La IA generativa impulsa el diseño creativo de productos físicos, pero no es una varita mágica

Aunque la IA generativa está en sus inicios, la tecnología ya está dejando una huella indeleble en la forma de concebir, innovar y diseñar los productos físicos y los envases.

Desde el envasado de productos hasta los componentes de automóviles y los expositores de tiendas minoristas, la IA generativa permite a los diseñadores industriales explorar más ideas y experiencias de productos, incluidas las nunca imaginadas, y desarrollar conceptos de diseño iniciales mucho más rápido que con los métodos tradicionales.

Además, con la capacidad de visualizar conceptos en alta fidelidad mucho antes en el proceso de diseño, las empresas pueden obtener comentarios más precisos de los consumidores a medida que trabajan para afinar cada elemento de la experiencia del usuario (véanse las imágenes a continuación). Solo en investigación y diseño de productos, McKinsey calcula que la IA generativa podría desbloquear $60 mil millones de dólares en productividad. ¹“The economic potential of generative AI: The next productivity frontier” (“El potencial económico de la IA generativa: la próxima frontera de la productividad”), McKinsey, 14 de junio de 2023.

Imágenes conceptuales de alta fidelidad de cascos de soldadura modernos impulsados por el Internet de las Cosas, que se crearon utilizando un software de conversión de texto a imagen con IA generativa. A través de prompting iterativo, el diseñador industrial refinó los diseños iniciales para desarrollar imágenes conceptuales con una estética futurista inspirada en el estilo de los autos deportivos modernos. (Las imágenes son ilustrativas y se desarrollaron para este artículo).

Si bien las herramientas de IA generativa pueden producir resultados extraordinarios, no pueden reemplazar la experiencia humana. Al igual que la industria vio con la llegada del diseño asistido por ordenador (computer-aided design, o CAD) y los avances posteriores, como la impresión 3D y la realidad aumentada y virtual, aunque los métodos para diseñar productos físicos pueden cambiar, se necesitan expertos en diseño para garantizar el uso significativo de la tecnología y la entrega de valor empresarial.

En el caso del diseño industrial, los expertos que realizan investigaciones sobre consumidores a menudo descubren ideas importantes que inspiran decisiones de diseño fundamentales. Su habilidad para identificar los mejores conceptos entre las docenas de imágenes generadas por IA —evaluar los resultados teniendo en cuenta la estética y la posibilidad de fabricación, y manipular las imágenes basándose en la investigación de los usuarios y en su sentido del diseño— es crucial para ofrecer un diseño final que resuene entre los usuarios.

Aunque estas herramientas son relativamente nuevas, nuestros equipos siguen observando su impacto significativo en la productividad. Cuando se utilizan correctamente a lo largo del ciclo de vida del desarrollo del producto, a veces vemos una reducción de hasta el 70 por ciento en los tiempos de ese ciclo, lo que proporciona a los equipos la oportunidad de dedicar más tiempo a realizar pruebas del consumidor, perfeccionar los diseños, investigar a los proveedores y optimizar los diseños para la fabricación y la sostenibilidad. Estas herramientas y procesos son, en última instancia, un vehículo para el crecimiento y la innovación, permitiendo un desarrollo más rápido de productos mucho mejores.

Sin embargo, aunque los responsables de I+D y desarrollo de productos pueden utilizar esta tecnología para impulsar la innovación, tendrán que comprender sus limitaciones y prepararse para afrontarlas. En este artículo, compartimos las formas en que la IA generativa puede desbloquear la creatividad y la productividad a lo largo del ciclo de vida del desarrollo del producto, examinamos consideraciones cruciales para los líderes empresariales que intentan crear valor empresarial y sugerimos pasos para comenzar basándonos en nuestro trabajo de diseño y en el uso de herramientas de IA generativa en nuestro proceso creativo.

Liberar la creatividad y la productividad a lo largo del ciclo de vida del diseño

Cuando los diseñadores industriales crean conceptos o rediseñan envases, bienes de consumo duraderos, experiencias, espacios o prácticamente cualquier otra cosa, sus procesos creativos suelen pasar por algunas fases esenciales: investigaciones de mercado y de usuarios, desarrollo y pruebas de conceptos, y mejora de conceptos. La tecnología de IA generativa puede aportar un valor enorme en cada etapa, permitiendo a los diseñadores iterar más rápido, conectar los puntos de nuevas maneras y catalizar el pensamiento divergente para crear productos que transformen las experiencias cotidianas de los usuarios (Gráfica).

