Este artículo es una transcripción del primer episodio de la segunda temporada de IDology, el podcast de diseño industrial de Mindsailors. Puedes ver el episodio completo en YouTube o escuchar la versión de audio en Spotify , Apple Podcasts o Google Podcasts .

En el episodio de estreno de la segunda temporada de IDology, el director de operaciones de nuestra empresa, Voytek Holysz, se sentó con Piotr Dalewski, ingeniero de diseño mecánico en Mindsailors, una empresa de diseño industrial, y el cofundador de Mindsailors y diseñador senior, Rafal Pilat, para hablar sobre Inteligencia Artificial Generativa.

Todos podemos admitir, con todas sus ventajas y desventajas, que la IA Generativa es una herramienta excelente para diseñadores de productos y similares. Algunos incluso dirían que ayuda a omitir algunos pasos de diseño... Pero ¿puede realmente revolucionar el flujo de trabajo de diseño de productos? ¿Deberíamos realmente confiar en la IA? ¡Descubrámoslo!

Voytek Holysz: Bien, creo que podemos continuar con esta conversación porque ya la hemos tenido antes. Recuerdo que, Piotr, mencionaste que antes de hablar de la IA en el diseño y de por qué la IA no es necesariamente una herramienta que lo resuelva todo para los diseñadores industriales, primero debemos responder a la pregunta: ¿por qué se diseñan nuestros productos y cómo?

Piotr Dalewski: Sí, creo que comprender los antecedentes del proyecto es crucial para el éxito del producto. Al inicio de nuestro proceso de diseño, intentamos comprender a fondo la visión de nuestro cliente, sabiendo que este dispositivo específico debe satisfacer ciertas necesidades específicas. Estos productos suelen ser innovadores, aún no están en el mercado y no tenemos otros productos con los que compararlos. Así que, en realidad, estamos limitados por nuestra imaginación, pero esta no es tan fácil de plasmar en la propuesta; podemos incluirla en un navegador GPT o con IA.

Voytek: Sí. Dijiste que, si entiendo bien, se trata de comprender las ideas detrás de los productos para que sean buenos, y la IA es algo muy literal; como mencionaste, las indicaciones deben ser muy literales para que la IA genere algo, porque si introduces una idea en una indicación, la IA no sabrá qué darte.

Piotr: Sí, de hecho, nuestros clientes no quieren soluciones genéricas ni problemas genéricos. Nuestras ideas surgen, a veces, de muchas horas de debate, muchos correos electrónicos y algunos talleres, donde analizamos las necesidades de los usuarios, de las empresas manufactureras e incluso la visión de los inversores o de todas las partes interesadas. Por lo tanto, comprender esas necesidades e integrarlas en el briefing requiere mucho tiempo y mucha empatía; necesitamos comprender toda la visión y la lógica del proceso.

Creo que también es importante que cada cliente tenga una visión diferente, que cada producto se dirija a un cliente diferente, pero que también tenga necesidades diferentes. Por ejemplo, cuando una empresa lanza su primer producto al mercado, se centra en la fabricación a pequeña escala, y en el diseño, especialmente en la documentación o el desarrollo posterior, nos centramos en las soluciones que mejor se adaptan a sus necesidades. Así, por ejemplo, evitamos los métodos de ensamblaje complejos o sofisticados, ya que incrementarían el coste de su comercialización. Si se trata de una gran empresa que ya ha lanzado varios productos, conoce su mercado y sabe que puede invertir grandes cantidades de dinero, podemos centrarnos en tecnologías más avanzadas.

Antes de diseñar, debemos tener una visión del producto. Si buscamos un diseño avanzado, podemos sugerir moldeo por doble inyección u otro tipo de sobremoldeo. Si diseñamos para la producción en masa, pensamos más en el ensamblaje: utilizamos sistemas de encastre a presión que facilitan el ensamblaje y reducen la mano de obra. Todas estas necesidades influyen en nuestros trabajos de diseño, por lo que sería muy difícil redactar un programa que incluya todos esos elementos.

Voytek: Rafał, ¿cuántos años de experiencia tienes como diseñador industrial?

Rafał Piłat: Unos 18.

