Los gigantes tecnológicos ya financiaron los cuerpos: más de US$12.000 millones invertidos en humanoides desde 2023. Lo que no tienen es quién les enseñe a doblar una toalla, servir una mesa o entender el español de un hogar latinoamericano. Una startup fundada por un equipo latinoamericano —con ingenieros y científicos de la computación formados en MIT, Cornell, Texas Christian University y la Universidad Nacional Chiao Tung de Taiwán— apuesta a que esa brecha se cierra desde el sur
Síganos en Instagram: @revistavidayexito
En los laboratorios de Palo Alto, Austin y Shenzhen, los robots humanoides ya caminan, agarran y hablan. Lo que todavía no saben hacer es casi todo lo demás: doblar la ropa sin arrugarla, cocinar un desayuno, atender una mesa, cambiar una llanta. Y no lo saben por una razón que el dinero no resuelve por sí solo: nadie les ha mostrado suficientes veces cómo se hace. En esa grieta —la más valiosa y menos atendida de la inteligencia artificial física— acaba de plantarse Nostromo Labs (nostromolabs.lat), una compañía fundada por latinoamericanos que produce desde América Latina el insumo que los robots del mundo necesitan para aprender: demostraciones humanas de tareas reales, capturadas en video, voz y audio, etiquetadas episodio por episodio.
La paradoja de los miles de millones: sobran cuerpos, faltan maestros
Las cifras del hardware son elocuentes. Las compañías de humanoides han levantado más de US$12.000 millones entre 2023 y 2026; las plataformas comerciales de humanoides pasaron de 3 en 2024 a 12 en 2026; y el mercado global de robótica alcanza este año los US$38.000 millones, con un crecimiento interanual del 34% y proyecciones de US$10.000 a US$15.000 millones solo en humanoides hacia 2030, según cifras de la Federación Internacional de Robótica y de la propia compañía.
Pero a diferencia de los chatbots, que aprendieron leyendo internet, un robot no puede aprender a moverse leyendo texto. Los modelos fundacionales de robótica solo aprenden de demostraciones humanas: video en primera persona de manos reales ejecutando tareas reales, con instrucciones en lenguaje natural y etiquetas de éxito, fallo y recuperación. Cada dólar invertido en hardware crea demanda por ese insumo — y la industria ya lo está pagando con cheques de nueve y diez cifras. Meta desembolsó US$14.300 millones por el 49% de Scale AI, el mayor proveedor de datos de entrenamiento del mundo. Tesla paga entre US$25 y US$48 por hora a operadores de captura de movimiento en Palo Alto para entrenar a su humanoide Optimus. Jeff Bezos y OpenAI invirtieron US$400 millones en Physical Intelligence —un laboratorio que enseña a robots a doblar ropa y empacar víveres— valuándolo en US$2.400 millones con apenas un paper publicado. Y Amazon licenció los modelos de Covariant, absorbiendo a sus fundadores, para alimentar sus 750 000 robots de bodega.
“Los presupuestos de datos externos de los labs crecen cada trimestre, igual que pasó con RLHF en los modelos de lenguaje — pero del lado de la oferta solo hay tres opciones malas: recolectar en casa quemando tiempo de investigadores, contratar a un gigante enterprise que trata la robótica como línea secundaria, o apostar al crowdsourcing sin protocolo, que produce datos inutilizables. Nosotros ocupamos el espacio que queda en medio: precisión de laboratorio, precio de maquila y el mismo huso horario del cliente. Por eso empezamos cada relación con un piloto gratuito de 48 horas: el dato bueno se vende solo”, José Salinas, cofundador y CRO de Nostromo Labs.
La brecha concreta: lo cotidiano es lo más difícil
¿Qué le falta exactamente a un humanoide de última generación? No cálculo: le faltan horas de vida cotidiana. Los objetos deformables —ropa, cables, bolsas— y las tareas domésticas son, paradójicamente, los datos más difíciles de conseguir y los que definen si un robot sirve fuera de una fábrica. Nostromo Labs se especializa precisamente en ese catálogo:
- Hogar y cocina: doblar toallas y prendas, cocinar recetas paso a paso, cargar un lavaplatos, verter líquidos sin derramar, abrir puertas, gavetas y frascos.