Investigaciones de mercado y de usuarios

Casi todo buen diseño de un producto físico empieza por una investigación de mercado. ¿Qué características o cualidades son las más importantes para los consumidores potenciales? ¿Cómo evolucionan las preferencias y los gustos de los consumidores, y cómo responden nuestros competidores? ¿Qué lagunas existen para crear una nueva categoría de ofertas?

Utilizando herramientas de IA generativa entrenadas en grandes modelos de lenguaje –como ChatGPT, Bard y otros–, los diseñadores pueden recopilar, sintetizar y dar sentido a los datos existentes sobre el mercado y los consumidores de forma mucho más rápida que antes. Además, como las herramientas extraen información de muchas fuentes de datos más diversas de las que podrían analizar los humanos por sí solos, pueden revelar oportunidades de mercado sin explotar y necesidades o expectativas de los consumidores que se han pasado por alto. Esto permite a los diseñadores industriales crear una base de conocimientos mucho más rica para los debates con las partes interesadas y las entrevistas con los consumidores. Una empresa de bienes de consumo envasados aumentó su investigación de mercado y de usuarios con nuevos conocimientos de las herramientas de IA generativa sobre el sentimiento de los consumidores y cómo podría utilizar su valor de marca para expandirse en mercados de alto crecimiento. Con estos conocimientos, el equipo de diseño amplió el alcance de sus entrevistas etnográficas, obteniendo retroalimentación sobre importantes elementos de diseño que informaron su trabajo posterior de desarrollo y perfeccionamiento de nuevos conceptos.

Desarrollo de conceptos

Cuando los diseñadores industriales e ingenieros crean nuevos diseños de productos o iteran sobre la próxima generación de un producto o componente de ingeniería ya existente, las herramientas de IA generativa de texto a imagen proporcionan un medio poderoso para la inspiración y la innovación.

La capacidad de la tecnología para generar imágenes novedosas y realistas a partir de instrucciones (prompts) de expertos puede inspirar una exploración más audaz y aportar ideas distintivas y potencialmente únicas en su tipo. Estas visualizaciones, datos y otros resultados que surgen cuando los diseñadores introducen en una herramienta de IA generativa bocetos, datos de investigaciones etnográficas y características basadas en el sentimiento de los consumidores pueden ser un excelente punto de partida que acelere drásticamente la fase de desarrollo del concepto. Dicho esto, sigue siendo necesaria la intervención humana de un diseñador experto para validar, probar y afinar los resultados para que sean significativos, posibles de fabricar e impactantes, ya que las imágenes generadas normalmente no pueden utilizarse en su estado inicial (por ejemplo, algunas pueden no coincidir con la visión de la empresa, otras pueden no reflejar las instrucciones del diseñador de manera significativa y algunas más pueden ser completamente imposibles de fabricar).

Al igual que ocurrió con evoluciones tecnológicas anteriores, como la aparición del CAD y la impresión 3D, la IA generativa libera a los expertos en diseño de tareas mundanas y que consumen mucho tiempo cuando preparan imágenes conceptuales, mood boards y storyboards. Por ejemplo, al ingresar prompts iterativos sobre objetivos de rendimiento y nuevas especificaciones, los diseñadores industriales pueden llegar a la “mejor respuesta” más rápido que si probaran diferentes teorías individualmente y luego realizaran una debida diligencia altamente manual (véanse las imágenes a continuación).

Prompt inicial

Concepto inicial para un nuevo diseño de pedal de bicicleta elaborado mediante un software de conversión de texto a imagen con IA generativa y desarrollado a partir de las directrices iniciales de un ingeniero industrial. Esto representa la primera fase de un proceso iterativo para identificar más rápido el mejor enfoque de diseño para cumplir con especificaciones concretas de rendimiento y producto.

Progresión de los prompts

Basándose en el resultado inicial del software, un diseñador industrial utilizó prompts iterativos para identificar formas de reducir la cantidad de titanio en el pedal (haciéndolo más ligero) al tiempo que se mejoraba la resistencia de los componentes. Las imágenes ilustran la progresión de los conceptos desarrollados a medida que el diseñador trabajaba para finalizar el resultado bruto del software de conversión de texto a imagen con IA generativa.

