Las gafas Smart pueden parecer un simple dispositivo de consumo: una cámara en el rostro, parlantes en los oídos y un asistente de IA capaz de responder preguntas sobre lo que ve. Sin embargo, el mismo dispositivo puede darle a un sistema de IA algo que siempre le ha faltado: una vista en primera persona de la vida humana cotidiana.

Eso importa porque enseñarle a la IA a escribir o generar imágenes es muy distinto de enseñarle a una máquina a moverse por el mundo físico. Un robot necesita entender dónde están los objetos, qué sucede cuando se mueven y cómo interactúan las manos con cosas que se doblan, se rompen, se derraman o cambian de forma.

Meta ha dedicado años a investigar dispositivos portátiles que captan este tipo de información. Las gafas Ray-Ban Meta llevan parte de esa tecnología a un producto de consumo, lo que le da a la empresa acceso a los datos generados durante actividades cotidianas.

Una prueba de 72 horas con las gafas, en la que se usaron sus funciones de IA a lo largo del día y se solicitaron los datos asociados, permitió entrever por qué las grabaciones en primera persona podrían ser valiosas para entrenar a la IA y por qué cada vez es más difícil separar la privacidad de la tecnología en sí.

Cómo aprende la IA del mundo real

Los modelos de lenguaje grandes aprenden de enormes colecciones de material escrito. Eso funciona bien para sistemas construidos en torno al lenguaje, pero el texto no puede describir del todo cómo hacen las personas cosas como moverse por una cocina, levantar una botella, cascar un huevo o encontrar las llaves.

Los seres humanos aprenden esas cosas a través de años de experiencia sensorial. Yann LeCun, exjefe científico de IA de Meta, ha sostenido que, a los cuatro años, un niño ha visto 50 veces más datos que incluso los modelos de lenguaje más grandes. Su argumento más amplio es que las máquinas necesitan una entrada sensorial más rica si van a entender el mundo físico.

Para un robot, eso significa aprender de algo más que instrucciones. Necesita datos sobre lo que las personas hacen en realidad, incluidas las pequeñas variaciones que son difíciles de describir con palabras. Por ejemplo, ver a alguien lavar los platos puede parecer algo mundano. Pero una vez que ese material se etiqueta y se anota, puede mostrarle a un sistema de IA dónde están los objetos, cómo se mueven las manos y qué sucede cuando ocurre algo inesperado.

Ese tipo de datos de entrenamiento es difícil de recopilar a gran escala. Una cámara que se lleva puesta ofrece una posible solución, porque puede captar el mundo desde la misma perspectiva que la persona que realiza la tarea. Como dice el argumento de LeCun: «Necesita ojos».

Por qué Meta usa las gafas Smart

Meta ha trabajado en este problema durante años mediante Project Aria(nueva ventana), un programa de investigación basado en computadoras que se llevan puestas con formato de gafas. Los dispositivos de investigación usan cámaras y otros sensores para estudiar cómo interactúan las personas con el mundo.

Project Aria también muestra lo distintas que pueden ser las expectativas de privacidad entre la investigación y el uso por parte de los consumidores. Las directrices publicadas por Meta indican que los participantes de la investigación reciben capacitación sobre prácticas adecuadas de grabación, que las personas en hogares privados deben dar su consentimiento y que una luz visible indica cuándo se están captando audio y video.

Las gafas Smart para consumidores operan en un entorno mucho menos controlado. Una persona puede llevarlas puestas mientras camina por la calle, hace compras, prepara café o realiza tareas del hogar. Eso crea una fuente útil de datos en primera persona. También significa que las personas alrededor de quien las lleva pueden aparecer en las grabaciones sin saber que hay una cámara activa.

La distinción importa porque el valor de estos datos proviene de su carácter cotidiano. Su valor proviene de captar los pequeños detalles de la vida diaria.

Lo que los robots necesitan aprender

Los investigadores trabajan en varios problemas que parecen simples para los humanos, pero que son difíciles para las máquinas. Uno es la memoria episódica. Preguntarle a una IA dónde dejó las llaves suena fácil, pero el sistema debe reconocer el objeto, entender cuándo se vio por última vez y llevar un registro de lo que ocurrió desde entonces hasta ahora.

Otro es la física intuitiva. Si usted rueda una pelota hacia una mesa, ya tiene una expectativa de lo que sucederá. Los humanos desarrollan estas predicciones tras años de observar el mundo físico.