Voytek: Son 18 años. Es muy importante lo que has dicho; has mencionado la empatía; son 18 años negociando, extrayendo información y descifrando intenciones de otras personas: de clientes, compañeros de trabajo o fabricantes, como has mencionado. Ese es el tipo de trabajo que, basándose únicamente en datos o información, no sería posible sin empatía, sin comprender cómo piensa otra persona, qué piensa cuando dice algo, porque no siempre es lo mismo. Entonces, ¿estás de acuerdo en que esta empatía puede ser la clave de todo? ¿Esa falta de empatía simplemente dice: «No, esto no será posible»?

Rafał: Diría que uno de los mayores problemas al trabajar con clientes es, como dijiste, extraerles información. A menudo nos encontramos con clientes a quienes les cuesta verbalizar sus ideas, describirnos lo que realmente necesitan; ni siquiera son conscientes de ciertos problemas que su producto debería resolver. Por eso, no solo debemos interpretar los deseos de nuestros clientes, sino también imaginarlos y ponernos en el lugar de quienes realmente usarán esos productos.

Así que, supongo que esto es uno de los aspectos más importantes para un diseñador: poder ponerse en el lugar de otra persona e intentar imaginar cómo se usará el producto y qué posibles problemas pueden surgir al usarlo. Los modelos de IA actuales tienen un conocimiento muy limitado para interpretar nuestras ideas y, por ejemplo, encontrar soluciones a nuestros problemas. Están entrenados específicamente con texto o imágenes; lo que les falta es experiencia en, por ejemplo, la resolución de problemas, que está relacionada, por ejemplo, con el movimiento, la construcción, el proceso de fabricación, etc. En este sentido, creo que la generación actual, quizás la próxima generación de IA o algún tipo de modelos de IA expertos, podrán resolver ciertos problemas o abordarlos de alguna manera, pero la generación actual es muy limitada en términos de proceso creativo y enfoque creativo para resolver problemas, como ya mencioné.

Voytek: Sí, es como recuerdo que éramos. Creo que una vez mencionaste un meme sobre la seguridad de los diseñadores gráficos, porque si la IA los reemplazara, los clientes primero tendrían que decir qué quieren realmente. En todo trabajo creativo, es un proceso de entendimiento mutuo antes de llegar a un resultado.

Rafał: Sí, estoy seguro de que no solo los diseñadores industriales, sino todo tipo de personas que tratan con clientes y trabajan en el ámbito creativo estarán de acuerdo en que trabajar con ciertos clientes puede ser una cuestión de conjeturas, en lugar de intentar interpretar sus intenciones y, por ejemplo, cómo materializan un briefing de producto en algo viable. Así que, sin duda, estamos a salvo en este sentido.

Piotr: Me gustaría añadir algunas palabras sobre la extracción de datos para los clientes. Al iniciar el producto, solemos tener un resumen. Podríamos decir que es una especie de guía. Pero en realidad, no solo extraemos estos datos, sino que también los validamos; intentamos comprender, como personas con más experiencia, el propósito de este dispositivo. Intentamos validar todas las necesidades que los clientes detectan, pero también identificamos los problemas que podrían surgir y, quizás, añadimos funciones adicionales que mejoren el producto. Así que no se trata de generar el diseño, sino que también intentamos desarrollar o refinar los datos de entrada para lograr los mejores resultados.

Voytek: Eso también es interesante porque has comparado el resumen del proyecto con una propuesta para diseñadores, lo cual es una comparación brillante. Y aun así, cuando le das una propuesta a la IA, al menos por ahora, simplemente se pone a trabajar. Y como dijiste, lo primero que haces es analizar el resumen con escrutinio, con una confrontación crítica, con hechos para validar si tiene sentido desde la perspectiva del proyecto. Esto es algo que, al menos por ahora, desconozco, que la IA pueda hacer algo así.

Piotr: Bueno, también es muy importante que no lo hagamos nosotros mismos. Nuestro equipo de diseñadores se centra en eso; organizamos un taller o una lluvia de ideas con un cliente. Así que, diría que hay muchísimas "computadoras" que buscan la mejor solución. Y lo que también es bastante curioso durante estos talleres y reuniones es que he notado que no es tan fácil comunicarse entre nosotros porque las palabras son las mismas, pero en realidad, detrás de ellas hay algo diferente.

Por ejemplo, si el cliente dice: "Quiero algo futurista", a alguien le parecerá algo parecido a Star Wars, a otro le parecerá Interstellar o ciberpunk, así que la misma palabra tiene varios significados. Por eso, durante las primeras etapas del proceso de diseño, nos comunicamos no solo con palabras, sino que también preparamos mood boards. A veces, en cuanto a la estética, nos comunicamos más con imágenes que con palabras. Cuando intentamos explicarnos algo, también movemos las manos o intentamos comunicarnos no solo con palabras, y cuando se trabaja con una IA, no es imposible. Esa es una gran ventaja cuando se trata de trabajar con un equipo de diseño.