Final, refinado y posible de fabricar

El diseñador perfeccionó el resultado final bruto (a la izquierda) utilizando un software de edición de imágenes. Para crear el concepto final (a la derecha), el diseñador eliminó el exceso de pernos, ajustó los soportes de los pedales para aumentar la resistencia de los componentes e hizo otros ajustes para garantizar su fabricación. (Las imágenes son ilustrativas y se desarrollaron específicamente para este artículo).

Los diseñadores industriales de un fabricante de equipos originales de automóviles (original equipment manufacturer, u OEM) necesitaron solo dos horas con la ayuda de IA generativa para crear los conceptos de diseño iniciales de 25 variaciones de un salpicadero de próxima generación con una interfaz de pantalla táctil, superficies de carga, panel de instrumentos y otros componentes. A continuación, el equipo de diseño afinó estos conceptos con un software de edición de imágenes para ofrecer a las partes interesadas una imagen más clara de hacia dónde se dirigía el sector y cómo evolucionar las interfaces de los componentes, el factor de forma, el color, el material, el acabado y más para los últimos modelos de vehículos eléctricos (véanse las imágenes a continuación). Sin la IA generativa, la creación de imágenes con un nivel de detalle y calidad similares habría llevado al menos una semana con muchas más iteraciones. Este proceso permitió a los diseñadores dar vida a la experiencia de un producto de una manera mucho más tangible y en una fracción del tiempo.

A la izquierda, imagen del interior de un coche tradicional. A la derecha, imagen final de alta fidelidad de un nuevo concepto de diseño del interior de un vehículo eléctrico de próxima generación, inspirado en la imagen de la izquierda. Para desarrollar la imagen del nuevo concepto, el diseñador industrial utilizó prompts iterativos en un generador de imágenes, detallando las características deseadas (pantalla táctil grande, materiales de primera calidad, etcétera) para crear el interior actualizado. Luego, el diseñador refinó el resultado con un software de edición de imágenes para crear la imagen final. (La imagen final es ilustrativa y se desarrolló específicamente para este artículo).

Dado que actualmente los resultados de la IA generativa requieren una manipulación significativa, la creación de estas imágenes suele ocurrir en el estudio. Pero a medida que la tecnología se desarrolla y sus resultados se hacen más refinados, los ingenieros y diseñadores industriales participan cada vez más en reuniones con líderes empresariales y realizan sesiones de investigación del consumidor mientras utilizan herramientas de IA generativa para crear imágenes inspiradoras en tiempo real basadas en comentarios en directo.

Pruebas y mejora de conceptos

Con la capacidad de elevar un boceto conceptual o una idea de diseño preliminar a un visual inmersivo, los diseñadores industriales también pueden dar vida a nuevos conceptos y experiencias. Esto puede permitir debates más significativos con los líderes empresariales y los consumidores en busca de opiniones sobre posibles áreas de oportunidad, conceptos y visiones futuras.

Por ejemplo, los ejecutivos de un museo importante podrían visualizar mejor las oportunidades de aumentar la accesibilidad de sus exposiciones cuando los diseñadores industriales editaran y combinaran imágenes generadas por IA con contenido visual complementario (bocetos, gráficos, etcétera) para crear storyboards que ilustraran formatos, productos, servicios y experiencias novedosos (véase la imagen a continuación).

Una imagen conceptual generada por IA y refinada mediante un software de edición de imágenes que representa un entorno educativo virtual, inmersivo y atractivo para los visitantes del museo. (La imagen es ilustrativa y se desarrolló específicamente para este artículo).

Después de probar los conceptos iniciales con las partes interesadas, los diseñadores pueden utilizar la tecnología para perfeccionar el estilo del producto, aplicar los toques finales y trazar conceptos futuros para informar las hojas de ruta del producto —a veces en horas en lugar de semanas—, antes de pasar a las fases posteriores de detallado del diseño, refinamiento, conceptos de ingeniería y diseño para la fabricación.

