ChatGPT ayuda a diseñar el controlador de una máquina expendedora con 32 zumos

En Habr ha aparecido una publicación reveladora sobre cómo se usó ChatGPT no para texto ni código, sino para el trabajo inicial de hardware: el controlador de una máquina expendedora de zumos. El autor no muestra un dispositivo terminado, pero la propia conversación demuestra cómo un LLM puede llevar una entrevista de ingeniería y construir un documento de requisitos paso a paso.

Cómo se elaboraron los requisitos

El autor empezó con una pregunta directa: si se podían desarrollar el esquema y los archivos Gerber del controlador de una máquina expendedora de zumos. En lugar de "dibujar la placa" de inmediato, ChatGPT pidió primero los datos básicos: métodos de pago, número de canales de dosificación, requisitos de refrigeración, tipo de interfaz de usuario, formato de comunicación con el servidor y preferencias de plataforma de cómputo. Para una tarea de hardware esto es importante: el modelo no se comportó como un generador de soluciones aleatorias, sino como un ingeniero en la fase de recopilación de requisitos.

Tras las aclaraciones, el panorama se concretó. El dispositivo debe aceptar tarjetas NFC, mezclar bebidas a partir de 32 zumos, servir un vaso estándar, gestionar la refrigeración, tener pantalla táctil y enviar telemetría a un sistema en la nube mediante sockets. Después el usuario marcó una dirección ya nada abstracta: separar la placa de potencia de la placa de interfaz y usar Orange Pi, una TFT de 10 pulgadas, PN532 y conectividad LTE para trabajar con un servidor Linux.

Qué propuso el modelo

Sobre la base de estos requisitos, ChatGPT dividió el sistema en módulos y propuso una arquitectura preliminar. En la conversación aparecen no solo ideas generales, sino bloques prácticos que un dispositivo así necesita de verdad.

• una placa de potencia independiente para controlar los actuadores y la alimentación
• una placa de interfaz de usuario basada en Orange Pi
• un módulo NFC PN532 para aceptar tarjetas
• una pantalla TFT de 10 pulgadas para elegir la bebida
• un módem LTE y comunicación con el servidor mediante sockets

Además, el modelo propuso opciones para controlar el dispensado de líquido y la refrigeración. Al principio habló de motores paso a paso, válvulas solenoides e incluso de opciones como Raspberry Pi, STM32 y ESP32 en distintos papeles. Para la refrigeración, ChatGPT mencionó elementos Peltier con ventiladores o un sistema de compresor, así que no lo redujo todo a una única solución de plantilla.

También es útil que el modelo siguiera haciendo preguntas en lugar de fingir que ya conocía todos los parámetros. Preguntó si hacía falta controlar el nivel de zumo, qué pila de comunicación con el servidor resultaba más cómoda, si habría varios tipos de vasos y qué controladores convenía elegir. En detalles así suelen fallar las demos de IA demasiado optimistas.

Cómo cambió el esquema

Durante el diálogo el autor revisó una de las piezas clave: en lugar de motores paso a paso, pidió usar minibombas peristálticas de AliExpress, porque son más baratas. ChatGPT aceptó el compromiso y señaló de inmediato la limitación: estas bombas son más sencillas de controlar y más baratas, pero normalmente son menos precisas en la dosificación.

«Las bombas peristálticas son más sencillas de controlar y más

baratas, aunque su precisión de dosificación es algo menor».

Después el modelo propuso una secuencia de trabajo lógica: primero diseñar la placa de potencia y luego pasar al enrutado y los archivos Gerber. El autor confirmó ese orden.

En el fragmento publicado no hay esquemas, PCB ni archivos de fabricación. Es decir, todavía no se trata de un controlador totalmente terminado, sino de una etapa temprana de ingeniería, en la que ChatGPT ayuda a convertir una idea en la estructura de un sistema y una petición vaga en un documento de requisitos más formal.

Por eso el post interesa no como prueba de que los LLM ya sustituyen a los desarrolladores de electrónica, sino como ejemplo de otro escenario. El modelo actúa como interlocutor que ayuda a no olvidar bloques críticos del sistema, ordena la elección de componentes y repasa rápidamente variantes de arquitectura antes de empezar el diseño real.

Qué significa

Casos así muestran que ChatGPT ya es útil en tareas de hardware como herramienta de diseño preliminar y recopilación de requisitos. Pero el valor no surge cuando el modelo "lo hace todo solo", sino cuando una persona lo usa para acelerar las primeras iteraciones de ingeniería y comprueba cada decisión antes de la producción.