Voytek: Pero también, lo que mencionaste, "diséñame algo futurista": la IA simplemente tomaría los ejemplos ciberpunk, interestelares, etc., los combinaría y te daría "algo futurista". Así no es como trabaja un diseñador. Es decir, como diseñador, usas mood boards e inspiración, pero no tan literalmente como lo hace la IA.

Rafał: Sí, supongo que siempre es cuestión de gustos, pero la estética de un proyecto o de un producto es solo parte del diseño porque, repito, el elemento clave de cada diseño es su funcionalidad y construcción. No podemos diseñar, o mejor dicho, intentamos no diseñar solo cosas que solo sean bonitas; deben cumplir una función. No creamos una imagen, sino una visualización de algo que eventualmente se convertirá en un producto.

Así pues, los principios son completamente diferentes cuando se piensa en construir algo con bloques y cuando se intenta simplemente pintar un cuadro. Son dos procesos completamente distintos y requieren enfoques también completamente distintos.

Voytek: Bien. Recuerdo que también hablamos de cómo la IA gestiona la ingeniería inversa, porque hablamos de crear algo completamente nuevo: nuevas ideas, nuevos productos, nuevas soluciones, lo que no implica necesariamente nuevas formas ni inventar nuevos colores. Aun así, requiere cierta originalidad, lo cual es un problema para la IA, que básicamente trabaja con un conjunto de imágenes. También es importante comprender, como dijiste, la funcionalidad, porque sabemos que está diseñada para ser un dispositivo, no solo una imagen bonita. Mencionaste que probaste la ingeniería inversa para tus diseños con IA. ¿Cómo te fue?

Rafał: No salió muy bien porque cuando le pregunté, creo que era Midjourney, si podía interpretar o describir una imagen que realmente veía, le costó identificar no solo el dispositivo, sino también su función, así que la suposición fue completamente errónea. Pero, claro, no debería sorprenderme, porque al final, incluso si a veces mostramos nuestro diseño a la gente, también les cuesta adivinar qué dispositivo o qué objeto es, cuál es su funcionalidad, cuál es el propósito principal de dicho dispositivo.

Así que, supongo, no deberíamos esperar habilidades revolucionarias de un modelo de IA, que, recordemos, está entrenado con algo ya existente: si se le presenta un problema al analizar una imagen que no se asemeja a nada existente en el mundo, tendrá dificultades para interpretarla. Y también funciona a la inversa: cuando se espera una forma o, digamos, una estética o una construcción muy creativas que deben ser originales, que no deben ser una copia de nada, a veces, digamos, la apariencia no se corresponde con la funcionalidad de un objeto. La IA no podrá trabajar con un diseño tan específico.

Entonces, supongo que esas son actualmente las mayores limitaciones, en mi opinión, al utilizar los motores de IA para generar incluso ideas iniciales para objetos.

Voytek: ¿Puedes darme un ejemplo de lo que estás describiendo?

Rafał: Sí, claro, teníamos un proyecto que era una mesa para peluqueros, era un mueble para teñir el cabello.

Voytek: ¿Como una estación de trabajo?

Rafał: Estación de trabajo para un peluquero con el propósito de facilitar el proceso de teñido del cabello. Teníamos un contexto interno: cada vez que alguien venía a nuestra oficina, ya fuera un cliente o un amigo, durante un tiempo teníamos un prototipo y siempre preguntábamos: "¿Adivinan para qué sirve este dispositivo?". No creo que nadie se acercara a adivinar su función; creo que la mejor suposición era que podría servir para algún tipo de maquillaje, como una estación para aplicar maquillaje o algo similar, pero nadie había adivinado que en realidad era una estación de teñido o un aparato de peluquería.

Voytek: ¿Llegamos al punto, al menos en esta etapa, de hablar de herramientas de IA en el diseño de productos? Están entrenadas con datos muy universales, de modo que la IA puede decirte que está analizando un dispositivo médico. Respondería como una persona normal: "¿Qué es esto?": "Esto es algún tipo de dispositivo médico". Pero si le mostraras ese mismo dispositivo a un médico o a alguien que trabaje con dispositivos similares, probablemente podría decir: "Esto es un electrocardiograma portátil o algo así".

