Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
Toyota Motor Corporation
Toyota da a 800 ingenieros de tren motriz O-Beya, un equipo de agentes de IA que responde a preguntas de diseño
Toyota creó O-Beya, un sistema de nueve agentes de IA generativa que responde a las preguntas de los ingenieros de tren motriz sobre temas como vibraciones, consumo de combustible y normativa. Unos 800 ingenieros tienen acceso desde enero de 2024. Toyota informa del uso, pero aún no ha medido el tiempo ahorrado.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
unos 800
Ingenieros de tren motriz con acceso a O-Beya desde enero de 20241
nueve
Agentes de IA en O-Beya cuando se publicó el reportaje de Microsoft1
cientos de veces
Frecuencia de uso al mes, según la persona responsable del proyecto1
más de 100
Solicitudes al mes, según la entrada del blog de Toyota sobre Azure Cosmos DB2
Qué requirió
Las fuentes no divulgan el coste, el tamaño del equipo ni los plazos.
El problema
Los coches cambian rápido. Los híbridos, los vehículos eléctricos, las baterías y la recarga añaden más piezas que diseñar, mientras muchos ingenieros veteranos se jubilan. El departamento de tren motriz de Toyota, que diseña el motor, la transmisión y los sistemas de propulsión, depende de especialistas cuyo conocimiento está en informes de diseño anteriores y en su cabeza. Encontrar el documento adecuado solía llevar mucho tiempo.
Qué construyeron
O-Beya, nombre que procede de un término de Toyota que significa «sala grande», es un conjunto de agentes de IA generativa que funcionan como una sala de expertos disponible en todo momento. Cada agente cubre un tema, como vibraciones, consumo de combustible o normativa. El ingeniero elige uno o varios agentes y el sistema combina sus respuestas en una sola. La persona responsable del proyecto dice que el sistema debería acabar eligiendo los agentes por sí solo.
Cómo lo hicieron
El sistema funciona en Microsoft Azure y usa el modelo GPT-4o de OpenAI. Se apoya en los datos propios de Toyota: informes de diseño de ingeniería anteriores, normativa vigente y documentos manuscritos de ingenieros veteranos. Este enfoque, la generación aumentada por recuperación, consiste en que el modelo consulta documentos de la empresa antes de responder. Se guardan los historiales de conversación y las revisiones que expertos humanos hacen de las respuestas de la IA para que los agentes puedan mejorar. Los agentes se ejecutan en paralelo, de modo que añadir más no ralentiza las respuestas. El propio blog de Toyota dice que el principal reto fue conseguir que las respuestas de cada agente fueran precisas.
Resultados
Desde enero de 2024, unos 800 ingenieros de tren motriz tienen acceso. La persona responsable del proyecto dice que se usa cientos de veces al mes. El blog de Toyota dice que no se ha medido el tiempo exacto ahorrado, pero los usuarios afirman que buscar información se volvió mucho más rápido. Un ingeniero describió como detallada y precisa la respuesta sobre equipos de medición de emisiones de escape. Toyota planea añadir más agentes, como uno que resuma las quejas más habituales de los consumidores.
Lecciones para su proyecto
Apunte a la experiencia que se jubila. El objetivo declarado de Toyota es recoger el conocimiento de los ingenieros veteranos antes de que se marchen y transmitirlo a la siguiente generación.
Use muchos agentes específicos en lugar de un asistente general. Cada agente tiene sus propios datos y su propio ajuste, y se pueden añadir agentes nuevos sin ralentizar las respuestas.
Base las respuestas en sus propios documentos, incluidos informes de diseño antiguos y notas manuscritas de veteranos, y haga que expertos humanos revisen las respuestas de la IA.
Decida pronto cómo medirá el valor. Toyota aún no había medido el tiempo ahorrado y se apoya en entrevistas con los usuarios.
Salvedades
- Las dos fuentes son publicaciones de Microsoft: un reportaje y una entrada de blog coescrita con un directivo de Toyota. Ninguna fuente independiente confirma las cifras.
- Toyota no comunica ninguna cifra de tiempo ahorrado ni de coste. La entrada del blog dice que no se ha medido el tiempo exacto de investigación ahorrado; los ingenieros dicen que encontrar información es mucho más fácil.
- Las cifras de uso son pequeñas y están formuladas de forma distinta en las dos fuentes (cientos de veces al mes frente a más de 100 solicitudes al mes). Aquí no se concilian.
- La entrada del blog describe una versión anterior con cuatro agentes (batería, motor, normativa y control del sistema). El reportaje habla de nueve agentes. La entrada del blog no nombra una versión del modelo; GPT-4o procede del reportaje.
- La fecha de enero de 2024 es la que, según el reportaje, marca cuándo los ingenieros obtuvieron acceso. El reportaje de Microsoft se leyó en una copia archivada.
Fuentes
- Toyota is deploying AI agents to harness the collective wisdom of engineers and innovate faster
Microsoft Source Asia · 2024-11-19 · Caso de estudio del proveedor · news.microsoft.com
- How Toyota uses Azure Cosmos DB to power their multi-agent AI system for enhanced productivity
Microsoft Azure Cosmos DB Blog · 2024-11-19 · Caso de estudio del proveedor · devblogs.microsoft.com
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.