En asociación con
Los hallazgos clave de la investigación incluyen:
La verificación, la gobernanza y la responsabilidad humana explícita son obligatorias en un entorno donde los resultados son físicos y el riesgo es alto. Cuando los ingenieros de productos utilizan la IA para informar directamente los diseños físicos, los sistemas integrados y las decisiones de fabricación que se corrigen en el momento del lanzamiento, las fallas de los productos pueden generar riesgos en el mundo real que no se pueden revertir. Por lo tanto, los ingenieros de productos están adoptando sistemas de IA en capas con distintos umbrales de confianza en lugar de implementaciones de propósito general.
El análisis predictivo y la simulación y validación impulsadas por IA son las principales prioridades de inversión a corto plazo para los líderes en ingeniería de productos. Estas capacidades, seleccionadas por la mayoría de los encuestados, ofrecen circuitos de retroalimentación claros, lo que permite a las empresas auditar el desempeño, obtener la aprobación regulatoria y demostrar el retorno de la inversión (ROI). Es imperativo generar confianza gradual en las herramientas de inteligencia artificial.
Nueve de cada diez líderes en ingeniería de productos planean aumentar la inversión en IA en los próximos uno o dos años, pero el crecimiento es modesto. La mayor proporción de encuestados (45%) planea aumentar la inversión hasta en un 25%, mientras que casi un tercio está a favor de un aumento del 26% al 50%. Y sólo el 15% planea un cambio mayor: entre el 51% y el 100%. El enfoque de los ingenieros de productos está en la optimización por encima de la innovación, siendo los puntos de prueba escalables y el retorno de la inversión a corto plazo el enfoque dominante para la adopción de la IA, en lugar de una transformación de varios años.
La sostenibilidad y la calidad del producto son los principales resultados medibles de la IA en la ingeniería de productos. Estos resultados, visibles para los clientes, reguladores e inversores, tienen prioridad sobre métricas competitivas como el tiempo de comercialización y la innovación (calificadas de importancia media) y las ganancias operativas internas como la reducción de costos y la satisfacción de la fuerza laboral, en la parte inferior. Lo que más importa son las señales del mundo real, como las tasas de defectos y los perfiles de emisiones, en lugar de los paneles de ingeniería internos.
Este contenido fue producido por Insights, la rama de contenido personalizado de MIT Technology Review. No fue escrito por el personal editorial de MIT Technology Review. Fue investigado, diseñado y escrito por escritores, editores, analistas e ilustradores humanos. Esto incluye la redacción de encuestas y la recopilación de datos para encuestas. Las herramientas de IA que pudieron haberse utilizado se limitaron a procesos de producción secundarios que pasaron una revisión humana exhaustiva.
Publicado originalmente en technologyreview.com el 12 de marzo de 2026.
Ver fuente original
