Vamos a matizar un poco el concepto de "IA" y como se usa en diseño industrial.
El machine learning de fábrica son modelos entrenados con datos de un proceso concreto para una tarea concreta: decidir si una pieza tiene un defecto en una imagen, o predecir cuándo una máquina se está desviando de cota.
No genera nada, clasifica o predice. Gemini, ChatGPT y compañía son IA generativa de lenguaje: producen texto a partir de patrones estadísticos. Sirven para buscar y resumir, pero no miden ni mecanizan nada, y cuando no saben algo pueden rellenar el hueco con algo que suena bien. Por eso lo que te cuente Gemini sobre cómo fabrica una marca hay que contrastarlo.
En San Martin y marcas parecidas la marcha la pone el calibre, que casi siempre es de terceros: NH35 o Miyota 8215. Lo que ha mejorado en esa gama es caja, bisel, brazalete y acabados, y eso es mecanizado CNC. Un centro de mecanizado bien calibrado saca la misma pieza con la misma tolerancia durante toda la serie, y luego se comprueba con medición automática. La tolerancia sale de la máquina, la herramienta y la metrología.
El machine learning sí entra alrededor del CNC, no en su lugar. En el salón EPHJ de 2024 Ellistat presentaba módulos de machine learning para ajustar máquinas-herramienta y detectar piezas fuera de cota en tiempo real, y Chiron enseñaba su micromáquina Micro5 para acabar componentes fresados de relojería. KIF Parechoc, que hace componentes en el Vallée de Joux, mide piezas con un sistema de visión artificial de Petitpierre. Sirve para que salgan menos piezas malas, no para que la máquina corte más fino.
El caso más claro de IA generativa en relojería es Casio, y tiene su contexto. Casio ya diseñaba contra golpes con CAE, simulación por elementos finitos. Empezó en cámaras digitales hacia 2010 y en 2020 lo extendió a todos sus productos, relojes incluidos. Para caídas usan Ansys LS-DYNA, al menos en instrumentos musicales.
Un ejemplo de cómo trabajaban: en un G-Shock de la serie 2100 el módulo apoyado en todo el perímetro de la caja hacía que la LCD se rompiera en las caídas. Simularon apoyo en cuatro puntos, en tres puntos en triángulo equilátero y en tres puntos en triángulo isósceles, y el último repartía mejor la deformación. Lo confirmaron con pruebas de caída reales, y con eso convencieron a diseñadores veteranos que no se fiaban del cambio.
Ahí se ve lo bueno y lo malo del CAE. Te dice con detalle dónde se concentra la tensión en un diseño concreto y te ahorra prototipos, pero solo evalúa lo que el ingeniero le propone. Cada variante hay que modelarla y calcularla, y una simulación de caída tira mucho de cálculo: Casio cuenta que los departamentos se peleaban por el tiempo de computación, y que han automatizado la preparación de los modelos para recortar hasta un 40 % de tiempo en productos con muchas piezas. Además el resultado depende de los datos de material y de cómo se defina el golpe, así que al final siempre hay prueba física.
El diseño generativo le da la vuelta: en vez de comprobar una forma, propone formas que cumplan unas condiciones, y debajo sigue habiendo simulación. Casio lo probó primero en el G-D001 de 2023, una pieza única de oro para el 40 aniversario. Los diseñadores fijaron el marco general, el sistema se alimentó con datos de 40 años de desarrollo de G-Shock y generó un modelo 3D optimizado para resistencia, material y método de fabricación, que luego retocaron a mano varias veces.
En el MTG-B4000, de 2025, lo llevaron a un reloj de serie. Casio dice que es su primer reloj de consumo con IA generativa en el desarrollo. Los diseñadores hicieron la propuesta inicial y la IA hizo simulaciones de carga con los datos de décadas de ensayos de golpes y generó prototipos 3D. De ahí salió el marco que mezcla carbono y acero. Según la reseña de SJX, una de las cosas que propuso fue integrar las asas en el marco de carbono para que absorba la tensión de la correa, y el marco va laminado con fibra de carbono y de vidrio y luego mecanizado en una sola pieza. O sea, la IA propone la forma, la simulación la valida y el CNC la fabrica, todo después de pasar por un control humano.
Así que IA hay, pero machine learning en control de calidad y del proceso, e IA generativa en diseño estructural. Las tolerancias las sigue poniendo el mecanizado.
