Innovando con IA en el sector automotriz: ¿Están los titulares en riesgo de estancamiento?
Bajo los reflectores con lo necesario transición verde para operar, elindustria automovilística parece en plena muda. Esperamos mucho de la coche conectado, conducción autónoma, vehículo eléctrico o car sharing para nuestra futura movilidad.
Para innovar y seguir siendo competitivo, el sector podría confiar en particular en la big data y las tecnologías deinteligencia artificial (IA). Algunos nuevos participantes, como Tesla parece que lo han integrado bien y ya lo han adoptado con éxito estas tecnologías. Pero, ¿qué pasa con las empresas históricas del sector que tienen que lidiar con la complejidad de sus sistemas implantados?
Es cierto que los fabricantes y proveedores han invertido mucho en IA en los últimos años, como muestra el proyecto. valeo.ai o Alianzas Renault-Google et Stellantis-SoundHound. ¿Con qué objetivo sin embargo? ¿Son estos planteamientos de innovación radical, de cuestionamiento de la arquitectura de los vehículos tal y como la conocemos o más bien de automatización de tareas y mejora de lo ya existente?
Comprender los procesos de innovación en torno a los datos en el mundo del automóvil sigue siendo fundamental para garantizar la sostenibilidad de este sector clave para la economía francesa. Esto es lo que nuestro equipo de investigadores, de TBS Educación y Centro de Gestión Científica (CGS) de Escuela de Minas de París – PSL, En un estudio reciente. Se basa en un análisis de más de 46 patentes de los 000 jugadores más importantes en el campo, así como en una campaña de entrevistas con los solicitantes de 19 patentes relacionadas con tecnologías de IA.
Al tratar de levantar el velo sobre las prácticas de innovación en este sector, mostramos que, de hecho, es la opción de "mejorar lo que ya existe" la que parece haber sido elegida. Si parece permitir controlar los costes a corto plazo y aprender paso a paso, este enfoque puede, sin embargo, limitar el potencial de innovación de estas empresas. Sobre todo porque la articulación de actores a lo largo de las cadenas de valor está involucrada y también trae su parte de frenos cuando todos piensan que le toca a alguien más innovar.
Un cuidadoso aprendizaje de ingenieros.
Uno hubiera pensado que la integración de la IA iba a ser un requisito previo para el diseño de nuevos vehículos. Sin embargo, los ingenieros parecen utilizarlo sobre todo para solucionar problemas que surgen durante las últimas fases del desarrollo del producto: mejorar el confort de los pasajeros durante las pruebas del vehículo, solucionar problemas de sensores o incluso, lo que es más sorprendente, negociar con los fabricantes de equipos.
Las empresas del sector están adoptando así un enfoque progresivo y cauteloso en la integración de estas tecnologías. Primero se aplican a los sistemas de asistencia al conductor (ADAS) existentes y luego se desarrollan por etapas. Si esta forma de hacer las cosas es sorprendente, tiene el mérito de permitir que los equipos aprendan y se adapten gradualmente a la IA, evitando cuestionar la arquitectura del automóvil. Esto podría resultar en un aumento significativo en los costos de fabricación. Como ingeniero experto en sistemas de control de crucero adaptativo :
"Hace unos 3 o 4 años pensábamos que en los próximos años tendríamos vehículos autónomos... A día de hoy sigue sin ser así. En estos momentos estamos trabajando en el desarrollo de nuevas funciones para las que podemos decir que no hay mucho". ruptura."
Otro experto, en ADAS para sistemas de frenado, continúa:
"No es necesariamente una falta de honor para la IA, pero... la IA tiende a resolver problemas que ya existen, no problemas que no existen. El vehículo autónomo perfecto no es más que un conductor".
