Maven Robotics levantó 100 millones sin tener un solo robot físico
Hay una escena que define mejor que cualquier presentación de inversores lo que está construyendo Maven Robotics. Corría 2024, la empresa tenía semanas de existencia y, según palabras de su propio CEO, Hamza Derbas, lo único tangible que podían mostrar era "un dibujo animado de un robot y un equipo de personas." Una empresa de bienes de consumo de gran escala estaba en Silicon Valley reuniéndose con cuatro compañías robóticas para evaluar proyectos de automatización. Derbas logró colarse en la agenda.
Lo que hizo en esa reunión no fue vender tecnología que no tenía. Pidió permiso para visitar las fábricas y los centros de distribución del cliente. Observó cómo se movían los trabajadores, identificó los cuellos de botella en los flujos de materiales y regresó con una propuesta que no hablaba de robots en abstracto, sino de un problema concreto con una solución integrada de punta a punta: desde el sistema de gestión de almacén hasta la carga en camiones. Ganó el contrato. Los otros cuatro competidores, que ya tenían robots físicos desplegados en el mercado, quedaron afuera.
Ese episodio no es solo una anécdota de ventas. Es la tesis entera de la empresa comprimida en una negociación.
Lo que los robots de Maven realmente automatizan
En septiembre de 2026, Maven Robotics salió del modo reservado con el anuncio de una ronda de financiamiento de 100 millones de dólares, liderada por RoboStrategy y con participación de LocalGlobe, Vine Ventures y XTX Ventures. La cifra no es solo grande en términos absolutos: según datos de seguimiento de operaciones en Estados Unidos, este tipo de Serie A se ubica en el percentil 99 entre más de 27.000 rondas registradas para startups en etapa temprana. Para una empresa con apenas dos años de existencia y sin producto comercial en el momento de su primera venta, el número es significativo.
¿Qué compran los inversores con ese capital? Dos años de trabajo con clientes reales, métricas de operación verificables y una arquitectura de producto que no encaja bien en las categorías existentes.
Los robots de Maven se desplazan sobre bases con ruedas a velocidades de hasta 16 kilómetros por hora, tienen dos brazos capaces de levantar hasta 30 kilogramos y utilizan ventosas de vacío para manipular cajas. Su tarea principal hoy se llama "paletizado mixto": los palés con productos de distintas fábricas llegan a un centro de distribución, y el robot tiene que reconstruirlos en combinaciones específicas para cada tienda destino. No es una tarea glamorosa. Pero el mercado global de paletización está estimado en 80.000 millones de dólares, y hoy se ejecuta casi íntegramente con trabajo humano.
Lo que hace que el problema sea difícil, y al mismo tiempo valioso, es su variabilidad. Los retailers quieren poder cambiar la mezcla de productos en las góndolas en un plazo de 48 horas según la demanda en tiempo real. Eso significa que el robot no puede limitarse a reproducir un patrón fijo: tiene que leer órdenes cambiantes y ejecutarlas con precisión suficiente para que la cadena no se rompa. Maven dice que sus unidades ya operan 16 horas diarias con un índice de disponibilidad del 99% o superior, con hasta ocho robots activos en instalaciones de clientes. Eso es poco en términos de escala, pero es mucho en términos de credibilidad operativa para una empresa que aún no había cumplido dos años al momento de publicar esos números.
El capital de esta ronda tiene un destino concreto: fabricar 250 robots de tercera generación y comenzar el diseño de una plataforma de cuarta generación. El salto de ocho unidades a 250 no es incremental, es una prueba de que la empresa cree que sus sistemas están listos para dejar de ser pilotos y convertirse en operaciones estables a escala comercial.
La ventaja que no viene del laboratorio
El perfil de los fundadores de Maven no encaja en el arquetipo habitual de una startup de robótica académica. Hamza Derbas viene de ingeniería automotriz con foco en vehículos eléctricos, y antes de fundar Maven pasó nueve años en Apple dentro del grupo de proyectos especiales de la compañía, ampliamente considerado como el programa de desarrollo de un automóvil autónomo que fue desmantelado en 2024. Su hermano Khalid, que ocupa el cargo de CFO, tiene formación en capital privado. No hay doctorados en robótica en el organigrama de fundadores, y eso no parece accidental.
Jack Pearson, el inversor de RoboStrategy que respaldó la operación, lo explicó con precisión: Maven se distingue por su formación en sistemas industriales, no por una cultura de investigación optimizada para el aprendizaje o enfocada en una arquitectura específica. Esa diferencia importa más de lo que parece a primera vista.
Las empresas de robótica que vienen del mundo académico o de la investigación en inteligencia artificial tienden a construir primero las capacidades técnicas y después buscar el caso de uso. Maven hizo exactamente lo contrario: identificó el flujo de trabajo, entendió las restricciones operativas reales, incluyendo las temperaturas elevadas en las instalaciones, la convivencia con trabajadores humanos y los requerimientos del software de gestión de almacén, y luego construyó una solución que calza con esas restricciones. El resultado es un sistema que puede venderse con un argumento de retorno sobre la inversión que los equipos de operaciones industriales entienden sin necesidad de traducción.
La metodología de mejora continua también viene del mundo automotriz. Maven usa pipelines de datos que retornan información desde los robots desplegados en cuestión de minutos u horas, y luego ejecuta ciclos de reentrenamiento, evaluación y reimplementación. Es el mismo enfoque que usaron los programas de conducción autónoma para iterar sobre el comportamiento de sus vehículos en condiciones de tráfico real, ahora aplicado a manipulación de materiales en un centro de distribución. Para acelerar la recolección de datos para nuevas habilidades de agarre, la empresa desarrolló un par de guantes con forma de pinzas que permiten a personas humanas emular el formato de los actuadores que quieren entrenar en sus robots. Es una solución pragmática para un problema que los laboratorios suelen abordar con simulaciones costosas y datos sintéticos.
