Los robots móviles autónomos están redefiniendo el almacén — Así está el sector en 2026
En 2016, Amazon adquirió Kiva Systems (más tarde renombrada como Amazon Robotics) por 775 millones de dólares, en ese momento una de las mayores adquisiciones en la historia de la robótica de almacenes. La apuesta era que los robots móviles autónomos podrían acelerar radicalmente las operaciones de picking y packing llevando el inventario a los trabajadores, en lugar de enviar a los trabajadores al inventario. Una década después, esa apuesta ha dado sus frutos hasta un punto que transformó la industria, y la tecnología se ha extendido mucho más allá de los muros de Amazon.
El mercado global de AMR en 2026 está valorado en aproximadamente 8.500 millones de dólares y crece a un 25% anual, según estimaciones de MHI (Material Handling Industry) e Interact Analysis. Más de 4 millones de unidades están desplegadas en almacenes, centros de distribución, instalaciones de fabricación y trastiendas minoristas en todo el mundo. La pregunta para los equipos de operaciones ya no es "¿deberíamos implementar AMR?" sino "¿qué sistema, cuántos y cómo los integramos?"
Qué hacen realmente los AMR (y en qué se diferencian de los sistemas antiguos)
Un robot móvil autónomo navega por una instalación sin infraestructura fija: sin cinta magnética en el suelo, sin cuadrículas de códigos QR como requería el sistema Kiva original de Amazon. Los AMR modernos utilizan una combinación de LiDAR, cámaras, sensores ultrasónicos y algoritmos SLAM (Localización y Mapeo Simultáneos) para construir y mantener un mapa en tiempo real de su entorno, detectar obstáculos y navegar entre personas y otros robots sin un controlador de tráfico centralizado que gestione cada movimiento.
Esta es la diferencia clave con la generación anterior de vehículos de guiado automático (AGV), que requerían infraestructura fija y solo podían seguir rutas predeterminadas. Los AMR son reprogramables: cambia la distribución del almacén, actualiza el mapa, redepliega. Pueden operar junto a humanos sin necesidad de separación física extensa (jaulas, barreras de seguridad), algo crítico para instalaciones que combinan operaciones automatizadas y manuales.
Los casos de uso principales en 2026 son:
Goods-to-person picking: los robots navegan hasta una ubicación de almacenamiento, recuperan un estante o contenedor de inventario y lo llevan a un picker humano estacionario. Los trabajadores permanecen en una estación de picking ergonómica mientras los robots hacen toda la caminata, reduciendo el promedio de pasos diarios del picker de 15-20 km a menos de 5 km y aumentando los picks por hora entre 2 y 3 veces en implementaciones controladas.
Transporte autónomo de carros: los robots mueven carros con artículos seleccionados entre zonas (embalaje, envío, procesamiento de devoluciones) de forma autónoma, eliminando el empuje manual de carros, una de las tareas más intensivas en mano de obra en una instalación estándar.
Escaneo de inventario y conteo cíclico: los AMR equipados con sensores navegan autónomamente por el almacén fuera del horario laboral para escanear códigos de barras y etiquetas RFID, construyendo una imagen de inventario en tiempo real sin necesidad de ciclos de conteo manual.
Los principales actores en 2026
El mercado se ha consolidado algo desde el panorama fragmentado de 2019-2021, pero sigue siendo competitivo. Los principales despliegues provienen de:
Amazon Robotics sigue siendo el mayor implementador individual a nivel mundial, con más de 750.000 robots en su propia red de distribución. Venden capacidad limitada a terceros y han ido integrando cada vez más los brazos robóticos Robin y Sparrow junto con bases móviles para ciclos de picking y packing completamente autónomos.
6 River Systems (propiedad de Shopify) y Locus Robotics son los dos mayores proveedores de AMR de terceros para operadores de distribución de tamaño medio. Los robots colaborativos de Locus (Locusbot) están desplegados en más de 200 sitios de clientes; la plataforma Chuck de 6RS tiene una fuerte adopción entre operadores de logística de terceros (3PL).
Geek+ (empresa china, operaciones globales) y HAI Robotics dominan los despliegues de AMR de almacenamiento vertical de alta densidad, una variante que utiliza estanterías altas con AMR que pueden alcanzar múltiples niveles, aumentando la densidad de almacenamiento por metro cuadrado entre 3 y 4 veces en comparación con el estantería convencional.
