Por Canuto  

Stellantis usa inteligencia artificial para acelerar desde el software de sus vehículos hasta las simulaciones de ingeniería, mientras intenta mejorar sus márgenes y simplificar una estructura tecnológica compleja. Sus ingenieros, sin embargo, insisten en que la velocidad de las herramientas no elimina la necesidad de verificar sus resultados.
***

  • El equipo de conducción sin manos de Stellantis afirma que desarrolló en seis semanas un sistema que antes podía tomar hasta 18 meses.
  • La automotriz quiere reducir de cuatro años a 24 meses el desarrollo de sus sistemas STLA Brain y STLA SmartCockpit, con los primeros modelos previstos para 2027.
  • La IA acelera análisis y simulaciones, pero sus ingenieros mantienen controles humanos y debaten cómo proteger las habilidades técnicas fundamentales.

Stellantis acelera con IA mientras sus ingenieros mantienen el control

La inteligencia artificial llega en un momento de presión

Stellantis está incorporando inteligencia artificial en distintas etapas de la ingeniería automotriz, desde la programación de sistemas de asistencia al conductor hasta el análisis aerodinámico y las simulaciones de manejo. La empresa busca reducir los plazos de desarrollo y simplificar la tecnología que integra en sus vehículos, pero la iniciativa avanza mientras enfrenta márgenes estrechos y cambios en sus planes de electrificación.

La escala de la compañía ayuda a explicar el reto: Stellantis reúne 14 marcas, entre ellas Jeep, Ram, Peugeot, Citroën y Fiat, tras la fusión de Fiat Chrysler y el Grupo PSA en 2021. La empresa tiene sede legal en Países Bajos y dirige su ingeniería norteamericana desde el Chrysler Technology Center, en Auburn Hills, Michigan, un complejo de 5,4 millones de pies cuadrados que suele describirse internamente como un lugar donde todo ocurre “bajo un mismo techo”.

Ese legado también dejó sistemas y procesos diversos que la compañía intenta integrar. Ned Curic, director de Ingeniería y Tecnología, describió vehículos con numerosas pantallas y funciones que, a su juicio, no siempre responden a cómo los conductores utilizan realmente el auto; en su experiencia, una lección de Toyota es que una pieza de alta calidad puede ser, sencillamente, la que no se incorpora.

El desafío tecnológico coincide con una situación financiera difícil. Stellantis registró un margen operativo ajustado de 1,8% en el segundo trimestre, mientras que su CEO, Antonio Filosa, fijó como meta alcanzar 7% para 2030; la compañía también arrastra pérdidas en Europa, que aportó cerca de 38% de sus ingresos de 2025.

La transición eléctrica añadió presión a los planes del fabricante. En febrero, Stellantis anunció cargos por deterioro de valor de EUR 22.200 millones, equivalentes a unos USD $26.500 millones, después de revisar sus perspectivas; la cifra superó el cargo de USD $19.500 millones que Ford registró en diciembre y los USD $7.600 millones asumidos por GM en dos cargos, según el artículo de Fortune.

Menos tiempo para programar y reorganizar los vehículos

Joydip Saha, gerente global de ingeniería y responsable del sistema de asistencia en autopista L2+/Manos Libres, dijo que su equipo construyó en seis semanas el sistema de manos libres del Cherokee con herramientas de IA. Un proyecto comparable, explicó, antes podía tomar un año o incluso 18 meses, una reducción que ilustra el potencial de la tecnología para acortar ciclos de trabajo.

Durante una prueba en Auburn Hills, Saha mostró un Grand Cherokee modificado para ensayos, con cámaras instaladas en los espejos y un interruptor de emergencia que permite al conductor de seguridad desactivar el sistema avanzado de asistencia al conductor. El vehículo utiliza STLA AutoDrive L2++, que solicita la intervención humana cuando necesita ayuda; el sistema todavía tuvo dificultades para orientarse dentro del estacionamiento en forma de diamante del centro tecnológico.

La rapidez no lleva a Saha a delegar todas las decisiones en los modelos. El ingeniero dijo que no permitiría que su equipo empleara IA para diseñar arquitecturas, porque sus integrantes podrían perder la capacidad de depurar los sistemas; en tecnología vinculada a la seguridad, sostiene, los responsables deben poder explicar cada respuesta y hacerse cargo de los problemas que encuentre un cliente.

Stellantis también quiere acelerar el desarrollo de STLA Brain, una arquitectura que busca reunir en un sistema central cientos de unidades de control electrónico, y de STLA SmartCockpit, su plataforma de cabina digital. La meta, según los ingenieros consultados por Fortune, es reducir de cuatro años a 24 meses el tiempo de desarrollo de estos sistemas, con dos modelos iniciales previstos para 2027.

La simplificación también alcanza a las plataformas físicas. Amanda French, quien dirige equipos de plataformas, trabaja en STLA One, diseñada para abarcar desde autos pequeños del segmento B hasta vehículos medianos del segmento D; Stellantis aspira a que la arquitectura sirva para más de 30 modelos y apunte a superar los 2 millones de unidades para 2035.

Automatizar tareas sin abandonar la revisión humana

Ben Zawodni, gerente de ingeniería de software, dijo que una prueba de concepto para una plataforma global de observabilidad tomó una semana, frente a los seis meses que habría requerido antes de las herramientas de codificación agéntica. También señaló que algunos defectos que tardaban entre dos y tres semanas en corregirse ahora pueden resolverse en dos o tres días, una mejora que atribuye a la reorganización del trabajo y a la asistencia automatizada.

