Inovando com IA no setor automotivo: os operadores históricos correm o risco de estagnar?
Sob os holofotes com o necessário transição verde para operar, oautomotivo parece em plena muda. Esperamos muito do carro conectado, direção autônoma, veículo elétrico ou compartilhamento de carros para a nossa mobilidade futura.
Por inovar e manter-se competitivo, o setor poderia, em particular, contar com a big data e as tecnologias deinteligência artificial (IA). Alguns novos entrantes, como Tesla parecem tê-lo integrado bem e já adotaram com sucesso essas tecnologias. Mas e as empresas históricas do setor que precisam lidar com a complexidade de seus sistemas implantados?
É certo que fabricantes e fornecedores investiram pesadamente em IA nos últimos anos, como mostra o projeto. valeo.ai ou Parcerias Renault-Google et Stellantis-SoundHound. Com que objetivo, no entanto? São abordagens de inovação radical, de questionar a arquitetura dos veículos tal como a conhecemos ou antes de automatizar tarefas e melhorar o que já existe?
Entender os processos de inovação em torno de dados no mundo automotivo continua sendo essencial para garantir a sustentabilidade desse setor-chave para a economia francesa. É o que nossa equipe de pesquisadores, desde Educação TBS e do Centro de Gestão Científica (CGS) de Escola de Minas de Paris – PSL, Num estudo recente. Baseia-se na análise de mais de 46 patentes dos 000 maiores players da área, bem como em uma campanha de entrevistas com os requerentes de 19 patentes relacionadas a tecnologias de IA.
Ao tentar levantar o véu sobre as práticas de inovação neste setor, mostramos que é de fato a opção “melhorar o que já existe” que parece ter sido escolhida. Se parece permitir controlar os custos a curto prazo e aprender passo a passo, esta abordagem pode, no entanto, limitar o potencial de inovação destas empresas. Até porque a articulação dos atores ao longo das cadeias de valor está envolvida e também traz sua cota de freios quando todo mundo pensa que cabe a outro inovar.
Um aprendizado cuidadoso de engenheiros
Alguém poderia pensar que a integração da IA seria um pré-requisito para o design de novos veículos. No entanto, os engenheiros parecem usá-lo sobretudo para resolver problemas que surgem durante as últimas fases do desenvolvimento do produto: melhorar o conforto dos passageiros durante os testes do veículo, resolver problemas de sensores ou mesmo, mais surpreendentemente, negociar com os fabricantes de equipamentos.
As empresas do setor estão, portanto, adotando uma abordagem progressiva e cautelosa na integração dessas tecnologias. Eles são aplicados primeiro aos sistemas de assistência ao motorista existentes (ADAS) e depois desenvolvidos em etapas. Se esta forma de fazer as coisas surpreende, tem o mérito de permitir que as equipas aprendam e se adaptem gradualmente à IA, evitando ao mesmo tempo questionar a arquitetura do carro. Isso pode resultar em um aumento significativo nos custos de fabricação. Como engenheiro especialista em sistemas adaptativos de controle de cruzeiro :
“Há cerca de 3 a 4 anos pensávamos que nos próximos anos teríamos veículos autónomos… Hoje ainda não é assim. Neste momento estamos a trabalhar no desenvolvimento de novas funções para as quais podemos dizer que não há muito perturbação".
Outro especialista, em ADAS para sistemas de frenagem, continua:
"Não é necessariamente uma falta de honra para a IA, mas... A IA tende a resolver problemas que já existem, não problemas que não existem. O veículo autônomo perfeito nada mais é do que um motorista."
Dados de qualidade insuficientes
No entanto, tudo isso tem limites óbvios em termos de potencial de inovação. Nosso trabalho revela, em particular, problemas de riqueza de dados. Embora os veículos coletem um número gigantesco deles, eles precisariam ser rotulados, por exemplo, para serem utilizáveis. Um especialista em veículos autônomos nos explicou:
"Minhas equipes têm horas e horas de testes contínuos, mas se você deseja criar um algoritmo para movimento multidirecional, precisa de alguém olhando para a câmera quando esse movimento está acontecendo, ou seja, a cada volta, para anotar que no banco de dados, e é muito demorado. »
Outro obstáculo reside na capacidade técnica de cruzar dados de diferentes fontes (visual, radar, som, etc.) para tomar, por exemplo, uma decisão em uma lógica algorítmica. Essas tecnologias ainda estão em desenvolvimento.
Estes elementos parecem problemáticos quando se trata de se manter competitivo tanto no mercado global onde operam novos players como a Tesla, como também no novo mercado da mobilidade face às evoluções, por exemplo nos táxis voadores. anunciado para 2030. É necessário inovar oferecendo funcionalidades radicalmente novas ou atendendo a novas necessidades do consumidor.
Questões que também são organizacionais
Trata-se, portanto, de desenvolver os conhecimentos dos engenheiros em torno das ciências dos dados, e alguns, além disso, têm um grande desejo de aprender mais. Não basta, portanto, desenvolver uma nova entidade com cientistas de dados, mas sim para garantir um aumento gradual das competências dos engenheiros no local. Como aponta um dos entrevistados, especialista em condução de veículos autônomos:
"Não desenvolvemos uma patente dizendo para nós mesmos 'estamos fazendo uma patente de IA'".
Se essas habilidades relacionadas às ciências de dados devem ser desenvolvidas, elas também devem ser melhor reconhecidas para incentivar os engenheiros a completar seus conhecimentos anteriores. Isso requer trabalho para identificar essas "comunidades de IA", além daquelas especificamente recrutadas como cientistas de dados, e que não necessariamente se identificam como contribuidores. Isso também pode ser explicado por uma definição às vezes restritiva de IA, por exemplo, restrita apenas ao uso de redes neurais, quando há uma ampla tipologia de tecnologias possíveis.
Outro obstáculo organizacional é o relacionamento entre os fabricantes de veículos e os fabricantes de equipamentos originais (OEMs). Ao longo da cadeia de valor, dos subempreiteiros aos montadores, os atores, por enquanto, parecem sobretudo passar a responsabilidade pela inovação através da IA. Cada um parece adotar estratégias de inovação semelhantes. Um entrevistado empregado por um fabricante explica o seguinte:
"São os fornecedores os responsáveis pelo desenvolvimento da parte inteligente do sensor. Eles são os consumidores dos métodos de IA."
Os células de especialistas em métodos de gestão da inovação nos departamentos de P&D das empresas (Design Thinking, Metodologia CK, etc.) têm um papel fundamental a desempenhar ao dar nova vida à inovação com dados.
As empresas estabelecidas no setor automotivo devem, portanto, encontrar um equilíbrio entre explorar novas possibilidades e explorar suas habilidades existentes. A abordagem incremental atual tem o mérito de fornecer resultados rápidos e gradualmente acostumar as equipes a essas novas tecnologias. A forma como é implementada atualmente, porém, dificulta a adoção de abordagens mais radicais e o surgimento de inovações tecnológicas verdadeiramente originais que permitam às empresas manterem-se competitivas no mercado global.
Quentin Plantec, Professor de Estratégia e Gestão da Inovação, Educação TBS; Benoit Weill, Professor, mineira paris; Marie-Alix Deval, professor-pesquisador, mineira paris et Sophie Hooge, Professor em Ciências de Gestão, mineira paris
Este artigo foi republicado a partir de A Conversação sob licença Creative Commons. Leia oartigo original.
