Robots en lugar de soldadores: una startup fundada por antiguos ingenieros SpaceX automatiza la producción de estructuras de acero
Empresa 1872, fundada por tres antiguos ingenieros de SpaceX, lanzó la producción piloto en Ohio y pretende construir una fábrica para 2027 donde AI y robots manejan casi todas las operaciones para fabricar marcos de acero para edificios modulares y centros de datos. La autonomía total no se promete, sin embargo: automatizar alrededor del 80% del proceso se considera suficiente.

La industria de soldadura estadounidense está en crisis: según la Sociedad Americana de Soldadura, para 2029 el país será más de 320.000 Welders. Los especialistas experimentados se están retirando, y el talento joven no se apresura en la profesión. Las restricciones de inmigración están empeorando las cosas, cortando el flujo de trabajadores del extranjero. En estas condiciones, apostar por la robótica parece menos un capricho y más como la única manera de mantener el ritmo de la construcción. Ese es exactamente el camino elegido por tres antiguos ingenieros de SpaceX que fundaron la startup 1872.
Startup 1872: desde motores de cohetes a marcos de acero
Dan Summers, Brian Mongilio y Michael Grant, tres antiguos empleados de SpaceX, decidieron aplicar la experiencia de la industria aeroespacial a un campo completamente diferente. Summers, que dirigió el equipo responsable de integrar y fabricar los motores Raptor para Starship, se convirtió en CEO de la nueva empresa. El lanzamiento oficial tuvo lugar el 22 de julio en la planta Factory One en Cincinnati, Ohio. Es una ubicación simbólica para una startup: el Medio Oeste ha sido tradicionalmente considerado el corazón industrial de América.
Las ambiciones de la startup son impresionantes: para 2027, la empresa tiene la intención de crear una fábrica de prototipos capaz de automatizar una gran parte del ciclo de producción de acero, el mismo acero utilizado en proyectos de infraestructura crítica. El enfoque prioritario es la producción de esquiados de acero, es decir, marcos rectangulares en los que se construyen edificios modulares. Estos marcos son de alta demanda de las empresas que construyen centros de datos AI y pequeños reactores nucleares modulares. La demanda de tales estructuras está creciendo junto con el boom de inteligencia artificial y la energía descentralizada.
¿Por qué esquiar? Según los fundadores, estas partes tienen una tolerancia bastante alta para el error. No requieren la precisión de micrones de los motores de cohetes, por lo que la automatización puede permitir más desviación. Esto los convierte en un terreno ideal para las tecnologías que más tarde pueden transferirse a productos más complejos. Además, los esquís son un producto de mercado masivo fabricado en grandes volúmenes, lo que significa que el impacto de la optimización será maximizado.

Del trabajo manual a robots de soldadura
Los fundadores de 1872 escogieron deliberadamente un enfoque gradual. Al principio, los soldadores regulares trabajaron en la línea de producción: refinaron el ciclo completo de creación de esquí, desde piezas cortadas hasta montaje final. Sólo una vez que el proceso estaba completamente marcado, la empresa comenzó a introducir soluciones robóticas. Con este fin, la empresa se asoció con Path Robotics, un desarrollador con base en Columbus especializado en soldaduras impulsadas por AI.
Path Robotics construye sistemas robóticos controlados por redes neuronales. Su eficiencia es impresionante: el rendimiento de primer paso alcanza el 95-100%. El arco del robot es activo 70% del tiempo de trabajo, en comparación con sólo 10–12% para un humano. Al mismo tiempo, los costos de soldadura disminuyen en un 85%: mientras que un humano cuesta 78 centavos por pulgada de soldadura, un robot cuesta sólo 12. Estos números pagan rápidamente la inversión inicial, especialmente teniendo en cuenta que un robot puede funcionar todo el día sin descansos.
Dicho esto, la soldadura es sólo parte del proceso. La soldadura del esquido en sí toma 2-4 horas, pero el montaje de todos los componentes de corte tarda cuatro a cinco días. La empresa ya ha declarado que el montaje automatizado es la máxima prioridad para el futuro cercano. Si esta etapa puede ser acortada, el tiempo total de producción caerá drásticamente, permitiendo que se acepten más pedidos sin ampliar fuerza laboral.