Para Zawodni, la IA puede liberar a los ingenieros de tareas repetitivas y permitirles asumir responsabilidades de diseño más amplias, como convertirse en arquitectos principales. Sin embargo, reconoció que parte del equipo teme perder conocimientos fundamentales, incluida la comprensión de detalles de programación; describió esa inquietud como válida, aunque considera que los profesionales también deben adaptarse a nuevas funciones.

La consigna de Curic es que “lo mejor que puedes hacer por tu carrera es hacerte redundante”: dejar un equipo funcionando bien y pasar a crear algo nuevo. El directivo, quien trabajó en Amazon, Microsoft y Toyota antes de llegar a Stellantis, vincula esa idea con equipos pequeños y responsables claros, pero admite que solo puede funcionar si la organización ofrece nuevas oportunidades y sus líderes gestionan el cambio con confianza.

La compañía no plantea que todo el personal vaya a desaparecer, y Curic dijo que Stellantis incorporaría “varios cientos” de ingenieros en Europa y Estados Unidos durante el año, según declaraciones que hizo en el Salón del Automóvil de París en octubre. Zawodni, por su parte, contó que trabaja al menos el doble que antes y que siente una fuerte urgencia por avanzar, mientras espera que la transición se gestione de manera responsable para los empleados.

En otras áreas, la IA funciona como asistente de análisis más que como sustituto de los ensayos. Arturo Guzman explicó que un modelo de su equipo puede estimar en unos tres minutos el efecto aerodinámico de un cambio en el divisor frontal de una camioneta Ram, cuando una simulación completa antes podía tardar entre 14 y 24 horas; el tiempo liberado se destina a nuevas solicitudes y a buscar patrones en los datos.

La simulación avanza, pero la confianza requiere tiempo

La aceleración del análisis no ha eliminado las pruebas físicas. Steve Kubiak, supervisor del túnel de viento, dijo que el equipo todavía suele evaluar un auto por día, mientras Todd Lounsberry utiliza IA para examinar datos de las últimas 20 corridas y detectar qué tendencias merecen atención; la herramienta aporta otra lectura, pero no cambia el ritmo de las pruebas en el túnel.

Mohammed Malik, responsable de simuladores de conducción desde el centro de investigación y desarrollo de Windsor, Ontario, describió un proceso donde los ingenieros pueden sentir un modelo antes de construir el vehículo y ajustar componentes como los resortes. Su equipo ha escaneado cerca de 20 caminos, desde circuitos hasta calles locales, en segmentos de 10 centímetros, y comparte modelos con colegas de Brasil e Italia en vez de trasladar autos entre continentes.

En ese entorno, Malik usa IA para orientarse entre los miles de canales de datos que produce una corrida del simulador, por ejemplo, cuando un vehículo golpea un bache y se desvía ligeramente. Su aspiración es que un agente pueda consultar las evaluaciones de conductores de prueba y manejar el simulador hasta encontrar una respuesta adecuada para un modelo Jeep, pero reconoce que algunas capacidades todavía no están disponibles y que Stellantis avanza con cautela.

La cautela también aparece en la investigación con usuarios y en las decisiones sobre qué tecnología desarrollar. Mel Roberts, directora de infoentretenimiento de Norteamérica, afirmó que su herramienta de investigación devuelve entre 10 y 15 fuentes que deben verificarse una por una; para ella, el resultado hace más sólido el trabajo, pero no necesariamente ahorra tiempo.

En innovación, Anne Laliron dirige un grupo de investigación tecnológica de unas 400 personas y decide qué proyectos merecen recursos; indicó que su equipo diseña internamente algunas celdas de batería y trabaja con startups para otras tecnologías, pues perseguir todas las opciones puede dispersar esfuerzos. Stellantis colabora, entre otras, con la británica Wayve en percepción para conducción asistida, con la francesa Tiamat en baterías de sodio-ion y con Zeta Energy en baterías de litio-azufre.

La empresa también trabaja con Factorial, startup de Massachusetts con la que desarrolla una batería de estado sólido para un prototipo eléctrico del Dodge Charger, y tiene una participación en el fabricante chino Leapmotor, cuyos vehículos vende fuera de China a través de una empresa conjunta. Laliron calcula que la tecnología de Factorial aún está a entre tres y cinco años de la producción automotriz, mientras su grupo descarta cada año alrededor de 10% de los proyectos que no avanzan como esperan.

Alison Rahm, ingeniera jefe de vehículos para SUV medianos y grandes, compara la llegada de la IA con la sorpresa que provocó el correo electrónico cuando se anunció a su equipo en 1997. Las herramientas actuales pueden revisar listas de unas 1.000 prácticas de diseño, pero Rahm cree que la confianza plena requerirá otro ciclo de vida para comprobar los supuestos, un proceso que estima en unos cuatro años, aunque los plazos varían según el producto.

La experiencia del Cherokee resume esa transición: el sistema puede conducir en algunas condiciones, pero todavía necesita que Saha tome el volante para salir del estacionamiento complejo. El objetivo de Stellantis no es solo avanzar más rápido, sino determinar qué tareas puede delegar de forma segura; por ahora, la IA acelera cálculos y programación, mientras las decisiones críticas y la verificación siguen en manos de sus equipos.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados