Il 13 maggio 2026, Figure AI ha trasmesso in diretta per oltre 30 ore consecutive le operazioni di smistamento pacchi condotte dai propri robot umanoidi presso la sede dell’azienda a San Jose, California. Il modello impiegato era Helix-02, l’ultima versione del sistema di controllo sviluppato internamente da Figure. Il compito assegnato era uno dei più basilari nella logistica di magazzino: prelevare pacchi da un nastro trasportatore, orientarli con il codice a barre rivolto verso il basso e ricollocarli sul convogliatore. Un’operazione che un essere umano esegue in circa tre secondi, e che i robot di Figure hanno riprodotto a velocità comparabile per l’intera durata della trasmissione. Al termine delle 30 ore, i robot avevano processato circa 30.000 pacchi, con due unità aggiuntive in standby pronte a subentrare non appena la batteria del robot attivo si avvicinava alla soglia critica.
La scelta di trasmettere in diretta, senza tagli né montaggio, non era casuale. Figure aveva già rilasciato l’8 maggio un video di due robot umanoidi che riordinano una camera da letto in modo coordinato, senza istruzioni esplicite — una dimostrazione del sistema di coordinazione multi-agente che ha fatto il giro del web. Quella clip, però, aveva suscitato un certo scetticismo: era troppo fluida, troppo curata, e le domande su un possibile coinvolgimento di operatori umani da remoto erano rimaste senza risposta definitiva. La live stream del 13 maggio è stata la risposta diretta a quel dubbio. Brett Adcock, CEO di Figure, ha dichiarato esplicitamente che i robot operavano in modalità completamente autonoma e che nei momenti in cui si fermavano (cosa che è avvenuta, visibilmente, più volte nel corso della trasmissione) il sistema AI di Helix-02 eseguiva automaticamente un reset senza intervento umano. Ha anche aggiunto, con una trasparenza insolita nel settore, che un fallimento era statisticamente probabile nel lungo periodo e che non era ancora avvenuto.
Il valore della dimostrazione sta meno nella prestazione in sé e più nella sua durata e nella qualità dell’osservazione pubblica. Trasmettere 30 ore di operazioni reali su un task ripetitivo è metodologicamente più onesto di qualunque video prodotto in studio, perché espone inevitabilmente le imperfezioni del sistema. E di imperfezioni ce ne sono state: pacchi posizionati con l’orientamento errato, oggetti scivolati fuori dal convogliatore, pause prolungate non immediatamente spiegabili. Questi momenti, visibili in diretta a milioni di persone, sono esattamente il tipo di dato grezzo che permette di distinguere tra un sistema che funziona in condizioni controllate e uno che regge la variabilità del mondo reale, anche se a fatica, anche se non perfettamente.
La reazione del pubblico ha rivelato qualcosa di interessante sul modo in cui le persone percepiscono questa tecnologia. Nelle prime 8 ore la trasmissione ha superato 1,5 milioni di visualizzazioni; al termine delle 30 ore il contatore era a 3,6 milioni, per arrivare a 13,4 milioni nei giorni successivi. Parte della risposta era genuinamente tecnica, con osservatori del settore e ingegneri che analizzavano la cinematica dei movimenti, il timing dei cicli di prelievo, le modalità di recovery dopo gli errori. Ma una parte consistente era qualcosa di più difficile da classificare: spettatori che guardavano i robot smistare scatole per ore, che attribuivano loro nomi come Bob, Frank, Gary e che descrivevano il flusso visivo come stranamente ipnotico. L’investitore Jason Calacanis ha parlato di “robot ASMR”. È un dettaglio apparentemente marginale, ma dice qualcosa di rilevante sul livello di naturalezza che i movimenti di questi sistemi hanno raggiunto: abbastanza fluidi da generare un effetto di presenza, non abbastanza perfetti da risultare artificiosamente costruiti.
Il contesto in cui questa dimostrazione si inserisce è importante per valutarne il peso reale. Figure non è una startup in fase esplorativa: ha ricevuto investimenti significativi da alcuni dei principali fondi del settore, ha costruito una pipeline di sviluppo centrata sull’apprendimento per imitazione e sul fine-tuning comportamentale su task specifici, e sta cercando attivamente partnership con operatori logistici. La live stream non era un esperimento scientifico, era comunicazione strategica — un segnale agli investitori, ai potenziali clienti industriali e ai competitor che il divario tra laboratorio e deployment operativo si sta riducendo in modo concreto e misurabile.
Le valutazioni critiche, tuttavia, meritano lo stesso peso. Ayanna Howard, roboticista e preside della Facoltà di Ingegneria della Ohio State University, ha riconosciuto che la trasmissione era impressionante per la continuità operativa raggiunta, ma ha identificato con precisione le distanze ancora da colmare: gli errori di orientamento dei pacchi e i prodotti caduti dal nastro, osservabili chiaramente durante la diretta, rappresentano esattamente il tipo di failure mode che rende ancora problematico un deployment completamente non supervisionato in un magazzino operativo reale, dove le conseguenze di un errore si propagano lungo tutta la catena logistica. Un robot umanoide autonomo capace di sostituire un operatore umano in un centro di distribuzione ad alta intensità non è la stessa cosa di un robot capace di completare 30.000 operazioni di smistamento in condizioni favorevoli con un tasso di errore accettabile. Il primo richiede robustezza in condizioni di variabilità estrema (pesi diversi, materiali scivolosi, pacchi danneggiati, colli di bottiglia sul nastro, interazioni con altri robot e con lavoratori umani= che una live stream di 30 ore in un ambiente monitorato non può ancora certificare.
Quello che Figure ha dimostrato il 13 maggio è reale e significativo: un robot umanoide con AI integrata può eseguire un task logistico ripetitivo in modo autonomo per una durata paragonabile a un turno lavorativo esteso, a velocità prossima a quella umana, con una frequenza di errori sufficientemente bassa da non interrompere il flusso operativo. È un benchmark concreto, verificabile pubblicamente, in un settore dove la distanza tra claim e realtà è storicamente molto ampia. Ma è anche esattamente la prima soglia di un percorso molto più lungo, e la distanza tra questa dimostrazione e la sostituzione economicamente competitiva del lavoro umano nei magazzini rimane, per ora, considerevole.