OTTO Motors (subsidiaria de Clearpath, ahora parte de Rockwell Automation) lidera en implementaciones de AMR en fabricación e industria pesada, donde los robots mueven trabajo en proceso (WIP) entre células de producción en lugar de manejar bienes de consumo.
La realidad del ROI
Los proveedores suelen citar plazos de ROI de AMR de 2 a 3 años. Las implementaciones reales de equipos de operaciones en minoristas medianos y 3PL que han hecho públicos sus números sugieren que 3-5 años es más representativo para las primeras implementaciones, con expansiones posteriores que muestran una recuperación más rápida a medida que ya se ha superado la curva de aprendizaje organizacional (integración de software, rediseño de flujos de trabajo, procedimientos de mantenimiento).
El cálculo del ROI también es sensible a las condiciones del mercado laboral. En mercados con altos costos de mano de obra de almacén y bajo desempleo (Europa del Norte, Japón, costa de EE.UU.), el caso es sustancialmente más fuerte que en mercados con costos laborales más bajos y fuerzas laborales flexibles. El punto de inflexión donde los AMR se vuelven claramente rentables, teniendo en cuenta hardware, licencias de software, mantenimiento y costos de implementación, difiere según la geografía y las tareas específicas que se automatizan.
Factores clave del ROI que los proveedores a menudo subestiman en sus presentaciones: costos de integración de software (conectar el sistema de gestión de robots al WMS, OMS y ERP es un proyecto de ingeniería real, no una tarea de configuración de fin de semana); costos de modificación de instalaciones (infraestructura de carga, cambios menores en la distribución); y el costo continuo de la suscripción al software del proveedor, que normalmente es del 15-20% del costo del hardware anualmente.
La cuestión laboral
Los datos empíricos sobre la implementación de AMR y el empleo son más matizados que "los robots se están llevando todos los empleos" o "los robots solo ayudan a los trabajadores". El resumen más honesto de los estudios de casos publicados: los AMR típicamente reducen los requisitos de personal para las operaciones de picking en un nivel de rendimiento dado, pero los operadores los implementan más comúnmente para manejar el crecimiento del rendimiento sin un crecimiento proporcional del personal, en lugar de reducir inmediatamente el personal existente. El efecto a corto plazo suele ser la reasignación a diferentes roles (embalaje, control de calidad, gestión de excepciones) en lugar de despidos inmediatos, pero la trayectoria a largo plazo, a medida que el rendimiento continúa creciendo con una plantilla estática o decreciente, es una densidad de empleo reducida en relación con las operaciones no automatizadas.
Los trabajos que persisten junto a una implementación intensiva de AMR tienden a estar más arriba en la jerarquía de tareas: mantenimiento de robots y gestión de flotas, manejo de excepciones para artículos que el sistema no puede procesar, y supervisión de operaciones. Si esto representa un beneficio neto para la fuerza laboral depende sustancialmente de si las vías de recapacitación para estos roles están disponibles para los trabajadores desplazados de las tareas de picking de menor cualificación, lo que varía considerablemente entre operadores.
Hacia dónde se dirige la tecnología
El enfoque de desarrollo a corto plazo en la industria está en cerrar las últimas brechas hacia la automatización completa. Los brazos robóticos que pueden tomar de manera confiable artículos arbitrarios de contenedores mixtos (el problema del "picking aleatorio", notoriamente difícil para los sistemas de manipulación) han mejorado drásticamente con sistemas de visión de IA entrenados en millones de imágenes de productos. El Sparrow de Amazon y los sistemas basados en Covariant desplegados por grandes 3PL han demostrado tasas de picking aleatorio confiables superiores al 95% en decenas de miles de SKU, acercándose al umbral de confiabilidad para la operación completamente desatendida en surtidos estándar de comercio electrónico.
La convergencia de bases móviles capaces con brazos de manipulación confiables, de modo que un solo robot pueda navegar y recoger, en lugar de requerir robots de transporte y recogida separados, es el objetivo a medio plazo de varios proveedores importantes. Los sistemas que alcancen este punto cambiarán significativamente la economía de la distribución totalmente automatizada para operadores de tamaño medio que no pueden justificar el costo de infraestructura de los sistemas goods-to-person a la escala actual.