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 amplia experiencia que abarca asesoramiento de inversiones en ADM Investment Partnership, liderazgo en la creación de Group Commerce y roles de desarrollo empresarial en Downtown Music Holdings y Publicis Groupe (PU4.DE ). 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 y IA que está reinventando la forma en que se fabrica la ropa al reemplazar la costura tradicional con una ensambladura automatizada y adhesiva impulsada por robótica, visión computacional y aprendizaje automático. Su plataforma de fabricación propietaria permite una producción de ropa más rápida, localizada y sostenible, reduciendo los residuos 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, formó parte de equipos fundadores, trabajó en roles de inversión y asesoramiento, y ocupó puestos en empresas como DoubleClick y Group Commerce. ¿Cómo le influyó esa combinación de tecnología, finanzas y experiencia operativa para decidir iniciar CreateMe y abordar algo tan complejo como la fabricación de ropa automatizada?

Antes de CreateMe, me desarrollé como un generalista en tecnología, trabajando en software, comercio electrónico, inversión y roles de operación en startups. Formar parte de equipos de startups, incluyendo Group Commerce, fue como una maestría en el trabajo. Se te obliga a pensar entre 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 repetidos: baja tasa de venta, descuentos pesados y grandes volúmenes de inventario que finalmente se escribían o se enviaban a vertederos. La mayoría de la gente los enmarcaba como problemas de merchandising o previsión. Al mirarlo 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 u optimizar; requería un replanteo desde cero, desde primeros principios, de materiales, máquinas y software como un sistema único.

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

CreateMe ahora posee un importante portafolio 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 IA 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. El tejido es un material deformable y dependiente del estado. Se estira, cambia y modifica su comportamiento según se manipula. Las pequeñas variaciones se compuyen rápidamente. Bajo esas condiciones, el control de bucle abierto y el movimiento preprogramado se descomponen. 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 en el modelo de ensamblaje. Al reemplazar la costura continua con un enlace adhesivo, pudimos ensamblar prendas en un estado estático y fijado, en lugar de mientras el tejido estaba en movimiento. Eso eliminó una gran fuente de variabilidad y permitió que la alineación y el ensamblaje fueran controlados directamente. Combinado con visión computacional tradicional, aprendizaje automático basado en visión computacional, lógica basada en reglas y robótica, esto hizo que la automatización fiable fuera posible para un conjunto definido de operaciones. Demostró algo importante al principio: los materiales deformables podían ser manejados mecánicamente si el proceso se estructuraba correctamente.

Esos sistemas tempranos también hicieron claros los límites. La visión computacional 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 en la unión tridimensional compleja donde la forma del tejido, 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 ahí donde la IA Física ha comenzado a cambiar la ecuación. Los avances en percepción, detección y inteligencia encarnada ahora hacen posible entender 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, tejidos y operaciones de unión 3D complejas que se pueden automatizar. En lugar de escribir 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 mejorar el rendimiento y generalizar a través del uso.

En resumen, nuestras herramientas tempranas demostraron la viabilidad. La IA Física es lo que desbloquea la completitud y la escala. Esa progresión, desde la automatización scriptada hasta la ensambladura inteligente de extremo a extremo, es lo que nos convenció de que este problema no solo es soluble, sino extensible a través de prendas y materiales. El alcance de nuestro portafolio de patentes refleja ese camino. Resolver la ensambladura de materiales deformables requirió invención a través de la robótica, la ciencia de materiales y la automatización, con la IA 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 productos blandos. ¿Qué avances permitieron a CreateMe finalmente cruzar ese umbral?

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

El primer avance fue arquitectónico. Al pasar de la costura al enlace adhesivo, eliminamos la necesidad de acceder a ambos lados del tejido durante el ensamblaje. Las prendas pueden construirse utilizando acceso de un solo lado, en un estado estático y fijado, 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 el tejido soportado y accesible desde un lado, la alineación y el ensamblaje se convirtieron en problemas controlables, y la visión computacional tradicional y la robótica podían automatizar de manera fiable una parte significativa de la construcción de la prenda.

Desde primeros principios, esto es fundamentalmente más automatable que la costura robótica. La costura intenta replicar la destreza humana en movimiento continuo mientras el tejido está activamente deformándose. El ensamblaje basado en adhesivos reenmarca el problema alrededor de la posición controlada y las uniones discretas, lo que es mucho más adecuado para la robótica.

