MathWorks cerró la brecha entre los asistentes de programación de propósito general y el trabajo real de ingeniería con Release 2026a, la entrega que incorpora inteligencia artificial generativa y agéntica directamente dentro de MATLAB y Simulink. La apuesta de la compañía es que un asistente que entiende modelos matemáticos, sistemas físicos y restricciones de diseño resulta más útil que uno entrenado solo para escribir código.
En una entrevista con Electronics For You, Prashant Rao, Country Manager de MathWorks India, detalló qué trae la nueva versión y cómo la empresa pretende sostener la trazabilidad y la certificación en sectores donde un error se paga caro.
¿Por qué la IA es el foco de Release 2026a?
La inteligencia artificial se volvió una capacidad transversal en ingeniería: ayuda a explorar diseños, desarrollar algoritmos, automatizar la escritura de código y mejorar la productividad. Como la misión de MathWorks es ayudar a construir mejores sistemas, MATLAB Copilot y Simulink Copilot, ambos parte de Release 2026a, incrustan la inteligencia artificial generativa directamente en las dos herramientas. A eso se suman el servidor MCP, el MATLAB Agentic Toolkit y el Simulink Agentic Toolkit, que integran inteligencia artificial agéntica en flujos de trabajo confiables. La versión también trae mejoras de flujo para investigación, diseño, pruebas, despliegue y monitoreo operacional.
¿Qué distingue estos copilotos de un asistente genérico?
A diferencia de los asistentes generales, las capacidades de MathWorks están construidas alrededor del conocimiento de ingeniería y no de la programación genérica. MATLAB Copilot y Simulink Copilot entienden modelos matemáticos, sistemas físicos, simulaciones, restricciones de diseño y buenas prácticas de ingeniería porque están integrados dentro de las propias herramientas. Eso permite una asistencia sensible al contexto y adaptada a tareas de ingeniería, sin que el profesional deba salir de su entorno de desarrollo.
| Copiloto | Ámbito | Tareas principales |
|---|---|---|
| MATLAB Copilot | Código y análisis numérico | Explicar código, generar documentación, crear vectores de prueba |
| Simulink Copilot | Diseño basado en modelos | Explicar secciones del modelo, trazar señales, documentar |
| Polyspace Copilot | Verificación estática | Explorar resultados de análisis e identificar correcciones |
¿Cómo se equilibra la velocidad con la verificación?
La inteligencia artificial generativa y agéntica puede elevar la productividad de manera significativa, pero las salidas que produce igual deben verificarse, validarse y trazarse contra los requisitos, sobre todo en aplicaciones críticas para la seguridad. MATLAB, Simulink y Polyspace soportan esos flujos de verificación, validación, pruebas y certificación. Según Rao, el enfoque no reemplaza el criterio del ingeniero: combina la productividad de la inteligencia artificial con procesos de ingeniería confiables, de modo de convertir salidas probabilísticas en resultados deterministas y verificables.
Más allá de generar código
MATLAB Copilot fue diseñado como asistente de ingeniería y no como una herramienta de escritura de código. Además de generarlo, explica código existente, produce documentación y comentarios, crea vectores de prueba y ayuda a entender algoritmos desconocidos, lo que reduce el tiempo dedicado a tareas repetitivas. Al estar integrado en MATLAB, entrega asistencia contextual basada en las capacidades y la documentación del propio producto.
En el caso de Simulink Copilot, el foco está en el conocimiento de ingeniería incrustado en ese ecosistema. Entiende modelos matemáticos, sistemas físicos, diseño basado en modelos y flujos de trabajo para sistemas embebidos y de control.
¿Qué resuelve en proyectos grandes y multiequipo?
Uno de los mayores desafíos en proyectos extensos es entender modelos heredados complejos, desarrollados por equipos distintos y muchas veces con documentación incompleta o desactualizada. Antes de modificar algo, el ingeniero debe comprender la arquitectura, trazar señales e interpretar decisiones de diseño anteriores.
