ChatGPT Ajudou a Projetar um Controlador para uma Máquina de Sucos com 32 Sabores

Um post notável apareceu no Habr mostrando como ChatGPT foi utilizado não para texto ou código, mas para o design inicial de hardware — especificamente um controlador para uma máquina de venda automática de sucos. O autor não mostra o dispositivo finalizado, mas a conversa em si é uma boa ilustração de como um LLM pode conduzir uma entrevista de engenharia e coletar requisitos passo a passo.

Como os Requisitos Foram Formados

O autor começou com um pedido direto: será que ChatGPT conseguiria desenvolver um esquema e arquivos Gerber para um controlador de máquina de venda automática de sucos? Em resposta, ChatGPT não começou imediatamente a "desenhar a placa". Em vez disso, primeiro solicitou parâmetros básicos: métodos de pagamento, número de canais de dosagem, requisitos de resfriamento, tipo de interface do usuário, formato de comunicação com servidor e plataforma de computação preferida. Para uma tarefa de hardware, este é um momento importante: o modelo se comportou não como um gerador de soluções aleatórias, mas como um engenheiro na fase de coleta de requisitos.

Após esclarecimentos, o quadro se tornou mais concreto. O dispositivo deveria aceitar cartões NFC, misturar bebidas de 32 sucos diferentes, servir em um copo padrão, funcionar com resfriamento, ter uma tela sensível ao toque e enviar telemetria para um sistema em nuvem via sockets. Em seguida, o usuário estabeleceu não uma direção abstrata mas bastante específica: separar a placa de potência e a placa de interface, usar Orange Pi, um TFT de 10 polegadas, PN532 e conectividade LTE para um servidor Linux.

O Que o Modelo Propôs

Com base nesses requisitos, ChatGPT decompôs o sistema em módulos e propôs uma arquitetura preliminar. A conversa incluiu não apenas ideias gerais, mas também blocos práticos que tal dispositivo genuinamente necessita.

• placa de potência separada para controlar atuadores e distribuição de energia
• placa de interface do usuário baseada em Orange Pi
• módulo NFC PN532 para aceitação de cartões
• display TFT de 10 polegadas para cenários de seleção de bebida
• modem LTE e comunicação com servidor via sockets

Separadamente, o modelo propôs opções para controle de dispensação de líquido e resfriamento. Inicialmente, motores de passo, válvulas solenoide e até alternativas como Raspberry Pi, STM32 e ESP32 em diferentes funções foram discutidas. Para resfriamento, ChatGPT mencionou elementos Peltier com ventiladores ou um sistema compressor — ou seja, não reduziu tudo a uma única solução padrão.

Também foi útil que o modelo continuasse fazendo perguntas em vez de fingir que todos os parâmetros já eram conhecidos. Esclareceu se o monitoramento de nível de suco era necessário, qual stack de comunicação com servidor seria mais conveniente, se haveria múltiplos tipos de copos e quais drivers deveriam ser selecionados. É nesses detalhes que demos de IA excessivamente otimistas frequentemente fracassam.

Como o Esquema Evoluiu

Durante a conversa, o autor reconsiderou um componente chave: em vez de motores de passo, pediu para usar mini-bombas peristálticas do AliExpress porque são mais baratas. ChatGPT concordou com esse compromisso e imediatamente observou a limitação: tais bombas são mais simples de controlar e mais baratas, mas geralmente têm menor precisão de dosagem.

"Bombas peristálticas são mais simples de controlar e mais baratas,

embora tenham uma precisão de dosagem ligeiramente menor."

Depois disso, o modelo propôs uma sequência lógica de trabalho: primeiro projetar a placa de potência, depois trabalhar no roteamento e arquivos Gerber. O autor confirmou essa ordem.

O trecho publicado não contém esquemas reais, PCB ou arquivos de produção. Portanto, ainda não se trata de um controlador totalmente finalizado, mas de um estágio inicial de desenvolvimento de engenharia onde ChatGPT ajuda a empacotar uma ideia em estrutura de sistema e transformar um pedido vago em uma especificação mais formal. É por isso que o post é interessante não como prova de que LLMs já substituem desenvolvedores de eletrônica, mas como um exemplo de um cenário diferente. O modelo atua como um parceiro de discussão que ajuda a garantir que blocos de sistema críticos não sejam esquecidos, estrutura a seleção de componentes e itera rapidamente por opções arquiteturais antes do início do trabalho de design real.

O Que Isso Significa

Tais casos mostram que ChatGPT já é útil em tarefas de hardware como ferramenta para design preliminar e coleta de requisitos. Mas o valor surge não onde o modelo "fez tudo sozinho", mas onde a pessoa o utiliza para acelerar as primeiras iterações de engenharia e verifica cada solução antes da produção.