Más allá del diseño

Los líderes que deseen continuar usando la IA generativa en la simulación y las pruebas de productos deberían seguir de cerca sus avances. La tecnología está evolucionando rápidamente y, a medida que lo hace, prevemos que se dispondrá de más capacidades para simplificar el traspaso entre el diseño y la ingeniería y acelerar drásticamente los procesos de ingeniería. Ya estamos viendo el lanzamiento al mercado de soluciones de software de IA generativa que permiten a los diseñadores industriales e ingenieros convertir rápidamente conceptos de productos en modelos CAD. Eso les permite modelar los productos mucho más rápido y comenzar el proceso de ingeniería con mayor celeridad. Si bien las herramientas aún son incipientes, podemos imaginar que en un futuro no muy lejano mejorarán y acelerarán drásticamente los traspasos del diseño a la ingeniería.

También esperamos ver nuevas herramientas capaces de analizar rápidamente los diseños para determinar su capacidad de fabricación y de servicio; por ejemplo, para confirmar si un producto puede fabricarse con las herramientas de moldeo por inyección existentes en una planta. Desde el punto de vista de la ingeniería, la IA generativa ya está revolucionando la forma en que los expertos abordan problemas de ingeniería de simulación establecidos desde hace tiempo, como la optimización del rendimiento estructural de los productos. Una herramienta de IA generativa para el análisis de elementos finitos y la optimización topológica —técnicas básicas para entender cómo funciona una pieza en diferentes condiciones y cómo producir estructuras ligeras pero resistentes— puede generar cientos de opciones de diseño mejorado para piezas basadas en criterios identificados, como fuerzas, presiones y condiciones ambientales. En el futuro, cabe esperar que estas herramientas ofrezcan una gama aún más completa de posibilidades, como transformar bocetos en modelos detallados de piezas de ingeniería, facilitar la selección y optimización de materiales, e identificar formas de mejorar la capacidad de fabricación, así como optimizar los componentes para el ensamblaje y reducir costos.

Consideraciones cruciales para lograr valor empresarial

Sin duda, los resultados de la IA generativa pueden ser impresionantes. Sin embargo, no basta con pulsar un botón para obtener resultados significativos y convertirlos en un producto deseable, centrado en el usuario y posible de fabricar que se ajuste a sus preferencias, puntos débiles y expectativas. Para lograr valor empresarial, el diseño industrial y la experiencia en ingeniería son cruciales en las siguientes áreas:

• Realización de estudios del consumidor. La investigación del consumidor obtenida a partir de herramientas de IA generativa puede parecer exhaustiva; sin embargo, estas herramientas pueden proporcionar información incorrecta (a menudo denominada alucinaciones). Además, incluso cuando los datos proporcionados son precisos, solo pueden ofrecer una base de conocimiento, ya que las tendencias y el comportamiento de los consumidores a menudo cambian más rápido que los conjuntos de datos de entrenamiento. En consecuencia, los equipos de diseño deben verificar las hipótesis e investigar las tendencias emergentes a través de la investigación primaria. Al combinar los conocimientos producidos por la IA generativa y las entrevistas etnográficas, los equipos de diseño pueden obtener una comprensión mucho más rica de las preferencias de los usuarios que la que cualquiera de ellos podría proporcionar por sí solo en el mismo período.
• Desarrollo de prompts efectivos. Para producir algo que se acerque a lo que los diseñadores imaginan, los consumidores quieren y las empresas pueden fabricar, es necesario recurrir a prompts muy iterativos Una simple frase puede generar una imagen interesante, pero el resultado no será necesariamente preciso, factible o relevante (véanse las imágenes a continuación). En última instancia, los expertos en diseño deben proporcionar un contexto para el concepto general, incluyendo el tema, el medio, el entorno, la iluminación, el color, el ambiente y la composición. Tienen que determinar cuántos detalles incluir (por ejemplo, menos detalles pueden producir más variedad, pero dar lugar a conceptos que no tengan las características específicas necesarias). Además, deben considerar la longitud de los prompts y cómo separar los prompts complejos (tener menos palabras en una instrucción significa que cada palabra tiene más influencia, lo que puede afectar los resultados).

Se necesitan expertos en diseño para desarrollar prompts eficaces, como puede verse en estas dos imágenes generadas por IA de una niña pintando una flor. A la izquierda, la imagen muestra a una niña pintando los pétalos de una flor real y se generó utilizando un prompt básico sugerido por un chatbot de un gran modelo de lenguaje. A la derecha, la imagen muestra a una niña pintando una flor en un lienzo y se generó utilizando prompts iterativos de un diseñador. (Las imágenes son ilustrativas y se desarrollaron específicamente para este artículo).