Simulink Copilot acorta esa curva de aprendizaje explicando secciones del modelo, relaciones entre componentes y comportamiento, trazando señales, identificando cambios y generando o mejorando la documentación. La interacción conversacional con modelos existentes permite ganar contexto con mayor rapidez.
¿Qué cambia con la IA agéntica?
La inteligencia artificial generativa tradicional produce texto o código a partir de instrucciones. La agéntica va más lejos: ejecuta comandos, analiza resultados, ajusta su enfoque y repite el proceso hasta alcanzar el objetivo de ingeniería. En vez de solo responder preguntas, automatiza varios pasos del desarrollo, como escribir código, correr comandos de MATLAB, analizar simulaciones y mejorar soluciones, manteniendo al ingeniero en control para revisar y validar cada etapa.
¿Por qué importan los servidores MCP y los kits agénticos?
A medida que los ingenieros adoptan modelos de lenguaje como Claude, Codex y Gemini, necesitan que esos sistemas interactúen directamente con las herramientas de ingeniería. MathWorks aborda ese punto con sus servidores MCP y con los kits agénticos de MATLAB y Simulink, que son de código abierto.
Los servidores MCP entregan una interfaz segura para que los asistentes se comuniquen con MATLAB y Simulink, ejecuten simulaciones, analicen resultados y completen tareas dentro de un flujo controlado. Los kits alojados en GitHub agregan habilidades y flujos específicos de ingeniería. Un detalle relevante: como se actualizan a través de GitHub y no del ciclo de lanzamiento del producto, las nuevas capacidades pueden liberarse mucho más rápido que las dos entregas anuales habituales de MathWorks.
Ejemplos concretos de uso
Un ingeniero puede describir una tarea de análisis de datos en lenguaje natural y la inteligencia artificial genera el código en MATLAB, lo ejecuta, crea gráficos, analiza los resultados y refina la solución de forma iterativa hasta cumplir el objetivo. En Simulink, es posible describir un sistema, por ejemplo un controlador de seguimiento solar, y obtener el modelo inicial con los bloques configurados, corriendo simulaciones y ayudando a afinar el diseño. El mismo enfoque se extiende a la generación de pruebas, el refinamiento de modelos y la documentación.
De los requisitos a la arquitectura
La inteligencia artificial también apunta a transformar las etapas tempranas del diseño de sistemas. En vez de interpretar manualmente documentos de requisitos, el ingeniero puede entregarlos como documentos o imágenes y describir el sistema deseado en lenguaje natural. La herramienta genera entonces una arquitectura inicial en System Composer, que después se revisa, valida y refina. No reemplaza el criterio profesional, pero reduce el esfuerzo manual y acorta el camino desde los requisitos hasta un modelo de sistema ejecutable.
Integración con Visual Studio Code
Los flujos de trabajo modernos abarcan varios entornos de desarrollo, así que las capacidades fueron diseñadas para integrarse en vez de crear un flujo aparte. A través de los kits agénticos y los servidores MCP, los asistentes que corren en entornos como Visual Studio Code pueden invocar MATLAB de manera segura, correr análisis, ejecutar simulaciones y devolver resultados de ingeniería.
Calidad del software embebido
A medida que el software embebido se vuelve más complejo, detectar defectos temprano resulta crítico. Polyspace Copilot combina la interacción asistida con el análisis estático de código de Polyspace, lo que permite explorar los resultados de verificación de forma conversacional, entender los problemas e identificar las correcciones adecuadas. A eso se suma Polyspace As You Code, que lleva la verificación al propio entorno de desarrollo para corregir defectos mientras se escribe el código y no al final del ciclo.
Sobre el estándar de calidad, Rao insiste en que las salidas generadas por inteligencia artificial deben pasar por verificación, validación y pruebas rigurosas, en especial en industrias críticas como automotriz, aeroespacial, dispositivos médicos y automatización industrial. MATLAB, Simulink y Polyspace aportan flujos establecidos de simulación, pruebas, análisis estático, trazabilidad y soporte a la certificación. La responsabilidad final de validar resultados y asegurar el cumplimiento normativo sigue siendo del ingeniero.
