Anthropic presenta MHS para que sus agentes controlen máquinas

El 27 de agosto de 2026, Anthropic abrió una vista previa de investigación del Model Hardware Standard (MHS), una especificación común que permite a los agentes de inteligencia artificial operar dispositivos físicos con seguridad. Desarrollado junto al campus de investigación HHMI Janelia, el estándar busca que un agente como Claude orqueste en paralelo varios instrumentos de laboratorio o de producción —microscopios, brazos robóticos, dispensadores de líquidos— para tareas que van desde un experimento de descubrimiento de fármacos hasta la calibración de un láser en un ordenador cuántico. Es la primera vez que Anthropic lleva a sus agentes más allá de la pantalla, hacia el control directo de máquinas.

Un lenguaje común para hablar con las máquinas

Conseguir que los aparatos de un laboratorio o una fábrica se comuniquen entre sí suele tardar semanas, si no meses: la mayoría de los dispositivos no se hablan entre ellos, y hacen falta especialistas que construyan integraciones a medida para cada combinación de hardware. MHS reduce ese trabajo a horas al introducir un controlador estandarizado —un software que traduce entre el sistema operativo de un ordenador y un dispositivo físico—. Este controlador se apoya en un pequeño conjunto de primitivas, órdenes de lectura (por ejemplo, obtener una temperatura) o de escritura (por ejemplo, fijar una temperatura), que cualquier aparato con interfaz programable puede entender. Cada máquina se vuelve así detectable en un formato común: los dispositivos y los agentes se encuentran y se comunican en una red sin necesitar un programa «traductor» a medida cada vez. Un agente puede entonces controlarlos por tres vías: el protocolo MCP, la línea de comandos o archivos de código (API).

El controlador de MHS resuelve además un problema que el código por sí solo no explica: un agente entrenado sobre todo en un mundo virtual no sabe el peso de un brazo robótico ni el margen de seguridad de un láser. Por eso MHS incluye un sistema de etiquetas que describe en lenguaje natural las características físicas de un aparato, sus ajustes posibles y sus límites de seguridad —el usuario puede rellenarlas él mismo, o conversando con un agente que le pregunta por su equipo—. Esa información genera automáticamente un archivo de referencia que da al agente todo lo que necesita para operar un aparato que nunca ha visto, sin manual en papel ni conocimiento tácito de un técnico.

De los laboratorios a la industria

Anthropic compartió una versión temprana de MHS con un primer grupo de laboratorios y fabricantes de biotecnología, robótica, computación cuántica y electrónica. En Genentech, la empresa probó MHS para automatizar un ensayo de proteínas que exige coordinar un dispensador de líquidos, un brazo robótico y un lector de placas. En la Universidad de Washington, un doctorando de los laboratorios Baker y Pinglay construyó un panel de monitorización remota y un agente que supervisa una reacción en cadena de la polimerasa y la detiene en el momento justo.

• En la Universidad Carnegie Mellon, un agente que orquestaba un dispensador de líquidos, un lector de placas, un brazo robótico y cámaras ejecutó experimentos de dosis-respuesta unas tres veces más rápido.
• En el campus HHMI Janelia, origen del proyecto, un agente unificó un sistema de microscopía que hasta entonces dependía de siete programas de distintos fabricantes sin interfaz común.
• En QuEra Computing, un agente que controlaba parte del sistema láser de un ordenador cuántico recuperó el «bloqueo» de frecuencia ultraprecisa de los láseres en el 99,3 % de los casos, sin intervención humana.
• En Tetsuwan Scientific, MHS orquestó un flujo de trabajo de PCR para un proyecto de ciencia ciudadana sobre la contaminación de un arroyo de California.

La apuesta de Anthropic por el hardware

Amazon Web Services integrará MHS en Strands Robots, su biblioteca para conectar agentes con dispositivos físicos; Hugging Face (LeRobot), Raspberry Pi, Automata y Universal Robots figuran entre los demás socios de hardware, y Danaher explora una colaboración. Por ahora limitado a un grupo reducido, MHS debe convertirse después en un estándar abierto y agnóstico respecto al modelo de IA utilizado, como ocurrió en 2024 con el Model Context Protocol, otra norma nacida en Anthropic. «Construimos esto para la ciencia, para mostrar la promesa de la IA, pero también hay enormes beneficios para la empresa y la industria», explicó a CNBC Elizabeth Kelly, responsable de despliegues beneficiosos de Anthropic. El anuncio llega mientras Anthropic forma un equipo dedicado a chips y acaba de fichar a Caitlin Kalinowski, exdirectiva de hardware en OpenAI, Meta y Apple, señal de que la creadora de Claude quiere pesar frente a rivales que ya invierten fuerte en hardware.

Si se pueden probar hipótesis más rápido, se pueden crear tecnologías más rápido. Así es como un siglo de progreso puede condensarse en una década.

Qué cambia para las empresas hispanohablantes

Para un laboratorio de investigación o una planta de producción en España o América Latina, MHS promete reducir un coste bien conocido: semanas perdidas haciendo que dialoguen aparatos de distintos fabricantes en lugar de dedicar ese tiempo al experimento en sí. El estándar sigue siendo por ahora una vista previa cerrada, reservada a un primer círculo de socios, así que el acceso dependerá del calendario de apertura que anuncie Anthropic; pero su diseño agnóstico respecto al modelo y su futura publicación como código abierto limitan el riesgo de depender de un único proveedor de IA. Empresas y laboratorios públicos harían bien en seguir de cerca esta apertura: la misma estandarización que dio éxito al Model Context Protocol podría, esta vez, aplicarse directamente a sus líneas de producción y bancos de pruebas.