L'intelligenza artificiale generativa (GenAI) sta fondamentalmente accelerando e rimodellando lo sviluppo del software. Nelle applicazioni automotive critiche per la sicurezza, tuttavia, una creazione più rapida può generare colli di bottiglia nella verifica, validazione e tracciabilità.
GenAI può generare codice, modelli, test e documentazione più rapidamente di quanto i team possano esaminare e qualificare tali risultati utilizzando processi manuali. Senza workflow adeguati, i team rischiano di sviluppare architetture fragili, compromettere la tracciabilità, introdurre comportamenti imprevedibili e dover sostenere uno sforzo di convalida che supera i guadagni in termini di produttività. Per i sistemi safety-critical, questi aspetti influiscono direttamente sulla capacità di ottenere la certificazione e di garantire la manutenibilità nel lungo periodo.
I team del settore automotive devono stabilire come adottare GenAI preservando il controllo ingegneristico, la comprensione del sistema e la conformità ai requisiti normativi.
Questo white paper illustra come la progettazione Model-Based offra una base strutturata per l'impiego di GenAI nello sviluppo di sistemi e software automotive. Integrando GenAI nei workflow della progettazione Model-Based, i team di ingegneria possono accelerare la progettazione e lo sviluppo, preservando al contempo la tracciabilità, la verifica e la validazione del sistema durante l'intero ciclo di vita.
GenAI può incrementare significativamente la produttività generando rapidamente artefatti, assistendo nell'uso degli strumenti e sfruttando un'ampia conoscenza contestuale per supportare le attività di ingegneria. Tuttavia, nello sviluppo di sistemi automotive safety-critical, i limiti di GenAI possono introdurre rischi se non vengono gestiti nell'ambito di un workflow strutturato.
È in atto una transizione dagli strumenti di GenAI autonomi all’Agentic AI, in cui gli agenti di IA eseguono attività in base a obiettivi definiti dagli ingegneri. Questi agenti possono interagire con strumenti come MATLAB® e Simulink®, estendendo GenAI da assistente a partecipante attivo nei workflow di sviluppo.
Il Model Context Protocol (MCP) e i file delle skill rappresentano fattori abilitanti chiave per le applicazioni di Agentic AI basate su modelli linguistici di grandi dimensioni (LLM). MCP consente agli LLM di interagire con gli strumenti di ingegneria (come i prodotti MATLAB, Simulink e Polyspace®), trasformando il ragionamento probabilistico in un'esecuzione deterministica fondata su conoscenze concrete e sfruttando la comprensione della fisica del sistema. Gli skill file sono istruzioni testuali che definiscono agli LLM come eseguire al meglio attività specifiche e quali approcci evitare.
La questione chiave non è se GenAI sia utile (lo è senza dubbio), ma come applicarla affinché rigore, fiducia e responsabilità ingegneristica possano scalare insieme alla velocità. In assenza di workflow adeguati per verifica, validazione e tracciabilità, una maggiore velocità di creazione può trasferire i rischi alle fasi finali di integrazione, certificazione e manutenzione nel lungo periodo.
La progettazione Model-Based è da tempo una pietra miliare dell'ingegneria automotive. Rappresentando i sistemi come modelli eseguibili, la progettazione Model-Based consente ai team di ridurre la complessità, automatizzare l'implementazione con la tracciabilità integrata e validare il comportamento del sistema in anticipo, prima che eventuali problemi si ripercuotano sulle fasi successive del processo.
Nell'era di GenAI, la progettazione Model-Based non solo mantiene la propria rilevanza, ma viene ulteriormente potenziata dalle capacità di GenAI. Quando GenAI viene integrata in workflow consolidati della progettazione Model-Based, gli ingegneri mantengono il controllo sulle decisioni di sistema e sulle intenzioni progettuali. I modelli eseguibili, la simulazione basata sulla fisica, la generazione automatica deterministica del codice e gli strumenti di verifica creano un ambiente strutturato in cui le modifiche assistite dall'IA possono essere revisionate, testate e associate alle relative evidenze.
La progettazione Model-Based combina strumenti come MATLAB e Simulink con GenAI lungo l'intero ciclo di sviluppo.
In questo contesto, la verifica guidata da simulazione visiva e sistematica diventa un vantaggio chiave. I modelli eseguibili e i risultati delle simulazioni permettono agli ingegneri di analizzare il comportamento del sistema, comprendere le relazioni di causa-effetto tra domini diversi e supervisionare lo sviluppo assistito dall'IA in modo trasparente, senza dover fare affidamento esclusivamente sul codice generato o sui log.
Accelerazione della progettazione con GenAI
La progettazione è tipicamente la prima fase in cui gli ingegneri sperimentano i benefici di GenAI. Nelle fasi iniziali dello sviluppo, molto tempo viene dedicato ad attività ripetitive di implementazione anziché a decisioni di sistema di livello superiore. GenAI contribuisce a ridurre questo carico di lavoro, lasciando agli ingegneri la responsabilità finale dei risultati. Con gli agenti di IA integrati con Simulink, GenAI si occupa dell'automazione e dell'esecuzione, mentre gli ingegneri definiscono obiettivi, vincoli e compromessi progettuali.
