Reescrevendo o Futuro da Indústria Automotiva com Inovações Inteligentes
À medida que o setor automotivo se torna cada vez mais saturado, com fabricantes de automóveis e fornecedores buscando ampliar suas participações no desenvolvimento de soluções de mobilidade futura, é crucial identificar inovações inteligentes que acelerem a pesquisa e desenvolvimento (P&D) para obter uma vantagem competitiva.
O desenvolvimento de produtos está se tornando mais digitalizado do que nunca, abrindo oportunidades para a implementação de softwares avançados de Inteligência Artificial (IA). Uma pesquisa recente da Forrester revelou que mais de dois terços (67%) dos tomadores de decisão em engenharia sentem a pressão para incorporar IA em seus fluxos de trabalho de engenharia para não perderem vantagem competitiva. Isso ocorre porque as ferramentas de IA oferecem uma ampla gama de benefícios para desbloquear um desenvolvimento de produto mais rápido e soluções de maior qualidade. Elas aceleram as etapas de validação demoradas e permitem o treinamento simultâneo de múltiplos modelos de IA autoaprendizagem, que melhoram e se tornam mais valiosos à medida que recebem mais dados e são adequadamente contextualizados pelo engenheiro.
No entanto, identificar os dados corretos e como aplicá-los melhor no fluxo de trabalho de engenharia pode ser incrivelmente demorado. De fato, cientistas de dados — muitos dos quais não são especialistas no domínio da engenharia — não possuem o entendimento dos procedimentos de teste para direcionar efetivamente os conjuntos de dados existentes que podem ser aproveitados pela IA, levando a investimentos desnecessários de tempo e recursos.
Isso significa que as organizações precisam fortalecer seus sistemas de gerenciamento de dados para identificar os dados úteis, o contexto de teste ou engenharia relevante, ou equipar suas equipes de desenvolvimento de produtos com as ferramentas certas para usar eficientemente os dados, o contexto e o software de IA por conta própria. Somente então a capacidade da IA de melhorar o desenvolvimento de produtos realmente impulsionará a eficiência em todo o fluxo de trabalho de engenharia e, portanto, facilitará efetivamente uma melhor inovação de produtos.
Para aumentar o desafio, pesquisas mostraram que, embora as figuras de liderança sênior entendam o potencial da IA, uma pequena porcentagem de suas equipes de engenharia está usando aprendizado de máquina para realizar análises de causa raiz com dados de teste históricos ou mesmo atuais. De fato, métodos modernos de simulação baseados em física ou procedimentos comprovados de teste de hardware dos anos 2000 ainda são usados em todo o processo de P&D. Mesmo que uma organização tenha uma estratégia de dados, ainda pode ser difícil para os engenheiros identificar corretamente dados históricos desses sistemas legados que podem ser aproveitados pelos engenheiros sem interromper os fluxos de trabalho existentes.
Em última análise, os dados e seu contexto de produto/teste correto são cruciais para realizar o pleno potencial da IA para aprimorar o desenvolvimento de produtos. A precisão dos modelos de IA depende não apenas da quantidade, mas também da qualidade dos dados. Os fabricantes de produtos, portanto, precisam aplicar tempo e esforço para entender os dados que possuem, considerar a complexidade do problema que estão tentando resolver com IA e o número de pontos de dados ao longo do processo que precisarão adquirir. Ferramentas avançadas como a IA não pretendem substituir programas de engenharia tradicionais, mas empregar dados existentes valiosos para aumentar o processo de engenharia e teste e garantir resultados precisos e confiáveis em menos tempo.
A IA possui um enorme potencial para ajudar as empresas automotivas a prever tendências e alcançar soluções significativas. Consequentemente, dar aos engenheiros os meios para entender seus dados na ponta dos dedos, como aplicá-los melhor aos seus fluxos de trabalho existentes e como alimentá-los efetivamente em um modelo de IA, pode desbloquear um caminho mais rápido para a inovação e dar à organização uma vantagem competitiva.
Ninguém conhece o valor da expertise e dos dados relacionados à engenharia melhor do que os próprios engenheiros, mas, no final das contas, eles não sabem o que não sabem. A IA pode desbloquear o verdadeiro valor dos dados para um negócio.
As opiniões expressas aqui são do autor e não refletem necessariamente as posições da Minha Caranga.
Oliver J Walter é Gerente Geral de Automotivo na Monolith, um provedor de software de inteligência artificial (IA) para as principais equipes de engenharia do mundo.
