GM Reduce el Desarrollo de Vehículos a Dos Años con Inteligencia Artificial

General Motors anunció un nuevo modelo de desarrollo asistido por inteligencia artificial que tiene como objetivo reducir el tiempo de desarrollo de vehículos del ciclo tradicional de cuatro a cinco años a aproximadamente dos años. El programa, presentado en el segundo evento anual GM Forward celebrado en Nueva York el 21 de octubre, reduce la simulación aerodinámica de 60 horas a 60 segundos, y el análisis estructural de meses a horas. La empresa respalda este objetivo no como una promesa vacía, sino con ahorros de tiempo ya medidos.

¿Qué promete el plan anunciado en el evento GM Forward?

El evento Forward, organizado por GM por segunda vez, fue escenario este año del anuncio de un cambio profundo en la cultura de ingeniería de la empresa. La esencia del anuncio hecho en Nueva York el 21 de octubre es la siguiente: el ciclo de desarrollo de vehículos se reducirá del proceso secuencial tradicional de cuatro a cinco años a aproximadamente dos años. Se basa en una idea que parece no ser nueva, pero que nunca se ha aplicado por completo: la ingeniería concurrente. Los equipos de diseño, ingeniería y producción trabajarán juntos desde el primer día en una única línea digital; se abandona el clásico esquema de carrera de relevos en el que el diseño pasa a la ingeniería y la ingeniería a la producción.

En el centro de este esquema están los sistemas internos de inteligencia artificial entrenados con los datos propios de GM, el aprendizaje automático, la virtualización y el enfoque que la empresa llama agentic engineering. GM lo posiciona como la conversión de su acumulación corporativa -decisiones de diseño, pruebas de colisión e historial de cadena de suministro acumulados durante décadas- en una ventaja en la era de la inteligencia artificial. Esa es también la postura defendida por Sterling Anderson, vicepresidente de producto de la empresa: para el gran fabricante de automóviles no es una carga de datos, sino una ventaja de datos; y la iteración rápida significa un mejor producto.

La concreción de esta estrategia tampoco queda en la ambigüedad. Las cifras compartidas en el evento muestran, punto por punto, de qué procesos reales se ganará el objetivo de dos años.

Los resultados de CFD bajan de 60 horas a 60 segundos

Como comprenderán de inmediato quienes siguen este tema de cerca, el verdadero cuello de botella en el desarrollo de vehículos no suele ser la imaginación del diseñador, sino la velocidad de validación del diseño. GM dio el ejemplo más impactante en este punto con la aerodinámica. Conseguir cita en el túnel de viento lleva semanas; la dinámica de fluidos computacional tradicional, es decir, las simulaciones CFD, duran hasta 60 horas en una sola pasada. En la práctica, esto significa una sola iteración de diseño al día para el ingeniero.

La herramienta basada en aprendizaje automático entrenada con los datos propios de GM entra en juego justo aquí. La herramienta patentada llamada Themed aero produce resultados notablemente similares a los de CFD en aproximadamente 60 segundos. Una idea de diseño que antes solo se podía probar una vez al día, ahora puede ponerse a prueba cientos de veces al día. Para alguien que lleva más de treinta años siguiendo este sector, esto significa un cambio en la naturaleza del trabajo: la aerodinámica ya no es un proceso secuencial de aprobación, sino una herramienta de diseño que recibe retroalimentación instantánea.

Ganancias en análisis estructural y en la batería LMR

Y no solo la aerodinámica. Las ganancias de tiempo que GM ha demostrado con cifras se extienden a casi todas las etapas del desarrollo. Según los datos publicados, el aprendizaje automático puede reducir, por ejemplo, el análisis de aplastamiento del techo de cálculos que toman de 8 a 40 horas a menos de 5 minutos. Los análisis estructurales que en el proceso tradicional llevaban cuatro meses - rigidez del eje delantero, estándares dinámicos, requisitos de durabilidad - se resuelven en unas pocas horas con el nuevo proceso de inteligencia artificial.

Batería LMR: 300.000 diseños, un solo prototipo

Quizás el ejemplo más impresionante esté en el lado de la batería. El desarrollo de la batería LMR (rica en litio-manganeso), que no contiene cobalto y ofrece una densidad energética aproximadamente un 33 por ciento mayor que la química LFP, pasó de ser un trabajo que típicamente requeriría más de 60.000 horas de laboratorio a 256 horas de laboratorio gracias al modelado a nivel molecular y el aprendizaje automático. GM probó virtualmente más de 300.000 diseños de batería antes de fabricar un prototipo físico, y el primer paquete LMR pasó del concepto a la aprobación oficial del programa en un mes. Como se anunció en septiembre pasado, las celdas LMR se producirán a escala por primera vez en el mundo en la planta de Spring Hill, Tennessee, reaprovechada en colaboración con LG Energy Solution.

