Anthropic abrió el 27 de agosto la vista previa de lo que llama Model Hardware Standard, una especificación común para que un agente de IA maneje aparatos físicos. No es un chatbot para científicos: es un agente que lleva a la vez el microscopio, el dosificador de líquidos y el brazo robótico, y va corrigiendo según le llegan los resultados.
El escaparate es estrecho, laboratorios y fabricación avanzada, pero el problema lo reconoce cualquiera que lleve una planta: las máquinas de distintos fabricantes no se hablan, y conseguir que lo hagan cuesta un especialista y varias semanas.
Qué hace el estándar exactamente
El MHS es un driver normalizado. Le da a cada aparato el mismo puñado de órdenes, leer y escribir, para que el agente le pida la temperatura a una máquina o se la fije sin un traductor a medida en medio.
Lo ingenioso son las etiquetas. Casi todo lo que hay que saber de una máquina nunca ha estado en el código: cuánto pesa un brazo, qué puede medir sin riesgo, dónde están sus límites. Eso vive en manuales de papel. El MHS te deja escribirlo en lenguaje corriente y genera una ficha con la que el agente ya sabe trabajar, según la propia Anthropic.
Funciona con cualquier modelo y con cualquier aparato que tenga interfaz programable. Los agentes llegan por tres vías: el Model Context Protocol, la línea de comandos o ficheros de código. La fontanería que Anthropic montó para el software ahora llega al hardware.
Los números de los primeros laboratorios
Anthropic ha publicado resultados de quienes lo han probado, y son más concretos de lo que suele traer un lanzamiento. En Carnegie Mellon sacaron curvas de dosis y respuesta unas tres veces más rápido, con un agente llevando dosificador, lector de placas, brazo robótico y cámaras repartidos en tres ordenadores incompatibles.
En QuEra, que fabrica ordenadores cuánticos, un agente montó un controlador que recupera el enganche del láser el 99,3 % de las veces sin que intervenga nadie, como contó CNBC. En el HHMI Janelia unificaron un equipo de microscopía que antes necesitaba siete programas de siete fabricantes.
Lo que todavía no puede hacer
Anthropic es poco habitual reconociendo los límites. Claude aprende del mundo físico por texto e imágenes, así que su razonamiento espacial flojea justo cuando algo se mueve. En Genentech tuvieron que enseñarle que la espuma en una muestra era un fallo físico y no un error de software.
Tampoco sirve con aparatos sin interfaz programable, que es buena parte de lo que hay hoy en una nave. Están trabajando con los fabricantes para meterles driver: esto es un proyecto de años, no algo que despliegues el trimestre que viene.
Qué significa para las empresas españolas
El patrón es el que decide si sale bien cualquier proyecto de automatización: lo caro casi nunca es la inteligencia, es la integración. Semanas de trabajo para que dos sistemas se hablen es el mismo peaje tanto si son instrumentos como si son el ERP y el lector del almacén.
Para los sectores que sí manejan aparatos, y en España hay unos cuantos entre farmacia, agroalimentario, análisis clínicos y automoción, esto se sigue de cerca y no se adopta todavía.
La lección que te llevas gratis es más barata. Antes de meterte con agentes, la pregunta que merece respuesta es cuáles de tus sistemas tienen interfaz programable y cuáles no. Esa raya predice qué se puede automatizar mejor que cualquier demostración de un comercial, y va en la misma conversación que cualquier decisión de consultoría de IA.
La fontanería es el producto
Lo interesante del MHS no es que Claude mueva un láser. Es que Anthropic lleva tiempo sacando tuberías en vez de funciones, y las tuberías se las acaba adoptando todo el mundo. En un año en el que quién sirve qué modelo se ha vuelto una decisión de compras, el que pone las tuberías juega con ventaja.
Si el MHS sigue ese camino, los agentes que monten las empresas en 2028 llegarán al hardware por defecto. Quien ya esté trasteando con agentes de IA en la empresa está mirando la misma arquitectura, una capa más arriba.