Gli ingegneri possono utilizzare gli agenti di IA per creare bozze di modelli architetturali a partire da requisiti testuali, assemblare sistemi con librerie verificate e applicare pattern di modellazione coerenti. In questo scenario, GenAI offre lo stesso valore anche quando viene utilizzata con progetti esistenti. I modelli Simulink di grandi dimensioni possono essere rifattorizzati per migliorarne la struttura e la manutenibilità, trasformando attività manuali ripetitive e tradizionalmente dispendiose in un processo più rapido ed efficiente.
L'IA automatizza diverse attività di progettazione spesso dispendiose, tra cui l'associazione dei requisiti a un modello.
Dalla progettazione assistita dall'intelligenza artificiale al software di produzione
Man mano che lo sviluppo procede verso la produzione, i vincoli imposti dai processi e dagli standard automotive diventano non negoziabili. Sebbene GenAI possa supportare lo sviluppo degli algoritmi, il codice di produzione deve garantire determinismo, tracciabilità, certificabilità ed essere pronto per applicazioni in tempo reale.
Si delinea una distinzione pratica: GenAI supporta l'accelerazione creativa; la progettazione Model-Based garantisce il rigore nella produzione. Dopo che un progetto è stato validato, vengono applicati i workflow stabiliti per la generazione di codice, la verifica e la conformità.
Utilizzando strumenti come Embedded Coder®, i team possono generare automaticamente codice C e C++ ottimizzato per il deployment su hardware di produzione e applicare workflow di verifica comprovati per garantire affidabilità e sicurezza prima della distribuzione. Gli agenti di IA possono ottimizzare questa fase automatizzando le attività di integrazione, creando interfacce per i test e orchestrando i workflow di deployment. Un aspetto fondamentale è che GenAI non sostituisce le toolchain esistenti, ma ne facilita l'integrazione e la connessione.
Indipendentemente dal metodo di creazione del codice (sviluppato manualmente, generato dall'IA o derivato dai modelli), è necessario sottoporlo a verifica. Gli strumenti Polyspace consentono ai team di analizzare la robustezza del codice, rilevare vulnerabilità di sicurezza, verificare la conformità agli standard di codifica e dimostrare l'assenza di errori in fase di esecuzione. Questo passaggio garantisce che lo sviluppo assistito dall'IA rispetti gli standard di codifica per il software automotive.
Validazione in un workflow di ingegneria abilitato da GenAI
Con l'aumento dell'uso di componenti creati o modificati da GenAI, la validazione diventa ancora più cruciale. I sistemi automotive sono complessi e multidominio. Molti difetti non sono rilevabili a livello di singole funzioni o componenti. Emergono invece durante l'integrazione, quando le funzionalità software interagiscono tra loro e con sensori, attuatori e condizioni operative del mondo reale.
Questa sfida è amplificata con GenAI. Quando parti di una funzionalità software vengono generate o modificate automaticamente, i revisori devono valutare non solo la modifica stessa, ma anche il suo impatto sul comportamento del sistema, sulle interfacce, sui test e sulle assunzioni di integrazione.
La fase di validazione è proprio quella in cui la simulazione assume un ruolo cruciale, consentendo agli ingegneri di simulare e testare il software insieme alle condizioni elettriche, meccaniche e ambientali molto prima della disponibilità di prototipi fisici. La simulazione rappresenta quindi il meccanismo che permette di rilevare tempestivamente i problemi di integrazione e abilitare un approccio di convalida "shift-left".
MathWorks accelera la disponibilità di funzionalità di GenAI, garantendo al contempo la stabilità e la qualità necessarie per lo sviluppo automotive. Due release di alta qualità all'anno offrono una base solida e affidabile, mentre cicli di iterazione più rapidi per le offerte di GenAI consentono di introdurre rapidamente nuove funzionalità di IA generativa. Le attuali funzionalità di GenAI comprendono i toolkit agentici per MATLAB, Simulink e Polyspace, nonché Simulink Copilot.
GenAI sta cambiando il modo in cui vengono creati i software e i sistemi automotive. Il successo dipende dall'equilibrio tra innovazione e rigore.
I team che adottano GenAI senza workflow di verifica e tracciabilità strutturati e applicabili rischiano di aumentare il lavoro di revisione nelle fasi di integrazione, certificazione e manutenzione, oltre a incorrere in un elevato utilizzo di token. I team che integrano GenAI nei workflow della progettazione Model-Based possono accelerare lo sviluppo mantenendo la fiducia nel processo, poiché ogni modifica è tracciabile e fondata su comportamenti eseguibili ed evidenze validate.
Combinando GenAI con la progettazione Model-Based, i team possono accelerare lo sviluppo mantenendo il comportamento eseguibile, le evidenze di verifica, la tracciabilità e l'implementazione deterministica richiesti per l'ingegneria dei sistemi safety-critical. MathWorks si impegna a collaborare con l'industria automotive per creare ambienti di ingegneria basati su GenAI in grado di soddisfare gli standard di qualità attesi, garantire i requisiti di sicurezza e supportare la manutenibilità nel lungo periodo.
