Cam Myers, director ejecutivo y fundador de CreateMe – Serie de entrevistas

Cam Myers, CEO y fundador de CreateMe, fundó la empresa en 2019 con la visión de modernizar la fabricación de prendas de vestir mediante la automatización avanzada. Con sede en el Área de la Bahía de San Francisco, aporta una trayectoria diversa que abarca la asesoría de inversiones en ADM Investment Partnership, el liderazgo inicial en el equipo fundador de Group Commerce y funciones de desarrollo de negocio en Downtown Music Holdings y Publicis Groupe. También es miembro de la Comunidad Global de Innovadores del Foro Económico Mundial, lo que refleja su amplio compromiso con la transformación industrial impulsada por la tecnología.

Créame Es una empresa de robótica con inteligencia artificial que reinventa la fabricación de ropa al sustituir la costura tradicional por un ensamblaje automatizado con adhesivos, impulsado por robótica, visión artificial y aprendizaje automático. Su plataforma de fabricación patentada permite una producción de ropa más rápida, localizada y sostenible, reduciendo los residuos y acortando las cadenas de suministro, a la vez que posiciona a la empresa a la vanguardia de la fabricación de productos textiles de última generación.

Antes de fundar CreateMe, formó parte de equipos fundadores, trabajó en puestos de inversión y asesoría, y ocupó cargos en empresas como DoubleClick y Group Commerce. ¿Cómo influyó esa combinación de tecnología, finanzas y experiencia operativa en su decisión de fundar CreateMe y abordar algo tan complejo como la fabricación automatizada de prendas de vestir?

Antes de CreateMe, me formé como generalista tecnológico, trabajando en software, comercio electrónico, inversión y puestos operativos en etapas iniciales. Formar parte de equipos de startups, incluyendo Group Commerce, fue como obtener un MBA práctico. Te ves obligado a pensar en diferentes disciplinas y a ver cómo interactúan la tecnología, la economía y las operaciones en condiciones reales.

Esa perspectiva me llevó a una conclusión diferente sobre la ropa. A través de las startups de comercio electrónico, veía repetidamente los mismos fracasos: bajas ventas, grandes descuentos y grandes volúmenes de inventario que finalmente se daban de baja o se enviaban al vertedero. La mayoría los consideraba problemas de comercialización o de previsión. Desde una perspectiva tecnológica, era evidente que eran síntomas de algo más profundo: sistemas de fabricación incapaces de responder a la demanda real.

La idea surgió al conectar esos puntos entre disciplinas. La ropa no fallaba porque alguna parte del sistema estuviera mal gestionada. Nos dimos cuenta de que esto no era algo que se pudiera ajustar ni optimizar; requería un replanteamiento desde cero, desde los principios básicos, de los materiales, las máquinas y el software como un solo sistema.

CreateMe surgió de esa convicción. Se trataba fundamentalmente de un problema tecnológico que requería una solución tecnológica. La interdisciplinariedad fue lo que lo hizo visible en primer lugar, y es por eso que el enfoque de CreateMe es diferente. Nos propusimos abordar la fabricación de prendas de vestir como un desafío de sistemas y automatización, y construir una plataforma capaz de transformar el funcionamiento real de la industria.

CreateMe cuenta actualmente con una importante cartera de patentes en robótica, ciencia de materiales y automatización. ¿Cuáles fueron los primeros descubrimientos técnicos que le convencieron de que este problema tenía solución con IA física?

Cuando fundamos CreateMe en 2019, creíamos que finalmente existía un camino viable para automatizar la fabricación de prendas de vestir, pero solo si se replanteaba el proceso en sí. La tela es un material deformable y dependiente del estado. Se estira, se desplaza y cambia de comportamiento con el manejo. Las pequeñas variaciones se acumulan rápidamente. En esas condiciones, el control de bucle abierto y el movimiento preprogramado fallan. El problema no era la precisión del robot, sino comprender el estado del material lo suficiente como para actuar en consecuencia.

