Tesla recurre a operarios para entrenar a Optimus y choca con empleados que ven amenazado su puesto

El plan de Tesla para enseñar a su robot humanoide Optimus a trabajar en las fábricas ha chocado con la resistencia de parte de su propia plantilla. Según ha publicado The Information, algunos empleados de las plantas de Texas y California se mostraron reacios a registrar sus movimientos para entrenar al robot al entender que esa misma tecnología podría acabar sustituyéndoles. La compañía ha respondido contratando personal específico para esa tarea y trasladando la recopilación de datos fuera de las líneas de producción activas.

Por Redacción30 de septiembre de 2026, 08:00

La petición que generó malestar en las fábricas

Según el citado informe, Tesla comunicó en enero a trabajadores de sus fábricas de Texas y California que quería que algunos utilizaran equipos capaces de registrar sus movimientos para enseñar al humanoide tareas del entorno de producción. La reacción no fue la esperada: algunos se quejaron porque sabían que aquellos robots estaban diseñados para sustituir eventualmente trabajo humano.

El malestar no frenó el programa, pero sí modificó su ejecución. The Information señala que Tesla empezó a contratar recopiladores de datos dedicados y a instalar cámaras en las fábricas para registrar tareas, mientras buena parte de ese trabajo se realizaba lejos de las líneas de producción activas. La compañía también comenzó a establecer centros de entrenamiento en distintos puntos de Estados Unidos, incluidos Colorado, Arizona y Florida.

Qué implica realmente el aprendizaje por imitación

El objetivo de Tesla no es reunir vídeo genérico de personas trabajando, sino ejemplos concretos de cómo se ejecutan físicamente determinadas tareas. El aprendizaje por imitación utiliza demostraciones humanas como referencia para enseñar al robot movimientos y secuencias de acciones. La propia compañía mantiene puestos específicos de recopilación de datos para Optimus en los que los empleados manipulan objetos, siguen recorridos establecidos y utilizan equipos de captura de movimiento mientras realizan acciones determinadas.

Esa necesidad de ejemplos es uno de los grandes obstáculos de la robótica humanoide: conseguir que una máquina se desenvuelva en situaciones variadas exige reunir enormes cantidades de datos sobre comportamientos que para nosotros resultan naturales. El problema es que, a diferencia de lo que ocurre con otras tecnologías de IA, aquí la tensión se traslada al mundo físico, no se queda en una pantalla.

Los problemas técnicos que acompañan a la producción

Mientras Tesla intenta escalar la producción de Optimus, el robot sigue teniendo dificultades en aspectos más básicos que aprender nuevas tareas. Según la información publicada, las manos y antebrazos reúnen más de un centenar de pequeños componentes, incluidos tornillos, que todavía requieren montaje manual, y algunas unidades recién fabricadas necesitan correcciones nada más salir de la línea.

Los sensores táctiles también han dado problemas de fiabilidad, hasta el punto de que Tesla ha desarrollado una capa similar a un guante que puede sustituirse sin cambiar toda la mano. A ello se suma que el robot todavía requiere programación para ejecutar tareas concretas en entornos cuidadosamente controlados. La compañía habría alcanzado una producción de varios centenares de robots semanales y sus responsables quieren disponer antes de acabar 2026 de una línea automatizada continua capaz de producir más de 1.000 unidades por semana.

Un patrón que se repite en otros sectores

El caso de Tesla no es aislado. Fuera de las fábricas, ya hemos visto a guionistas, directores y productores de Hollywood aceptar trabajos para evaluar o generar material destinado a entrenar modelos de IA, mientras actores de voz se enfrentan a ofertas y contratos vinculados al desarrollo de réplicas sintéticas. En atención al cliente, trabajadores de Amazon también han expresado su preocupación por estar alimentando herramientas que podrían asumir parte de sus funciones.

Este escenario tiene un punto en común: parte del conocimiento necesario para automatizar un trabajo sigue procediendo de las personas que ya saben hacerlo. La diferencia es que en el caso de Optimus la pregunta ya no es abstracta: los empleados ven cómo sus propios movimientos se convierten en el manual de instrucciones de la máquina que podría ocupar su puesto.