Reconfigurar el desarrollo de productos de automoción: cómo pueden tomar ventaja las organizaciones en la carrera de la IA

Cómo las organizaciones están escalando la IA con capacidad de acción (IA agéntica) en la ingeniería automotriz y a lo largo del ciclo de vida de desarrollo de productos.

La industria automotriz está adoptando la IA a gran velocidad, pero la tecnología avanza más rápido que los procesos, la gobernanza y los modelos operativos necesarios para aplicarla y escalar su uso a lo largo de todo el ciclo de vida del automóvil. Hoy en día, la ventaja competitiva depende cada vez más de transformar los resultados generados por la IA en decisiones de ingeniería fiables. Sin embargo, generar confianza en las decisiones de ingeniería impulsadas por la IA está resultando ser un desafío.

Este informe se basa en una encuesta realizada a 800 ejecutivos de fabricantes de automóviles, proveedores y empresas tecnológicas de 12 países —complementada con 24 entrevistas a líderes de ingeniería de todo el sector— y explora el futuro de la ingeniería automotriz.

Dónde tiene dificultades y dónde triunfa la industria con la IA

La IA está dando frutos y los líderes están tomando ventaja.

Un grupo diferenciado de organizaciones está logrando mejoras de entre dos y tres veces en la velocidad de desarrollo, la productividad de ingeniería y el tiempo de llegada al mercado, lo que pone de relieve la ventaja que la IA puede aportar a la ingeniería. Esta ventaja deriva de una gobernanza de IA más sólida en el sector automotriz, datos de ingeniería de mayor calidad y una rendición de cuentas más clara.

La IA con capacidad de acción se está incorporando a los flujos de trabajo de ingeniería convencionales.

Entre las organizaciones que trabajan para adoptar la IA en fabricantes de equipos originales (OEM) y proveedores del sector automotriz, el 35 % informa utilizar IA agéntica en los procesos de ingeniería, mientras que el 33 % está iniciando programas piloto. La adopción se está acelerando especialmente en aquellas actividades que conectan las distintas fases del ciclo de vida de la ingeniería.

La falta de una columna vertebral de ingeniería conectada sigue siendo uno de los mayores obstáculos del sector.

Uno de los mayores desafíos que enfrenta la industria es contar con una infraestructura de ingeniería conectada que vincule los datos de ingeniería, las plataformas de ciclo de vida y los flujos de trabajo, proporcionando a los agentes el contexto y la trazabilidad necesarios para actuar de manera transversal entre funciones. Esto es especialmente relevante al aplicar la IA a decisiones críticas de ingeniería, lo que convierte a la gobernanza de datos de ingeniería en una prioridad estratégica.

Gobernanza y derechos de decisión sobre IA en el sector automotriz

Solo el 5 % de las organizaciones describen su modelo de gobernanza de IA como plenamente maduro, mientras que menos de la mitad han redefinido la autoridad de toma de decisiones necesaria en términos de inteligencia de decisiones de ingeniería.

Los datos del vehículo rara vez se traducen en acciones del vehículo.

Muchas organizaciones tienen dificultades para transformar la información derivada de la telemetría de los vehículos y de las actualizaciones inalámbricas en acciones de ingeniería para los vehículos en servicio, especialmente en la era de los vehículos definidos por software impulsados ​​por inteligencia artificial.

La IA está sacando a la luz nuevas dependencias en todo el ecosistema.

Los desafíos crecientes en torno a la propiedad y la soberanía, la rendición de cuentas, la ciberseguridad y un ciclo de vida de ingeniería impulsado por la IA están generando dificultades cada vez mayores, especialmente a medida que la IA se escala a través de las redes de socios. Esto ha incrementado la necesidad de una colaboración madura dentro del ecosistema de IA para el sector automotriz.

Cinco acciones para los líderes del sector automotriz

Para abordar estos problemas y aprovechar todo el potencial de la IA en el desarrollo de productos automotrices, las organizaciones deberían:

• Escalar la IA en el desarrollo de productos de forma paralela, no secuencial
• Crear un plano de control basado en agentes, fundamentado en evidencias y trazabilidad
• Hacer que los datos de ingeniería sean interpretables por máquinas
• Gestionar la ingeniería en función de tres métricas clave del ciclo de vida
• Cerrar el ciclo entre los vehículos en servicio y los equipos de ingeniería para mejorar el desarrollo de vehículos con IA

Este informe es esencial para CTOs, directores de ingeniería, responsables de I+D, directores de estrategia digital e IA, líderes de estrategia de producto y equipos de transformación de ingeniería que buscan pasar de la experimentación con IA a una ejecución fiable a lo largo del ciclo de vida del producto y construir una infraestructura de ingeniería conectada.