Proses desain otomotif tradisional adalah maraton. Selama beberapa dekade, sebuah model baru memerlukan setengah dekade kerja intensif, mulai dari sketsa yang digambar tangan hingga model tanah liat, dan pada akhirnya hingga simulasi digital 3D yang rumit. Waktu tunggu yang panjang ini berarti bahwa mobil-mobil yang memasuki ruang pamer saat ini sering kali dikonsep bertahun-tahun yang lalu, dalam iklim ekonomi dan peraturan yang berbeda.
Namun, industri ini menghadapi periode volatilitas yang belum pernah terjadi sebelumnya. Pergeseran dalam lanskap politik global, pembatalan insentif kendaraan listrik, dan tarif perdagangan baru memaksa produsen untuk melakukan perubahan dengan cepat. Agar tetap gesit, produsen mobil beralih ke agentic AI untuk mempersingkat waktu desain dan pengembangan dari tahun ke bulan.
Dari Sketsa ke Realitas 3D
Pergeseran besar pertama terjadi di studio kreatif. Secara tradisional, mengubah sketsa desainer menjadi model 3D dan animasi dengan ketelitian tinggi memerlukan banyak tim dan kerja berbulan-bulan.
Di General Motors (GM), para desainer kini menggunakan alat berbasis AI seperti Vizcom untuk menjembatani kesenjangan ini. Dengan memasukkan sketsa gambar tangan ke dalam sistem ini, desainer dapat menghasilkan model 3D dan animasi sinematik yang sepenuhnya terwujud dalam hitungan jam.
- Peran Manusia: Terlepas dari kecepatannya, para desainer menekankan bahwa AI bukanlah “pencipta”. Ini bertindak sebagai mesin rendering yang canggih. Perancang manusia masih bertindak sebagai “biksu” merek, membuat keputusan estetika penting yang menentukan apakah sebuah kendaraan terasa seperti Cadillac, Buick, atau Chevy.
- Rapid Prototyping: Visual yang dihasilkan AI ini berfungsi sebagai “papan suasana hati yang bergulir”, yang memungkinkan tim memvisualisasikan bagaimana cahaya menyentuh permukaan atau bagaimana mobil terlihat bergerak jauh sebelum prototipe fisik dibuat.
Terowongan Angin Virtual
Selain estetika, bentuk mobil juga ditentukan oleh fisika. Computational Fluid Dynamics (CFD) —ilmu tentang bagaimana udara mengalir di sekitar kendaraan—sangat penting untuk memaksimalkan efisiensi bahan bakar dan jangkauan EV.
Secara historis, CFD membutuhkan superkomputer yang sangat besar dan waktu pemrosesan yang berjam-jam. Saat ini, perusahaan seperti Neural Concept menggunakan jaringan neural untuk merevolusi bidang ini:
- Umpan Balik Instan: Di Jaguar Land Rover (JLR), tugas-tugas aero-engineering yang tadinya memakan waktu empat jam kini dapat diselesaikan hanya dalam satu menit menggunakan AI yang dipercepat GPU.
- Desain Iteratif: GM sedang mengembangkan “terowongan angin virtual bertenaga AI”. Daripada para desainer menyerahkan model yang sudah jadi kepada para insinyur dan menunggu berminggu-minggu untuk mendapatkan masukan, mereka kini dapat “mendorong dan menarik” permukaan digital dan menerima prediksi hambatan yang hampir seketika.
- Integrasi Awal: Karena fisika dapat disimulasikan hampir secara instan, pengujian aerodinamis dapat dimulai jauh lebih awal pada tahap desain, sehingga mencegah desain ulang yang mahal pada siklus selanjutnya.
Perangkat Lunak dan Kemacetan Pengkodean
Ketika kendaraan menjadi “ditentukan oleh perangkat lunak”, kompleksitas kode internalnya telah menjadi hambatan besar, yang sering kali menunda peluncuran dan meningkatkan biaya. Nissan mengatasi hal ini dengan menggunakan AI untuk mengotomatiskan tugas-tugas pengembangan perangkat lunak sederhana, seperti pengujian unit. Dengan mengotomatiskan proses pengkodean berulang ini, produsen bertujuan untuk meningkatkan kecepatan penerapan dan kualitas arsitektur digital kendaraan secara keseluruhan.
Kerugian Produktivitas Manusia
Meskipun produsen berpendapat bahwa AI adalah alat untuk “amplifikasi” dan bukan pengganti, industri ini masih terpecah mengenai dampak jangka panjang terhadap tenaga kerja.
“Nilainya berasal dari kombinasi kecepatan AI dan penilaian manusia, bukan karena menghilangkan manusia dari persamaan.” — Pierre Baqué, CEO Konsep Neural
Garis korporatnya adalah AI memungkinkan karyawan untuk fokus pada pekerjaan kreatif tingkat tinggi daripada “tugas-tugas kasar”. Namun, para kritikus dan pendidik menyatakan kenyataan berbeda. Matteo Licata, seorang profesor di IAAD, berpendapat bahwa peningkatan produktivitas yang begitu besar pasti akan menyebabkan berkurangnya jumlah karyawan di studio desain. Hal ini menciptakan hambatan besar bagi generasi desainer berikutnya, yang harus bersaing dalam industri di mana tugas-tugas manual “tingkat pemula” sedang diotomatisasi.
Kesimpulan
Industri otomotif berlomba untuk menggantikan siklus pengembangan lima tahun dengan alur kerja yang lebih gesit dan berbasis AI. Meskipun transisi ini menjanjikan inovasi yang lebih cepat dan efisiensi yang lebih baik, transisi ini juga menimbulkan pertanyaan mendasar tentang masa depan pekerjaan desain dan keseimbangan antara kecepatan mesin dan seni manusia.
