Cam Myers, CEO y fundador de CreateMe – Serie de entrevistas

Cam Myers, CEO y fundador de CreateMe, lanzó la empresa en 2019 con la visión de modernizar la fabricación de ropa a través de la automatización avanzada. Con sede en el Área de la Bahía de San Francisco, aporta una experiencia diversa que abarca asesoramiento de inversión en ADM Investment Partnership, liderazgo en la etapa inicial en el equipo fundador de Group Commerce, y roles de desarrollo empresarial en Downtown Music Holdings y Publicis Groupe. También es miembro de la Comunidad de Innovadores Globales del Foro Económico Mundial, lo que refleja su compromiso más amplio con la transformación industrial impulsada por la tecnología.

CreateMe es una empresa de robótica de inteligencia artificial que reinventa la forma en que se fabrica la ropa reemplazando la costura tradicional con ensamblaje automático basado en adhesivos, impulsado por robótica, visión por computadora y aprendizaje automático. Su plataforma de fabricación propietaria permite una producción de ropa más rápida, más localizada y más sostenible, reduciendo el desperdicio y acortando las cadenas de suministro, lo que posiciona a la empresa a la vanguardia de la fabricación de bienes blandos de próxima generación.

Antes de fundar CreateMe, usted formó parte de equipos fundadores, trabajó en roles de inversión y asesoramiento, y ocupó cargos en empresas como DoubleClick y Group Commerce. ¿Cómo moldeó esa combinación de tecnología, finanzas y experiencia operativa su decisión de iniciar CreateMe y abordar algo tan complejo como la fabricación de ropa automatizada?

Antes de CreateMe, me formé como un generalista en tecnología, trabajando en software, comercio electrónico, inversión y roles de operación en la etapa inicial. Formar parte de equipos de startups, incluido Group Commerce, fue como un MBA en el trabajo. Se te obliga a pensar en varias disciplinas y ver cómo la tecnología, la economía y las operaciones interactúan realmente bajo restricciones reales.

Esa perspectiva me llevó a una conclusión diferente sobre la ropa. A través de startups de comercio electrónico, seguí viendo los mismos fracasos repetirse: baja tasa de venta, descuentos pesados y grandes volúmenes de inventario que finalmente se escribían o se enviaban a la basura. La mayoría de las personas enmarcaban eso como problemas de mercadeo o previsión. Al verlo a través de una lente tecnológica, estaba claro que eran síntomas de algo más profundo: sistemas de fabricación que no podían responder a la demanda real.

La idea surgió de conectar esos puntos entre disciplinas. La ropa no estaba rota porque alguna parte del sistema estuviera mal administrada. Nos dimos cuenta de que esto no era algo que se pudiera ajustar o optimizar; requería un replanteamiento desde cero, desde los primeros principios, de materiales, máquinas y software como un sistema.

CreateMe surgió de esa convicción. Este era fundamentalmente un problema de tecnología, y necesitaba una solución tecnológica. Ser interdisciplinario es lo que hizo que eso fuera visible en primer lugar, y es por eso que el enfoque de CreateMe parece diferente. Nos propusimos tratar la fabricación de ropa como un desafío de sistemas y automatización, y construir una plataforma capaz de cambiar la forma en que funciona la industria en realidad.

CreateMe ahora posee una cartera significativa de patentes en robótica, ciencia de materiales y automatización. ¿Cuáles fueron las primeras ideas técnicas que lo convencieron de que este problema se podía solucionar con Inteligencia Artificial Física?

Cuando fundamos CreateMe en 2019, creíamos que finalmente había un camino creíble para automatizar la fabricación de ropa, pero solo si el proceso en sí se replanteaba. La tela es un material deformable y dependiente del estado. Se estira, cambia y modifica su comportamiento mientras se manipula. Las pequeñas variaciones se acumulan rápidamente. Bajo esas condiciones, el control de bucle abierto y el movimiento preprogramado se desmoronan. El problema no era la precisión del robot. Era entender el estado del material lo suficientemente bien como para actuar sobre él.

