OpenAI acelera o projeto de dispositivos: protótipo montado em menos de um mês

Um engenheiro recebe um escaneamento 3D de uma peça, mas não existe o modelo CAD original. Normalmente, começa então o trabalho manual: reconstruir a geometria, elaborar o desenho, conferir as dimensões e preparar o modelo para a fabricação. A OpenAI afirma que o Codex e o GPT-6 Astra já podem assumir uma parte significativa dessa cadeia, desde a construção de modelos CAD e placas de circuito impresso até a configuração de simulações e a detecção de divergências entre documentos.

O sentido prático aqui não está na frase de efeito «a IA projeta hardware». Está na redução do tempo entre a ideia e o primeiro protótipo físico. Em um experimento da OpenAI, dois funcionários desenvolveram em menos de uma semana um dispositivo para conversar com o Codex, trabalhando nele como projeto paralelo. A Astra ajudou a definir a aparência, projetar a carcaça e as fixações internas, escolher os componentes eletrônicos, rotear a placa de circuito impresso, criar a interface e escrever o firmware. Um fabricante contratado produziu um pequeno lote de protótipos em menos de um mês.

Como isso se parece no trabalho real

Imagine uma equipe que faz um controlador de mesa. O engenheiro define as dimensões, a lista de componentes, a disposição dos conectores e os requisitos de resfriamento. O modelo cria uma carcaça inicial, posiciona a placa e as fixações, prepara os desenhos e, em seguida, altera os elementos relacionados após uma observação: por exemplo, move uma porta e libera espaço para um cabo.

Antes, cada mudança desse tipo podia exigir ajustes em várias ferramentas ao mesmo tempo. O fluxo agêntico tenta manter os vínculos entre mecânica, eletrônica e software. Isso é especialmente útil onde há muitas operações repetitivas: converter um modelo 3D em um conjunto de desenhos 2D, configurar uma simulação padrão, conferir especificações ou registrar conflitos encontrados em um projeto BIM.

A OpenAI informa que, desde fevereiro, o consumo de tokens por suas equipes de hardware aumentou 23 vezes. Isso mostra a demanda dentro da empresa, mas não comprova economia de tempo ou dinheiro: a publicação não traz uma comparação controlada de prazos, custos e número de erros antes e depois da adoção.

Onde o modelo ainda erra

O protótipo precisou ser revisado várias vezes. A Astra nem sempre levava em conta as restrições de um fabricante específico, as tolerâncias das peças e as informações necessárias para a montagem. Em outras palavras, o modelo podia criar um projeto geometricamente convincente que ainda não pode ser enviado, sem verificação, a uma máquina ou linha de produção.

Esse é um limite importante. Um erro em uma interface web costuma ser corrigido com uma atualização. Um erro em uma placa, carcaça ou componente de potência vira um lote perdido, um atraso na entrega e, às vezes, um risco à segurança. Por isso, o engenheiro continua responsável por verificar materiais, cargas, folgas, fabricabilidade e conformidade com as normas.

No teste BenchCAD 2.0, o novo modelo interno da OpenAI obteve 87,5%, enquanto o GPT-6 Astra, no nível máximo de raciocínio, obteve 59,4%. O teste avalia a reconstrução de peças e montagens tridimensionais, além do reconhecimento de conexões em placas. A diferença é notável, mas os resultados do modelo interno e do próprio teste devem, por ora, ser vistos como dados do desenvolvedor, e não como confirmação independente de prontidão para uso industrial.

O que as equipes podem fazer agora

Não convém começar com a promessa de «automatizar todo o departamento». Escolha uma operação mensurável: preparação de desenhos, reconstrução de CAD a partir de um escaneamento, configuração de simulações ou busca de inconsistências entre o modelo e a especificação. Registre o tempo inicial, o número de retrabalhos e o custo das correções e, depois, compare com o processo com a participação do modelo.

Todos os resultados do agente devem passar por revisão de engenharia antes da fabricação. Também é útil fornecer ao modelo as regras da produção específica: espessuras mínimas, materiais disponíveis, tolerâncias, limitações do equipamento e requisitos de montagem. Quanto mais precisos esses limites, menor a chance de obter um projeto vistoso, mas impossível de fabricar.

A principal conclusão: a IA está se tornando uma camada de trabalho sobre CAD, ECAD, BIM e simuladores. Ela acelera a preparação de variantes e as conversões rotineiras, mas a decisão de lançar um produto físico deve, por ora, continuar com o engenheiro, que responde não por uma imagem convincente, mas por uma peça que realmente sai da linha de montagem.