El 40% de la flota naval estadounidense está fuera de servicio en cualquier momento dado. Eso no es un número de un paper de política de defensa: es la cifra que la propia Marina reconoce, y cuesta hasta $20.000 millones de dólares al año en capacidad operativa perdida. Esta semana, la Armada apostó $71 millones a que una startup de Pittsburgh llamada Gecko Robotics puede cambiar ese número —y el contrato dice mucho más sobre el estado de la IA física que sobre defensa naval.
El deal firmado con la Marina de EE.UU. y la Administración de Servicios Generales (GSA) bajo modalidad IDIQ no es un piloto ni un proyecto de investigación. Es infraestructura de producción: 18 naves de la Flota del Pacífico, cinco años de contrato, $54 millones de award inicial con techo de $71 millones. La diferencia con los pilotos que llenan los comunicados de prensa de robotics e IA industrial es que esto ya está en marcha, con activos reales en operación activa.
Qué hace Gecko y por qué importa la combinación hardware + software
Gecko Robotics tiene dos productos que funcionan en conjunto: robots trepadores de paredes que usan sensores ultrasónicos para inspeccionar superficies metálicas, y Cantilever, su plataforma de IA que convierte esos datos en gemelos digitales (digital twins) de cada embarcación.
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀El hardware hace lo que los humanos no pueden hacer sin andamios, paros prolongados y riesgo físico significativo: reptar verticalmente por el casco de un destructor, medir el grosor del metal en miles de puntos, detectar corrosión en soldaduras a las que ningún inspector llegaría sin semanas de preparación logística. Pero el verdadero activo competitivo no son los robots: es Cantilever.
La plataforma integra registros históricos, archivos de diseño de la embarcación, métricas operativas en tiempo real y datos robóticos para generar un modelo 3D vivo del estado estructural de cada buque. El resultado: detectar reparaciones urgentes hasta 50 veces más rápido que con inspecciones manuales, reducir el tiempo de inspección hasta en un 90%, y pasar de mantenimiento reactivo —”algo se rompió”— a predictivo —”este componente fallará en X meses si no se interviene ahora”.
En un caso documentado por la empresa, la tecnología de Gecko eliminó más de tres meses de retrasos en la cubierta de vuelo de una embarcación. Para una Marina que necesita llegar al 80% de disponibilidad operativa para 2027, ese tipo de resultado concreto es lo que convierte un piloto en un contrato de $71 millones.
El patrón que este contrato confirma para la IA física
El camino de Gecko hacia este contrato no fue lineal ni rápido. Comenzaron en 2023 con un contrato de $5 millones con Huntington Ingalls Industries para inspección de submarinos. Luego expandieron a portaaviones. Luego a la clase Columbia. El contrato de $71 millones es el escalón siguiente de una trayectoria que construyó confianza con iteraciones, no con un pitch ganador.
Ese patrón importa porque es replicable. Las startups de IA física que trabajan en sectores de alta regulación —defensa, infraestructura energética, aviación— no pueden escalar con el método de las consumer apps. No se hace viral. No hay product-led growth. El ciclo es: piloto pequeño, demostración de valor en activos reales, expansión gradual del scope, contrato a largo plazo.
Lo que se necesita para recorrer ese camino es exactamente lo que Gecko tiene: hardware propio que nadie más puede replicar fácilmente, una plataforma de datos que mejora con cada activo inspeccionado, y paciencia institucional para construir tracción con clientes que toman años en aprobar contratos.
La alianza de ABB con NVIDIA para llevar gemelos digitales industriales a fábricas sigue una lógica similar: la combinación de hardware de precisión con plataforma de datos crea ventajas que no se compran con capital solamente.
El dato físico como activo estratégico
Hay una lectura más profunda que el contrato naval: Gecko ha construido un activo de datos que ninguna agencia gubernamental podría generar por cuenta propia. Años de inspecciones a destructores, buques anfibios y littoral combat ships generan un corpus de datos estructurado sobre degradación de materiales, patrones de corrosión, y comportamiento de soldaduras bajo condiciones de uso real que no existe en ninguna otra base de datos del mundo.
Ese activo se vuelve más valioso con cada embarcación adicional que inspeccionan. Y es un activo que nadie más tiene, porque replicarlo requiere años de operaciones, no solo capital. Es la forma más sólida de moat en IA: no el modelo, sino los datos únicos sobre los que el modelo se entrena.
El mismo principio aplica fuera de defensa. En sectores como energía (inspección de tuberías y plataformas), manufactura (mantenimiento predictivo de maquinaria pesada), o infraestructura civil (puentes, túneles, plantas de tratamiento), quien controla los datos del activo físico controla el valor. La IA física tiene un problema de confianza, y ese problema se llama datos —y Gecko está construyendo la respuesta a ese problema, activo por activo.
La escala que viene
Gecko opera actualmente alrededor de 250 robots y planea incorporar entre 50 y 60 unidades adicionales durante 2026. El CEO Jake Loosararian fue explícito: este contrato no es el final, es la antesala de una expansión hacia toda la flota.
Más allá de la Marina, la empresa firmó en enero de 2026 una alianza con Trident Maritime Systems para acelerar producción naval usando IA y robótica, con proyecciones de incrementar la capacidad de fabricación en un 40% en sus instalaciones. Y a través de su trabajo con BPMI (Bureau of Naval Reactors), también aplica su tecnología en la fabricación de componentes nucleares.
La valoración post-Serie C en 2022 era de aproximadamente $633 millones. Con este contrato y las alianzas estratégicas en curso, el próximo evento de liquidez será en números muy diferentes. La pregunta interesante no es si Gecko vale más hoy, sino qué tan transferible es su modelo fuera de defensa.
La respuesta parece ser: bastante. El problema que resuelven —activos físicos críticos que se degradan de formas que los humanos no pueden monitorear a escala— existe en energía, aviación, infraestructura portuaria, manufactura pesada, y en cualquier industria donde la falla de un componente tiene consecuencias serias y el mantenimiento reactivo es prohibitivamente costoso. NVIDIA lleva tiempo apostando a que los gemelos digitales serán infraestructura industrial crítica; el contrato de Gecko es la evidencia en producción de que tienen razón.
El contrato de $71 millones no es una noticia de defensa. Es la señal más clara del año de que la IA física —la combinación de hardware de inspección, datos estructurados y gemelos digitales— ha cruzado del mundo de los demos y pilotos al de la infraestructura operativa. Quien entienda ese cruce a tiempo tiene una ventana real para construir en este mercado antes de que se consolide.