• Perfeccionamiento de los resultados de la IA generativa. A menudo, las herramientas de conversión de texto a imagen generan imágenes defectuosas: de la parte superior de un televisor crece una planta rebelde o se crea un dron que no puede volar (véase la imagen siguiente). Las organizaciones deben contar con realizar una edición de posproducción sustancial –por ejemplo, mediante el uso de un software de edición de imágenes para ajustar los colores, las fuentes y los patrones utilizados en los conceptos finales– para lograr un resultado significativo. Incluso cuando los resultados iniciales parecen que podrían estar en las estanterías de las tiendas, una inspección más detallada suele revelar que están muy lejos de ser un producto posible de fabricar. Hoy en día, los diseñadores e ingenieros deben seguir creando su versión refinada de un concepto en CAD para garantizar que el producto tenga en cuenta las especificaciones, los requisitos y las limitaciones de fabricación.

Un dron de pasajeros que no puede volar ni se puede fabricar, producido por un generador de imágenes impulsado por IA. Nótese el número desigual de palas de las hélices, los patines inadecuados del tren de aterrizaje y la falta de puertas para la seguridad de los pasajeros. (La imagen es ilustrativa y se desarrolló específicamente para este artículo).

• Selección de los mejores conceptos. La IA generativa puede producir docenas de conceptos rápidamente, pero, como demostró el famoso estudio del “experimento jam”, demasiadas opciones pueden abrumar tanto a las partes interesadas importantes como a los consumidores. Como resultado, las organizaciones necesitarán expertos en diseño para identificar las mejores ideas entre el gran número de imágenes producidas y refinarlas en función de la estética, la viabilidad, la idoneidad para el uso y más, para garantizar que las pruebas de conceptos con los usuarios produzcan comentarios valiosos.
• Añadir una buena dosis de empatía humana. Las herramientas de IA son tan buenas como los datos con los que se entrenan. Y dado el “promediado” que puede producirse con los datos agregados, pueden perpetuar los sesgos históricos, simplificar en exceso las soluciones y pasar por alto fragmentos reveladores del comportamiento humano matizado que pueden proporcionar las semillas de la innovación. Por lo tanto, los diseñadores industriales e ingenieros deben supervisar continuamente el diseño, asegurándose de que se tienen en cuenta todas las facetas del uso del producto, desde la estética (si el diseño se ajusta a las preferencias regionales y culturales) hasta la ergonomía (si la salida de IA generativa es demasiado grande o difícil de manejar para el público objetivo) y la capacidad de uso (por ejemplo, si el producto es accesible para personas con discapacidades).

Primeros pasos

La incorporación de la IA generativa al conjunto de herramientas de diseño de productos físicos puede acelerar y hacer avanzar la innovación en el diseño de productos, pero solo si los equipos pueden utilizar la tecnología de manera eficaz. Basándonos en nuestro trabajo y experiencia en el uso de las herramientas, recomendamos a los responsables de I+D y de producto que tengan en cuenta las siguientes acciones para empezar a desarrollar sus capacidades de IA generativa:

• Reservar tiempo para el aprendizaje y la exploración. Esta acción puede consistir en empoderar a los equipos para que prueben la tecnología en actividades habituales, como la iteración de nuevas características de un producto para una oferta existente. También debería implicar ofrecer oportunidades, como un canal de mensajería dedicado o reuniones de equipo, para compartir éxitos y desafíos. En otros ámbitos, como el desarrollo de software, la investigación de McKinsey ha descubierto que cuanto más utilizan los profesionales las herramientas y comparten lo que aprenden con los demás, más mejoran. Lo mismo ocurre con el diseño de productos físicos.
• Identificar y lanzar un proyecto piloto en dominios de alto valor. Aunque puede resultar tentador aplicar la tecnología a todos los proyectos en curso, lo mejor para los líderes es identificar un proyecto piloto en el que exista potencial para generar un valor considerable. Un proyecto piloto podría utilizar la IA generativa a lo largo del ciclo de vida del diseño de un producto emblemático, o podría centrarse en agilizar un proceso, como la investigación, en toda su línea de productos insignia.