- Hospitalidad y servicio: atender y montar mesas, servir café, entregar objetos de mano a mano (human-robot handover) — crítico para robots de servicio y de cuidado de adultos mayores, el gran mercado de Japón.
- Taller e industria: uso de herramientas, ensamblaje de componentes, enrutado de cables en líneas de electrónica, tareas bimanuales y mantenimiento básico de vehículos — desde revisar niveles hasta cambiar una llanta.
- Logística: pick & place, empaque y clasificación para flotas de automatización de bodegas.
Y hay una segunda brecha que casi nadie atiende: la de la voz. Los asistentes y robots domésticos del futuro tendrán que entender cómo habla la gente de verdad — no el español neutro de un estudio de grabación, sino los acentos de México, Colombia, Argentina, Centroamérica y el Caribe, además del portugués de Brasil y el inglés con acento latino. Nostromo produce esos datos de voz y audio cotidiano (una puerta que se cierra, una licuadora, un timbre) con hablantes nativos de toda la región: el mundo sonoro real donde estos sistemas van a operar.
El vacío es medible: los hogares, cocinas, talleres y voces de 660 millones de latinoamericanos están hoy prácticamente ausentes de los datasets públicos con los que se entrenan los robots. Ningún proveedor los suministra de forma nativa desde la región — y los robots que lleguen a servir en América Latina, o a atender a hispanohablantes en Estados Unidos, van a necesitarlos.
Qué vende Nostromo: el episodio como unidad de entrenamiento
El producto de la compañía es deliberadamente simple en su superficie y denso en su ingeniería: el episodio etiquetado — 30 a 60 segundos de video egocéntrico de un intento de una tarea real, con la instrucción en lenguaje natural (“dobla la toalla a la mitad”), etiquetas de éxito, fallo y recuperación, eventos de agarre, poses de mano y marcas de tiempo sincronizadas cuadro a cuadro. Pero un episodio no vale nada si no entra limpio al pipeline de entrenamiento del cliente — y ahí está la sofisticación real del negocio: no todos los cerebros robóticos digieren el dato de la misma manera.
Los modelos fundacionales de robótica de esta generación — los llamados VLA, vision-language-action — comparten familia pero no formato. GR00T N1 de NVIDIA se entrena sobre una pirámide heterogénea de datos que mezcla teleoperación real, video humano egocéntrico y augmentación sintética; π0 de Physical Intelligence genera acciones continuas mediante flow matching a 50 Hz; Helix de Figure desacopla un sistema de razonamiento semántico lento (un VLM operando a 7–9 Hz) de una política visuomotora rápida que emite comandos a 200 Hz; RT-2 y Gemini Robotics de Google DeepMind co-entrenan tokens de acción discretos junto a corpus web de visión-lenguaje; y OpenVLA discretiza cada dimensión del espacio de acción en 256 bins por token. Cada arquitectura impone requisitos distintos de resolución, frecuencia de muestreo, sincronía sensorial y granularidad de anotación. Por eso Nostromo no entrega “videos”: entrega episodios serializados en LeRobot v2, RLDS y HDF5 con esquemas configurables por cliente — de modo que el mismo episodio capturado en una cocina de Bogotá pueda alimentar, sin reingeniería, un transformer de acción en Palo Alto o un modelo de difusión en Tokio.
En el fondo, todos estos sistemas aprenden por clonación de comportamiento (behavior cloning): la red neuronal aproxima una política π(a | o, ℓ) — la distribución de acciones condicionada a la observación visual y a la instrucción en lenguaje — a partir de miles de pares demostración-resultado. Las técnicas dominantes, como el action chunking (ACT) y las políticas de difusión — que generan trayectorias de acción por denoising iterativo, igual que un generador de imágenes pero sobre el espacio motor —, son voraces en diversidad: exigen cientos de variaciones del mismo agarre, con fallos y recuperaciones incluidos, porque el dato de recuperación es precisamente lo que le enseña a la política a regresar a la distribución cuando el mundo real la saca de ella. Las etiquetas de éxito y fallo alimentan además señales de preferencia para el ajuste fino — el equivalente robótico del RLHF que entrenó a los modelos de lenguaje. Y como el video humano debe retargetearse a morfologías distintas — una mano antropomórfica de cinco dedos, un gripper paralelo, una pinza de vacío —, los metadatos de pose y evento de agarre de cada episodio son los que hacen posible ese mapeo cinemático entre el cuerpo que demuestra y el cuerpo que aprende.
