Europe 
Türkiye 
United Kingdom 
Global 
Iniciar sesión con mi cuenta Xometry 
El CEO y cofundador de Bench, Martin Bielicki, nos explica por qué la ingeniería de hardware es la próxima frontera para la IA, qué se necesita para automatizar la preparación de la geometría y la reconstrucción de CAD, y por qué el contexto supera a la capacidad bruta del modelo.
El tiempo dedicado a ejecutar es tiempo que no se dedica a pensar
¿Cuál es el problema actual de los flujos de trabajo de ingeniería?
El diseño de hardware está lleno de flujos de trabajo muy manuales. En muchos casos, los ingenieros saben qué hacer, pero pasan la mayor parte del tiempo ejecutando lo que saben, no pensando en qué hacer. Eso es ejecución, no I+D ni innovación, que es por lo que se les debería pagar.
Antes, el software era muy parecido, pero la IA ha marcado una gran diferencia en ese campo; el desarrollo de hardware tendrá que seguir el mismo camino.
¿Cuáles son las consecuencias?
La consecuencia de primer orden es, evidentemente, la pérdida de tiempo de los ingenieros.
Pero los efectos secundarios son mayores. Si tu equipo de simulación dedica el 50 % de su tiempo a la preparación de la geometría, no está ejecutando más iteraciones. Eso significa un mayor tiempo de comercialización y diseños de productos subóptimos.
Los responsables de ingeniería empiezan a ver esto como una cuestión existencial. No todos, pero se está llegando a ese punto. La sensación es que necesitan adoptar la IA para no quedarse atrás.
A veces, el hecho de que el proceso sea manual significa que simplemente no se puede hacer en absoluto. Puede que tengas una malla STL que necesites como CAD paramétrico. El ingeniero tendría que rehacer todo el modelo en CAD. Sería muy beneficioso, pero es inviable. Así que el trabajo simplemente no se hace.
¿Experimentaste el problema de primera mano?
Sí. Soy ingeniero mecánico. En la universidad fundé un equipo llamado Hyperlink que acabó construyendo la primera cápsula Hyperloop de Londres. Dirigí a un centenar de ingenieros en nueve equipos (estructuras, aerodinámica, electrónica y software). Incluso en un entorno académico se podía ver lo manuales que eran los procesos, los cuellos de botella que se formaban y lo difícil que era automatizarlos.
Eso fue entre 2020 y 2022, es decir, antes de los LLM. Cuando los LLM entraron en escena, enseguida pensé en aplicarlos a mi sector. La visión siempre fue crear un ingeniero mecánico de IA. Solíamos llamarlo el Cursor para el hardware. Ahora es más bien el Claude Code para el hardware. Los nombres cambian, pero la visión es la misma.
Una plataforma para controlar y automatizar tus herramientas de ingeniería
¿Qué hace Bench?
Estamos creando lo que llamamos un Sistema de Ejecución de Ingeniería (EES). No encaja perfectamente en las categorías existentes de CAD, CAE o gestión del ciclo de vida del producto (PLM). Es un software independiente que se superpone a las herramientas existentes, se conecta a ellas y ejecuta tareas de forma autónoma traspasando sus límites.
En programación, tu agente vive en tu IDE y ahí es donde ocurre todo. En ingeniería, tenemos CAD, simulaciones, documentación, PLM, requisitos; todo en herramientas diferentes. Hay que cruzar las fronteras entre ellas para tener el contexto suficiente y realizar tareas de principio a fin. Eso es lo que hace Bench.
Tu sitio web menciona la preparación de la geometría para simulación, la optimización autónoma y la conversión de STL a CAD paramétrico. ¿Puedes explicarnos estos procesos?
Estamos empezando con la simplificación de la geometría para simulación y el paso de STL a CAD. En realidad, ambos se solapan técnicamente.
La preparación de la geometría es el mayor cuello de botella para los equipos de simulación. Los equipos de simulación de grandes empresas con los que hablamos dedican hasta el 70 % de su tiempo a la limpieza de la geometría. Existen herramientas como ANSA que hacen el 90 % del trabajo, pero ese último 10 % requiere dos días de trabajo manual. Para un modelo de motor complejo, eso supone 30 horas de simplificación de geometría. Son cifras reales de equipos de ingeniería empresariales.
La conversión de STL a CAD paramétrico es el otro punto de partida. Podemos pasar de un archivo STEP a un archivo CAD nativo totalmente paramétrico en Onshape con croquis y parámetros totalmente restringidos. Un modelo que a un ingeniero le llevaría cuatro horas, nosotros lo hacemos en 15 o 20 minutos. Una vez que terminemos completamente la conversión de STL a STEP, podrás pasar de STL a CAD paramétrico en la herramienta que elijas.