El tercero tiene que ver con las interacciones entre las manos y los objetos. Atarse los cordones, abotonar una camisa, levantar algo o manipular un trozo de tela exigen que una máquina trate con objetos que pueden doblarse y deformarse. Esas son las situaciones que las grabaciones en primera persona pueden captar.

Durante la prueba de 72 horas, las actividades cotidianas se correspondieron de manera sorprendente con estos problemas de investigación. Conducir implicaba predecir cómo se mueven los objetos en el espacio. Levantar una botella o cascar un huevo implicaba la interacción entre las manos y los objetos. Ver cómo un huevo rodaba desde la barra implicaba física intuitiva. Preguntar dónde habían quedado las llaves era una tarea de memoria episódica.

La idea no es que cualquier grabación cotidiana se convierta de inmediato en datos de entrenamiento útiles. Se trata de que la actividad humana común contiene los ejemplos que la IA encarnada necesita.

Qué pueden captar las gafas de Meta

Meta afirma que las gafas Ray-Ban Meta no graban de forma continua todo lo que rodea a quien las usa para entrenar su IA. Según la empresa, los datos que se usan para entrenar su IA y que posiblemente revisen personas incluyen los comandos de voz y el video captados cuando un usuario le pide algo a la IA.

Cuando la IA necesita analizar lo que ve la cámara, el material correspondiente puede enviarse a los servidores de Meta para su procesamiento. La empresa puede entonces usar esa información para mejorar sus sistemas de IA. Una persona puede preguntarle a las gafas por un objeto, una ubicación, una tarea o algo que ocurra frente a ella, lo que crea un registro de esas interacciones desde una perspectiva en primera persona.

Meta también presentó Live AI, que pone el asistente a disposición sin necesidad de la frase de activación habitual. Eso hace que las gafas sean más útiles como asistente en tiempo real, a la vez que aumenta el tiempo durante el cual su cámara y su micrófono pueden estar activos.

Hay otro problema de privacidad que es más difícil de resolver mediante los ajustes. Quien lleva las gafas controla el dispositivo, pero quienes lo rodean, no. Durante la prueba, los rostros se difuminaron en el material revisado, pero las personas alrededor de quien las llevaba no sabían que las estaban grabando. Eso es distinto del proceso de investigación Project Aria de Meta, donde los participantes y las personas en ciertos entornos privados están sujetos a requisitos explícitos de consentimiento.

Lo que apunta a los planes de robótica de Meta

La idea de que Meta podría usar datos de dispositivos portátiles para ayudar a construir robots sigue siendo una hipótesis sobre la estrategia más amplia de la empresa, y no algo que las gafas por sí solas demuestren. Sin embargo, hay varias pruebas que la respaldan.

En febrero de 2025, Meta creó una división de robótica humanoide dentro de Reality Labs, la misma organización más amplia responsable de sus gafas Smart. En mayo de 2026, Meta también adquirió Assured Robot Intelligence, un laboratorio de robótica cofundado por Lerrel Pinto.

Meta también ha dicho que quiere que su tecnología sirva como la capa de software para robots humanoides. Su investigación ya ha explorado cómo las grabaciones egocéntricas pueden ayudar a los robots a aprender tareas físicas. Eso hace que las gafas sean relevantes más allá de su rol como asistente de IA. Reúnen cámaras, micrófonos e IA en un dispositivo que las personas pueden llevar puesto todo el día.

Los prototipos portátiles de nueva generación de Meta se describen como un avance hacia una detección más continua y un seguimiento de objetos más preciso. Esas capacidades podrían generar datos más útiles sobre cómo interactúan las personas con el mundo físico.

Nada de esto demuestra que Meta esté recopilando en secreto cada momento de la vida de sus clientes para construir un ejército de robots. Lo que sí muestra es por qué los datos en primera persona obtenidos de dispositivos portátiles podrían ser estratégicamente valiosos para una empresa que invierte mucho tanto en IA como en robótica.

La pregunta más importante

Las gafas Smart hacen que la IA sea más útil porque le dan acceso al mundo que nos rodea. Esa misma capacidad las hace diferentes de los asistentes de IA a los que la mayoría de la gente está acostumbrada. La pregunta es quién decide cómo se recopila, se procesa y se usa esta fuente de datos cada vez más personal.

A medida que la IA pasa de la pantalla al mundo físico, los datos en primera persona adquieren más valor.

Eso hace cada vez más importante entender qué puede ver, oír, almacenar y enviar un dispositivo.