Nuestro primer avance real provino del cambio del modelo de ensamblaje. Al reemplazar la costura continua por la unión adhesiva, pudimos ensamblar las prendas de forma estática y fija, en lugar de con la tela en movimiento. Esto eliminó una importante fuente de variabilidad y permitió controlar directamente la alineación y la unión. Combinado con la visión artificial tradicional, la visión artificial basada en aprendizaje automático, la lógica basada en reglas y la robótica, esto posibilitó una automatización fiable para un conjunto definido de operaciones. Demostró algo importante desde el principio: los materiales deformables podían manipularse mecánicamente si el proceso se estructuraba correctamente.

Esos primeros sistemas también dejaron claros los límites. La visión artificial tradicional basada en reglas funciona bien cuando la geometría es simple y las condiciones están muy limitadas. No se adapta a los problemas más complejos de la industria textil, especialmente a las uniones tridimensionales complejas, donde la forma, la orientación y el contacto de la tela evolucionan continuamente en el espacio. La automatización integral de estas operaciones simplemente no era posible con las herramientas de percepción y modelado disponibles en aquel momento.

Ahí es donde la IA Física ha comenzado a cambiar la ecuación. Los avances en percepción, detección e inteligencia corporal permiten comprender materiales deformables en tres dimensiones y cerrar el círculo entre ver, decidir y actuar. Aún estamos en las primeras etapas de la aplicación de estos modelos al ensamblaje físico, pero incluso las primeras implementaciones ya están ampliando la gama de prendas, telas y operaciones complejas de unión 3D que se pueden automatizar. En lugar de programar el comportamiento, el sistema puede razonar cada vez más sobre el estado del material, adaptarse en tiempo real y ejecutar operaciones de unión de principio a fin. Cada operación de unión genera datos sobre cómo responde un textil a la fuerza, el calor y la geometría, lo que permite mejorar y generalizar el rendimiento con el uso.

En resumen, nuestras primeras herramientas demostraron su viabilidad. La IA física es lo que permite la completitud y la escalabilidad. Esta progresión, desde la automatización programada hasta el ensamblaje inteligente de extremo a extremo, nos convenció de que este problema no solo era solucionable, sino también extensible a otras prendas y materiales. La amplitud de nuestra cartera de patentes refleja ese camino. Resolver el ensamblaje de materiales deformables requirió innovación en robótica, ciencia de materiales y automatización, y la IA física abrió las formas de unión más complejas.

La fabricación de prendas de vestir se ha resistido durante mucho tiempo a la automatización total debido a la complejidad de los bienes blandos. ¿Qué avances permitieron a CreateMe finalmente superar ese umbral?

Para CreateMe, cruzar el umbral de la automatización ha sido impulsado por dos cambios relacionados: cómo se ensamblan físicamente las prendas y cómo las máquinas perciben y actúan sobre la tela durante ese ensamblaje.

El primer avance fue arquitectónico. Al pasar de la costura a la unión adhesiva, eliminamos la necesidad de acceder a ambos lados de la tela durante el ensamblaje. Las prendas pueden confeccionarse con acceso por un solo lado, en un estado estático y fijo, en lugar de doblarse, voltearse y tensarse con una máquina de coser. Esto redujo significativamente la complejidad de la manipulación y eliminó una importante fuente de variabilidad. Con la tela sujeta y accesible desde un lado, la alineación y la unión se convirtieron en problemas controlables, y la visión artificial y la robótica tradicionales pudieron automatizar de forma fiable una parte significativa de la confección de prendas.

Desde un principio, esto es fundamentalmente más automatizable que la costura robótica. La costura intenta replicar la destreza humana en movimiento continuo mientras la tela se deforma activamente. El ensamblaje adhesivo replantea el problema en torno al posicionamiento controlado y las uniones discretas, lo cual es mucho más adecuado para la robótica.

Ese enfoque también aclaró el desafío pendiente. A medida que avanzamos hacia uniones tridimensionales más complejas —donde las superficies se unen en ángulos variables y el comportamiento del material cambia al establecer contacto—, las reglas y los enfoques tradicionales basados ​​en la visión artificial alcanzaron sus límites. La automatización integral, en toda la variabilidad de prendas y textiles, requería una percepción y un control más adaptativos.

Aquí es donde la IA física desempeña un papel fundamental. Los avances en percepción, detección y control incorporado permiten interpretar la geometría de las telas y el estado del material en tres dimensiones y responder en tiempo real durante el ensamblaje. En CreateMe, incluso las primeras aplicaciones de estas capacidades están ampliando la gama de prendas, telas y operaciones complejas de unión 3D que pueden automatizarse con mínima intervención.