Nuestro primer progreso real vino del cambio del modelo de ensamblaje. Al reemplazar la costura continua con unión adhesiva, pudimos ensamblar prendas en un estado estático y fijo, en lugar de mientras la tela estaba en movimiento. Eso eliminó una gran fuente de variabilidad y permitió que la alineación y la unión se controlaran directamente. Combinado con la visión por computadora tradicional, la visión por computadora basada en aprendizaje automático, la lógica basada en reglas y la robótica, esto hizo que la automatización fiable fuera posible para un conjunto definido de operaciones. Demostró algo importante desde el principio: los materiales deformables podían ser manipulados mecánicamente si el proceso se estructuraba correctamente.

Esos primeros sistemas también hicieron claros los límites. La visión por computadora basada en reglas tradicionales funciona bien cuando la geometría es simple y las condiciones están estrictamente limitadas. No se escalan a los problemas más difíciles en la ropa, especialmente la unión tridimensional compleja donde la forma de la tela, la orientación y el contacto evolucionan continuamente en el espacio. La automatización de extremo a extremo de esas operaciones simplemente no era factible con las herramientas de percepción y modelado disponibles en ese momento.

Es allí donde la Inteligencia Artificial Física ha comenzado a cambiar la ecuación. Los avances en la percepción, el sentido y la inteligencia incorporada ahora hacen posible entender los materiales deformables en tres dimensiones y cerrar el bucle entre ver, decidir y actuar. Todavía estamos en las primeras etapas de aplicar estos modelos a la ensambladura física, pero incluso las implementaciones tempranas ya están expandiendo el rango de prendas, telas y operaciones de unión 3D complejas que pueden ser automatizadas. En lugar de programar comportamientos, el sistema puede razonar cada vez más sobre el estado del material, adaptarse en tiempo real y ejecutar operaciones de unión de extremo a extremo. Cada operación de unión generada crea datos sobre cómo responde un texto a la fuerza, el calor y la geometría, lo que permite que el rendimiento mejore y se generalice con el uso.

En resumen, nuestras primeras herramientas demostraron la factibilidad. La Inteligencia Artificial Física es lo que está desbloqueando la completitud y la escala. Esa progresión, desde la automatización con script hasta la ensambladura inteligente de extremo a extremo, es lo que nos convenció de que este problema no solo se podía solucionar, sino que también se podía extender a través de prendas y materiales. La amplitud de nuestra cartera de patentes refleja ese camino. Solucionar la ensambladura de materiales deformables requirió invención a través de la robótica, la ciencia de materiales y la automatización, con la Inteligencia Artificial Física abriendo las formas más complejas de unión.

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

Para CreateMe, cruzar el umbral de la automatización se ha visto 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 construirse utilizando acceso de un solo lado, en un estado estático y fijo, en lugar de ser dobladas, volteadas y tensadas a través de una máquina de coser. Eso redujo significativamente la complejidad de la manipulación y eliminó una gran fuente de variabilidad. Con la tela soportada y accesible desde un lado, la alineación y la unión se convirtieron en problemas controlables, y la visión por computadora tradicional y la robótica podían automatizar de manera fiable una parte significativa de la construcción de la prenda.

Desde los primeros principios, esto es fundamentalmente más automatable que la costura robótica. La costura intenta replicar la destreza humana en movimiento continuo mientras la tela se deforma activamente. La unión adhesiva reenmarca el problema alrededor de la posición controlada y las uniones discretas, lo que es mucho más adecuado para la robótica.

Ese enfoque también aclaró el desafío restante. A medida que avanzábamos hacia uniones tridimensionales más complejas, donde las superficies se encuentran en ángulos cambiantes y el comportamiento del material cambia a medida que se hace contacto, los enfoques basados en reglas y la visión por computadora tradicional alcanzaron sus límites. La automatización de extremo a extremo a través de la variabilidad completa de las prendas y los textiles requirió una percepción y un control más adaptativos.