El V8 del Silverado y la precisión de la que da lección el Corvette ZR1

Sería un error pensar que la ingeniería virtual solo sirve en el lado de los EV. El motor V8 de 6.6 litros de la Chevrolet Silverado 2027 se desarrolló en un tercio del tiempo de desarrollo típico de un motor y con el 80 por ciento del coste de prototipado. La prueba de la precisión llegó del Corvette ZR1: la ingeniería virtual había predicho una velocidad de prueba de 233 mph; la calibración se reescribió el mismo día, se envió al equipo de pruebas al día siguiente y el vehículo realmente alcanzó las 233 mph. Una desviación de una mph es una exactitud notable a esta escala.

El 30 por ciento prometido en la línea de producción

Sabiendo que acortar el tiempo de desarrollo no basta por sí solo, GM define claramente también la vertiente productiva de su estrategia. Se realizarán mejoras respaldadas por inteligencia artificial en funciones robóticas como estampado, fundición, soldadura, pintura y montaje; en el montaje de baterías se promete una aceleración del 30 por ciento. La plataforma PlantBrAIn de la empresa tiene como objetivo hacer pasar los paquetes de baterías por la línea de producción un 40% más rápido. Que un vehículo diseñado en dos años tardara dos años y medio en salir a las carreteras por culpa de una línea lenta sería una contradicción que desperdiciaría el tiempo ganado; GM parece haber cerrado también ese eslabón.

¿Es esta aceleración un movimiento contra los fabricantes chinos?

Esa fue la pregunta más debatida tras el anuncio. El ritmo de los fabricantes chinos, que lanzan al mercado vehículos conectados de forma rápida y con bajo costo, ha sido un problema de larga data para los fabricantes occidentales consolidados; es una interpretación extendida que la búsqueda de aceleración de GM es una respuesta directa a esta carrera. El marco no está vacío: un ciclo de dos años acerca a GM de manera considerable a la velocidad de producción de sus rivales chinos.

Sin embargo, la analista del sector Stephanie Brinley, de Mobility Global, ofrece una lectura diferente. Según ella, este movimiento no es una reacción a la amenaza china, sino una etapa de la evolución de eficiencia que GM ha venido impulsando durante años; la velocidad ganada aumentará su competitividad frente a cualquier rival. El calendario tampoco confirma por sí solo la tesis china: el anuncio llegó un día después de que se revelara que los resultados del tercer trimestre de la empresa cumplían las expectativas de Wall Street.

En el plano práctico aún hay incógnitas. GM no ha precisado aún cuándo entrará en vigor exactamente el proceso de dos años ni a qué modelos estará vinculado; se señala que detrás del objetivo está la reducción del costo de los dispositivos y de la complejidad. Esta incertidumbre es una duda razonable para quienes se preguntan por la distancia entre el objetivo anunciado y un producto concreto.

Los otros titulares del evento: computadora central, conducción manos libres y OnStar AI

El desarrollo asistido por inteligencia artificial no fue el único tema del evento Forward. GM también presentó una arquitectura con una nueva unidad de computación central (CCU) que promete 40 veces más potencia de procesamiento por vehículo, un 30% menos de cableado y conectividad celular hasta 50 veces más rápida. La cuarta generación de la plataforma EV llegó con titulares como un 25% mejor aerodinámica, una estructura un 15% más ligera, un paquete de baterías un 20% más compacto, química LMR y flujo de energía bidireccional.

En cuanto a productos, se anunciaron el sistema de conducción manos libres que debutará en 2028 con el Cadillac ESCALADE IQ y el OnStar AI Assistant, que comenzará con una actualización inalámbrica en el Cadillac LYRIQ de 2027. Se indicó que las opciones de asistentes actuales - incluido Google Gemini - seguirán disponibles como opciones, y que el nuevo asistente será una alternativa a estas.

Evaluación: la velocidad no es una meta, sino un proceso que avanza de forma medible

En la historia del automovilismo siempre se han prometido reducciones del tiempo de desarrollo; los ciclos de dos años siempre han existido sobre el papel. Lo que hace diferente este anuncio de GM es que la afirmación está respaldada por ahorros de tiempo que ya se han materializado. Una simulación aerodinámica de 60 segundos, la aprobación de una batería en un mes, un V8 desarrollado en un tercio del tiempo - esto no son metas, sino resultados medidos. Todavía no se ha anunciado cuándo ni con qué modelo se producirá el ciclo completo de dos años. Los que llevan años siguiendo este sector lo saben: el cambio en la cultura de ingeniería no se pone a prueba en la sala de anuncios, sino en la línea de producción en serie. GM tiene a su favor una fuerte puntuación inicial; el resto lo mostrarán los caminos.

Fuentes

• GM Forward: diseñando el vehículo definido por la inteligencia para todos
• Cómo General Motors planea acelerar el desarrollo de vehículos usando la I.A. - Road & Track
• GM recurre a la IA para reducir el tiempo de desarrollo de vehículos - Detroit Free Press
• GM apunta a desarrollar vehículos en tan solo dos años con IA - CNBC
• GM simuló 300.000 diseños de baterías de vehículos eléctricos antes de construir un solo prototipo - Fortune