Visión para el futuro: fabricación de un solo archivo
El sitio web de 1872 describe un concepto ambicioso. Un cliente envía un archivo digital con el diseño del producto futuro. Un sistema AI lo procesa, genera un plan de producción completo y crea un calendario de trabajo. Los robots manejan todas las operaciones físicas: corte, montaje, soldadura. Los humanos sólo supervisan el proceso y manejan tareas no estándar. Este modelo permite delegar el trabajo más monótono y pesado a las máquinas, mientras que las personas permanecen en el papel de supervisores y técnicos.
Al mismo tiempo, como señala el CEO Dan Summers, la plena autonomía no es un fin en sí mismo. La compañía probablemente se establecerá en alrededor del 80% de la automatización, ya que aumenta el rendimiento disminuyendo los rendimientos a costos crecientes. Este es un enfoque pragmático que mantiene un equilibrio entre la eficiencia y la complejidad del sistema. El 20% restante probablemente cubre contingencias y operaciones delicadas donde el juicio humano sigue siendo irreemplazable.
La experiencia SpaceX muestra que el software inteligente de gestión de la producción puede funcionar maravillas. Fue precisamente ese software que llevó el motor Raptor a una versión lista para la producción en tan solo tres años, mientras que el ciclo de desarrollo tradicional para un motor de jet puede tardar más de dos décadas. Startup 1872 tiene la intención de aplicar el mismo enfoque a la metalurgia. Si tiene éxito, la industria de soldadura de EE.UU. podría cambiar más allá del reconocimiento: en lugar de agotador trabajo manual, emergerán fábricas inteligentes, donde los robots manejan el trabajo físico pesado y el software gestiona todo el proceso desde el blueprint hasta el producto terminado.

Preguntas frecuentes
Material similar
Todos los materiales
WILSON: integración de aumentos y portaobjetos del paciente para el análisis anatomopatológico y la elaboración de informes
El preprint presenta WILSON, un modelo de visión y lenguaje que codifica imágenes de portaobjetos completos y series de muestras de un mismo paciente a distintos aumentos, en lugar de limitarse a un único portaobjetos «mejor». Sin necesidad de ajustarlo a la tarea, supera a modelos especializados y de mayor tamaño para portaobjetos en varias métricas, con una carga computacional considerablemente menor, y sus descripciones diagnósticas obtuvieron puntuaciones más altas de los patólogos.
11 noviembre 2026
Invariantes polinómicos canónicos en el diagnóstico de fallos de simuladores de RL: dónde son realmente útiles
El estudio analiza si está justificado incorporar leyes físicas a modelos de dinámica entrenables: los invariantes extraídos de las trayectorias y llevados a una forma canónica mediante bases de Gröbner ofrecen una mejora modesta en las predicciones, pero destacan en el diagnóstico: permiten localizar la restricción incumplida e identificar el parámetro concreto que es erróneo.
10 noviembre 2026
AURA-Eval: cómo comprobar que un agente LLM reconoció el riesgo y cambió su siguiente paso
El framework evalúa el comportamiento de los agentes LLM no por su veredicto final, sino por cómo reaccionan ante el riesgo en puntos clave: se interrumpen las trayectorias de llamadas a herramientas y, a continuación, el modelo debe continuar razonando y actuando, mientras que un panel de jueces LLM analiza la detección del riesgo, la naturaleza del paso y su seguridad. En 1249 tareas recopiladas a partir de 157 trayectorias de R-Judge, los actos inseguros aumentan en 20 modelos cuando no hay una vía segura, y retirar la supervisión antes de la ejecución convierte el 52,3 % de los casos inicialmente seguros en inseguros.
10 noviembre 2026