Es allí donde la Inteligencia Artificial Física juega un papel crítico. Los avances en la percepción, el sentido y el control incorporado hacen posible interpretar la geometría de la tela y el estado del material en tres dimensiones y responder en tiempo real durante el ensamblaje. En CreateMe, incluso las aplicaciones tempranas de estas capacidades están expandiendo el rango de prendas, telas y operaciones de unión 3D complejas que pueden ser automatizadas con una intervención mínima.

En resumen, el rediseño del proceso hizo que la automatización fuera factible. La Inteligencia Artificial Física es lo que permite que esa automatización se mueva hacia la operación de extremo a extremo y se escale a través de la variabilidad del mundo real, lo que permite que la fabricación de ropa se mueva más allá de la automatización estrecha y hacia sistemas que mejoran a medida que aumenta la complejidad.

MeRA™ introduce un enfoque de ensamblaje robótico modular para la producción de prendas. ¿Cómo difiere fundamentalmente este sistema de la automatización de fábrica tradicional?

MeRA™ difiere fundamentalmente de la automatización de fábrica tradicional porque se diseñó alrededor de las restricciones específicas de la fabricación de ropa, en lugar de adaptarse de industrias construidas sobre partes rígidas y procesos estables.

La automatización convencional asume geometría fija, materiales predecibles y variabilidad limitada. El cambio se gestiona a través de configuraciones intensivas en herramientas, mecánicamente limitadas y fijaciones de proceso específicas. Ese modelo funciona cuando los productos rara vez cambian. Se rompe en la ropa, donde los materiales son deformables, los estilos cambian rápidamente y la producción debe ejecutarse a alta velocidad para ser económicamente viable.

MeRA™ comienza con suposiciones opuestas. La ropa requiere un sistema que pueda manejar materiales suaves, variación constante y cambio frecuente sin detener la producción. Para hacer eso, MeRA™ utiliza una arquitectura de ensamblaje modular y definida por software. Cada módulo realiza una operación discreta y puede ser reconfigurado, duplicado o redeployado a medida que cambian los productos, las telas o los volúmenes. El cambio se produce digitalmente, en software, en lugar de a través de una retooling física.

Arquitectónicamente, MeRA™ está diseñado para maximizar tanto la velocidad como el control. El ensamblaje se mantiene en dos dimensiones durante tanto tiempo como sea posible, donde la visión, la alineación y el movimiento son los más rápidos y precisos, antes de transitar a operaciones tridimensionales estrechamente gestionadas solo cuando la formación o la unión requiere. La automatización tradicional impulsa las partes a través de celdas de trabajo fijas en 3D; MeRA™ minimiza la complejidad en 3D por diseño para preservar el rendimiento.

Emparejado con la unión adhesiva digital, MeRA™ reemplaza la unión mecánicamente limitada con una operación programable y de un solo lado. No hay necesidad de voltear las prendas, gestionar la tensión continua o acceder a ambos lados en medio del proceso. Eso reduce el tiempo de ciclo, disminuye las tasas de error y permite un cambio digital rápido a través de las prendas y los textiles.

En resumen, la automatización tradicional codifica el proceso en hardware. MeRA™ define el proceso en software y lo adapta al material. Ese cambio, desde la retooling física al cambio digital, y desde los flujos de trabajo fijos al ensamblaje modular, es lo que permite que MeRA™ opere a la velocidad y la variabilidad que la ropa exige.

Pixel™ reemplaza la costura con unión adhesiva microscópica. Más allá de la velocidad y la eficiencia, ¿qué nuevas posibilidades de diseño o rendimiento desbloquea esto para las marcas de ropa?

Pixel™ redefine la construcción de la ropa en la costura. Al reemplazar la costura con unión adhesiva digitalmente controlada, las marcas obtienen una precisión y consistencia mucho mayores, lo que resulta en prendas que son más suaves, más fuertes y más cómodas de usar. Debido a que el proceso está definido por software, las costuras se convierten en una superficie de diseño en lugar de una restricción, lo que permite que el estiramiento, la gestión de la humedad, la regulación térmica y el refuerzo ligero se incorporen directamente en la estructura de la prenda.

