L’intelligenza artificiale comincia a produrre file di progetto utili agli uffici tecnici, dalle geometrie tridimensionali alle schede elettroniche, fino alle simulazioni per l’industria automobilistica. OpenAI ha fatto progettare a GPT-6 Astra un dispositivo fisico in meno di una settimana; con Chip Ganassi Racing lavora sulla conversione di scansioni 3D in modelli CAD modificabili e con Mazda sperimenta la progettazione aerodinamica. Le prime prove mostrano anche un limite decisivo per l’industria: un componente disegnato correttamente può essere montato nella posizione sbagliata o risultare impossibile da fabbricare con le tolleranze richieste.
La notizia riguarda soprattutto il passaggio fra progettazione, verifica e prototipazione. Un agente AI può contribuire a interpretare disegni, generare geometrie, preparare tavole e impostare simulazioni: compiti che oggi richiedono spesso lavoro manuale fra programmi diversi. Per stabilire che cosa sia realmente pronto per un impianto produttivo servono però controlli sui vincoli meccanici, sull’elettronica e sui processi di lavorazione.
Nel resoconto tecnico pubblicato pochi giorni fa OpenAI descrive l’esperimento, i progetti con i partner industriali e i risultati dei test. La misura più utile arriva dal benchmark esterno BenchCAD: anche i modelli migliori commettono errori importanti quando devono ricostruire assemblaggi e collegamenti elettrici.
Indice degli argomenti
Un prototipo completo, dalla scocca alla scheda elettronica
Due dipendenti OpenAI hanno impiegato meno di una settimana, come progetto collaterale, per sviluppare con Astra un dispositivo con cui interagire vocalmente con Codex. Il sistema ha contribuito a definire requisiti, involucro meccanico, strutture interne, selezione dei componenti, circuito stampato e firmware. Un fornitore esterno ha prodotto una piccola serie di prototipi in meno di un mese.
Durante l’esperimento i due dipendenti non hanno corretto direttamente i file generati dall’AI; hanno guidato le iterazioni e controllato il risultato. Nel passaggio alla produzione sono emersi problemi concreti: alcune tolleranze e i limiti delle lavorazioni disponibili non erano rispettati; mancavano inoltre dettagli necessari per montare correttamente i componenti. Sono state quindi necessarie diverse revisioni prima di ottenere i prototipi.
Il risultato indica dove l’AI può già accelerare il lavoro di progettazione, e il benchmark BenchCAD 2.0 permette di osservare il problema su casi diversi da quello scelto da OpenAI. Il suo dataset Core comprende 100 prove riservate, distribuite fra sei attività: realizzazione di parti da disegni quotati, assemblaggio con componenti disponibili o da ricostruire, reverse engineering da viste tridimensionali e ricostruzione dei collegamenti di schede elettroniche.
Gli errori che il rendering 3D nasconde
Nel rapporto pubblicato il 12 ottobre dagli autori di BenchCAD, GPT-6 Astra raggiunge 0,59 punti su una scala da zero a uno, Claude Opus 5.5 arriva a 0,57 e Claude Sonnet 5.5 a 0,41, tutti con ragionamento massimo. La valutazione confronta automaticamente le risposte con riferimenti tecnici, senza un modello linguistico incaricato di giudicarle. I punteggi misurano forma dei pezzi, posizione nell’assieme e connettività elettrica.
Il problema più ricorrente è la posizione dei componenti. Per i tre modelli citati, fra i tipi di parte degli assemblaggi che ricevono punteggio zero, l’83-96% ha una geometria corretta ma si trova nel posto sbagliato. In un meccanismo di serraggio rotante, Astra ha modellato due possibili posizioni per 36 ganasce, ma ha consegnato la soluzione errata: ogni ganascia era spostata di 22 millimetri. Un’immagine complessivamente convincente può quindi nascondere un assieme da rifare.
L’errore può essere ancora più critico nei circuiti. In una scheda da 101 componenti Astra ha accorpato in una sola rete le linee +3,3 V, +5 V, massa e VDD. Collegare alimentazioni che devono restare separate altera completamente il circuito. I ricercatori osservano che le risposte non hanno eseguito controlli specifici per riconoscere cortocircuiti e collegamenti mancanti: è proprio il tipo di verifica che un ufficio elettronico deve mantenere prima della prototipazione.
Le prove mettono in evidenza anche tempi e costi di elaborazione. Sui 100 casi, GPT-6 Astra ha richiesto in media 11 dollari di chiamate al modello per prova e un tempo mediano di 62 minuti, contro 28 dollari e 224 minuti di Claude Opus 5.5. Sono misure del protocollo sperimentale, con un ambiente software e un numero massimo di iterazioni definiti dagli autori; servono a confrontare l’efficienza dei modelli nelle stesse condizioni.
