Europe 
Türkiye 
United Kingdom 
Global 
Iniciar sesión con mi cuenta Xometry 
En nuestra conversación con Luca Licciulli, director ejecutivo y cofundador de NEOCAD, hablamos sobre el funcionamiento de la plataforma, cómo se integra en la infraestructura CAD y PLM ya existente de una empresa, a quién va dirigida y cuál es el futuro de esta tecnología.
No hay forma de encontrar los archivos correctos
¿Cuál es el problema que te propusiste resolver?
Durante cuatro o cinco años trabajé con empresas fabricantes a través de mi anterior empresa, VRtualize, una empresa de software especializada en inteligencia artificial y tecnologías inmersivas que fundé en 2021. Al trabajar directamente con ingenieros y equipos técnicos, observábamos una y otra vez lo mismo: la ingeniería mecánica está llena de tareas repetitivas y de escaso valor añadido.
En la mayoría de las empresas manufactureras, especialmente en el mercado europeo en el que nos centramos, los ingenieros dedican mucho tiempo a buscar y recuperar información antigua de la base de conocimientos de la propia empresa. Programas como el CAD y el PLM realmente no ayudan a estos ingenieros a encontrar archivos antiguos, consultar documentación técnica, comparar revisiones o comprender las restricciones. Cada vez que un ingeniero crea algo desde cero, la tarea de menor valor es la búsqueda de la información y los archivos que necesita antes incluso de poder empezar con el dibujo propiamente dicho.
En pocas palabras, el problema es que muchas de esas empresas cuentan con una cantidad increíble de conocimientos técnicos que resultan tremendamente difíciles de aprovechar.
El conocimiento está ahí, pero las empresas no pueden acceder a él.
Sí, tienen los datos, tienen los conocimientos. Pero en ingeniería mecánica, y en ingeniería y fabricación en general, el software heredado siempre ha sido muy cerrado. En Europa, la mayor parte del software CAD sigue sin estar en la nube, sigue estando en las instalaciones de las propias empresas, porque les da mucho miedo compartir sus datos, y así lleva ya 20 años. Así que, incluso para las nuevas herramientas, era muy difícil acceder a estos datos y crear nuevas soluciones, y había muy pocas.
Gracias a la IA generativa, por fin tenemos la posibilidad de crear un sistema de coordinación que comprenda los modelos 3D nativos y todo el conocimiento técnico de la empresa, y que agilice todo el proceso para un ingeniero que inicie un nuevo proyecto de CAD.
¿Alguna de las personas con las que ha hablado ha cuantificado realmente la pérdida de eficiencia?
Sí, se desperdicia alrededor del 40 % del tiempo. Varía de un sector a otro, ya que cada uno tiene un proceso diferente, pero en los sectores en los que nos centramos, el automovilístico y el de la automatización, el 40 % del tiempo se dedica a crear duplicados y a buscar archivos.
Otra cosa que ocurre a menudo es que encuentran un archivo similar a lo que quieren crear, pero que en realidad no se ajusta perfectamente a sus necesidades. Lo que aporta la IA es que se deja de buscar por nombres de archivo y códigos de pieza y se empieza a buscar por la función real de la pieza. Cuando la herramienta encuentra un modelo por su geometría y su función, en lugar de por lo que figure en la descripción del PLM, ahí es donde radica la diferencia.
¿Cómo intentaban resolver esto las empresas antes de la IA?
Esto varía de una empresa a otra. El primer problema es que los sistemas PLM no bastan para centralizar las piezas en 3D, y el resto de la documentación técnica se encuentra dispersa en distintos programas informáticos o, incluso, como has dicho, en papel. Antes de la IA, el actor de referencia era Cadenas, fundada en 1992. PARTsolutions abarca piezas estándar, de proveedores y de la propia empresa mediante la búsqueda de similitud geométrica, y funciona, pero es un enfoque anterior a la IA: se clasifican y etiquetan las piezas por adelantado, y se busca por atributos. Lo que cambia con los LLM es la búsqueda en función de lo que realmente hace una pieza, en lenguaje natural, sin ese trabajo previo, lo que supone enormes beneficios para el ingeniero.