Rafał: Sí, supongo que esto está parcialmente relacionado con el proceso de aprendizaje de la IA, ya que intenté entrenarla con mis propias imágenes, usando un conjunto de imágenes que preparé. Se puede usar, por ejemplo, el motor para intentar adivinar lo que ve, pero se pueden obtener mejores resultados si se realiza la descripción uno mismo. Esta descripción debe ser lo más precisa posible. Por ejemplo, si muestro la imagen de una persona de seis años y la siguiente es de una persona de siete, puedo enseñarle a la IA que la cara de la primera imagen tenía una edad diferente a la de la segunda. Esto se relaciona con enseñarle a la IA cómo interpretar lo que ve.

Obviamente, cuanto mejor sea la descripción, mejor será el resultado final. Pero aun así, como dije, incluso a las personas con conocimientos básicos a veces les cuesta describir el propósito de un dispositivo que no han usado ni visto antes. Por lo tanto, supongo que incluso los médicos podrían tener problemas cuando les mostramos, por ejemplo, mi espiral, que es un espirómetro portátil, que no se parece a ningún otro. Por lo tanto, supongo que podría ser problemático, incluso para un médico, intentar adivinar qué es este dispositivo.

Voytek: Bien, por ahora, hasta cierto punto, también es cuestión de experiencia o conocimientos técnicos por parte de la IA. Porque, como dijiste, tiene conocimientos generales, un concepto general, pero la falta de conocimientos técnicos la hace aún inconsciente o incapaz de interpretar exactamente qué debería diseñar.

Piotr: En realidad, no conocemos bien los conocimientos básicos de algún tipo de IA; sabemos que son modelos entrenados. Lo crucial es saber cuáles fueron los datos de entrada. Así que, ahora mismo, podemos generar texto, artículos de blog y crear las imágenes. Pero de cara al futuro, cuando se trate de diseñar productos completos, es decir, crear modelos CAD completos y herramientas a partir de una simple instrucción.

Creo que veo un gran problema: los modelos de IA se entrenan con ciertos tipos de datos, y estos datos deben validarse. Me refiero al conocimiento comprobado, a los diseños comprobados, incluyendo todos los detalles del diseño: ángulos de desmoldeo o radios de curvatura, o simplemente los datos técnicos. Si queremos entrenar, por ejemplo, un algoritmo de IA que genere estos datos, deberíamos alimentarlo, deberíamos enseñar a partir de los diseños comprobados. De hecho, estos diseños no están disponibles en internet. Existen bases de datos como GrabCAD, donde los usuarios pueden compartir los RDS, pero no están validados ni probados por los fabricantes de herramientas; son simplemente datos aleatorios, y muchos de ellos pueden tener fallos, errores y similares.

Por lo tanto, en cuanto a la inversión, dado que el desarrollo de productos es una inversión importante, tenemos esto en mente y debemos centrarnos en datos validados. Sería muy difícil obtener estos datos para entrenar algún tipo de modelo de IA que nos brinde buenos resultados. Dado que se trata de datos seguros, no compartimos nuestros productos ni proyectos en línea, e incluso las grandes empresas no muestran sus productos. Se puede ver solo la imagen o algún tipo de renderizado, pero no se tiene una fórmula completa de fabricación; se puede aplicar ingeniería inversa.

Voytek: Podemos adivinarlo hasta cierto punto.

Piotr: Sí, o se puede comprar, desmontar y medir todo, lo cual es un proceso muy laborioso y costoso. Pero, de hecho, creo que entrenar un modelo así sería posible en entornos cerrados, en grandes empresas, hasta cierto punto, para ciertos productos configurados, tal vez algún tipo de transportadores de rodillos, cosas así.

Sin embargo, nos cuesta mucho tiempo y mucho conocimiento, algo que no es fácil de adquirir. Y las fuentes de este conocimiento son muy limitadas; normalmente, se requiere formación en algún área de diseño. Hay que contratar a una empresa de fabricación y luego aprender paso a paso. Por lo tanto, creo que esto es bastante complejo.

Por otro lado, si analizamos el pasado, cuando se desarrollaron ciertas tecnologías, su costo aumentó en el mercado global. Es decir, la aparición de nuevos softwares de diseño provocó un aumento en el lanzamiento de productos al mercado. Y creo que el desarrollo de la IA definitivamente transformará el mercado y la forma de trabajar de los diseñadores. Pero, en realidad, creo que será más una herramienta, o mejor dicho, un aliado.

