El mercado automotor registra desaceleración con menos compras de vehículos nuevos, afectando el acumulado de 2026 y posicionando al estado en el lugar 14 a nivel nacional
¿Te quedas fuera de la conversación? Mandamos a tu correo el mejor resumen informativo.
Dr. Jonathan Sánchez, profesor del Tecnológico de Monterrey, campus San Luis Potosí / Cortesía / Tecnológico de Monterrey
A tres años de la introducción de la inteligencia artificial generativa para su uso generalizado, la sociedad ha experimentado un cambio acelerado en la forma en que se produce, consume y comparte el conocimiento. Actividades como la redacción, el análisis de información, la programación o el diseño de contenidos, que antes requerían una cantidad significativa de esfuerzo humano, hoy pueden realizarse con mayor rapidez y eficiencia. Esta nueva tecnología ha modificado las dinámicas laborales, educativas y creativas, replanteando la idea de que el valor del trabajo humano no radica únicamente en la ejecución de tareas, sino cada vez más en el criterio, la ética y la capacidad de tomar decisiones informadas.
Se espera que el uso de la inteligencia artificial generativa se intensifique aún más y que diversos sectores productivos adopten progresivamente estas herramientas. En el caso del sector manufacturero, uno de los pilares de la economía mexicana, la inteligencia artificial generativa está comenzando a desempeñar un papel clave como herramienta de apoyo para ingenieros, técnicos y operarios, potenciando su capacidad de análisis, toma de decisiones y creatividad.
Uno de los primeros ámbitos donde la inteligencia artificial generativa está marcando una diferencia clara es el diseño de productos. Hoy es posible utilizar algoritmos que, a partir de ciertos requisitos como resistencia, peso, costo o material, generan múltiples alternativas de diseño que el ingeniero puede evaluar, comparar y refinar, reduciendo tiempos de desarrollo y ampliando el espacio de soluciones posibles.
Por otro lado, en los procesos de producción, la inteligencia artificial generativa también está abriendo nuevas oportunidades. A partir de datos históricos de una línea de manufactura —como temperaturas, tiempos de ciclo, consumo energético o tasas de defectos—, estos sistemas pueden proponer ajustes óptimos en los parámetros de operación, sugerir mejoras en la secuencia de procesos o incluso anticipar fallas antes de que ocurran. Esto se traduce en menor desperdicio, reducción en el consumo de energía y una mayor calidad del producto final.
Otro aspecto que está siendo transformado es la capacitación del talento humano. La inteligencia artificial generativa puede funcionar como un asistente técnico capaz de interpretar manuales, explicar procedimientos, generar instrucciones personalizadas o apoyar la resolución de problemas en planta. Para pequeñas y medianas empresas, esto representa en muchos casos un verdadero apoyo estratégico, ya que les permite acceder a conocimiento especializado que anteriormente estaba fuera de su alcance.
Desde el ámbito académico, esta nueva dinámica de trabajo que se vislumbra para los próximos años nos plantea un reto fundamental: formar profesionistas capaces de comprender, utilizar y cuestionar estas tecnologías. Hoy, la inteligencia artificial generativa se perfila como uno de los motores de las siguientes etapas de la sociedad; por ello, entenderla y adoptarla de manera consciente no es solo una ventaja competitiva, sino una necesidad para construir una industria más eficiente, sostenible y centrada en las personas.
El Dr. Jonathan Sánchez es ingeniero mecánico egresado de la Facultad de Ingeniería de la UNAM y Doctor en ingeniería mecánica por la UNIVERSIDAD DE MANCHESTER en el Reino Unido. El Dr. Sánchez ha trabajado para GE Aviation y ha realizado consultoría para el Instituto de Ingeniería de la UNAM. Sus cursos están relacionados con el uso eficiente de la energía y manufactura. Actualmente es profesor en el Tecnológico de Monterrey campus SLP. Sus áreas de investigación son simulación numérica, uso eficiente de la energía, análisis de datos y machine learning.