Anthropic quiere estandarizar cómo los agentes de IA controlan robots y equipos de laboratorio
La empresa ha presentado Model Hardware Standard, un protocolo que permite a sus modelos de inteligencia artificial manejar brazos robóticos e instrumentos científicos con una integración que pasa de semanas a horas, aunque aún necesita supervisión humana por errores de comprensión física.
Anthropic presentó Model Hardware Standard (MHS), un protocolo que permite a sus modelos de IA (como Claude, su sistema conversacional) controlar dispositivos físicos —brazos robóticos, instrumentos de laboratorio— con una interfaz única. Las primeras pruebas redujeron el tiempo de integración de semanas a horas, pero el modelo mostró errores al interpretar relaciones de causa y efecto físicas, por lo que aún requiere supervisión humana constante.
Anthropic ha lanzado Model Hardware Standard (MHS), un protocolo que busca hacer con el hardware físico lo que su Model Context Protocol (MCP, un estándar para que modelos de IA se conecten con distintas fuentes de datos y aplicaciones) logró con el software: ofrecer una interfaz única y estandarizada para que agentes de IA (programas capaces de tomar decisiones y ejecutar tareas de forma autónoma) controlen dispositivos físicos como brazos robóticos o equipos de laboratorio.
Según informó The Decoder, las primeras pruebas del estándar muestran resultados prometedores en tiempo de integración. Tareas que antes requerían semanas de programación personalizada para cada tipo de dispositivo ahora se completan en cuestión de horas gracias a esta interfaz común. El objetivo es que un modelo como Claude (el sistema de IA conversacional de Anthropic) pueda interactuar con hardware diverso sin necesidad de adaptar su código cada vez.
Sin embargo, los ensayos también han revelado limitaciones importantes. Claude mostró dificultades para comprender relaciones de causa y efecto en el mundo físico: situaciones donde una acción tiene consecuencias mecánicas o temporales que el modelo no anticipaba correctamente. Esto llevó a fallos ocasionales en la ejecución de instrucciones que en un contexto de software serían triviales.
Por ese motivo, Anthropic subraya que la supervisión humana sigue siendo indispensable al menos en esta fase inicial. Aunque MHS acelera la conexión técnica entre IA y máquinas, la comprensión real del entorno físico —con sus riesgos, inercias y efectos irreversibles— aún supera las capacidades actuales de los modelos de lenguaje (LLM, sistemas entrenados para generar y entender texto, pero no necesariamente para razonar sobre física o mecánica).
El estándar se enmarca en la estrategia de Anthropic de construir infraestructuras que faciliten la integración de IA en ámbitos cada vez más variados, ahora extendiendo su alcance más allá del software hacia el control directo de dispositivos del mundo real.