Ruedas contra piernas y la economía de la confiabilidad
La comparación más directa que los medios especializados han establecido para Maven es Agility Robotics, la empresa que planea cotizar en bolsa mediante una fusión con un vehículo de adquisición por un valor estimado de 2.500 millones de dólares. Ambas compañías apuntan a flujos de trabajo industriales específicos con un énfasis en seguridad operativa. Pero la diferencia de diseño es sustancial, y Derbas la abordó sin rodeos: los robots bípedos, dice, "no tienen ningún sentido para lo que están haciendo", porque son complejos, menos confiables y añaden costos que no se justifican cuando el criterio de evaluación es el retorno sobre la inversión.
La posición de Maven es técnicamente defendible. Las bases con ruedas tienen menor cantidad de articulaciones susceptibles de falla, pueden estabilizarse con más facilidad en superficies planas, son más baratas de fabricar y mantener, y no requieren los sistemas de equilibrio dinámico que hacen que los robots humanoides sean tan difíciles de operar en entornos industriales no controlados. La apuesta por la forma humanoide responde en parte a argumentos de versatilidad, en parte a la narrativa de inversión que rodea a la inteligencia artificial física en este momento, y en parte a la posibilidad real de que los modelos de IA física de próxima generación favorezcan plataformas con movilidad similar a la humana. Maven está apostando a que eso no ocurrirá pronto, o al menos no antes de que sus sistemas con ruedas hayan capturado suficiente mercado y datos operativos como para convertirse en el estándar de facto en logística de almacén.
Esa apuesta tiene lógica interna, pero también tiene un plazo implícito. TechCrunch señaló en la cobertura del lanzamiento que el enfoque de Maven podría ser "el camino más viable para poner robots en los lugares de trabajo, o una oportunidad para ser desplazado de un golpe por el próximo modelo poderoso de inteligencia artificial física que salga de los laboratorios de frontera." Derbas respondió con una formulación que define el posicionamiento de la empresa: "No estamos en la carrera por los modelos. Estamos en la carrera por resolver el trabajo industrial y hacer que esta tarea sea posible a la escala que el mundo necesita."
Es una respuesta inteligente, pero no clausura el riesgo. La distinción entre construir capacidades de modelo y resolver problemas industriales concretos puede sostenerse mientras el estado del arte en modelos generalistas de manipulación física no sea suficientemente robusto como para sustituir el enfoque tarea por tarea. Si ese umbral se cruza antes de que Maven haya consolidado posiciones en suficientes cadenas de suministro, la ventaja competitiva basada en integración operativa se vuelve más frágil de lo que sugiere el monto de la ronda.
El límite donde el modelo de negocio se pone difícil
La hoja de ruta de Maven más allá del paletizado mixto revela la tensión estructural que la empresa tendrá que resolver en los próximos dos o tres años. La estrategia declarada es avanzar tarea por tarea: identificar un problema industrial de tamaño suficiente, desplegar robots para resolverlo, generar datos operativos, refinar las capacidades y luego usar ese conocimiento para atacar el siguiente problema. Hamza Derbas lo formuló así: "Si te enfocas en resolver problemas y eliges problemas de tamaño relevante, cada problema es un mercado de varios miles de millones de dólares. Si haces eso, hay suficientes datos para dominar esas habilidades."
La lógica es sólida para la fase actual. El paletizado mixto es repetible, tiene escala suficiente para justificar la inversión y genera el tipo de datos estructurados que permiten mejorar el desempeño del sistema de forma consistente. El problema es que las siguientes tareas en la lista, particularmente la manipulación de materiales para fabricación, requieren capacidades de agarre y razonamiento espacial que, según reconoce la propia cobertura del lanzamiento, "todavía no existen" en el nivel necesario. Eso significa que Maven tendrá que construir una cultura de investigación que hoy no tiene, o adquirir esas capacidades externamente, mientras administra una operación en expansión y las expectativas de inversores que pusieron 100 millones en la promesa de un sistema de propósito general.
La tensión entre ejecución industrial y desarrollo de capacidades no es nueva en robótica, pero rara vez se resuelve de forma limpia. Las empresas que priorizan el despliegue rápido acumulan deuda técnica en sus sistemas de control y en sus modelos de IA. Las que priorizan la investigación tardan demasiado en llegar al mercado. Maven está intentando hacer las dos cosas en paralelo, con una base de clientes pequeña pero operativamente exigente, y un plazo implícito que los mercados de capital privado eventualmente harán explícito.
Lo que el caso de Maven revela con mayor claridad no es que los robots con ruedas sean superiores a los bípedos, ni que la integración operativa sea una estrategia de ventas más efectiva que la narrativa de propósito general. Lo que revela es que en este momento del mercado de robótica industrial, la capacidad de conectar un sistema de control autónomo con la infraestructura de software que ya existe en las instalaciones del cliente, y de demostrar métricas de disponibilidad operativa que los equipos de logística pueden presentar a sus directorios, vale más que cualquier demostración de destreza técnica en un entorno de laboratorio. Esa ventaja es real mientras dura. El trabajo de Maven en los próximos 24 meses es convertirla en algo más difícil de replicar.