Datos de calidad insuficiente
Sin embargo, todo esto tiene límites evidentes en términos de potencial de innovación. Nuestro trabajo revela en particular problemas de riqueza de datos. Aunque los vehículos recogen una cantidad gigantesca de ellos, tendrían que estar etiquetados, por ejemplo, para ser utilizables. Un experto en vehículos autónomos nos explicó:
"Mis equipos tienen horas y horas de pruebas continuas, pero si desea crear un algoritmo para el movimiento multidireccional, necesita que alguien mire a la cámara cuando ocurre ese movimiento, es decir, en cada giro, para anotar eso en la base de datos, y es muy lento. »
Otro obstáculo radica en la capacidad técnica de cruzar datos de diferentes fuentes (visual, radar, sonido, etc.) para tomar, por ejemplo, una decisión en una lógica algorítmica. Estas tecnologías aún están en desarrollo.
Estos elementos parecen problemáticos cuando se trata de seguir siendo competitivos tanto en el mercado global donde operan nuevos jugadores como Tesla, como en el nuevo mercado de la movilidad frente a los desarrollos, por ejemplo, en los taxis voladores. anunciado para 2030. Es necesario innovar ofreciendo funcionalidades radicalmente nuevas o abordando nuevas necesidades de los consumidores.
Cuestiones que también son organizativas
Se trata pues de desarrollar la experiencia de los ingenieros en el lugar en torno a las ciencias de los datos, y algunos además tienen un gran deseo de aprender más. Por lo tanto, no es suficiente desarrollar una nueva entidad con científicos de datos, sino más bien para garantizar un aumento gradual en las habilidades de los ingenieros en el lugar. Como señala uno de los entrevistados, experto en conducción de vehículos autónomos:
"No desarrollamos una patente diciéndonos a nosotros mismos 'estamos haciendo una patente de IA'".
Si bien es necesario desarrollar estas habilidades relacionadas con las ciencias de datos, también deben reconocerse mejor para alentar a los ingenieros a completar su experiencia previa. Esto requiere trabajar para identificar estas "comunidades de IA", más allá de aquellas específicamente reclutadas como científicos de datos, y que no necesariamente se identifican como contribuyentes. Esto también se explica por una definición de IA que a veces es restrictiva, por ejemplo, solo restringida al uso de redes neuronales, cuando hay una amplia tipología de tecnologías posibles.
Otro obstáculo organizativo es la relación entre los fabricantes de vehículos y los fabricantes de equipos originales (OEM). A lo largo de la cadena de valor, desde los subcontratistas hasta los ensambladores, los actores, por el momento, parecen sobre todo transferirse entre sí la responsabilidad de la innovación a través de la IA. Cada uno parece adoptar estrategias de innovación similares. Un entrevistado empleado por un fabricante explica lo siguiente:
"Son más bien los proveedores los responsables del desarrollo de la parte inteligente del sensor. Son los consumidores de los métodos de IA".
Las células de expertos en métodos de gestión de la innovación en los departamentos de I+D de las empresas (El pensamiento de diseño, Metodología CK, etc.) tienen un papel clave que desempeñar para dar nueva vida a la innovación con datos.
Por lo tanto, las empresas establecidas en el sector automotriz deben encontrar un equilibrio entre explorar nuevas posibilidades y explotar sus habilidades existentes. El enfoque incremental actual tiene el mérito de proporcionar resultados rápidos y acostumbrar gradualmente a los equipos a estas nuevas tecnologías. Sin embargo, la forma en que se implementa actualmente dificulta la adopción de enfoques más radicales y el surgimiento de innovaciones tecnológicas verdaderamente originales que permitan a las empresas seguir siendo competitivas en el mercado global.
Quentin Plantec, Profesor de Estrategia y Gestión de la Innovación, TBS Educación; benoit weill, Profesor, Minas París; marie-alix deval, profesor-investigador, Minas París et sophie hooge, Catedrático de Ciencias de la Gestión, Minas París
Este artículo ha sido publicado de nuevo. La conversación bajo licencia Creative Commons. Lee elarticulo original.