En resumen, el rediseño de procesos (unión, acceso unilateral y ensamblaje estático) hizo posible la automatización. La IA física es lo que permite que dicha automatización avance hacia una operación integral y se adapte a la variabilidad del mundo real, permitiendo que la fabricación de prendas de vestir supere la automatización limitada y se oriente hacia sistemas que mejoran a medida que aumenta la complejidad.

MeRA™ introduce un enfoque de ensamblaje robótico modular para la producción de prendas. ¿En qué se diferencia fundamentalmente este sistema de la automatización industrial tradicional?

MeRA™ se diferencia fundamentalmente de la automatización de fábrica tradicional porque fue diseñado en torno a las limitaciones específicas de la fabricación de prendas de vestir, en lugar de ser adaptado de industrias basadas en piezas rígidas y procesos estables.

La automatización convencional asume una geometría fija, materiales predecibles y una variabilidad limitada. Los cambios se gestionan mediante configuraciones con restricciones mecánicas y un uso intensivo de herramientas, así como fijaciones específicas para cada proceso. Este modelo funciona cuando los productos rara vez cambian. Sin embargo, falla en la industria textil, donde los materiales son deformables, los estilos cambian rápidamente y la producción debe funcionar a alta velocidad para ser económicamente viable.

MeRA™ parte de la premisa opuesta. La confección requiere un sistema que pueda gestionar materiales blandos, variaciones constantes y cambios frecuentes sin detener la producción. Para ello, MeRA™ utiliza una arquitectura de ensamblaje modular definida por software. Cada módulo realiza una operación discreta y puede reconfigurarse, duplicarse o redistribuirse a medida que cambian los productos, las telas o los volúmenes. Los cambios se realizan digitalmente, en software, en lugar de mediante la reorganización física.

Arquitectónicamente, MeRA™ está diseñado para maximizar la velocidad y el control. El ensamblaje se mantiene en dos dimensiones el mayor tiempo posible, donde la visión, la alineación y el movimiento son más rápidos y precisos, antes de pasar a operaciones tridimensionales estrictamente controladas solo cuando el conformado o la unión lo requieren. La automatización tradicional impulsa las piezas a través de celdas de trabajo 3D fijas; MeRA™ minimiza la complejidad 3D por diseño para preservar el rendimiento.

Combinado con la unión adhesiva digital, MeRA™ reemplaza la unión mecánicamente forzada con una operación programable de un solo lado. No es necesario voltear las prendas, gestionar la tensión continua ni acceder a ambos lados a mitad del proceso. Esto reduce el tiempo de ciclo, disminuye las tasas de error y permite un cambio digital rápido entre prendas y textiles.

En resumen, la automatización tradicional codifica el proceso en hardware. MeRA™ define el proceso en software y lo adapta al material. Esta transición —de la reorganización física a la transformación digital, y de los flujos de trabajo fijos al ensamblaje modular— es lo que permite a MeRA™ operar a la velocidad y la variabilidad de las demandas de la industria textil.

Pixel™ reemplaza la costura con unión microadhesiva. Además de la velocidad y la eficiencia, ¿qué nuevas posibilidades de diseño y rendimiento ofrece esto a las marcas de ropa?

Pixel™ redefine la confección de prendas desde la costura. Al sustituir las puntadas por la unión microadhesiva controlada digitalmente, las marcas obtienen una precisión y consistencia mucho mayores, lo que resulta en prendas más suaves, resistentes y cómodas. Gracias a que el proceso está definido por software, las costuras se convierten en una superficie de diseño en lugar de una limitación, lo que permite integrar directamente en la estructura de la prenda la elasticidad, la gestión de la humedad, la regulación térmica y un refuerzo ligero.

Estos beneficios van más allá del rendimiento de una prenda en el cuerpo. El mismo control digital que garantiza el rendimiento también permite diseñar las prendas para el final de su vida útil desde el principio. Con nuestra fórmula adhesiva Thermo(re)set™, las uniones se pueden revertir, lo que permite el desmontaje automatizado y el reciclaje textil a gran escala. Para las marcas, Pixel™ integra diseño, rendimiento y circularidad en la propia confección, no como prioridades contrapuestas que se añaden posteriormente.