Esos beneficios se extienden más allá de cómo se desempeña una prenda en el cuerpo. La misma control digital que permite el rendimiento también permite que la ropa se diseñe para el fin de la vida desde el principio. Con nuestra formulación de adhesivo Thermo(re)set™, las uniones se pueden revertir, lo que permite el desensamblaje automatizado y el reciclaje de textiles a gran escala. Para las marcas, Pixel™ hace que el diseño, el rendimiento y la circularidad sean resultados integrados de la construcción en sí, en lugar de prioridades en competencia que se agregan después del hecho.

Hay mucho revuelo en torno a la Inteligencia Artificial Física en este momento. Desde su perspectiva, ¿dónde funciona realmente la Inteligencia Artificial Física hoy en día, y dónde la realidad todavía se queda atrás de las expectativas?

La Inteligencia Artificial Física funciona hoy en día cuando los problemas están estructurados para la inteligencia en lugar de la fuerza bruta. Estamos viendo un progreso real en entornos donde la percepción, el aprendizaje y el control se despliegan juntos dentro de sistemas diseñados, lugares donde las tareas son repetibles pero aún requieren adaptación, y donde la máquina puede observar y razonar sobre lo que importa.

Donde las expectativas todavía superan a la realidad es alrededor de la inteligencia incorporada de propósito general. Los materiales suaves, deformables, siguen siendo uno de los problemas más difíciles en la robótica porque introducen la observabilidad parcial, el comportamiento no lineal y la variación constante. La Inteligencia Artificial Física no es un reemplazo para la destreza humana, y no tiene éxito en entornos caóticos o heredados por defecto.

En la práctica, la diferencia se reduce al diseño. La Inteligencia Artificial Física funciona cuando el proceso físico se ha replanteado deliberadamente para reducir la incertidumbre, cuando el acceso se simplifica, los estados son observables y la variabilidad se gestiona mediante la arquitectura en lugar de ignorarse. En esas condiciones, los sistemas de aprendizaje pueden adaptarse y mejorar. Sin eso, la inteligencia artificial suele ser solo una compensación por un mal diseño físico.

Esa es la lente que aplicamos en CreateMe. No tratamos la Inteligencia Artificial Física como un atajo para evitar la complejidad de la fabricación. La tratamos como una capa de escalado que solo funciona una vez que el sistema de ensamblaje subyacente se ha rediseñado desde los primeros principios. La lección que hemos aprendido es simple: la Inteligencia Artificial Física se escala cuando el mundo físico se ha diseñado para dejar que la inteligencia haga un trabajo real.

Con aranceles, riesgos geopolíticos y fragilidad de la cadena de suministro convirtiéndose en cuestiones estructurales, ¿cómo cambian las tecnologías como MeRA™ la economía de la fabricación en Estados Unidos?

Para una larga tiempo, la externalización hizo sentido desde un punto de vista estrecho de costo laboral, y todavía lo hace para ciertos productos y volúmenes. El desafío es que el modelo también viene con desventajas estructurales: tiempos de entrega largos, mala coincidencia entre la oferta y la demanda, inventario excesivo y una exposición creciente a aranceles, riesgos geopolíticos y trastornos logísticos. Esos costos a menudo estaban ocultos o tolerados hasta que los shocks recientes obligaron a una mirada más cercana.

Las tecnologías como MeRA™ cambian la economía al hacer que un modelo operativo diferente sea viable en Estados Unidos. MeRA™ reduce la dependencia del trabajo manual y la reemplaza con producción automatizada de alto rendimiento que puede ejecutarse en un pie de huella compacto y reconfigurable. Eso importa a nivel nacional, donde la mano de obra es costosa y la flexibilidad es más valiosa que la escala pura.

Justo como importante, MeRA™ cambia la producción de ropa lejos de la costura basada en la destreza hacia el ensamblaje estático y unido. Eso elimina la dependencia de la mano de obra de costura altamente capacitada y la reemplaza con roles que son más rápidos de entrenar y más fáciles de escalar en Estados Unidos. Esto convierte la mano de obra de un cuello de botella estructural en una entrada manejable, lo cual es crítico para cualquier estrategia de reubicación realista.

