Son las tres de la madrugada de un día cualquiera de 2035. Un sensor detecta que la temperatura de entrada de aire de un rack sube más de lo normal. El software de gestión del data center cruza ese dato con el consumo eléctrico, el historial del equipo y el estado de la refrigeración.
Un agente de IA diagnostica un ventilador defectuoso, ajusta la refrigeración de esa zona para ganar margen y abre una orden de trabajo. Diez minutos después, un robot recorre el pasillo, localiza el servidor, sustituye el módulo y confirma que todo ha vuelto a la normalidad. El equipo humano lo descubre a la mañana siguiente, en el informe.
Ese escenario es imaginado. Pero no es ciencia ficción: algunas de sus piezas ya funcionan hoy, otras están en pruebas y otras siguen muy lejos. Merece la pena separarlas con cuidado, porque en este tema es fácil confundir una demostración con una realidad.
El “cerebro”: una IA que ya controla la refrigeración
Empecemos por el “cerebro”, que es la parte más avanzada. En 2016, Google empezó a utilizar un sistema de IA desarrollado por DeepMind que recomendaba ajustes de refrigeración a los operadores humanos. En sus pruebas, redujo un 40 % la energía dedicada a refrigerar. En 2018 dio un paso más: la IA pasó a controlar directamente la refrigeración de varios data centers, con ahorros medios de alrededor del 30 %.
El detalle importante está en cómo se hizo. Cada acción que proponía la IA se contrastaba con una lista de restricciones de seguridad definida por los operadores, y el sistema local del data center volvía a verificarla antes de ejecutarla. Las recomendaciones en las que la IA tenía poca confianza se descartaban y los operadores podían salir del modo automático en cualquier momento.
Es decir, autonomía sí, pero dentro de unos límites marcados por personas.
Ese equilibrio refleja bien lo que piensa hoy el sector. En su encuesta global más reciente, Uptime Institute observa que la confianza de los operadores es alta para usos de bajo riesgo, como el análisis de datos de sensores o el mantenimiento predictivo, pero cae en picado cuando se trata de autonomía real.
Solo el 31 % confiaría en que una IA controle los ajustes de los equipos y apenas un 16 % aceptaría cambios de configuración automáticos. La confianza en que la IA reduce el error humano también ha bajado, hasta el 40 %.
Las “manos”: robots que ya recorren los pasillos
Ahora vayamos a las "manos", que es donde está la gran novedad de 2026. Según publicó Wired a finales de agosto, Meta está probando robots en sus data centers de Altoona (Iowa) y New Albany (Ohio):
- Un robot de dos brazos de la startup Watney Robotics practica la sustitución de cables de red.
- Robots de ABB montados en plataformas móviles prueban a reasentar componentes que se han desconectado parcialmente.
- Un brazo de Kinova se evalúa para reiniciar servidores bloqueados pulsando su botón de encendido.
En varias instalaciones ya funcionan robots autónomos que trasladan racks y robots de inventario que escanean equipos.
¿Por qué los data centers son un buen lugar para empezar? Porque son entornos muy estructurados. Los mismos tipos de cable y la misma configuración de rack se repiten en miles de filas, lo que facilita entrenar a un robot en simulación antes de llevarlo a la sala real.
Pero las limitaciones son muy concretas:
Los robots de Meta son más lentos que un técnico humano en todas las tareas evaluadas.
Sus baterías limitan el tiempo de trabajo y los pasillos no tienen puntos de carga.
La inspección visual de averías, como un conector mal encajado o un componente quemado, todavía no es fiable con la iluminación de una sala densa.
Los racks llenos de cables confunden sus sensores y los pasillos, de entre 60 y 120 centímetros, son estrechos y a veces están ocupados por personas.
¿Y los humanoides? Muchos titulares, poco trabajo real
¿Y los humanoides? Son los que más titulares generan, pero también los que más distancia muestran entre la demostración y el trabajo real.
A mediados de 2026, solo un puñado de robots humanoides realizaba trabajo documentado y repetitivo en unas pocas instalaciones concretas, como el piloto de once meses de Figure AI en la planta de BMW en Spartanburg. Tesla reconoció a principios de 2026 que sus robots Optimus servían sobre todo para aprender y recoger datos, no para producir.
Su atractivo para un data center es evidente, porque las salas están diseñadas a escala humana. Pero lo más probable es que, al menos al principio, los robots especializados les ganen en fiabilidad y coste.
Hay un experimento anterior que ayuda a imaginar el extremo del camino. En 2018, Microsoft sumergió frente a las islas Orcadas un data center sellado con 864 servidores, sin personas y lleno de nitrógeno. Dos años después, su tasa de fallos era una octava parte de la de una instalación equivalente en tierra.