La IA solo ha hecho esto accesible en los últimos dos años, y ahora todo el mundo está intentando desarrollar su propia IA para CAD. El principal problema en este momento es la madurez de los modelos de IA generativa que sustentan nuestro producto y los de la competencia, ya que, mientras que en otros campos se pueden obtener excelentes resultados a pesar de algunos errores, en ingeniería mecánica la precisión es imprescindible. Incluso el más mínimo error puede hacer que una herramienta resulte inservible.
Una capa inteligente sobre CAD y PLM
¿Qué es NEOCAD?
Somos una plataforma de inteligencia artificial para ingenieros mecánicos. Puedes imaginarnos como una capa inteligente que se superpone a los sistemas CAD y PLM y que centraliza la documentación técnica y, sobre todo, los modelos 3D de las empresas manufactureras. Nuestro objetivo es ayudar a los ingenieros a buscar, comprender, reutilizar y, en última instancia, generar o modificar modelos CAD mediante la inteligencia artificial.
¿Dónde se encuentra la documentación y qué formatos se pueden procesar?
Hemos desarrollado conectores para cinco de los principales paquetes de CAD, entre los que se incluyen NX, Inventor y SolidWorks, además de los principales sistemas de PLM, como Teamcenter y Windchill. Podemos leer archivos 3D nativos, planos en 2D y archivos PDF. La diferencia radica en cómo gestionamos los modelos 3D. Instalamos nuestro software en los propios sistemas del cliente y hacemos que todo su archivo de modelos sea legible para la IA en muy poco tiempo. Esa parte está pendiente de patente, así que es todo lo que puedo decir al respecto.
Supongamos que busco un eje concreto. ¿Cómo puede distinguirlo de otros mil ejes similares?
En un modelo 3D hay varios factores que hay que tener en cuenta. Están las dimensiones, la geometría, la descripción dentro del PLM y el árbol de características, que es la forma en que se construyó la pieza. Cuando se es capaz de interpretar estos cuatro elementos, se puede diferenciar un modelo por su método de construcción, por sus dimensiones reales y por su geometría real. De este modo, si se utiliza la IA correctamente, se puede seleccionar el eje adecuado entre miles de ejes similares en una base de datos.
¿Devolverá un único resultado o una lista de opciones entre las que elegir?
Devuelve el resultado más similar, por lo que puede ser uno o varios. Si no encuentras exactamente lo que buscas, pero existe algo similar, la herramienta te lo mostrará.
También mencionó la creación de nuevas piezas. ¿Ya se puede utilizar o todavía está en fase de desarrollo?
Estamos trabajando en ello. Estamos llevando a cabo proyectos piloto de generación de modelos con grandes clientes industriales, pero no es ahí donde centramos la mayor parte de nuestros esfuerzos. Los modelos de IA generativa están avanzando rápidamente en este ámbito; es una ola que vamos a aprovechar, no una carrera en la que queramos competir nosotros mismos. Nuestra ventaja competitiva está en otra parte: en hacer que los conocimientos técnicos existentes de la empresa sean aplicables. Una vez sentadas esas bases, la generación se convierte en una función más, no en el producto.
La verdad es que esperábamos que Claude o GPT sacaran un conector para Fusion en algún momento, y eso es lo que ha pasado. Sabemos que no podemos competir con estos actores, por lo que es mejor seguir la evolución de estos modelos y diferenciarnos centrándonos en lo que las empresas manufactureras necesitan en este momento.
¿Qué nivel de complejidad tenéis en mente para el generador?
Los modelos generativos —y no me refiero solo a nosotros— serán capaces de gestionar ensamblajes incluso complejos. No sé exactamente cuánto tiempo falta para que eso ocurra, pero el avance es exponencial. Si comparamos cómo empezamos con la conversión de texto a CAD hace un año y medio con la situación actual, la evolución ha sido increíble. La tecnología está madurando lo suficiente como para trabajar con ensamblajes complejos y para que su uso se generalice en las empresas.
