GPT‑6 Astra diseñó un gadget para Codex; a los ingenieros solo les queda la “pequeña” tarea de lograr que pueda fabricarse

OpenAI, con la ayuda de GPT-6 Astra, desarrolló en menos de una semana un dispositivo electrónico real para comunicarse con el asistente de IA Codex. La red neuronal diseñó la carcasa, seleccionó los componentes electrónicos, creó la placa de circuito impreso, la interfaz y el firmware. El fabricante incluso produjo una pequeña serie de dispositivos, pero al preparar el ensamblaje surgieron problemas: la IA no siempre entendía qué piezas podían fabricarse con el equipo real ni cómo conectarlas correctamente entre sí.

Solo dos empleados de OpenAI trabajaron en el proyecto, y lo hicieron en el tiempo libre de sus tareas principales. Los ingenieros querían comprobar si la red neuronal podría por sí sola recorrer el camino desde la idea inicial hasta la documentación que permitiría a una fábrica fabricar el dispositivo físico. La condición principal del experimento fue no realizar correcciones manuales directas en los materiales preparados por el modelo.

Primero GPT-6 Astra determinó qué funciones necesitaría el dispositivo y luego ideó el aspecto exterior, basándose en el diseño de accesorios y juguetes para videojuegos. A continuación la red neuronal diseñó la carcasa con anclajes internos, seleccionó los componentes electrónicos y los colocó en la placa de circuito impreso. Fue necesario tener en cuenta las dimensiones de cada pieza, trazar las conexiones eléctricas y asegurarse de que la electrónica ensamblada cupiera dentro de la carcasa.

La parte de software también la preparó Astra de forma autónoma. El modelo creó la interfaz de usuario, escribió el firmware que controla la electrónica y desarrolló el software para interactuar con Codex. Todo el proceso de diseño tomó menos de una semana. Luego OpenAI entregó el proyecto terminado a un fabricante externo, que en menos de un mes produjo una pequeña serie de prototipos.

En la fase de producción se reveló la principal debilidad de la IA. Astra no siempre tuvo en cuenta las capacidades del equipo de la fábrica, las tolerancias dimensionales admitidas y las particularidades del montaje. Por ejemplo, dos piezas pueden encajar perfectamente en el modelo por ordenador, pero en el producto real se necesitará un pequeño juego entre ellas. De lo contrario será difícil unirlas o colocarlas en su sitio. Los ingenieros tuvieron que revisar y corregir el proyecto varias veces antes de fabricar los dispositivos.

OpenAI reconoce que las redes neuronales aún deben aprender a tener mejor en cuenta las limitaciones de producción. La capacidad de dibujar rápidamente una carcasa o diseñar un esquema electrónico por sí sola no garantiza que una fábrica pueda fabricar el producto terminado sin correcciones adicionales. La compañía no reveló cuántos cambios fue necesario introducir en el proyecto ni qué tan bien cumplen su función las muestras fabricadas.

Las redes neuronales también ayudan a trabajar con sistemas CAD, programas especializados en los que los ingenieros diseñan piezas y mecanismos completos. Desde febrero el uso de IA en los departamentos de hardware de OpenAI se incrementó 23 veces. La compañía mide el crecimiento por el volumen de tokens procesados, por lo que ese indicador no significa que los ingenieros trabajen 23 veces más rápido.

Para evaluar las capacidades de las redes neuronales, los desarrolladores usan una prueba especial, BenchCAD 2.0. A los modelos se les pide reconstruir piezas y ensamblajes tridimensionales, así como determinar las conexiones eléctricas en placas de circuito impreso. En la comparación más reciente, un modelo interno más nuevo de OpenAI obtuvo 0,875 puntos frente a 0,594 de GPT-6 Astra con el nivel máximo de razonamiento. Los resultados muestran una mejora en la capacidad de la IA para resolver tareas de ingeniería, aunque la prueba no cubre todas las dificultades de la producción real.

OpenAI prueba las capacidades de las redes neuronales también junto con empresas industriales. El equipo de carreras Chip Ganassi Racing prueba herramientas que convierten escaneos tridimensionales de piezas existentes en modelos editables y planos. Los ingenieros pueden utilizarlas para recuperar componentes si la documentación técnica original no está disponible.

Junto con Mazda, los desarrolladores estudian la aplicación de la IA en el diseño de automóviles. Astra ayuda a los ingenieros a elegir la forma del frontal de la carrocería, a calcular el flujo de aire y a buscar opciones con menor resistencia aerodinámica. El fabricante automotriz también investiga las capacidades de las redes neuronales para calcular la resistencia de la carrocería en colisiones. Los especialistas verifican las soluciones propuestas antes de utilizarlas en desarrollos posteriores.

El proyecto del dispositivo para Codex mostró lo rápido que las redes neuronales han aprendido a abordar tareas que normalmente requieren especialistas de varias disciplinas a la vez: diseñadores mecánicos, especialistas en electrónica y programadores. Sin embargo, la producción real sigue requiriendo supervisión humana. La IA puede preparar gran parte del proyecto en unos pocos días, pero corresponde a los ingenieros verificar las dimensiones de las piezas, tener en cuenta las limitaciones del equipo y asegurarse de que el producto se pueda ensamblar.