Entonces, ¿cuál es el solapamiento entre ambos procesos?
Nuestro enfoque de la simplificación de geometría es diferente al tradicional. Normalmente, se convierte a malla y se simplifica en ese entorno porque es más fácil para los humanos. Lo que hacemos nosotros es utilizar nuestra capacidad de pasar de STL a CAD paramétrico para parametrizar primero el modelo y, a continuación, simplificar las operaciones en el modelo paramétrico. Es más fácil para los agentes operar en CAD parametrizado que en mallas. Por tanto, ambos casos de uso se basan en la misma tecnología subyacente.
El caso de la optimización autónoma se basa en ambos. Ahí es donde se necesita la inteligencia de CAD, pero también hay que tener en cuenta los resultados de la simulación, por lo que trabajas con dos herramientas. Por ahora es un enfoque más de futuro.
Afirmas que no hay alucinaciones de la IA. ¿Cómo es posible?
Ese es el núcleo de nuestra tecnología. Hemos creado una nueva representación para la ingeniería llamada PRISM que combina todo el contexto de ingeniería, lo que incluye el CAD, la simulación y los datos de intención de diseño en una sola.
Piénsalo de esta manera: tu CAD no sabe por qué fue diseñado; el ingeniero sí lo sabe. Quizá una simulación mostró que una pared no puede tener menos de 5 mm. Quizá el ingeniero aprendió hace tres años que dar una forma determinada a una pieza la hace fabricable. Ese contexto impulsó el diseño, pero no se refleja en el archivo de CAD.
Creemos que un modelo ligeramente inferior con el contexto adecuado superará a un modelo mucho más capaz que carezca de él. Por tanto, el primer paso para utilizar Bench es compartir el contexto. El ingeniero le indica a Bench lo que importa (parámetros clave, restricciones, intención de diseño). Si el contexto está incompleto, Bench hace preguntas de seguimiento. Eso puede llevar entre 10 y 20 minutos, pero si se automatiza un proceso que llevaría 10 horas manualmente, sigue siendo un gran avance.
La segunda parte consiste en fundamentarlo todo en un entorno matemático. Convertir STL a CAD implica muchos cálculos exactos. Combinamos el razonamiento semántico de los LLM con algoritmos deterministas que limitan el resultado a la verdad matemática. Los agentes tienen un terreno de juego y las matemáticas establecen los límites.
Sectores que iteran
¿Qué tipo de empresas se benefician más?
Las grandes empresas. Si se buscan casos de uso muy específicos, a las empresas pequeñas simplemente no les importa lo suficiente. Si te diriges a un equipo de simulación de una gran empresa y automatizas su simplificación de geometría, eso supone el 20 % de su trabajo. Pero si vas a una startup de hardware de cinco personas, el 20 % de su trabajo se reparte entre 20 capacidades diferentes. Necesitas un producto mucho más amplio para conseguir la misma mejora. Así que estamos empezando por las grandes empresas y avanzando hacia abajo.
Los sectores con grandes necesidades de iteración son los más interesados, como la automoción, el sector aeroespacial y algunas empresas industriales más grandes. La automoción, en especial, sufre presiones de costes en estos momentos, por lo que busca activamente ser más eficiente.
¿Tenéis ya clientes utilizando el producto?
Actualmente estamos realizando implementaciones piloto con empresas. No puedo dar muchos detalles porque todas están sujetas a acuerdos de confidencialidad (NDA), pero la gente está utilizando Bench activamente.
¿Cuál es la mayor ventaja que observan los usuarios?
Habilitar un proceso que antes era inviable por ser manual. Por ejemplo, convertir archivos STEP a CAD paramétrico nativo para explorar espacios de diseño. El cliente necesitaba modelos parametrizados pero no podía justificar las horas de ingeniería necesarias para redibujarlos a mano. Ahora puede hacerlo automáticamente. Ese es el mayor logro.
En segundo lugar, muy de cerca, se encuentra el hecho de que los equipos de simulación comprendan que eliminar los cuellos de botella de la preparación de la geometría aumenta directamente el número de iteraciones que pueden ejecutar.
La implementación comienza con los KPI
¿Cuánto cuesta Bench?
Vendemos licencias para empresas, personalizadas para cada acuerdo. No cobramos por usuario en el sentido tradicional. Cobramos por capacidad (por ejemplo, de STL a CAD o la simplificación de la geometría) y luego el precio varía según si se implementa en un equipo o en todo un departamento.