Pero no creo que la verdadera diferencia radique en la generación de modelos. Una vez resuelto el primer problema, la centralización de los conocimientos técnicos, el verdadero ganador será aquel que ofrezca esa centralización y, al mismo tiempo, desarrolle un sistema de coordinación entre diferentes herramientas. No solo software CAD, sino también de simulación, CAM, etc. Cuanto más adaptable sea esa herramienta a una empresa, mejor, porque si nos fijamos en 1.000 empresas manufactureras de Italia del mismo tamaño, todas utilizan las mismas herramientas pero ejecutan procesos completamente diferentes. Lo que los ingenieros realmente necesitan es un coordinador adaptativo que gestione múltiples herramientas y centralice la base de conocimientos. Cuando pienso en la IA aplicada a la ingeniería, me imagino un coordinador, no algo que solo funcione con CAD.
Diseñado para pymes
Sus clientes pertenecen principalmente a los sectores de la automoción y la automatización. ¿Qué problema les llevó a acudir a vosotros en un primer momento?
En realidad, cada caso es diferente. En el caso de las empresas automovilísticas, la necesidad de centralizar el conocimiento surgió más tarde. Son empresas muy grandes y quieren acelerar hasta el más mínimo paso de un proceso, por lo que acudieron a nosotros, por ejemplo, para agilizar la detección de un error en un montaje, donde hay muchas piezas estandarizadas.
En el ámbito de la automatización, hemos trabajado con varias pequeñas y medianas empresas, y allí nos dimos cuenta enseguida del problema relacionado con la base de conocimientos que he descrito anteriormente. El problema sigue siendo el mismo hasta llegar a las empresas de tamaño medio-grande. Cuando empiezas a trabajar con multinacionales y grandes corporaciones, te enfrentas a otros problemas, y el trabajo se vuelve más personalizado.
¿Quién necesita esto realmente? Una empresa de dos personas tiene muy pocos datos, y cada proyecto es prácticamente nuevo.
Sin duda, por el momento no es para empresas emergentes, pero en realidad no es una cuestión del tamaño de la empresa, sino del tamaño de la base de datos. Está pensada para empresas consolidadas que cuentan con una gran cantidad de información en sus bases de datos. Hemos desarrollado la herramienta específicamente para los mercados italiano y alemán, que conocemos muy bien, y en Italia abundan las pequeñas y medianas empresas, sobre todo en el sector manufacturero. Aquí todas las empresas son pymes. Pero el problema es el mismo para las empresas medianas y grandes. A veces, una gran empresa ha adquirido varias empresas pequeñas y está intentando centralizar sus bases de conocimientos, y surge el mismo problema. Con las grandes multinacionales es un poco diferente, y la forma de trabajar con ellas es más personalizada. Pero la herramienta se diseñó para pequeñas y medianas empresas.
¿Quién firma el contrato y quién abre la herramienta cada mañana?
Normalmente es el director técnico quien solicita la herramienta, ya que es él quien tiene una visión general de la base de conocimientos y la documentación técnica de la empresa; por lo tanto, es él quien firma el contrato, tras un exhaustivo proceso de verificación por parte del departamento de TI.
Pero el primer usuario no es él, sino el ingeniero mecánico junior, sobre todo aquel que se incorporó hace dos semanas y aún no sabe nada de la empresa. En estas empresas hay mucha rotación de personal y, por eso, llevan tiempo buscando formas de transferir su base de conocimientos. El segundo factor es que los veteranos son muy pocos y están muy ocupados, por lo que, si se les puede liberar un poco de trabajo, podrán centrarse en la innovación y en otras facetas de su labor.
¿Qué es lo más sorprendente que os han contado los clientes al volver?
Lo que más nos sorprendió fue la inteligencia CAD, la capacidad de leer modelos 3D de forma nativa, y la verdad es que la descubrimos gracias a nuestros clientes. Habíamos creado la plataforma sobre su sistema CAD para centralizar los conocimientos técnicos de la empresa, y ya estaba cumpliendo su función, encontrando los modelos 3D adecuados en sus bases de datos y sistemas PLM. Entonces, un cliente nos llamó y nos dijo: «He encontrado la pieza, pero también he entendido cómo se fabricó y qué componente encajaría mejor con ella».