Por lo tanto, creo que la gente será más creativa, estará más inspirada para desarrollar nuevos productos y surgirán más. Pero siempre se necesitará alguien que lo demuestre, que verifique todos los hechos y, de hecho, para que esos productos lleguen al mercado, necesitaremos a alguien que guíe el proceso.

Rafał: Sí, tal como lo veo, esas herramientas, esas herramientas mejoradas con IA, se convertirán en algún tipo de asistencia durante el diseño o modelado. Me imagino que tal vez tendremos algún tipo de creador que agilice nuestro trabajo; por ejemplo, seleccionaremos algunas piezas e intentaremos fusionarlas, y luego una máquina sugerirá la mejor manera de hacerlo, o incluso seleccionará, basándose en el peso simulado de las piezas, cuáles serían los mejores tornillos y tuercas para dicho ensamblaje.

Así que, tal vez, veamos algún tipo de asistentes que mejoren nuestro trabajo, que simplemente lo hagan más eficiente. Pero supongo que no espero un modelo que haga todo el trabajo por mí. Porque, al final, se trata de una discusión entre conocimiento y experiencia.

Creo que la máquina siempre tendrá algún tipo de conocimiento teórico, pero sin una verificación práctica real de alguien más, o una validación práctica de un prototipo y la experiencia proveniente de trabajar en diferentes tipos de proyectos o productos, nunca será tan eficiente como un humano que realmente resuelve problemas específicos, o tiene un vasto conocimiento general sobre diferentes temas relacionados con el diseño de productos, en este caso.

Piotr: Debemos ser conscientes de que los costos de diseño son solo una fracción de todo el proceso de fabricación o de todo el proceso de diseño; dependiendo del proyecto, puede ser alrededor del 10 o 15 % y, para desarrollar este proyecto, se necesitan diseñadores o tomadores de decisiones competentes y experimentados que se responsabilicen de todas esas elecciones.

Rafał: Y no sólo diseñadores, porque desarrollar un nuevo producto es un proceso tan complejo que, además de diseñadores, se necesitan ingenieros y también especialistas en otros campos.

Voytek: Se necesitan expertos en logística, marketing, negocios, finanzas, impuestos y seguridad. Por lo tanto, es necesario comprender a todas las partes interesadas o perspectivas de un producto.

Rafał: Así es. Y cada una de esas personas desempeña algún tipo de rol e influencia en cada proyecto. Así que supongo que sería ilusorio esperar que la IA simplemente haga todo el trabajo por nosotros.

Piotr: Estas son solo nuestras suposiciones. Quizás en 10 años estos episodios estén muy desactualizados.

Rafał: Y nos reiremos.

Voytek: Sí. Porque existe una necesidad subconsciente humana de decirnos que somos tan irremplazables y únicos que pensamos: «Ni hablar, jamás lo lograré», pero ¿quién sabe? Quizás con el tiempo haya una IA independiente para cada experto, que trabajarán en conjunto en oficinas de diseño industrial de IA.

Rafał: Es cierto. ¿Quién sabe? No se puede predecir con certeza cómo funcionarán los modelos dentro de 10 años, cómo avanzará la investigación en IA; quizá las máquinas lo hagan mejor que nosotros.

Voytek: Bueno, probablemente hasta que no haya un gran salto en el poder de cómputo, no va a cambiar.

Rafał: Sí. Todavía tenemos que esperar a que aparezcan modelos de IA general, que aún no han aparecido. Y supongo que, hasta que no tengamos algo así, no podemos esperar trabajo creativo real ni herramientas para la resolución de problemas.

Voytek: Genial. ¡Genial charla, chicos! Gracias.

Rafał: Gracias.

Piotr: Gracias.

Piotr Dalewski, ingeniero de diseño mecánico de Mindsailors, pone énfasis en la capacidad de fabricación, el diseño para el ensamblaje y la optimización del producto dentro del enfoque de ingeniería de valor en todo el proceso de I+D.

Rafał Piłat es un empresario y cofundador de Mindsailors, una premiada empresa de diseño industrial, con más de 18 años de experiencia como diseñador.

Voytek Holysz es el director de operaciones de Mindsailors y cuenta con 16 años de experiencia en la gestión de empresas de servicios B2B creativos, marketing, ventas y producción de vídeos.