1. Contexto y Puntos Clave

En noviembre de 2026, una tienda de conveniencia ubicada en el distrito de Jing’an, Shanghái, acogió una prueba de campo de 24 horas con seis robots AGIBOT G2. Durante el periodo, los robots ejecutaron 1.730 tareas que incluyeron atención al cliente, reposición de productos, gestión de pagos y control de inventario. Al término de la prueba, cuatro de los seis robots superaron los criterios de la evaluación de desempeño establecida por el operador de la tienda, mientras que los dos restantes mostraron limitaciones en la interacción multilingüe y en la adaptación a flujos de clientes inesperados.

El experimento es relevante porque constituye uno de los primeros despliegues a gran escala de robots de servicio con capacidad de diálogo basada en modelos de lenguaje grande (LLM) dentro de un entorno minorista real. Los resultados ofrecen una referencia empírica para los directores de tecnología (CTO) y los responsables de operaciones que evalúan la viabilidad de sustituir o complementar al personal humano con agentes físicos autónomos.

2. Aspectos Técnicos Destacados

El AGIBOT G2 es la segunda generación de la familia de robots de servicio desarrollada por la empresa china AGI Robotics. La arquitectura combina una plataforma móvil omnidireccional con una articulación de brazo de 7 grados de libertad, una cámara RGB‑D, sensores LiDAR 2D y una unidad de procesamiento a bordo basada en NVIDIA Jetson AGX Orin. La elección del Orin permite ejecutar inferencias de modelos de lenguaje de varios cientos de millones de parámetros sin depender de la conectividad 5G, lo que reduce la latencia percibida por el cliente a menos de 300 ms en diálogos simples.

En el nivel de software, el robot emplea una pila de IA de tres capas: (1) percepción, que fusiona datos de visión y LiDAR mediante una red convolucional ligera entrenada con técnicas de destilación; (2) planificación, que utiliza un modelo de refuerzo basado en PPO para generar trayectorias seguras en tiempo real; y (3) diálogo, que se apoya en un LLM alineado mediante DPO (Direct Preference Optimization) y afinado con datos de interacción minorista en mandarín e inglés. La alineación de preferencias se realizó con un conjunto de 150.000 turnos de conversación etiquetados por operadores humanos, lo que garantiza respuestas coherentes y respetuosas en contextos de venta. El proceso de reentrenamiento del modelo de diálogo se ejecutó en la nube de Alibaba Cloud, donde los pesos se actualizaron semanalmente mediante aprendizaje federado que incorpora los logs de interacción de la prueba. Este enfoque permite que los robots adapten su repertorio de respuestas a los patrones de consumo locales sin exponer datos sensibles. Desde el punto de vista de la integración, el AGIBOT G2 se conecta al sistema de gestión de tienda (POS) mediante una API RESTful que permite consultar precios, disponibilidad y promociones en tiempo real. La arquitectura de mensajería se basa en MQTT con QoS 1, garantizando la entrega de comandos críticos aun bajo condiciones de red intermitente. En cuanto a la seguridad física, el robot incorpora un módulo de detección de colisión basado en un algoritmo de visión estereoscópica que detiene la locomoción al identificar obstáculos a menos de 0,3 m. Además, el brazo cuenta con un controlador de torque que limita la fuerza a 15 N, evitando daños a productos frágiles o a los usuarios. Los dos robots que no superaron la evaluación presentaron fallos recurrentes en la gestión de colas de clientes cuando la demanda superó los 30 clientes simultáneos. El análisis posterior reveló que la capacidad de la caché de tokens del modelo de diálogo (aprox. 4 k tokens) se saturó, provocando respuestas truncadas. Este cuello de botella sugiere que futuras versiones deberán ampliar la ventana de contexto o implementar técnicas de compresión de historial.

3. Impacto sectorial y repercusiones de mercado

El sector minorista de conveniencia en China está experimentando una presión creciente para reducir costes operativos y mejorar la experiencia del cliente. Según datos de la Asociación China de Minoristas, el margen bruto promedio en tiendas de conveniencia se sitúa en torno al 22 % y la rotación de personal supera el 30 % anual. La introducción de robots de servicio como el AGIBOT G2 ofrece una vía para estabilizar la fuerza laboral y liberar a los empleados humanos de tareas repetitivas.