El cambio clave no se trata de traer todo de regreso. En la práctica, incluso una capa modesta de producción cerca del mercado, a menudo 5-10% del volumen, puede cambiar materialmente la economía de toda la cadena de suministro. Esa capacidad flexible permite que las marcas respondan a la demanda real, persigan a los ganadores y eviten la sobreproducción meses por adelantado. MeRA™ hace que esa capa sea económicamente viable al respaldar el cambio digital rápido, tamaños de lote más pequeños y una salida consistente sin depender de grupos de trabajo especializados.

En ese contexto, la reubicación deja de ser una decisión binaria o política. Las tecnologías como MeRA™ la convierten en una elección de cartera. La fabricación en el extranjero todavía juega un papel para la escala y la eficiencia de costo, pero la capacidad automatizada cerca del mercado se convierte en una palanca estratégica para la velocidad, la resiliencia y la eficiencia de capital. El resultado es una cadena de suministro más equilibrada, donde incluso la producción limitada en Estados Unidos puede reducir significativamente el riesgo y mejorar la economía general.

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

El diseño de ropa tradicional refleja la lógica prevaleciente de la fabricación de corte y costura: acceso de dos lados, penetración de la aguja, margenes de costura dimensionados para las manos humanas y métodos de construcción optimizados para la repetibilidad manual. Estas no son requisitos inherentes de las prendas; son artefactos de cómo se han hecho las prendas.

La automatización automatizada introduce una lógica de diseño diferente. Diseñar para la automatización significa asumir acceso de un solo lado, deposición adhesiva controlada digitalmente y ejecución altamente repetible. Eso permite tolerancias de costura interna más pequeñas, líneas de pegamento más precisas y ensamblajes de perfil más bajo que son estructuralmente sólidos y estéticamente más limpios que los equivalentes cosidos.

Debido a que el adhesivo se deposita en lugar de coser, los diseñadores pueden trabajar con confianza con bordes complejos e irregulares, geometrías fluidas y conversiones o laminaciones de tela que serían difíciles o imposibles de reproducir con la costura. La complejidad visual ya no tiene que estar respaldada por volumen físico. El resultado es un lenguaje de construcción más minimalista y refinado que es nativo de la automatización en lugar de adaptado del trabajo manual.

Este enfoque también amplía la libertad de material. A diferencia de la cinta de costura, que es generalmente de alta temperatura y limitada en gran medida a sintéticos, el adhesivo depositado permite la automatización a través de una amplia gama de telas, incluyendo orgánicos y materiales delicados como la cachemira, la seda, la lana y el cuero. La selección de materiales cambia de “qué se puede coser de manera confiable” a “qué sirve mejor al producto”.

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

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

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

Los técnicos de fabricación trabajan de manera práctica con la robótica, los sistemas de visión y el equipo de unión adhesiva. Monitorean las celdas robóticas, ajustan los caminos de deposición y los parámetros de unión, gestionan las interacciones de material a través de diferentes telas y intervienen cuando surgen la variabilidad o los casos de borde. La garantía de calidad es continua en lugar de muestreada: 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 entrega una calidad y repetibilidad materialmente más altas que la producción manual. La deposición y colocación automatizadas reducen la variabilidad, mientras que la garantía de calidad digital permite una ejecución consistente en cada unidad en lugar de depender de la inspección posterior. El juicio humano se aplica donde agrega más valor, evaluando excepciones, refinando las tolerancias y mejorando el rendimiento del sistema con el tiempo.

Lograr esto requiere un modelo de capacitación y desarrollo de habilidades deliberado incorporado directamente en las operaciones de fabricación. Los trabajadores se capacitan para leer paneles de producción, interpretar datos de visión y sensores, comprender las métricas de calidad de la unión y colaborar de manera segura con sistemas robóticos. Aprenden cómo el comportamiento adhesivo, las propiedades del material y los parámetros del proceso interactúan, y cómo esas variables se manifiestan en los datos de garantía de calidad.