Hay mucho revuelo en torno a la IA física. Desde tu perspectiva, ¿dónde funciona realmente la IA física hoy en día y dónde la realidad aún está por debajo de las expectativas?

La IA física funciona hoy en día cuando los problemas se estructuran para la inteligencia en lugar de la fuerza bruta. Estamos observando un progreso real en entornos donde la percepción, el aprendizaje y el control se implementan conjuntamente dentro de sistemas diseñados: lugares donde las tareas son repetibles pero requieren adaptación, y donde la máquina puede realmente observar y razonar sobre lo que importa.

Donde las expectativas aún superan la realidad es en la inteligencia corpórea de propósito general. Los materiales blandos y deformables siguen siendo uno de los problemas más complejos de la robótica, ya que introducen observabilidad parcial, comportamiento no lineal y variación constante. La IA física no reemplaza la destreza humana por sí sola y, por defecto, no funciona en entornos caóticos o heredados.

En la práctica, la diferencia radica en el diseño. La IA física funciona cuando el proceso físico se ha rediseñado deliberadamente para reducir la incertidumbre: cuando el acceso se simplifica, los estados son observables y la arquitectura gestiona la variabilidad en lugar de ignorarla. En estas condiciones, los sistemas de aprendizaje pueden adaptarse y mejorar. Sin esto, la IA a menudo solo compensa un diseño físico deficiente.

Esa es la perspectiva que aplicamos en CreateMe. No consideramos la IA física como un atajo para sortear la complejidad de la fabricación. La consideramos como una capa de escalado que solo funciona una vez que el sistema de ensamblaje subyacente se ha rediseñado desde sus principios básicos. La lección que hemos aprendido es simple: la IA física escala cuando el mundo físico se ha diseñado para permitir que la inteligencia realice el trabajo real.

Ahora que los aranceles, el riesgo geopolítico y la fragilidad de la cadena de suministro se están convirtiendo en problemas estructurales, ¿cómo cambian las tecnologías como MeRA™ la economía del regreso de la fabricación a Estados Unidos?

Durante mucho tiempo, la deslocalización tuvo lógica económica considerando estrictamente los costos laborales, y aún la tiene para ciertos productos y volúmenes. El desafío radica en que el modelo también presenta desventajas estructurales: largos plazos de entrega, deficiente adecuación entre la oferta y la demanda, exceso de inventario y creciente exposición a aranceles, riesgo geopolítico y disrupciones logísticas. Estos costos a menudo se ocultaban o se toleraban hasta que las recientes crisis obligaron a analizarlos con mayor detenimiento.

Tecnologías como MeRA™ transforman la economía al hacer viable un modelo operativo diferente en EE. UU. MeRA™ reduce la dependencia de la mano de obra y la reemplaza con una producción automatizada de alto rendimiento que puede operar en un espacio compacto y reconfigurable. Esto es importante a nivel nacional, donde la mano de obra es cara y la flexibilidad es más valiosa que la simple escala.

Igualmente importante, MeRA™ transforma la producción de prendas de vestir de la costura basada en la destreza hacia un ensamblaje estático y adherido. Esto elimina la dependencia de la escasa mano de obra de costura altamente capacitada y la reemplaza con puestos más rápidos de capacitar y más fáciles de escalar en EE. UU. Esto convierte la mano de obra, de ser un cuello de botella estructural, en un insumo manejable, lo cual es crucial para cualquier estrategia realista de relocalización.

El cambio clave no consiste en recuperar todo. En la práctica, incluso una modesta capa de producción cercana al mercado —a menudo del 5 al 10 % del volumen— puede cambiar sustancialmente la economía de toda la cadena de suministro. Esta capacidad flexible permite a las marcas responder a la demanda real, buscar a los ganadores y evitar la sobreproducción con meses de antelación. MeRA™ hace que esta capa sea económicamente viable al permitir una rápida transición digital, lotes más pequeños y una producción constante sin depender de mano de obra especializada.