Este enfoque también aclaró el desafío restante. A medida que avanzamos 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 visión computacional tradicionales 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 control más adaptativos.

Es ahí donde la IA Física juega un papel crítico. Los avances en percepción, detección y control encarnado hacen posible interpretar la geometría del tejido 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, tejidos y operaciones de unión 3D que se pueden automatizar con intervención mínima.

En resumen, el rediseño del proceso, el enlace y el acceso de un solo lado hicieron que la automatización fuera factible. La IA Física es lo que permite que esa automatización se mueva hacia la operación de extremo a extremo y se escalare a través de la variabilidad del mundo real, permitiendo que la fabricación de ropa vaya más allá de la automatización limitada 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 tradicional de fábrica?

MeRA difiere fundamentalmente de la automatización tradicional de fábrica 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, establecimientos mecánicos y procesos específicos de fijación. Ese modelo funciona cuando los productos rara vez cambian. Se descompone 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 blandos, variación constante y cambio frecuente sin detener la producción. Para hacerlo, MeRA utiliza una arquitectura de ensamblaje modular y definida por software. Cada módulo realiza una operación discreta y puede reconfigurarse, duplicarse o redeployarse a medida que cambian los productos, los tejidos o los volúmenes. El cambio se produce digitalmente, en software, en lugar de a través de retooling físico.

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

Emparejado con el enlace adhesivo digital, MeRA reemplaza la unión mecánicamente restringida 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 a mitad del proceso. Eso reduce el tiempo de ciclo, disminuye las tasas de error y permite un cambio rápido digital a través de prendas y tejidos.

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

Pixel reemplaza la costura con un enlace adhesivo microscópico. 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 ropa en la costura. Al reemplazar la costura con un enlace adhesivo controlado digitalmente, las marcas obtienen una precisión y consistencia mucho mayores, lo que resulta en prendas 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 la elasticidad, el manejo de la humedad, la regulación térmica y el refuerzo ligero se diseñen 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 su vida desde el principio. Con nuestra fórmula de adhesivo Thermo(re)set, los enlaces se pueden revertir, lo que permite el desmontaje automatizado y el reciclaje textil 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 agregadas después del hecho.

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

La IA 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 encarnada de propósito general. Los materiales blandos y deformables siguen siendo uno de los problemas más difíciles en robótica porque introducen observabilidad parcial, comportamiento no lineal y variación constante. La IA Física no es un reemplazo directo para la destreza humana, y no tiene éxito en entornos caóticos o heredados por defecto.

En la práctica, la diferencia se reduce a diseño. La IA Física funciona cuando el proceso físico ha sido deliberadamente replanteado para reducir la incertidumbre, cuando el acceso se simplifica, los estados son observables y la variabilidad se gestiona por arquitectura en lugar de ignorarse. En esas condiciones, los sistemas de aprendizaje pueden adaptarse y mejorar. Sin eso, la IA a menudo solo compensa un mal diseño físico.

Esa es la lente que aplicamos en CreateMe. No tratamos la IA 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 ha sido rediseñado desde primeros principios. La lección que hemos aprendido es simple: la IA Física se escala cuando el mundo físico se ha diseñado para permitir que la inteligencia realice un trabajo real.

Con aranceles, riesgos geopolíticos y fragilidad de la cadena de suministro convirtiéndose en problemas estructurales, ¿cómo tecnologías como MeRA cambian la economía de traer la fabricación de regreso a los EE. UU.?

Por un largo tiempo, la externalización tenía sentido en una base estrecha de costo laboral, y todavía lo tiene para ciertos productos y volúmenes. El desafío es que el modelo también viene con desventajas estructurales: tiempos de entrega largos, mala coincidencia entre oferta y demanda, inventario excesivo y creciente exposición a aranceles, riesgos geopolíticos y perturbaciones logísticas. 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 los EE. UU. 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 en el país, donde la mano de obra es costosa y la flexibilidad es más valiosa que la escala pura.

Lo que es igual de importante es que MeRA cambia la producción de ropa al alejarla de la costura basada en la destreza hacia el ensamblaje estático y basado en enlaces. Eso elimina la dependencia de la mano de obra de costura especializada y escasa, y la reemplaza con roles que son más rápidos de entrenar y más fáciles de escalar en los EE. UU. Esto convierte a la mano de obra de ser un cuello de botella estructural en un insumo manejable, lo cual es crítico para cualquier estrategia realista de reubicación de la fabricación.

