in

Salarios millonarios y nuevas prioridades: cómo la IA física redefine la competencia por ingenieros

La IA física está creando una carrera salarial entre defensa, robótica y movilidad que obliga a cambiar planes de inversión y retención de talento

Salarios millonarios y nuevas prioridades: cómo la IA física redefine la competencia por ingenieros

La industria de la movilidad y la robótica vive un momento de tensión: la demanda por ingenieros con conocimientos mixtos en robótica y inteligencia artificial ha disparado las ofertas salariales, creando una especie de mercado laboral bélico. La expresión IA física se utiliza para describir la integración de modelos de IA en sistemas mecánicos, desde robotaxis y camiones autónomos hasta robots humanoides y maquinaria para minería y agricultura. Este cruce de disciplinas convierte a ciertos perfiles en activos escasos y apetecibles para sectores con bolsillos distintos, incluidos los respaldados por contratos gubernamentales.

En la práctica, empresas de defensa y startups de robótica compiten mano a mano con proyectos de conducción autónoma por el mismo talento. Informes y fuentes del sector señalan que las ofertas de salarios base (sin contar acciones ni beneficios) oscilan entre $300,000 y $500,000, creando presión sobre fabricantes tradicionales y emprendimientos que habían apostado por la conducción autónoma como su ventaja competitiva. Este giro obliga a equipos a replantear retención, reclutamiento y estructura financiera.

La batalla por el talento

Los candidatos ideales combinan experiencia en control clásico, percepción por sensores, aprendizaje automático y la capacidad de integrar estos elementos en hardware real. Esa mezcla es difícil de encontrar: los ingenieros que saben cómo ensamblar modelos de IA en brazos robóticos, vehículos o maquinaria pesada valen mucho más que especialistas puramente teóricos. Además, startups de defensa con acceso al presupuesto del Departamento de Defensa suelen ofrecer paquetes muy generosos, lo que desvía talento desde proyectos de movilidad urbana hacia programas con mejor compensación económica y estabilidad de contrato.

Perfiles más cotizados

Posiciones como applied researcher, AI enablement engineer o ingenieros de integración hardware-software son los que actualmente reciben más ofertas. En muchas ocasiones, estos roles exigen experiencia práctica con sensores LIDAR, sistemas de percepción, control en tiempo real y aprendizaje por refuerzo en entornos físicos. La escasez provoca que automotrices y startups deban aumentar sueldos, ofrecer más capital o diseñar paquetes de compensación creativos si no quieren ver una fuga hacia el sector defensa o empresas de robótica industrial.

Consecuencias para automotrices y startups

Las consecuencias son dobles: por un lado, fabricantes tradicionales pueden ver cómo se va personal clave de sus proyectos de conducción autónoma; por otro, las startups se enfrentan a la necesidad de levantar más capital o de optimizar la asignación de recursos. Muchas jóvenes compañías tendrán que elegir entre subir sueldos —reduciendo runway— o centrarse en ser extremadamente selectivas y eficientes en sus contrataciones. En paralelo, players con músculo financiero como Waymo parecen menos afectados, pues su tamaño y estrategia los hacen menos sensibles al aumento puntual de salarios.

Movimientos de mercado y financiación

El interés en IA física también se refleja en la inversión: Eclipse, la firma de capital riesgo con base en Palo Alto, anunció un nuevo paquete de $1.3 mil millones dividido entre un fondo de incubación y otro orientado a crecimiento, con $591 millones destinados a etapas tempranas. Eclipse ha indicado que incubará nuevas startups, lo que podría acelerar la creación de proyectos que compitan por talento. Al mismo tiempo, rondas notables incluyen a Hermeus, que recaudó $350 millones con una valoración de $1,000 millones (incluyendo $200 millones en equity liderados por Khosla Ventures y $150 millones en deuda), y Sora Fuel que obtuvo $14.6 millones para combustibles sostenibles.

Acuerdos, polémicas y cambios de liderazgo

En el plano comercial y operativo, hay novedades relevantes: Candela firmó un pedido de 20 embarcaciones con el operador Boreal y cambió de CEO —Gustav Hasselskog pasa a ser chairman ejecutivo y Sofia Graflund asume la dirección—; John Deere resolvió un litigio de right to repair con un acuerdo de $99 millones; y la startup Mariana Minerals, fundada por Turner Caldwell en 2026, avanza en minería autónoma junto a Pronto —la misma Pronto vinculada a Anthony Levandowski y recientemente adquirida por Atoms, la compañía de Travis Kalanick—. En el frente de regulación y percepción pública, incidentes como el atropello de un pato por un robotaxi de Avride en Austin han reavivado el debate sobre seguridad y operación humana en pruebas.

Panorama operativo y alianzas

Algunas empresas ajustan su oferta comercial: Volkswagen dejará de fabricar el ID.4 en su planta de Chattanooga y priorizará modelos de mayor volumen, con inventario del ID.4 disponible para EE. UU. hasta agotar existencias y estimaciones que lo mantienen en catálogo hasta 2027. Por otro lado, MOIA America y Uber prueban microbuses autónomos en Los Ángeles con planes de servicio antes de final de 2026 y la intención de retirar al operador humano en 2027. Waymo, en tanto, sigue expandiendo su servicio de robotaxis —ahora operativo en Nashville y con iniciativas de intercambio de datos con Waze para compartir información sobre baches—.

Si tienes pistas o información relevante, los editores del sector reciben consejos: Kirsten Korosec ([email protected], Signal: kkorosec.07) y Sean O’Kane ([email protected]) están abiertos a comunicarse. El panorama de la IA física está en movimiento y, según cómo se redistribuya el talento, podremos ver cambios aún más profundos en la movilidad y la automatización en los próximos años.

¿Qué piensas?

Escrito por Lucia Ferretti

Reportera de investigacion, 14 anos cubriendo temas sociales y derechos civiles.

Cómo un diodo p-n permite sensores de imagen más pequeños con memoria integrada

Cómo un diodo p-n permite sensores de imagen más pequeños con memoria integrada