OpenAI acelera el diseño de dispositivos: un prototipo montado en menos de un mes

Un ingeniero recibe un escaneo 3D de una pieza, pero no existe el modelo CAD original. Normalmente empieza entonces el trabajo manual: reconstruir la geometría, elaborar el plano, comprobar las dimensiones y preparar el modelo para la fabricación. OpenAI afirma que Codex y GPT-6 Astra ya pueden asumir una parte significativa de esta cadena, desde la construcción de modelos CAD y placas de circuito impreso hasta la configuración de simulaciones y la detección de discrepancias entre documentos.

El sentido práctico no está en la vistosa frase «la IA diseña hardware». Está en reducir el tiempo entre la idea y el primer prototipo físico. En un experimento de OpenAI, dos empleados desarrollaron en menos de una semana un dispositivo para comunicarse con Codex, trabajando en él como proyecto paralelo. Astra ayudó a definir el aspecto, diseñar la carcasa y los soportes internos, seleccionar los componentes electrónicos, rutar la placa de circuito impreso, crear la interfaz y escribir el firmware. Un fabricante por contrato produjo un pequeño lote de prototipos en menos de un mes.

Cómo se ve en el trabajo real

Imaginemos un equipo que fabrica un controlador de sobremesa. El ingeniero define las dimensiones, la lista de componentes, la disposición de los conectores y los requisitos de refrigeración. El modelo crea una carcasa inicial, coloca la placa y los soportes, prepara los planos y, después, modifica los elementos relacionados tras una observación: por ejemplo, desplaza un puerto y libera espacio para un cable.

Antes, cada cambio de este tipo podía exigir correcciones en varias herramientas a la vez. El enfoque agéntico intenta mantener los vínculos entre la mecánica, la electrónica y el software. Esto resulta especialmente útil donde hay muchas operaciones repetitivas: convertir un modelo 3D en un conjunto de planos 2D, configurar una simulación estándar, cotejar especificaciones o registrar los conflictos detectados en un proyecto BIM.

OpenAI informa de que, desde febrero, el consumo de tokens de sus equipos de hardware se ha multiplicado por 23. Esto demuestra la demanda dentro de la empresa, pero no prueba un ahorro de tiempo ni de dinero: la publicación no incluye una comparación controlada de plazos, costes y número de errores antes y después de la implantación.

Dónde sigue fallando el modelo

El prototipo tuvo que revisarse varias veces. Astra no siempre tenía en cuenta las limitaciones de un fabricante concreto, las tolerancias de las piezas ni la información necesaria para el ensamblaje. En otras palabras, el modelo podía crear un diseño geométricamente convincente que todavía no se puede enviar sin verificación a una máquina o a una línea de producción.

Es un límite importante. Un error en una interfaz web suele corregirse con una actualización. Un error en una placa, una carcasa o un elemento de potencia se convierte en un lote perdido, un retraso en la entrega y, en ocasiones, un riesgo para la seguridad. Por eso el ingeniero sigue siendo responsable de verificar materiales, cargas, holguras, fabricabilidad y cumplimiento normativo.

En la prueba BenchCAD 2.0, el nuevo modelo interno de OpenAI obtuvo un 87,5 %, mientras que GPT-6 Astra, con el nivel máximo de razonamiento, logró un 59,4 %. La prueba evalúa la reconstrucción de piezas y ensamblajes tridimensionales, así como el reconocimiento de conexiones en placas. La diferencia es notable, pero los resultados del modelo interno y de la propia prueba deben tomarse por ahora como datos del desarrollador, no como confirmación independiente de su preparación para el uso industrial.

Qué pueden hacer los equipos ya

No conviene empezar con la promesa de «automatizar todo el departamento». Elija una operación medible: preparación de planos, reconstrucción de CAD a partir de un escaneo, configuración de simulaciones o búsqueda de discrepancias entre el modelo y la especificación. Registre el tiempo de partida, el número de devoluciones y el coste de las correcciones, y compárelos después con el proceso en el que participa el modelo.

Todos los resultados del agente deben pasar una revisión de ingeniería antes de fabricarse. También es útil darle al modelo las reglas de la producción concreta: espesores mínimos, materiales disponibles, tolerancias, limitaciones del equipo y requisitos de ensamblaje. Cuanto más precisos sean estos marcos, menor será la probabilidad de obtener un diseño espectacular pero imposible de fabricar.

La conclusión principal: la IA se está convirtiendo en una capa de trabajo sobre CAD, ECAD, BIM y simuladores. Acelera la preparación de variantes y las conversiones rutinarias, pero la decisión de lanzar un producto físico debe seguir en manos del ingeniero, que responde no de una imagen convincente, sino de una pieza que realmente sale de la cadena de montaje.