Con el tiempo, la capacitación progresa desde la operación básica del sistema hasta una propiedad de proceso más profunda. A través de la capacitación estructurada en el trabajo, módulos de certificación y mentoría, los técnicos desarrollan habilidades en el análisis de causa raíz, el mantenimiento preventivo y la mejora continua. El resultado es una fuerza laboral técnicamente fluida capaz de sostener una producción de alta calidad y repetible a escala, donde la automatización eleva tanto la consistencia del producto como la capacidad humana en lugar de reemplazarla.

Mirando hacia adelante cinco a diez años, ¿cómo ve la Inteligencia Artificial Física replanteando no solo la ropa, sino la fabricación en general, y dónde quiere que CreateMe tenga el impacto más grande?

Nuestra visión es que la mayor oportunidad para la Inteligencia Artificial Física en la fabricación en los próximos cinco a diez años se encuentra en tareas con la mayor variabilidad y complejidad, no en áreas ya bien servidas por la automatización rígida. Entre los problemas más difíciles se encuentran aquellos donde los materiales son suaves, flexibles o tridimensionales, y donde la variabilidad del mundo real ha históricamente limitado la automatización.

Ese desafío es más agudo en la ensambladura de materiales suaves. La ropa es el ejemplo más claro, pero la misma dinámica existe en productos de electrónica de consumo con componentes flexibles, en productos médicos, en muebles y en interiores de automóviles. A través de estas categorías, la costura y la ensambladura de bienes suaves cuentan con el mayor contenido laboral y siguen siendo las partes menos automatizadas del proceso de fabricación.

Desde nuestra perspectiva, el progreso temprano en la Inteligencia Artificial Física será impulsado por sistemas altamente verticalizados. El diseño mecánico y los factores de forma robóticos se ajustarán a aplicaciones y materiales específicos, en lugar de ser encarnaciones generalizadas. Lo que se escala a través de estos verticales no es el hardware, sino la inteligencia: los sistemas de percepción, control y aprendizaje que permiten a las máquinas entender los materiales deformables, alinear bordes complejos, adaptarse a la variabilidad y ejecutar la unión de manera fiable.

En los próximos 10 años y más allá, creemos que las encarnaciones más generales y humanoides se volverán cada vez más prevalentes a medida que la inteligencia incorporada madure y la implementación se acelere. A medida que los robots humanoides se muevan de pilotos a millones, y potencialmente decenas de millones, de unidades desplegadas en la próxima década, las telas externas y las capas suaves se convertirán en sistemas de interfaz humano-máquina críticos. Cumplir con esa demanda a escala requerirá ensambladura adhesiva nativa de la automatización, abriendo una nueva categoría industrial en la fabricación de materiales suaves inteligentes.

Esta es la perspectiva en la que se sitúa la visión de CreateMe.

La visión de CreateMe es liderar la transformación de la ensambladura de materiales suaves. Hacer que la ensambladura automatizada de textiles y materiales flexibles sea tan programable, escalable y adaptable como el software. Si bien las implementaciones mecánicas y robóticas variarán por vertical en el corto plazo, el desafío subyacente permanece consistente: la manipulación de materiales suaves y la costura resisten la automatización tradicional.

Lo que une estos mercados es un conjunto de capacidades de Inteligencia Artificial Física compartidas, los sistemas que gobiernan la percepción, la manipulación de materiales deformables, la alineación de bordes, la lógica de unión y la ensambladura adaptativa a través de telas y factores de forma. Al demostrar esta capacidad en la ropa, uno de los entornos de fabricación más exigentes, CreateMe apunta a desbloquear la automatización a través de una gama mucho más amplia de industrias y permitir tanto la próxima generación de fabricación de bienes suaves como las interfaces suaves que cada vez más rodearán a las máquinas inteligentes.

Gracias por la excelente entrevista y sus respuestas detalladas, los lectores que deseen aprender más deben visitar CreateMe.