin que cada situación tenga que estar programada previamente.
La convergencia de visión artificial, sensores, modelos de IA, capacidad de computación y mejoras en robótica está ampliando ese margen de autonomía. No significa que los robots puedan desenvolverse ya con fiabilidad en cualquier situación. Significa que empieza a crecer el número de tareas físicas donde una máquina puede reaccionar ante más variabilidad que las generaciones anteriores.
La logística ofrece una ecuación económica más sencilla
McKinsey señala expresamente que la physical AI está llegando primero a manufacturing y logística porque allí su economía resulta más clara. Un centro logístico ofrece un entorno relativamente estructurado, procesos repetidos miles de veces y métricas que permiten comparar inversión y resultado.
Un retailer puede calcular cuánto cuesta preparar un pedido, cuánto tarda un operario en mover mercancía, qué volumen procesa una instalación o cuánto supone un error de picking. Si un sistema robótico mejora alguno de esos indicadores de manera constante, existe una base directa para calcular retorno.
Además, los centros logísticos permiten adaptar el entorno a la máquina. Se pueden ordenar recorridos, definir zonas, estandarizar contenedores o instalar sistemas de seguridad específicos. En una tienda ocurre lo contrario. Personas que cambian de dirección, carros, niños, productos fuera de lugar, pasillos congestionados y decisiones difíciles de anticipar aumentan considerablemente la exigencia técnica.
El retail ya se adapta a esta transición
La evolución no parte de cero. Por ejemplo, Zalando ya está utilizando robots con IA en operaciones de picking, una tarea donde la dificultad no consiste únicamente en mover un brazo, sino en reconocer objetos diferentes y manipularlos correctamente.
Amazon continúa reforzando su infraestructura logística europea con niveles crecientes de automatización, mientras Boston Dynamics ha probado Spot en tareas vinculadas a los últimos metros de la entrega. Son casos distintos, pero muestran una misma dirección: la inteligencia empieza a trasladarse desde los sistemas que planifican una operación hacia las máquinas que intervienen físicamente en ella.
Eso permite imaginar una evolución gradual dentro del retail. Primero movimiento interno, clasificación, picking o inventario en entornos controlados. Después operaciones con mayor variabilidad, como determinadas tareas de reposición o asistencia en tienda. Y más adelante, si seguridad y costes lo permiten, aplicaciones donde robots y clientes compartan espacios de manera habitual.
Inversión y adopción masiva
McKinsey también identifica una aceleración financiera. A partir de la inversión registrada durante el primer semestre, la consultora proyecta que la categoría future of robotics podría recibir más del doble de inversión en 2026 que en 2025.
Pero más financiación no equivale automáticamente a despliegue masivo. Entre una demostración tecnológica y una operación estable aparecen cuestiones como fiabilidad, seguridad, mantenimiento, integración con sistemas existentes, coste energético y capacidad para funcionar durante miles de horas sin degradar el servicio.
En logística, superar esas barreras tiene una recompensa económica relativamente sencilla de medir. En tienda, el retorno es más difícil. Sustituir o complementar una tarea necesita aportar suficiente ahorro, disponibilidad, productividad o mejora de servicio como para justificar una máquina que debe operar además en un entorno abierto al público.
La tienda será una prueba más exigente
Por eso hablar de physical AI no equivale a anticipar supermercados o grandes almacenes llenos de humanoides a corto plazo. En la tienda, la máquina debe interpretar tanto objetos como comportamiento humano y hacerlo con niveles de seguridad muy altos.
La transformación más próxima para retail puede ocurrir, por tanto, lejos de la vista del consumidor. Los centros logísticos ya concentran buena parte de las inversiones que están modificando la operación de la industria, y la physical AI añade una nueva capacidad a esa automatización: máquinas menos dependientes de instrucciones rígidas y más capaces de responder a situaciones cambiantes.
La IA física en retail empieza donde el retorno puede demostrarse con mayor facilidad. El almacén ofrece volumen, repetición y un entorno que puede diseñarse alrededor de la máquina. La tienda exige convivir con la imprevisibilidad humana. Esa diferencia explica por qué esta tecnología puede hacerse visible primero detrás del e-commerce y del lineal, en los procesos que mueven cada producto antes de llegar al consumidor.
impulsada por las operadoras de telefonía?