Las empresas de ingeniería están acostumbradas a pagar 40.000 euros por una sola licencia de software de simulación, y algunas empresas de simulación ya cobran por ejecución o por nivel de precisión. Hacia ahí es hacia donde se dirige a grandes rasgos la fijación de precios de la IA. Por ahora somos un híbrido entre el pago por usuario y el pago por uso. Creo que en el futuro nos decantaremos más por el pago por uso, pero el mercado aún no está preparado para ello.
¿Cómo es la implementación?
Empezamos con un piloto centrado en el que establecemos KPI específicos en torno al ahorro de tiempo y la calidad de los resultados. Normalmente se necesita un ajuste fino para el caso de uso concreto, porque cada empresa tiene un flujo de trabajo ligeramente distinto o produce piezas que requieren algo específico.
Cuando el piloto tiene éxito, nos integramos también con el conjunto de herramientas de software local, como CATIA o Siemens NX. Durante la fase piloto preferimos ejecutar en CAD en la nube porque es más rápido iterar.
¿Dónde residen los datos?
Los datos se quedan con el cliente. Bench no retiene tus datos de CAD. Nos conectamos a través de la API o mediante el control de la interfaz gráfica y ejecutamos las conversiones en tu entorno de CAD. De este modo, un modelo redibujado en Onshape es un modelo completo de Onshape, igual que si lo hubieras creado a mano.
Creación de un cerebro de ingeniería escalable
¿Es muy competitivo este sector?
Actualmente hay muchas empresas de IA en el ámbito del software de ingeniería, pero se centran en subnichos: automatización de planos por IA, modelos subrogados de IA para acelerar simulaciones, o conversión de texto a CAD. Dentro de cada nicho, la competencia aún no es enorme. Cuando visitamos a los clientes, no solemos enfrentarnos a la competencia; la mayor parte de las veces nos enfrentamos a la inercia y a la decisión de no hacer nada.
En el ámbito de la programación, aparecieron diez agentes y todos hacen más o menos lo mismo. En la ingeniería, los flujos de trabajo son más complejos, estás atascado en herramientas especializadas y los puntos de partida son mucho más variados. Una IA para planos de ingeniería y una IA para la simplificación de geometría no tienen ningún solapamiento en la actualidad. En el futuro, ambos serán flujos de trabajo de ingeniería y puede que converjan, pero a día de hoy están completamente separados.
Has comentado que los ingenieros acabarán dirigiendo equipos de ingenieros de IA. ¿A qué distancia estamos de eso?
Es la pregunta que se hace todo sector basado en el conocimiento. Creemos que la ingeniería seguirá el camino del software. Los ingenieros de software están pasando de escribir cada línea de código a ser arquitectos. Redactan una especificación, se la pasan a un agente, revisan el resultado e iteran en lenguaje natural.
Queremos lo mismo para el hardware. Un ingeniero comparte la intención de diseño, lo que intenta conseguir, y los agentes ejecutan el trabajo. El ingeniero evalúa, itera y aprueba. Ya no están atascados seleccionando cada chaflán del modelo y eliminándolo a mano.
¿Hacia dónde se dirige Bench a partir de ahora?
Estamos empezando con dos casos de uso muy específicos. La conversión de STL a CAD puede suponer el 1 o 2 % de toda la ingeniería. La simplificación de geometría quizá otro 2 %. Sin embargo, nuestra ambición es automatizar toda la ingeniería. La forma en que desarrollamos la tecnología lo permite. No estamos creando casos de uso aislados unidos bajo un mismo techo. La tecnología principal basada en agentes es la misma en todos ellos: asimilación de contexto, planificación del flujo de trabajo y ejecución. Estamos construyendo un cerebro de ingeniería que se adapta a todos los casos de uso.
¿Destacarías alguna empresa de IA interesante en el ámbito de la ingeniería?
Synera es interesante. Llevan siete u ocho años automatizando flujos de trabajo para ingeniería, al principio sin IA, y ahora han añadido IA.
Hace poco conocí al fundador de NexCAD en el evento Develop3D Live y el caso de uso de la automatización de planos parece valer la pena. Otra empresa más reciente que descubrimos en el mismo evento es Depix; hacen IA para diseño conceptual, que es el mismo proceso que nosotros automatizamos, pero en una fase más temprana del flujo.
Related Topics
Uliana Krayneva
0
Manon Bouriaud
9
Comment(0)