La clave del cambio no es sobre traer todo de regreso. En la práctica, incluso una capa modesta de producción cercana al mercado, a menudo alrededor del 5-10% del volumen, puede cambiar materialmente la economía de toda la cadena de suministro. Esa capacidad flexible permite a las marcas responder a la demanda real, perseguir a los ganadores y evitar la sobreproducción meses por adelantado. MeRA hace que esa capa sea viable económicamente al respaldar el cambio digital rápido, tamaños de lote más pequeños y una salida consistente sin depender de grupos de mano de obra especializados.

En ese contexto, la reubicación de la fabricación 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 desempeña un papel para la escala y la eficiencia de costo, pero la capacidad automatizada y cercana al 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 los EE. UU. 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, tolerancias de costura dimensionadas para manos humanas y métodos de construcción optimizados para la repetibilidad manual. Estos no son requisitos inherentes de las prendas; son artefactos de cómo se han hecho las prendas.

El ensamblaje automatizado y basado en enlaces 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 internas más pequeñas, líneas de pegamento más precisas y ensamblajes de perfil más bajo que son tanto estructuralmente sólidos como estéticamente más limpios que los equivalentes cosidos.

Porque el adhesivo se dispensa en lugar de coser, los diseñadores pueden trabajar con confianza con bordes complejos e irregulares, geometrías fluidas y conversiones o laminaciones de tejido 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 típicamente de alta temperatura y en gran medida limitada a sintéticos, el adhesivo dispensado permite la automatización a través de una amplia gama de tejidos, 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 mejor sirve 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.

¿Qué aspecto tiene el papel 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 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 procesos responsables del rendimiento, la calidad y el tiempo de actividad en toda la corriente de producción.

Los técnicos de fabricación trabajan de manera práctica con robótica, sistemas de visión y equipos de enlace adhesivo. Monitorean las celdas robóticas, ajustan los caminos de dispensación y los parámetros de enlace, gestionan las interacciones de material a través de diferentes tejidos y intervienen cuando surgen variabilidad o casos de borde. La garantía de calidad es continua en lugar de muestreada: los sistemas de visión inspeccionan el posicionamiento, la alineación y la consistencia del enlace 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 el posicionamiento automatizados 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 incrustado 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 del enlace y colaborar de manera segura con sistemas robóticos. Aprenden cómo el comportamiento del adhesivo, las propiedades del material y los parámetros del proceso interactúan, y cómo esas variables se presentan en los datos de garantía de calidad.

Con el tiempo, el desarrollo de habilidades 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 análisis de causa raíz, mantenimiento preventivo y 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 IA Física cambiando 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 IA Física en la fabricación en los próximos cinco a diez años yace 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 blandos, flexibles o tridimensionales, y donde la variabilidad del mundo real ha históricamente limitado la automatización.

Esos desafíos son más agudos en la ensambladura de materiales blandos. La ropa es el ejemplo más claro, pero las mismas dinámicas existen en componentes flexibles en productos de electrónica de consumo, en productos médicos, en muebles y en interiores automotrices. A través de estas categorías, la costura y la ensambladura de productos blandos cuentan con el contenido laboral más alto y siguen siendo las partes menos automatizadas del proceso de fabricación.

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

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 encarnada 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 capas externas blandas y los textiles basados en exoesqueletos se convertirán en sistemas de interfaz humano-máquina críticos. Cumplir con esa demanda a escala requerirá ensambladura nativa de automatización y basada en adhesivos, abriendo una nueva categoría industrial en la fabricación de materiales blandos inteligentes.

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

La visión de CreateMe es liderar la transformación de la ensambladura de materiales blandos. 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 sigue siendo consistente: la manipulación y costura de materiales blandos dominan el contenido laboral y resisten la automatización tradicional.

Lo que une a estos mercados es un conjunto compartido de capacidades de IA Física, los sistemas que gobiernan la percepción, la manipulación de materiales deformables, la alineación de bordes, la lógica de enlace y la ensambladura adaptativa a través de tejidos y factores de forma. Al demostrar esta capacidad en la ropa, uno de los entornos de fabricación más desafiantes, CreateMe apunta a desbloquear la automatización a través de un conjunto mucho más amplio de industrias y permitir 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 gran entrevista y sus respuestas detalladas, los lectores que deseen aprender más pueden visitar CreateMe.