• Evaluar riesgos e instalar barreras de seguridad. La IA generativa introduce nuevos riesgos legales, éticos y de reputación que los líderes deben considerar y gestionar cuidadosamente. Estos incluyen preocupaciones sobre la seguridad de los datos (si se expone información confidencial al utilizar la herramienta), la propiedad intelectual (si los resultados del modelo infringen derechos de autor, marcas registradas, patentes o material protegido legalmente de otro modo) y la fiabilidad (si las herramientas alucinan y proporcionan respuestas inexactas a las instrucciones), entre otras. En algunos casos, como la capacidad de alucinación de la IA generativa, los riesgos pueden ser limitados, ya que los expertos en diseño suelen examinar y verificar la información proporcionada por las herramientas y combinarla con otras fuentes de datos primarios. Además, cualquier imagen surrealista y ficticia generada por las herramientas durante el desarrollo del concepto puede ser una ventaja, ya que inspira una mayor creatividad y originalidad.

  En otros casos, especialmente los relacionados con los derechos de propiedad intelectual y la seguridad de los datos, es necesario tomar medidas para garantizar el uso responsable de la tecnología. Los líderes deben revisar sus procesos legales y normas de diseño para confirmar que cuentan con las medidas de diligencia necesarias para garantizar que un producto final no reproduzca indebidamente la propiedad intelectual de terceros, independientemente de dónde se inspiren sus equipos, ya sea en herramientas de IA generativa o en su propia investigación en y fuera de línea. (En los casos en que los equipos deseen compartir las imágenes generadas por IA que producen tal cual, los líderes deben asegurarse de que comprenden los términos de propiedad intelectual y titularidad establecidos por los diferentes proveedores de herramientas, así como cualquier legislación local pertinente que pueda regir la titularidad de un resultado generado por IA.)

  Los líderes también deben implementar políticas que orienten a los equipos sobre qué información se puede y no se puede utilizar en los prompts de la IA generativa. Algunas de las mejores prácticas incluyen comprender los términos de servicio de una herramienta de IA generativa dada y abstenerse de utilizar propiedad intelectual de terceros, conocimientos patentados u otra información confidencial en los prompts.

• Educar a las partes interesadas de la empresa en los nuevos procesos. El nivel de detalle y refinamiento de las imágenes generadas por IA puede crear la impresión de que un producto se encuentra mucho más cerca de su finalización de lo que realmente está. En consecuencia, a medida que las organizaciones de I+D adoptan estas herramientas, deben ser transparentes sobre su uso y proporcionar a las partes interesadas una comprensión clara de lo que representan las imágenes, su uso y sus limitaciones. Las actualizaciones periódicas sobre el progreso real de un proyecto también pueden garantizar que las representaciones visuales tan realistas no den lugar a expectativas demasiado optimistas.
• Actualizar las competencias de los diseñadores industriales para funciones futuras. El uso de la IA generativa en el diseño de productos físicos creará invariablemente nuevas funciones en las que los expertos en diseño se convertirán en “curadores de la creatividad”, vinculando, manipulando e inspirándose en los resultados de la tecnología para resolver los desafíos de los productos. Este papel requiere habilidades de narración y de diseño centrado en el ser humano, conocimientos de fabricación, competencias en otras herramientas digitales (como CAD, software de ilustración, bocetos y renderizado), una comprensión profunda del uso de diferentes materiales en el diseño, etcétera. Puede llevar años dominar estas habilidades y comprender cómo y cuándo combinarlas con las herramientas de IA generativa; por ello, los líderes deberían empezar a actualizar las competencias de sus equipos hoy mismo.

La IA generativa ha empezado a remodelar el diseño de productos físicos, permitiendo a los diseñadores industriales ser más productivos, creativos y estratégicos en la creación de productos que resuelvan las necesidades de los usuarios. Aunque los resultados de esta tecnología pueden ser deslumbrantes, su capacidad para crear valor comercial solo se pone de manifiesto cuando se combina con las manos hábiles y los ojos perspicaces de los expertos en diseño. A medida que se acelere su adopción y más diseñadores e ingenieros integren esta tecnología en sus flujos de trabajo, podríamos ver florecer algunas soluciones de diseño e ingeniería realmente revolucionarias. Esto podría dar lugar a una era estética completamente nueva, con factores de forma ingeniosos, mayor eficiencia en el uso de materiales y capacidad de fabricación, y vida útil de los productos más larga, lo que beneficiaría tanto a las empresas que crean estos productos como a las personas que los utilizan.