El control de calidad también es neural. Antes de que un revisor humano toque un episodio, Foundry lo somete a un filtro de inferencia multimodal que valida variables críticas de forma automatizada: un detector de rostros rechaza en el acto cualquier secuencia con personas identificables — notificando automáticamente al contribuidor para recaptura, sin intervención humana y sin que el dato llegue jamás al catálogo —; un pipeline de reconocimiento de voz (ASR) transcribe el audio y descarta enunciados con lenguaje soez o términos que contaminan el corpus; y clasificadores de visión verifican iluminación, estabilidad, encuadre, oclusión de manos, resolución y framerate contra el protocolo de cada tarea. Solo lo que sobrevive al filtro llega a revisión humana; solo lo que sobrevive a ambos se factura. Es privacidad por diseño — la información personal identificable queda fuera del dataset desde la captura — y es economía de pipeline: el clasificador barato filtra en volumen para que el revisor caro solo vea candidatos viables.
Sobre esa base técnica, el modelo comercial se mantiene deliberadamente simple: lista de precios pública por unidad — una rareza en un mercado de contratos opacos —, anotación sobre datos del cliente, voz por enunciado, audio por hora y un catálogo licenciable de episodios latinoamericanos; pilotos gratuitos con primer lote en 48 horas; y pago por pieza aceptada bajo un modelo asset-light, con trazabilidad por episodio, sede corporativa en Estados Unidos para contratación y facturación, y oficina en Tokio para el mercado asiático.
América Latina: de espectadora a proveedora estratégica
La apuesta de fondo es regional. América Latina ha visto pasar de largo casi todas las olas de la infraestructura de IA — los chips, los data centers, los modelos. La economía de los datos de demostración humana es distinta: es trabajo-intensiva, distribuida y no exige capital masivo, sino protocolo, calidad y gestión. Ahí la región tiene cartas reales: Ciudad de México es el #1 en producción audiovisual de América Latina, con más de 8 100 proyectos filmados y 127 v000 empleos; la economía creativa de Colombia representa cerca del 3% del PIB con más de 500 000 empleos e incentivos fiscales activos; Argentina alberga una de las tres industrias audiovisuales más grandes de la región y su mejor pool de talento senior de software y datos; Brasil aporta escala —215 millones de personas— y el mayor mercado robótico-industrial de LATAM; y Centroamérica suma una fuerza laboral forjada en décadas de manufactura de precisión de dispositivos médicos y electrónica, que ya piensa en protocolos, tolerancias y trazabilidad.
El impacto va en dos direcciones. Hacia afuera, posiciona a la región como proveedora estratégica de la industria tecnológica más avanzada del momento — con la ventaja estructural del nearshore: husos horarios alineados con Estados Unidos, vuelos de pocas horas y equipos bilingües, frente a las 12 zonas horarias de los proveedores asiáticos — más una oficina propia en Tokio que atiende el mercado japonés en su propio huso y su propio idioma. Hacia adentro, crea una nueva categoría de ingreso digital: contribuidores en México, Colombia, Brasil y Argentina que cobran en dólares por pieza aceptada, grabando tareas cotidianas desde su teléfono, sin horarios ni planilla — trabajo formal de la economía de la IA distribuido donde antes no llegaba.
“Durante veinte años, América Latina exportó maquila de manufactura y luego maquila de software. La tercera ola es la maquila de conocimiento físico: enseñarle a las máquinas cómo se mueve la gente real en cocinas, talleres y hogares reales. Esa materia prima la tenemos en abundancia y nadie más la está empaquetando. Las máquinas vienen — alguien tiene que enseñarles a moverse, y queremos que ese alguien hable español”, Lester Pereira, cofundador y CEO de Nostromo Labs
La oportunidad se mide en billones — y el capital de la región todavía no la ve
Las proyecciones de Wall Street ya no hablan de miles de millones, sino de billones. Morgan Stanley estima que el mercado global de humanoides superará los US$5 billones hacia 2050 (cinco millones de millones — US$5 trillion), con más de mil millones de robots en operación: una fuerza laboral mecánica comparable a la población activa de India. Para dimensionarlo: sería el doble de los ingresos combinados de las veinte automotrices más grandes del mundo. El banco proyecta 13 millones de unidades en servicio ya en 2035, y el capital se está moviendo en consecuencia: el financiamiento global de robótica superó los US$10.300 millones en 2025, su nivel más alto desde 2021, con Figure AI valuada en US$39.000 millones y Physical Intelligence respaldada por Jeff Bezos y OpenAI.