OpenAI ha reso noto il 3 novembre anche un punteggio di 0,875 ottenuto da un modello interno più recente, contro 0,594 di Astra. Il valore proviene dalla società e riguarda un modello ancora non pubblicato: per gli uffici tecnici la prestazione osservabile e confrontabile resta quella dei modelli sottoposti ai test esterni.
Reverse engineering: dalla scansione 3D a un CAD modificabile
Un’applicazione direttamente pertinente alla manifattura riguarda i componenti di cui è rimasto soltanto il pezzo fisico. Una scansione tridimensionale produce punti e superfici, ma l’officina ha spesso bisogno di un modello CAD solido modificabile, con quote e tavole per la produzione. La ricostruzione della geometria e delle caratteristiche costruttive richiede lavoro di modellazione e verifica.
OpenAI sta sperimentando con il team automobilistico Chip Ganassi Racing un flusso in cui l’agente prende le scansioni 3D, ricostruisce un solido CAD e prepara i disegni bidimensionali. Matthew Ortman, ingegnere R&D del team, racconta che il sistema applica nel CAD le correzioni da lui indicate. Gli ingegneri possono così iterare sul modello anziché ricostruirlo interamente a mano, mentre controllano dimensioni, geometrie e possibilità di fabbricazione.
Per un’impresa che realizza ricambi, attrezzature o componenti su commessa il percorso è riconoscibile: rilievo del pezzo, ricostruzione del solido, revisione delle quote, disegno esecutivo e verifica in officina. L’efficacia dell’agente dipende dalla precisione della scansione, dai dati disponibili sul materiale e dal controllo di caratteristiche che il rilievo esterno potrebbe non rivelare, come trattamenti, tolleranze funzionali e finiture.
Mazda sperimenta l’AI per aerodinamica e sicurezza del veicolo
La collaborazione annunciata con Mazda estende il lavoro alla progettazione automobilistica. Gli ingegneri dei due gruppi stanno usando i modelli OpenAI per esplorare geometrie del frontale e predisporre simulazioni del flusso d’aria, confrontando poi le soluzioni promettenti con esigenze di stile e costo. La ricerca coinvolge anche gruppi che lavorano sulla risposta strutturale agli urti.
Akihiro Nakata, principal engineer di Mazda, riassume con una domanda il confronto fra aerodinamici e designer: «Deve proprio avere quella forma?». Il valore dell’esperimento sta nel provare decine di varianti e capire quali tratti della geometria influenzano la resistenza all’aria, lasciando ai progettisti maggiore libertà sulle altre forme. OpenAI e Mazda prevedono di comunicare ulteriori risultati nei prossimi mesi: il progetto è ancora in fase di ricerca.
Le applicazioni di Mazda e Chip Ganassi Racing condividono un passaggio: l’agente prepara alternative e file di lavoro, gli specialisti esaminano i risultati dentro gli strumenti tecnici. Chi costruisce il prodotto deve disporre di un disegno verificabile, dei risultati di simulazione e delle informazioni necessarie a correggere le incongruenze prima di autorizzare una prova fisica.
Come valutare un pilota in un ufficio tecnico industriale
Un primo progetto aziendale può concentrarsi su operazioni per le quali esiste già un riferimento controllato: ricostruire un componente da un disegno quotato, convertire una scansione in CAD o preparare una simulazione con impostazioni note. Il confronto va fatto sul file approvato per la lavorazione, non sulla qualità visiva del modello 3D. Per gli assemblaggi servono controlli sulle posizioni e sugli accoppiamenti; per l’elettronica, sulle reti e sui collegamenti.
L’ufficio tecnico può registrare ore effettive per ottenere il primo file corretto, numero di revisioni, errori intercettati, tempi di simulazione, costo del calcolo e scarti riscontrati nei prototipi. Questi indicatori permettono di verificare se le iterazioni accelerate producono davvero un vantaggio industriale, anziché trasferire il lavoro di correzione dalla modellazione al collaudo.
L’integrazione con i sistemi già usati è altrettanto concreta: CAD meccanico ed elettrico, gestione dei disegni e delle revisioni, distinte base, simulazioni e tracciabilità delle modifiche. Una correzione proposta dall’agente deve poter essere esaminata, confermata e registrata dal progettista; i fornitori devono ricevere soltanto la versione rilasciata, con quote e specifiche complete.
Gli esperimenti OpenAI mostrano che il lavoro assistito dall’AI si sposta dal singolo disegno all’intera catena di progettazione. La sfida industriale ora è far dialogare questi strumenti con le verifiche meccaniche, elettroniche e produttive che trasformano un progetto digitale in un componente funzionante.