En ese contexto, la relocalización deja de ser una decisión binaria o política. Tecnologías como MeRA™ la convierten en una opción de cartera. La fabricación en el extranjero sigue siendo importante para la escala y la rentabilidad, pero la capacidad automatizada y cercana al mercado se convierte en una palanca estratégica para la velocidad, la resiliencia y la eficiencia del capital. El resultado es una cadena de suministro más equilibrada, donde incluso la producción estadounidense limitada puede reducir significativamente el riesgo y mejorar la economía general.

¿Cómo deberían las marcas de ropa pensar de manera diferente sobre el diseño de productos cuando las limitaciones de fabricación ya no son las mismas que en los entornos tradicionales de corte y costura?

El diseño tradicional de prendas refleja la lógica predominante de la fabricación de corte y confección: acceso por ambos lados, penetración de la aguja, márgenes de costura adaptados a la mano humana y métodos de confección optimizados para la repetibilidad manual. Estos no son requisitos inherentes a las prendas; son artefactos de su confección.

El ensamblaje automatizado y adherido introduce una lógica de diseño diferente. Diseñar para la automatización implica asumir acceso unilateral, deposición de adhesivo controlada digitalmente y una ejecución altamente repetible. Esto permite tolerancias de costura internas más pequeñas, líneas de encolado más precisas y ensamblajes de perfil más bajo, estructuralmente sólidos y estéticamente más limpios que sus equivalentes cosidos.

Dado que el adhesivo se dispensa en lugar de coserse, los diseñadores pueden trabajar con confianza con bordes complejos e irregulares, geometrías fluidas y conversiones o laminaciones de telas que serían difíciles o imposibles de reproducir con costura. La complejidad visual ya no tiene por qué estar respaldada por el volumen físico. El resultado es un lenguaje de construcción más minimalista y refinado, propio de la automatización, en lugar de una adaptación del trabajo manual.

Este enfoque también amplía la libertad de uso de materiales. A diferencia de la cinta de costura, que suele ser de alta temperatura y se limita principalmente a materiales sintéticos, el adhesivo dispensado permite la automatización en una amplia gama de tejidos, incluyendo tejidos orgánicos y materiales delicados como cachemira, seda, lana y cuero. La selección de materiales cambia de "lo que se puede coser con fiabilidad" a "lo que mejor se adapta al producto".

En este contexto, diseñar para la automatización no es restrictivo, sino generativo. La intención creativa, la expresión estética y la lógica de fabricación se alinean desde el principio. El diseño se vuelve más preciso y expresivo, con la automatización gestionando la consistencia y la ejecución, mientras que los diseñadores se centran en la forma, la función y la diferenciación.

¿Cómo se ve el rol humano dentro de una fábrica de ropa altamente automatizada y qué nuevas habilidades se vuelven críticas a medida que la robótica asume tareas repetitivas?

En una fábrica textil altamente automatizada, el rol humano se desplaza de la ejecución manual repetitiva a la operación, supervisión y mejora integral de los sistemas de ensamblaje automatizados. En lugar de largas líneas de costura, se organizan equipos más pequeños en torno a celdas robóticas, con técnicos de fabricación, supervisores de celda y especialistas en procesos responsables del rendimiento, la calidad y el tiempo de actividad en todo el flujo de producción.

Los técnicos de fabricación trabajan directamente con robótica, sistemas de visión y equipos de unión con adhesivos. Supervisan las celdas robóticas, ajustan las rutas de dispensación y los parámetros de unión, gestionan las interacciones de los materiales en diferentes tejidos e intervienen cuando surgen variaciones o casos extremos. El control de calidad es continuo, no por muestreo: los sistemas de visión inspeccionan la colocación, la alineación y la consistencia de la unión en tiempo real, mientras que los humanos supervisan los umbrales, interpretan las anomalías y deciden cuándo y cómo ajustar el proceso.

Este modelo ofrece una calidad y repetibilidad considerablemente superiores a las de la producción manual. La deposición y colocación automatizadas reducen la variabilidad, mientras que el control de calidad digital permite una ejecución consistente en cada unidad, en lugar de depender de la inspección posterior. El criterio humano se aplica donde aporta mayor valor: evaluando excepciones, refinando tolerancias y mejorando el rendimiento del sistema a lo largo del tiempo.

