SpaceX confía a Grok la búsqueda de residuos en piezas: 99,9 % frente al 94 % de los humanos

Cuando se habla de SpaceX, normalmente se piensa en cohetes. Pero en la conferencia UP.Summit en Florida, el vicepresidente de lanzamientos de la compañía, Kiko Dontchev, dijo en voz alta lo que hace tiempo se intuye en su estrategia: «Sí, somos una empresa de cohetes, pero en esencia somos una empresa de infraestructura». A nosotros nos interesa más otra cosa: cómo se usa exactamente la IA allí y qué se puede llevar a los proyectos propios.

Qué se automatizó realmente

Formalmente, SpaceX compró xAI a principios de 2026. Los ingenieros ya usaban herramientas de xAI antes, pero, según Dontchev, el verdadero salto se produjo en los últimos meses. En sus 16 años en la compañía nunca había visto una aceleración así del trabajo de ingeniería: lo que antes llevaba horas y días ahora lleva segundos y minutos.

El ejemplo más claro es la búsqueda de FOD, es decir, de objetos extraños dentro de las piezas. Un diminuto trozo de metal o de residuo en una línea de combustible puede destruir un motor. Antes, el inspector introducía en el tubo un boroscopio (una cámara en una sonda flexible) y buscaba defectos a simple vista en el vídeo. Según Dontchev, las personas encuentran ese residuo en aproximadamente el 94 % de los casos. Grok, al analizar el mismo vídeo, lo logra en el 99,9 %.

Las mismas comprobaciones mediante vídeo se están automatizando también para otro hardware, por ejemplo para los terminales de usuario de Starlink. Dontchev afirma que la IA se usa en todos los niveles, hasta los técnicos y sus jefes, y que ha «igualado el terreno de juego» entre los novatos y los empleados con experiencia.

Por qué no es solo una cifra llamativa

La principal lección aquí es metodológica. La comparación se hace con los mismos datos: la persona y el modelo miran el mismo vídeo. Así es exactamente como hay que evaluar el control de calidad con IA. No se discute «la IA contra los humanos» en general, sino que se toma una tarea concreta, se mide la precisión base de las personas y se prueba el modelo con las mismas grabaciones.

Aun así, las cifras deben leerse con cautela. Son palabras de un directivo en una conferencia, no un informe con metodología. No se sabe con cuántos vídeos se calculó ni qué significa exactamente «99,9 % perfect»: la proporción de defectos encontrados o la precisión global. Tampoco se dice nada de los falsos positivos. Y en tareas así importan igual: si el modelo grita «¡residuo!» en uno de cada dos tubos, la producción se detendrá. Tampoco se sabe si el humano permanece en el circuito para los casos dudosos.

Más contexto: el Falcon 9 se va, llega Starship

En la misma conversación, Dontchev explicó por qué el Falcon 9 se encamina a su retirada: nunca se logró recuperar la segunda etapa, y hay que construirla de nuevo para cada lanzamiento. Para cien lanzamientos al año es tolerable; para miles, y en los sueños incluso 10 000, ya no. Starship debe capturar ambas etapas.

Es revelador que no habló de capacidad de carga, sino de «rendimiento por lanzamiento». El primer vuelo orbital de Starship, a finales de septiembre, puso en órbita satélites Starlink V3 con un ancho de banda total 10 veces mayor que el del Falcon 9. Desde Florida, según él, será de hasta 20 veces. La plataforma 39A en Cabo Cañaveral está casi lista, y los primeros transportes de etapas están previstos para diciembre.

También hay un lado inquietante. Ars Technica señala que Dontchev no respondió a las preocupaciones de los clientes comerciales: según varias fuentes, durante los próximos años Starship se reservará para las tareas propias de SpaceX y, posiblemente, para la NASA y otros clientes gubernamentales. La comunidad de entusiastas, por su parte, teme que Musk se aleje de Marte hacia los centros de datos orbitales. Dontchev asegura que Marte sigue en el núcleo de los planes y que la IA solo acelerará el camino hacia él.

Qué hacer con esto

• Si tiene control visual (producción, almacén, contenido multimedia, pruebas de capturas de pantalla), empiece midiendo la precisión de las personas con grabaciones reales. Sin una línea base, cualquier «99 %» no significa nada.
• Compare el modelo y a la persona con los mismos datos y cuente por separado los defectos omitidos y las falsas alarmas.
• Mantenga a una persona en los casos dudosos, sobre todo donde el coste del error es alto.
• Trate las cifras llamativas de las entrevistas como una hipótesis que comprobar, no como un resultado demostrado.

La historia de SpaceX merece leerse como una señal: la IA entra en la industria pesada no a través de los chatbots, sino de tareas aburridas y medibles, como la inspección de tubos. Es justo ahí donde el ahorro resulta verificable.