Anthropic está trasladando sus ambiciones de IA de la pantalla a la mesa de laboratorio, apostando a que una interfaz común puede convertir instrumentos desconectados en sistemas coordinados que funcionen las 24 horas. Su tarea más difícil podría ser convencer a los fabricantes de equipos de adoptar el estándar de forma lo suficientemente amplia como para que esa promesa importe.

El jueves, la empresa abrió una vista previa de investigación del Model Hardware Standard, o MHS, desarrollado con el HHMI Janelia Research Campus. La especificación está destinada a permitir que agentes de IA operen de forma segura dispositivos programables, desde microscopios y manipuladores de líquidos hasta brazos robóticos, al tiempo que permite que varios instrumentos trabajen en paralelo.

El problema es conocido en laboratorios y plantas de fabricación: cada máquina suele llegar con su propia interfaz, lo que obliga a los especialistas a crear conexiones personalizadas que pueden llevar semanas o meses. Anthropic afirma que MHS sustituye gran parte de ese trabajo por un controlador estándar y un pequeño conjunto de comandos, incluidos “leer” y “escribir”, reduciendo la configuración a horas o minutos.¹

El argumento de la empresa se basa en la automatización con salvaguardas, no simplemente en maquinaria más rápida. Las descripciones de los dispositivos pueden incluir detalles en lenguaje natural y límites de seguridad obligatorios, mientras que los agentes pueden supervisar los resultados, ajustar parámetros y, en algunos casos, recuperarse de errores. Anthropic está compartiendo el sistema inicial con laboratorios, empresas de robótica, grupos de electrónica y fabricantes para desarrollar evaluaciones de seguridad antes de que se publique como código abierto.²

Las primeras pruebas ofrecen la versión optimista de ese futuro. Según informes, investigadores de Carnegie Mellon realizaron experimentos de dilución seriada unas tres veces más rápido; QuEra afirmó que un agente restauró un bloqueo láser cuántico el 99,3% de las veces sin intervención humana. En otra demostración, Claude ajustó un láser, evaluó el resultado mediante una cámara y luego convirtió lo aprendido en un script repetible.

Sin embargo, el estándar no es un adaptador mágico: solo los equipos con interfaces programables pueden usarlo, y los dispositivos más antiguos podrían necesitar actualizaciones. El diferenciador de Anthropic es que MHS es independiente del modelo, construido sobre su Model Context Protocol en lugar de estar reservado para Claude. Como lo expresó Jonah Cool, jefe de alianzas, los equipos científicos a menudo “sufren de soluciones propietarias que son muy frágiles”, y el objetivo es “evitar la dependencia de un proveedor para los científicos”.¹

Eso convierte la vista previa en una apuesta por establecer la infraestructura de la IA física, no solo por vender otro modelo. Que se convierta en el lenguaje compartido del laboratorio depende ahora de los proveedores cuyas máquinas deben aprender a hablarlo.