ChatGPT Ayudó a Diseñar un Controlador para una Máquina Expendedora de 32 Jugos

Un post notable apareció en Habr mostrando cómo ChatGPT fue utilizado no para texto o código, sino para el diseño inicial del hardware — específicamente un controlador para una máquina expendedora de zumos. El autor no muestra el dispositivo terminado, pero la conversación en sí es una buena ilustración de cómo un LLM puede conducir una entrevista de ingeniería y recopilar requisitos paso a paso.

Cómo se Formaron los Requisitos

El autor comenzó con una solicitud directa: ¿podría ChatGPT desarrollar un esquema y archivos Gerber para un controlador de máquina expendedora de zumos? En respuesta, ChatGPT no comenzó inmediatamente a "dibujar la placa". En cambio, primero solicitó parámetros básicos: métodos de pago, número de canales de dosificación, requisitos de enfriamiento, tipo de interfaz de usuario, formato de comunicación con servidor y plataforma de computación preferida. Para una tarea de hardware, este es un momento importante: el modelo se comportó no como un generador de soluciones aleatorias, sino como un ingeniero en la fase de recopilación de requisitos.

Después de aclaraciones, la imagen se hizo más concreta. El dispositivo debería aceptar tarjetas NFC, mezclar bebidas de 32 zumos diferentes, servir en un vaso estándar, funcionar con enfriamiento, tener una pantalla táctil y enviar telemetría a un sistema en la nube a través de sockets. Posteriormente, el usuario estableció no una dirección abstracta sino bastante específica: separar la placa de potencia y la placa de interfaz, utilizar Orange Pi, un TFT de 10 pulgadas, PN532 y conectividad LTE para un servidor Linux.

Lo Que el Modelo Propuso

Basado en estos requisitos, ChatGPT desglosó el sistema en módulos y propuso una arquitectura preliminar. La conversación incluyó no solo ideas generales sino también bloques prácticos que tal dispositivo genuinamente necesita.

• placa de potencia separada para controlar actuadores y distribución de energía
• placa de interfaz de usuario basada en Orange Pi
• módulo NFC PN532 para aceptación de tarjetas
• pantalla TFT de 10 pulgadas para escenarios de selección de bebida
• módem LTE y comunicación con servidor a través de sockets

Separadamente, el modelo propuso opciones para control de dispensación de líquido y enfriamiento. Inicialmente, se discutieron motores paso a paso, válvulas solenoides e incluso alternativas como Raspberry Pi, STM32 y ESP32 en diferentes funciones. Para enfriamiento, ChatGPT mencionó elementos Peltier con ventiladores o un sistema de compresor — es decir, no redujo todo a una única solución estándar.

También fue útil que el modelo continuara haciendo preguntas en lugar de pretender que todos los parámetros ya eran conocidos. Aclaró si el monitoreo del nivel de zumo era necesario, qué stack de comunicación con servidor sería más conveniente, si habría múltiples tipos de vasos y qué drivers deberían seleccionarse. Es en estos detalles donde las demostraciones de IA demasiado optimistas a menudo fracasan.

Cómo Evolucionó el Esquema

Durante la conversación, el autor reconsideró un componente clave: en lugar de motores paso a paso, solicitó utilizar mini-bombas peristálticas de AliExpress porque son más baratas. ChatGPT estuvo de acuerdo con este compromiso e inmediatamente señaló la limitación: tales bombas son más simples de controlar y más baratas, pero típicamente tienen menor precisión de dosificación.

"Las bombas peristálticas son más simples de controlar y más baratas,

aunque tienen una precisión de dosificación ligeramente menor."

Después de eso, el modelo propuso una secuencia lógica de trabajo: primero diseñar la placa de potencia, luego trabajar en el enrutamiento y archivos Gerber. El autor confirmó este orden.

El fragmento publicado no contiene esquemas reales, PCB o archivos de producción. Por lo tanto, aún no se trata de un controlador completamente terminado, sino de una etapa inicial de desarrollo de ingeniería donde ChatGPT ayuda a empaquetar una idea en estructura de sistema y convertir una solicitud vaga en una especificación más formal. Por eso el post es interesante no como prueba de que los LLM ya reemplazan a los desarrolladores de electrónica, sino como un ejemplo de un escenario diferente.

El modelo actúa como un socio de discusión que ayuda a garantizar que bloques de sistema críticos no se olviden, estructura la selección de componentes e itera rápidamente a través de opciones arquitectónicas antes de que comience el trabajo de diseño real.

Qué Significa Esto

Tales casos muestran que ChatGPT ya es útil en tareas de hardware como herramienta para diseño preliminar y recopilación de requisitos. Pero el valor surge no donde el modelo "hizo todo por sí solo", sino donde la persona lo utiliza para acelerar las primeras iteraciones de ingeniería y verifica cada solución antes de la producción.