Para lograr esto, se requiere un modelo de capacitación y desarrollo de habilidades específico, integrado directamente en las operaciones de fabricación. Los trabajadores reciben capacitación para leer los paneles de control de producción, interpretar los datos de visión y sensores, comprender las métricas de calidad de la unión y colaborar de forma segura con los sistemas robóticos. Aprenden cómo interactúan el comportamiento del adhesivo, las propiedades del material y los parámetros del proceso, y cómo estas variables se reflejan en los datos de control de calidad.

Con el tiempo, la capacitación avanza desde la operación básica del sistema hasta una mayor responsabilidad por los procesos. Mediante capacitación práctica estructurada, módulos de certificación y mentoría, los técnicos desarrollan habilidades en análisis de causa raíz, mantenimiento preventivo y mejora continua. El resultado es una fuerza laboral con fluidez técnica, capaz de mantener una producción repetible y de alta calidad a escala, donde la automatización mejora tanto la consistencia del producto como la capacidad humana en lugar de reemplazarla.

De cara a los próximos cinco a diez años, ¿cómo cree que la IA física transformará no solo la indumentaria, sino también la fabricación en general, y dónde quiere que CreateMe tenga el mayor impacto?

En nuestra opinión, la mayor oportunidad para la IA física en la fabricación durante los próximos cinco a diez años reside en las tareas con mayor variabilidad y complejidad, no en áreas ya bien atendidas por la automatización rígida. Entre los problemas más complejos se encuentran los materiales blandos, flexibles o tridimensionales, y donde la variabilidad del mundo real ha limitado históricamente la automatización.

Este desafío es más agudo en el ensamblaje de materiales blandos. La confección es el ejemplo más claro, pero la misma dinámica se presenta en la electrónica de consumo con componentes flexibles, en productos médicos, en muebles y en interiores de automóviles. En estas categorías, la costura y el ensamblaje de materiales blandos representan la mayor parte de la mano de obra y siguen siendo las partes menos automatizadas del proceso de fabricación.

Desde nuestra perspectiva, los primeros avances en IA física estarán impulsados ​​por sistemas altamente verticalizados. El diseño mecánico y los factores de forma robóticos se ajustarán a aplicaciones y materiales específicos, en lugar de a implementaciones generalizadas. Lo que escala en estas verticales no es el hardware, sino la inteligencia: los sistemas de percepción, control y aprendizaje que permiten a las máquinas comprender materiales deformables, alinear bordes complejos, adaptarse a la variabilidad y ejecutar ensamblajes de unión de forma fiable.

Creemos que, en los próximos 10 años y más allá, las encarnaciones humanoides más generales serán cada vez más comunes a medida que la inteligencia corpórea madure y se acelere su implementación. A medida que los robots humanoides pasen de pilotos a millones, y potencialmente decenas de millones, de unidades desplegadas durante la próxima década, las exopieles textiles y las capas externas blandas se convertirán en sistemas críticos de interfaz hombre-máquina. Satisfacer esta demanda a gran escala requerirá un ensamblaje basado en adhesivos y automatizado, lo que abrirá una nueva categoría industrial en la fabricación inteligente de materiales blandos.

Éste es el contexto en el que se sitúa la visión de CreateMe.

La visión de CreateMe es liderar la transformación del ensamblaje de materiales blandos. Lograr que el ensamblaje automatizado de textiles y materiales flexibles sea tan programable, escalable y adaptable como el software. Si bien las implementaciones mecánicas y robóticas variarán según el sector a corto plazo, el desafío principal sigue siendo el mismo: la manipulación y la costura de materiales blandos dominan la mano de obra y se resisten a la automatización tradicional.

Lo que unifica estos mercados es un conjunto compartido de capacidades de IA física: los sistemas que controlan la percepción, la manipulación de materiales deformables, la alineación de bordes, la lógica de unión y el ensamblaje adaptativo en diferentes telas y formatos. Al demostrar esta capacidad en la industria textil, uno de los entornos de fabricación más exigentes, CreateMe busca impulsar la automatización en un conjunto mucho más amplio de industrias y facilitar tanto la próxima generación de fabricación de bienes blandos como las interfaces blandas que rodearán cada vez más a las máquinas inteligentes.

Gracias por la excelente entrevista y sus detalladas respuestas, los lectores que deseen obtener más información deben visitar Créame.