El impacto de la inteligencia artificial se extiende mucho más allá del mundo digital y llega a nuestra vida cotidiana, desde los coches que conducimos, los electrodomésticos en nuestros hogares, hasta los dispositivos médicos que mantienen a las personas con vida. Cada vez más, los ingenieros de producto recurren a la IA para mejorar, validar y optimizar el diseño de los elementos que configuran nuestro mundo.
El uso de la IA en la ingeniería de producto sigue una trayectoria disciplinada y pragmática. Una mayoría significativa de las organizaciones de ingeniería está aumentando su inversión en IA, según nuestra encuesta, pero lo hacen de forma mesurada. Este enfoque refleja las prioridades típicas de los ingenieros de producto. Los errores tienen consecuencias concretas más allá de los miedos abstractos, desde fallos estructurales hasta retiradas por seguridad e incluso la posibilidad de poner vidas en riesgo. El desafío central es materializar el valor de la IA sin comprometer la integridad del producto.
A partir de datos de una encuesta realizada a 300 encuestados y entrevistas en profundidad con altos ejecutivos de tecnología y otros expertos, este informe examina cómo los equipos de ingeniería de producto están escalando la IA, qué está limitando una adopción más amplia y qué capacidades específicas están dando forma a la adopción hoy y en el futuro, con resultados medibles reales o potenciales.
Los hallazgos clave de la investigación incluyen:
La verificación, la gobe anza y la responsabilidad humana explícita son imperativas en un ento o donde los resultados son físicos y el riesgo es alto. Cuando los ingenieros de producto utilizan la IA para informar directamente los diseños físicos, los sistemas embebidos y las decisiones de fabricación que se fijan en el momento del lanzamiento, los fallos de los productos pueden dar lugar a riesgos en el mundo real que no se pueden revertir. Por lo tanto, los ingenieros de producto están adoptando sistemas de IA por capas con umbrales de confianza distintos en lugar de implementaciones de propósito general.
La analítica predictiva y la simulación y validación impulsadas por IA son las principales prioridades de inversión a corto plazo para los líderes de ingeniería de producto. Estas capacidades —seleccionadas por la mayoría de los encuestados— ofrecen bucles de retroalimentación claros, lo que permite a las empresas auditar el rendimiento, obtener la aprobación regulatoria y demostrar el reto o de la inversión (ROI). Generar una confianza gradual en las herramientas de IA es imperativo.
Nueve de cada diez líderes de ingeniería de producto 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 un 25%, mientras que casi un tercio opta por un impulso del 26% al 50%. Y solo el 15% planea un salto mayor —entre el 51% y el 100%. El enfoque para los ingenieros de producto está en la optimización por encima de la innovación, con puntos de prueba escalables y un ROI a corto plazo como el enfoque dominante para la adopción de la IA, a diferencia de una transformación plurianual.
La sostenibilidad y la calidad del producto son los principales resultados medibles de la IA en la ingeniería de producto. Estos resultados, visibles para clientes, reguladores e inversores, se priorizan sobre métricas competitivas como el tiempo de comercialización y la innovación —clasificadas como de importancia media—, y las ganancias operacionales inte as como la reducción de costes y la satisfacción de la plantilla, que quedan en último lugar. 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 control de ingeniería inte os.
Este contenido ha sido producido por Insights, la división de contenido personalizado de MIT Technology Review. No ha sido escrito por la redacción de MIT Technology Review. Ha sido investigado, diseñado y redactado por escritores, editores, analistas e ilustradores humanos. Esto incluye la redacción de encuestas y la recopilación de datos para las mismas. Las herramientas de IA que se hayan podido utilizar se limitaron a procesos de producción secundarios que superaron una minuciosa revisión humana.