No nos lo esperábamos, porque solo nos centrábamos en encontrar el componente o el conjunto adecuado. La sorpresa fue que la herramienta podía ayudar al ingeniero durante el propio proceso de modelado, y no solo en la búsqueda. Esto ocurre cuando se le da al modelo el contexto adecuado, y eso es precisamente lo que estamos tratando de ofrecer a los ingenieros mecánicos y a los modelos de lenguaje grande (LLM). No es fácil. Si has sido ingeniero mecánico, sabes lo cerrados que son estos sistemas.
Precios e implementación local
¿Cuánto cuesta?
Tenemos un precio fijo para las licencias, tanto personales como flotantes, además de una tarifa de configuración durante la instalación que varía considerablemente en función de la estructura de la empresa.
¿El precio depende de la cantidad de datos o del formato en que se presenten?
La cantidad de datos, sobre todo los modelos 3D, es lo que más influye en el tiempo que lleva la instalación, por lo que el precio lo refleja. Pero lo que más tiempo lleva es analizar cómo se ha elaborado la documentación técnica y dónde se encuentra, ya que, en la mayoría de los casos, la empresa no sabe dónde está y tenemos que buscarla junto con ellos.
Estas empresas llevan 20 o 30 años lidiando con sus bases de datos de conocimientos. En Italia hay empresas con 40 años de experiencia en modelado 2D y 3D que están intentando mejorar. No es fácil, pero cuando se hace bien, se nota la diferencia con respecto a un simple modelo de lenguaje grande (LLM) conectado a Fusion.
Una de las mayores preocupaciones es que la propiedad intelectual de CAD salga del edificio. ¿Se puede ejecutar NEOCAD en las propias instalaciones?
La herramienta se ejecuta en las instalaciones del cliente. Lo único que suele alojarse en la nube del cliente es la IA. Utilizamos modelos de lenguaje grande (LLM) comerciales, y no lo ocultamos. Hemos estudiado la posibilidad de ejecutar modelos de código abierto directamente en sus equipos, pero, como startup con un equipo de 10 personas, aún no contamos con los recursos necesarios para gestionar modelos locales dentro de cada empresa.
A la mayoría de las pequeñas y medianas empresas les parece bien que utilicemos nuestro sistema, siempre y cuando este se mantenga en sus propias instalaciones y nunca entrenemos nuestros modelos con sus datos. La solución local no es la más adecuada para todo el mundo, pero la gestión de modelos de código abierto aún no nos resulta viable, y optar por esa vía también nos haría perder la ventaja de los modelos comerciales, que mejoran notablemente cada dos meses.
¿Cómo es el proceso de implementación, desde el momento en que doy mi visto bueno hasta que está instalado y listo para funcionar?
En primer lugar, le preguntamos cuáles son sus sistemas, su software de CAD, su PLM (si dispone de uno, ya que no todas las empresas lo tienen, y se sorprendería al saberlo), y su ERP (si almacena allí la documentación técnica). Nos ponemos en contacto con el departamento de TI para obtener los permisos de acceso necesarios. A continuación, la instalación de la herramienta y la centralización de la base de conocimientos tardan entre dos semanas y un mes, dependiendo del tamaño de la instalación. Al cabo de aproximadamente un mes, tendrá el chatbot de NEOCAD en funcionamiento en su sistema.
Líderes europeos en ingeniería de IA
Algunos actores se centran en la generación de piezas CAD, otros en la base de conocimientos. ¿Cuál es la estrategia de NEOCAD para alcanzar el éxito?
Ser un coordinador y no una herramienta fija. Estas empresas han mantenido su software CAD durante 30 años sin cambiarlo, simplemente porque saben lo difícil que resulta hacerlo. Por eso, estamos desarrollando nuestra solución sobre la base de esos sistemas existentes, en lugar de intentar sustituir nada. La mayoría de nuestros competidores comparten esa estrategia de coordinación, pero se centran en aspectos diferentes, como la generación de piezas CAD o la integración de CAD y CAM.
