AI · 21 November 2026
Gemini Robotics 2.5 registra un 96 % en un piloto de Mercedes-Benz
Según The Decoder, Gemini Robotics 2.5 habría clasificado piezas metálicas con un 96 % de éxito en un piloto en Mercedes-Benz (Hungría y Alemania).
Qué ha ocurrido
Según informa The Decoder, el modelo de control Gemini Robotics 2.5 de Google DeepMind habría clasificado piezas metálicas con una tasa de éxito del 96 % durante un piloto en las plantas de Mercedes-Benz en Hungría y Alemania. La prueba se realizó con el humanoide Apollo 2 de Apptronik, lo que sitúa el resultado en la intersección entre la inteligencia artificial aplicada a la robótica y la automatización de la producción.
Conviene tomar la cifra con cautela. La información disponible presenta el resultado como un piloto, no como un despliegue generalizado en toda la red de fabricación, y no detalla todavía el número de intentos, las condiciones de la prueba ni la duración del ensayo. Son variables que determinan si un porcentaje de éxito puede trasladarse a una operación industrial sostenida.
Por qué importa
Lo relevante de esta noticia no es solo el dato de precisión, sino lo que sugiere sobre el tipo de tecnología que empieza a llegar a las fábricas. Un modelo de control capaz de interpretar y ejecutar tareas de manipulación física, como separar o clasificar componentes, acerca la robótica a funciones que antes exigían programación específica para cada proceso. Esto podría reducir el tiempo y el coste de reconfigurar una línea cuando cambian los productos o las piezas.
Para los responsables de experiencia, inteligencia artificial y transformación digital, el punto clave es el cambio en el modelo operativo. Si las máquinas aprenden tareas con mayor flexibilidad, la planificación de la planta, la formación del personal y la forma en que se mide la calidad del servicio interno también tendrán que evolucionar. El valor no está solo en el robot, sino en la capacidad de la organización para integrarlo en sus procesos.
Cifras clave
- 96 % de tasa de éxito reportada en la clasificación de piezas metálicas durante el piloto.
- 2 emplazamientos de Mercedes-Benz incluidos en la prueba: Hungría y Alemania.
La perspectiva de Renascence
La mayoría de lecturas se quedarán en el titular del porcentaje. Nuestra lectura es distinta: el reto real de estas pruebas no es técnico, sino de diseño de servicio interno. Cuando una tecnología ejecuta tareas que antes dependían de la experiencia de un operario, el rendimiento depende tanto de cómo se delega, se supervisa y se corrige el sistema como de su precisión de partida.
El titular se centra en el 96 %, pero la pregunta que importa es qué ocurre con el 4 % restante y quién decide cómo gestionarlo. Un operador que confía ciegamente en la máquina o que la evita por desconfianza produce el mismo resultado: una experiencia de trabajo deteriorada. Las organizaciones que quieran escalar este tipo de pilotos deberían diseñar primero los puntos de traspaso entre persona y máquina, medir los errores como experiencia y no solo como fallo técnico, y formar a los equipos para intervenir con criterio.
Sources
This briefing was written by our Newsdesk, synthesising reporting from the outlets below. Follow the links for the original coverage.
FAQ
Questions we get on this topic
More in AI
Stay ahead of CX
Get the signal, not the noise.
The stories shaping customer experience — plus the Journal and Experience Loom — in your inbox.