Desde la perspectiva de la cadena de suministro, la capacidad del robot para ejecutar reposiciones automáticas reduce el tiempo de reposición (lead time) en un 15 % estimado, al eliminar la dependencia de la intervención manual para trasladar productos desde el almacén a la góndola. Este ahorro se traduce en una mayor disponibilidad de SKU críticos y, potencialmente, en un aumento de ventas de hasta 3 % en categorías de alta rotación. En el mercado de capital, los inversores han mostrado un creciente interés en startups de robótica de servicio. Desde el inicio de 2025, el capital de riesgo destinado a empresas chinas de robótica ha superado los 1.200 millones de dólares, con un enfoque particular en soluciones que integren LLM y visión por computadora. El éxito parcial de la prueba de AGIBOT G2 refuerza la narrativa de que la convergencia de IA generativa y hardware de borde está alcanzando la madurez comercial. Sin embargo, la adopción masiva enfrenta barreras regulatorias relacionadas con la privacidad de datos y la responsabilidad civil en caso de accidente. La normativa de la Comisión Nacional de Desarrollo y Reforma (NDRC) exige que los sistemas de IA que interactúan con consumidores mantengan registros de conversación durante al menos 30 días y que los fabricantes implementen mecanismos de auditoría de decisiones. En términos de competitividad, los principales actores internacionales (Boston Dynamics, SoftBank Robotics) están desarrollando versiones de robots de servicio con capacidades de diálogo similares, pero la ventaja de AGI Robotics radica en la integración nativa con plataformas de pago locales y en la disponibilidad de datos de entrenamiento en mandarín, lo que reduce la fricción de localización.

4. Perspectivas de Mercado

Los analistas de la firma de investigación IDC China señalan que la tasa de paso del 66,7 % (cuatro de seis robots) es suficiente para justificar pilotos ampliados en cadenas de tiendas con más de 500 puntos de venta. Recomiendan que los operadores prioricen la segmentación de tareas de alto valor (pago sin contacto, gestión de devoluciones) para los robots, mientras que el personal humano se concentre en la venta consultiva y la gestión de incidencias complejas.

Desde la óptica de la arquitectura de IA, los expertos en aprendizaje federado advierten que la recopilación de datos de interacción en entornos minoristas debe acompañarse de protocolos de anonimización robustos para cumplir con la Ley de Protección de Información Personal (PIPL). La falta de dichos protocolos podría exponer a los operadores a sanciones de hasta 5 % de su facturación anual. Los directores de operaciones de cadenas de conveniencia que ya han implementado robots de entrega en almacenes internos observan una reducción del 12 % en los costes de mano de obra directa. Sin embargo, subrayan que la integración de sistemas legacy (ERP, WMS) representa el principal desafío técnico, pues la API del AGIBOT G2 necesita adaptadores personalizados para cada plataforma. En cuanto a la sostenibilidad, el consumo energético del AGIBOT G2 se estima en 150 W en modo activo, lo que equivale a 3,6 kWh en una jornada de 24 horas. Comparado con el consumo medio de un empleado a tiempo completo (aprox. 1 kWh por hora de oficina), el robot presenta una huella energética competitiva, siempre que la energía provenga de fuentes renovables. Los estrategas de inversión sugieren que los fondos de capital privado deberían considerar la adquisición de startups que ofrezcan capas de software de gestión de flotas, ya que la capacidad de monitorizar y actualizar remotamente a cientos de robots será un diferenciador clave en los próximos cinco años.

5. Próximos Pasos

En los próximos 12 meses, AGI Robotics planea lanzar una versión “G2‑Plus” que incorpora una ventana de contexto de 8 k tokens y un módulo de reconocimiento de voz multilingüe que soporta cantonés y japonés. Se espera que la mejora en la capacidad de contexto elimine los cuellos de botella observados en la prueba de Shanghái, elevando la tasa de paso a más del 85 %.

A medio plazo (18‑24 meses), la empresa tiene previsto integrar un motor de planificación de rutas basado en grafos dinámicos que permita a los robots optimizar simultáneamente la reposición de productos y la atención al cliente, reduciendo el tiempo medio de servicio de 45 s a menos de 30 s por interacción. Para 2028, los analistas proyectan que al menos el 20 % de las tiendas de conveniencia en las principales ciudades chinas emplearán al menos un robot de servicio en sus operaciones diarias, impulsado por la reducción de costes de hardware (se espera que el precio de lista del AGIBOT G2 caiga un 30 % frente a 2026) y por la madurez de los marcos regulatorios de IA.

6. Conclusión y Valoración

El despliegue de seis AGIBOT G2 en una tienda de conveniencia de Shanghái demuestra que la robótica de servicio con capacidad de diálogo está lista para pasar de la fase piloto a la adopción comercial. Los resultados indican que, con una arquitectura de IA bien alineada y una integración cuidadosa con los sistemas de gestión de tienda, los robots pueden ejecutar cientos de tareas diarias con una tasa de éxito superior al 60 %.

Para los CTO y directores de operaciones, el mensaje es claro: la prioridad debe ser (1) establecer una infraestructura de datos que garantice la privacidad y la trazabilidad; (2) seleccionar casos de uso de alto retorno donde la automatización reduzca costes operativos sin comprometer la experiencia del cliente; y (3) planificar una hoja de ruta de actualización de hardware y software que incluya la ampliación de la ventana de contexto y la expansión multilingüe. Solo mediante una estrategia integral será posible transformar la prueba de 24 horas en una ventaja competitiva sostenible.