Esta ponencia presenta un caso de estudio aplicado en la industria petrolera cubana Empresa de Perforación y Reparación Capital de Pozos de Petróleo y Gas Natural (EMPERCAP), donde se integraron estratégicamente herramientas digitales para diagnosticar y solucionar un problema crítico de corrosión. La IA generativa (Tripo 3D) se utilizó únicamente en la fase inicial de generación de modelos 3D base, los cuales fueron luego refinados y validados manualmente con el software de modelación Blender para identificar defectos de diseño imperceptibles. Paralelamente, se desarrollaron algoritmos en Python para calcular tasas de corrosión mediante ecuaciones de normas internacionales (ISO 9223, ISO 12944), vinculando variables ambientales. Los resultados demostraron una reducción del 90% en la corrosión y un ahorro económico del 97.59%, reclasificando el ambiente de corrosividad de C5 a C2. Más allá del éxito técnico, este trabajo invita a reflexionar sobre el papel ético y metodológico de la IA en la investigación científica. Se discute cómo estas herramientas aceleran etapas preliminares pero requieren supervisión humana crítica para su validación y aplicación. La ponencia concluye con preguntas sobre autoría, sesgos en datos y el equilibrio entre innovación y rigor en la ingeniería, aportando una perspectiva tangible al debate interdisciplinario sobre IA generativa en ciencia.