Sus responsables lo atribuyeron al ambiente de nitrógeno y a la ausencia de personas que manipularan los equipos. La contrapartida era obvia: lo que se averiaba no se podía reparar. Microsoft acabó cerrando el proyecto, aunque aseguró que aplicaría lo aprendido.
¿Es viable sustituir por completo a las personas?
Depende de qué tarea miremos. La supervisión, el análisis y la optimización ya pueden automatizarse en gran medida. Las tareas físicas rutinarias, como cambiar cables, discos o servidores, están en pruebas y tienen un camino claro.
Pero hay trabajos mucho más difíciles:
- el mantenimiento de generadores, enfriadoras, cuadros eléctricos y baterías.
- las maniobras en alta tensión.
- la respuesta ante un incendio o una inundación.
- las ampliaciones y reformas.
Y hay algo que no es técnico: alguien tiene que asumir la responsabilidad legal y operativa de cada decisión.
También hay un argumento de peso a favor de automatizar: según Uptime Institute, el error humano interviene en entre el 70 % y el 80 % de las caídas de los data centers. Y otro a favor de las personas: el sector sufre escasez de profesionales cualificados. Meta, de hecho, sostiene que con el actual boom de infraestructuras hacen falta más trabajadores, no menos.
Lo más probable es que ambas cosas ocurran a la vez: menos tareas rutinarias en manos humanas y perfiles más técnicos supervisando más instalaciones.
Con la información disponible hoy, este es nuestro cálculo del calendario. Es una estimación, no una certeza:
Hasta 2028: la IA analiza, prioriza alarmas y recomienda; controla parámetros acotados bajo supervisión. Los robots se limitan a pilotos y tareas muy simples, como trasladar equipos o hacer inventario.
De 2028 a 2032: los robots especializados asumen una parte importante de las tareas rutinarias en los grandes data centers. Equipos humanos más pequeños supervisan varias instalaciones a la vez.
De 2032 a 2040: algunas instalaciones nuevas, sobre todo de edge o diseñadas desde cero para robots, funcionan sin personal permanente in situ, con equipos móviles que intervienen cuando hace falta.
Sustitución total: poco probable en un horizonte previsible. Las personas pasarán a diseñar, supervisar, auditar, resolver excepciones y, también, mantener a los robots.
Hay voces más optimistas. El presidente de ACE Robotics cree que la IA aplicada a robots vivirá su “momento ChatGPT” antes de que acabe 2027. Las previsiones de mercado acompañan: el negocio de la robótica para data centers podría pasar de unos 13.700 millones de dólares en 2024 a más de 44.000 millones en 2030.
Si ese salto llega, los plazos se acortarán. Pero conviene recordar que en robótica muchas fechas se anuncian en futuro y pocas se cumplen a tiempo.
La condición previa: un sistema nervioso para el data center
Hay una condición previa que casi nadie menciona. Un robot no puede cambiar un cable si no sabe exactamente en qué rack, en qué posición y en qué puerto está. Una IA no puede optimizar la refrigeración si no recibe datos fiables de cada sala.
Antes de las manos y del cerebro, hace falta un sistema nervioso: un software de gestión de infraestructura (DCIM) con un inventario exacto, datos en tiempo real y una visión completa de la capacidad eléctrica y térmica. Ese sistema será el que convierta un diagnóstico en una orden de trabajo y la envíe a quien deba ejecutarla, sea una persona o una máquina.
Dicho de otro modo: el data center autónomo no empieza comprando robots. Empieza sabiendo con precisión qué hay en cada sala, cuánto consume y cuánto margen queda. Las organizaciones que hoy no tienen ese conocimiento no estarán preparadas para automatizar mañana.
La pregunta no es si los robots llegarán a los data centers: ya están llegando. La pregunta es si nuestros data centers sabrán decirles exactamente qué hacer.
Fuentes
• DeepMind / Google, Safety-first AI for autonomous data centre cooling and industrial control (17 de agosto de 2018). https://deepmind.google/blog/safety-first-ai-autonomous-data-centre-cooling-and-industrial-control/
• VentureBeat, resultados de 2016 del sistema de recomendaciones de DeepMind (reducción del 40 % en refrigeración). https://venturebeat.com/2018/08/17/google-puts-ai-in-charge-of-data-center-cooling-systems
• Network World, encuesta global de Uptime Institute: confianza de los operadores en la IA. https://networkworld.com/article/4203054/most-corporate-it-is-off-premises-ai-is-reshaping-infrastructure-uptime-reports.html
• Data Center Knowledge, encuesta de Uptime Institute 2025 (error humano en las caídas). https://www.datacenterknowledge.com/energy-power-supply/uptime-institute-data-center-industry-faces-management-crisis-amid-ai-transformation