Tenéis pensado quedaros en Milán mientras la mayoría de vuestros competidores están en Estados Unidos. ¿Por qué os quedais?
Conseguir financiación en Italia y en Europa es más difícil que en Estados Unidos, por lo que los recursos aquí son un poco diferentes. Pero lo bueno es que Italia es el segundo mercado industrial más grande de Europa, justo por detrás de Alemania, y tenemos a Alemania justo al lado, donde ya operamos.
Nuestra visión es convertirnos en líderes europeos en inteligencia artificial aplicada a la ingeniería, y para ello tenemos que conquistar dos mercados: Italia y Alemania. Y dado que las empresas fabricantes europeas son tan cerradas y tienen tanto miedo de compartir sus datos, si logramos posicionarnos y ganar tracción rápidamente aquí, será muy difícil que las empresas estadounidenses puedan entrar en el mercado sin tener presencia en el territorio.
¿El hecho de ser europeo influye en la forma en que se desarrolla el producto en sí?
Sí, claro. Estuve en San Francisco en noviembre y hablé con algunos representantes del sector manufacturero, y desde el primer momento me di cuenta de que, aunque la necesidad puede ser la misma, los procesos son realmente diferentes. En Estados Unidos, la nube está mucho más aceptada, mientras que en Europa todo el mundo utiliza sistemas locales. Esa es una de las razones por las que algunos de nuestros competidores se trasladaron a San Francisco, ya que desarrollar algo que ya está basado en la nube resulta más escalable. Pero se trata de dos mercados completamente diferentes.
¿Cómo será el flujo de trabajo de ingeniería dentro de cinco o diez años, cuando herramientas como NEOCAD estén mucho más desarrolladas?
Más allá de ese horizonte, que en nuestro sector supone mucho tiempo, se puede imaginar un orquestador que comience por buscar lo que ya has hecho y termine generando el modelo mientras tú te dedicas a otra cosa. Habrá agentes que se encarguen del trabajo, mientras los ingenieros mecánicos los controlan, de forma muy similar a como los desarrolladores gestionan la programación hoy en día. Algunas empresas de software ya casi no realizan programación manual y han creado enormes flujos de trabajo que se encargan de todo. Creo que la ingeniería mecánica seguirá el mismo camino, un poco más lento debido a los factores de los que hemos hablado, pero al final llegaremos allí.
Algunos fundadores dudan de que la IA llegue a generar ensamblajes complejos por sí sola y la consideran principalmente una herramienta para agilizar los procesos actuales. ¿A qué se debe ese desacuerdo?
En primer lugar, soy muy optimista, Andreas. Realmente depende de hasta qué punto se prevea la madurez de la tecnología. En un plazo de cinco a diez años, sí, estoy bastante seguro de que llegaremos a esa etapa. No concibo la ingeniería mecánica sin ingenieros mecánicos, eso no va a suceder, pero sí veo herramientas que funcionan de principio a fin, que recogen la información, la procesan y, finalmente, generan incluso conjuntos complejos.
Lo que marcará la diferencia en nuestro sector en concreto es nuestra capacidad, y la de los actores tradicionales, para proporcionar a la IA el contexto adecuado. Si creamos sistemas nativos capaces de buscar, recuperar, procesar y realizar cálculos como el «orquestador», llegaremos a un punto en el que la tecnología se encargará incluso de las tareas más complejas. Siempre bajo la supervisión de un ingeniero mecánico, pero de principio a fin.
¿Hay alguna otra empresa de IA en el ámbito de la ingeniería que destacaría?
Creo que hay algunas empresas interesantes por ahí. Poelis es otra empresa italiana de IA que está haciendo cosas interesantes en el ámbito de la ingeniería de hardware. Por lo demás, ya has entrevistado a la mayoría de las empresas interesantes que hay, como Mecagent, Bench, Getleo, Cadflip o P1-AI, y empresas que trabajan con dibujos en 2D como Draftaid. Los planos son un gran fastidio y no creo que vayan a desaparecer a corto plazo, al menos no en el mercado europeo.
Related Topics
4
Content Manager
0
Comment(0)