Cada uno de esos robots — cada uno de los mil millones — necesitará lo mismo para funcionar: horas de demostración humana. Es la capa de la cadena de valor donde el capital requerido no son fábricas de miles de millones de dólares, sino protocolo, calidad y gente. Es decir: la capa donde América Latina puede competir hoy.
El punto ciego del venture capital latinoamericano
Pero hay una paradoja incómoda: el capital de riesgo de la propia región todavía no tiene un solo dólar en esta industria.
El venture capital latinoamericano desplegó US$4.126 millones en 681 rondas durante 2025, un crecimiento del 13.8% frente a 2024, según el Latin America VC Report de Cuantico y datos de LAVCA. Pero la radiografía de ese capital revela una concentración extrema: fintech absorbió el 61% de todo el funding. El resto se repartió entre healthtech, legaltech, SaaS y comercio. La categoría que Wall Street proyecta en billones — la inteligencia artificial física — simplemente no aparece en el mapa.
Una revisión de los portafolios públicos de los fondos más grandes de la región lo confirma:
- Kaszek — el mayor fondo de venture capital de América Latina, fundado por los ex-MercadoLibre Hernán Kazah y Nicolás Szekasy — acumula 133 compañías y 13 unicornios: Nubank, Kavak, Bitso, Creditas, QuintoAndar. Su portafolio activo, de unas 79 compañías, está anclado en fintech, software empresarial y consumo. Ninguna inversión registrada en robótica, embodied AI o datos de demostración humana. Su unicornio más reciente nacido en IA — la brasileña Enter — es legaltech: IA de texto, no IA física.
- Monashees — el fondo pionero de la región, con más de 300 inversiones desde 2005 — concentra su tesis en enterprise software, fintech, marketplaces, edtech y SaaS. Su lema es “el futuro es humano”; su portafolio, hasta hoy, no incluye a nadie que le enseñe a las máquinas cómo se mueven los humanos.
- 500 Global (LatAm) — uno de los inversionistas más activos en etapa temprana de la región — anunció en 2025 un programa de US$9 millones para 30 startups de inteligencia artificial latinoamericanas. Todas, sin excepción, son IA de software: agentes, copilotos, automatización de procesos. Cero en physical AI.
- Sequoia Capital — que no es un fondo latinoamericano pero validó a la región con su apuesta histórica por Nubank — sí invierte en robótica e IA física. Lo hace desde Silicon Valley y Asia. Nunca ha respaldado esa tesis desde América Latina, por una razón simple: hasta ahora, no había en quién.
El patrón se repite en ALLVP, Valor Capital, Canary, NXTP y el resto del top regional: portafolios profundos en servicios financieros y software, y un vacío absoluto en la vertical que los analistas proyectan como la más grande de la próxima década.
¿Demasiado nuevo para el VC latinoamericano?
La ausencia no es un descuido: es estructural. El venture capital de la región se formó resolviendo los problemas que tenía enfrente — bancarización, logística, comercio — y desarrolló músculo para evaluar modelos SaaS y fintech, no pipelines de datos para modelos fundacionales de robótica. La categoría es tan nueva que no existe todavía un comparable regional: no hay una “Nubank de los datos robóticos” contra la cual medir múltiplos, ni un exit previo que sirva de referencia.
Eso convierte a Nostromo Labs en algo inusual en el ecosistema: la primera compañía latinoamericana en plantarse en la vertical de datos de demostración humana para embodied AI — una categoría donde los cheques ya se firman con nueve y diez cifras en Estados Unidos, pero donde ningún fondo de la región tiene exposición.
La historia del venture capital latinoamericano sugiere cómo termina esto. Fintech también fue, en su momento, “demasiado nuevo”: cuando Kaszek y Sequoia entraron a Nubank en 2013, la banca digital en Brasil parecía una apuesta exótica. Hoy fintech es el 61% del capital de la región. La pregunta que Nostromo pone sobre la mesa no es si el capital latinoamericano entrará a la IA física — las proyecciones de $5 billones se encargarán de eso — sino quién llega primero a una categoría que, por primera vez, una compañía de la región no está copiando de Silicon Valley, sino inaugurando desde el sur.
Lo que viene
Con su plataforma Foundry en producción y el pipeline validado de extremo a extremo —captura, subida, control de calidad automático y revisión humana—, Nostromo Labs arranca un roadshow por los principales escenarios del capital de riesgo y la robótica: TechCrunch Disrupt (San Francisco), Web Summit (Lisboa), Slush (Helsinki), CES (Las Vegas), NVIDIA GTC, SXSW y la feria iREX de Tokio, con la meta declarada de cerrar su primer cliente pago en el tercer trimestre de 2026 y escalar su ingreso recurrente durante 2027.
El mapa de clientes potenciales de la compañía apunta directo a la élite de la robótica, la automotriz, el consumo y los asistentes de IA — un pipeline objetivo de outreach en tres mercados. En Estados Unidos, el comprador ancla: Tesla Optimus, Figure, Apptronik, 1X, Agility, Boston Dynamics, Physical Intelligence, NVIDIA, Amazon (Robotics y Alexa), Google (DeepMind Robotics), Apple (Siri y Home) y Toyota Research Institute. En Japón, el mercado directo con más de 450,000 robots en operación: Toyota, Honda, Sony, Panasonic, Denso, Mitsubishi Electric, Yaskawa, Kawasaki, FANUC y Preferred Networks. Y en China, la jugada OEM — fabricantes que se expanden a las Américas y necesitan datos de hogares y voces en español que sus pipelines domésticos no producen: Unitree, Fourier, AgiBot, UBTech, Xiaomi, DJI, BYD, Roborock y Ecovacs.
La tesis, al final, es tan sencilla como ambiciosa: el cómputo se abarató, el hardware se financió y el dato es la restricción. Si los robots del mañana van a aprender de alguien, Nostromo Labs quiere que aprendan de América Latina.
“Un episodio de datos vale lo que vale su trazabilidad. Foundry está diseñada para que cada video que entra pase por control de calidad automatizado antes de que un revisor humano lo toque: así convertimos miles de teléfonos distribuidos por América Latina en un solo pipeline con estándar de laboratorio. Nuestro trabajo es que un lab en Palo Alto o en Tokio reciba datos listos para entrenar sin tener que preguntarse de dónde salieron”, comenta Danny Mairena, cofundador y CTO de Nostromo Labs
El equipo fundador
- Lester Pereira — CEO. Cuenta con una especialidad en Transformación Digital del Massachusetts Institute of Technology (MIT). Dirige la estrategia de la compañía, el levantamiento de capital y la relación con clientes e inversionistas. Responsable de la visión de producto y de la coordinación del equipo fundador.
- José Salinas — CRO, Relaciones Estratégicas. Ingeniero de sistemas formado en Cornell University. Co-diseña la estrategia del negocio y lidera las relaciones con clientes clave de la industria, inversionistas y alianzas comerciales.
- Danny Mairena — CTO, Director de IA. Ingeniero de software formado en Texas Christian University (TCU), especializado en sistemas agénticos e infraestructura de modelos de lenguaje. Construye Foundry, la plataforma de la compañía: portal de contribuidores, control de calidad automatizado y empaquetado en formatos de entrenamiento.
- Jerry Weng — Director de Operaciones Asia. Formado en la Universidad Nacional Chiao Tung (NCTU) en Hsinchu, Taiwán — una de las instituciones de ingeniería y semiconductores más prestigiosas de Asia. Con base en el ecosistema tecnológico de Tokio y Taiwán, abre las cuentas de Japón y de fabricantes chinos que se expanden a las Américas.
Detrás de Vida y Éxito se encuentra un equipo de profesionales con reconocida trayectoria en el mundo empresarial y el periodístico.
- Wine Sensation ya tiene fecha - 17 agosto, 2026
- América Latina entra en la carrera global de la robótica: Nostromo Labs quiere convertir a la región en el motor de datos que educará a los robots del mañana - 17 agosto, 2026
- FRAMESI inicia operaciones en Guatemala de la mano de HYDRAPRO - 17 agosto, 2026
