IA en la construcción: lo que ya usamos todos los días y lo que sigue siendo demo

Hace unos meses nos tocó preparar una entrega de coordinación con un plazo que, en condiciones normales, nos hubiera obligado a elegir entre revisar bien el modelo o llegar a fecha. Terminamos llegando a fecha con el modelo revisado, y buena parte de la diferencia la puso la inteligencia artificial en la construcción aplicada a tareas concretas: clasificar observaciones, resumir pliegos, detectar inconsistencias de datos. Nada espectacular, nada que dé para un video promocional. Y sin embargo, ese es exactamente el punto: la IA que hoy funciona en el sector AECO es la que no se nota.

El mapa honesto: madurez real de la IA en AECO

El problema con la conversación actual sobre IA en arquitectura y construcción es que mezcla tres cosas distintas en la misma bolsa: herramientas maduras que ya devuelven horas todas las semanas, herramientas prometedoras que funcionan en condiciones de laboratorio, y demos que existen sobre todo en presentaciones de venta. Cuando un promotor o un estudio evalúa "incorporar IA", casi nunca le muestran el mapa completo — le muestran la demo. Este texto mira la IA desde la trinchera de obra; su complemento en la etapa de proyecto —qué de la inteligencia artificial en arquitectura es real y qué sigue siendo demo— hace el mismo inventario desde el tablero.

Nosotros llevamos un registro simple: qué probamos, qué adoptamos y qué descartamos. Y la lista de descartes es más larga que la de adopciones. ¿Eso significa que la tecnología no sirve? No: significa que la madurez es despareja, y que pagar por una herramienta inmadura cuesta más que no tenerla, porque además del dinero te consume el tiempo de la gente que tiene que alimentarla.

Lo que usamos hoy: automatización documental, revisión de modelos, análisis de pliegos

Donde la IA ya rinde sin discusión es en el trabajo con texto y datos estructurados. Analizar un pliego de cientos de páginas para extraer requisitos, plazos y condiciones contractuales antes era una tarde entera de lectura con marcador; hoy es una primera pasada automática que después verificamos, y esa verificación lleva una fracción del tiempo original. Lo mismo con la correspondencia de obra: clasificar y priorizar RFIs, detectar cuáles tocan temas ya resueltos, armar el historial de una decisión.

En revisión de modelos, la combinación de reglas automatizadas con asistencia de IA nos permite auditar parámetros, nomenclaturas y consistencia de datos en modelos de terceros con una profundidad que a mano sería inviable. No es magia: es la misma lógica de chequeo que ya usábamos, pero corriendo sobre todo el modelo en vez de sobre una muestra. De hecho, gran parte de esto se apoya en la automatización clásica que describimos en nuestros flujos con Dynamo y scripts en Revit — la IA no reemplazó esas rutinas, las extendió.

Diseño generativo: dónde ayuda y dónde estorba al arquitecto

Acá conviene ser preciso, porque el diseño generativo es la promesa más vieja y la más vendida. Donde funciona: exploración de opciones en problemas bien acotados y cuantificables — implantación de volúmenes según asoleamiento, distribución de unidades para maximizar frentes, optimización de estructuras repetitivas. Cuando el problema tiene una función objetivo clara, el algoritmo explora más rápido que cualquier equipo.

¿Y dónde estorba? Cuando alguien pretende que genere "el proyecto". El diseño arquitectónico real está lleno de restricciones no formalizables — normativa interpretable, contexto urbano, decisiones de producto del promotor, presupuesto que cambia a mitad de camino — y las herramientas generativas que ignoran eso producen opciones que se ven bien en pantalla y se desarman en la primera reunión con el cliente. Nosotros probamos varias plataformas de generación de anteproyectos y las descartamos todas por la misma razón: el tiempo de corregir sus supuestos superaba el tiempo de arrancar de cero con criterio.

IA en obra: cómputo visual, seguridad y avance con fotos

El otro frente donde vemos valor real es el cómputo visual. Comparar fotos de obra georreferenciadas contra el modelo para estimar avance, detectar elementos faltantes o mal ubicados, verificar condiciones de seguridad — todo eso ya existe y funciona razonablemente bien cuando la captura es disciplinada. La palabra clave es disciplinada: la IA de obra no falla por el algoritmo, falla porque nadie sacó las fotos esa semana. Es la vieja lección del sector con cualquier tecnología: el proceso importa más que la herramienta.

Cómo evaluar una herramienta de IA antes de pagarla

Después de varios ciclos de prueba y descarte, nuestra evaluación se redujo a cuatro preguntas. Primero: ¿el problema que resuelve es frecuente y medible en nuestro flujo, o es un problema que la herramienta inventó? Segundo: ¿podemos probarla con datos reales nuestros — un modelo nuestro, un pliego nuestro — antes de firmar nada? Si el proveedor solo muestra su dataset, desconfía. Tercero: ¿qué pasa con nuestros datos, y podemos salir de la plataforma sin perderlos? Cuarto: ¿quién del equipo la va a operar, y cuánto le cuesta aprenderla?

La inteligencia artificial en la construcción no es una decisión de compra, es una decisión de proceso. Las herramientas que adoptamos entraron porque encajaron en flujos que ya funcionaban; las que descartamos pedían que reorganizáramos el estudio alrededor de ellas. Si estás evaluando por dónde empezar en tu empresa o estudio y querés una segunda opinión sin discurso de venta, conversemos.

Preguntas frecuentes

¿Qué usos de inteligencia artificial en construcción funcionan hoy?

Los menos espectaculares: automatización documental, revisión de consistencia de modelos y datos, análisis y resumen de pliegos, clasificación de observaciones de obra y seguimiento de avance con fotos. Son tareas de alto volumen y bajo criterio, donde la IA devuelve horas reales al equipo.

¿La IA va a reemplazar al arquitecto?

Reemplaza tareas, no criterio. El diseño generativo propone opciones; decidir cuál sirve — en el sitio, con el presupuesto, para el cliente real — sigue siendo trabajo de proyecto. El riesgo no es el reemplazo: es que quien no incorpore estas herramientas compita en desventaja de tiempos y costos.

¿Cómo evaluar una herramienta de IA antes de pagarla?

Con un caso de uso concreto y datos propios: definir qué tarea específica debería resolver, correr un piloto corto con información real del estudio, medir el tiempo ahorrado contra el costo, y verificar que la salida sea revisable. Si la demo solo funciona con los datos del vendedor, no está lista.

¿Por dónde empieza un estudio chico con IA?

Por la documentación y las tareas repetitivas, no por el diseño. Automatizar lo que se hace muchas veces por proyecto — chequeos de calidad, numeración, planillas, resúmenes — da retorno inmediato sin cambiar el flujo de trabajo, y construye el criterio para evaluar herramientas más ambiciosas después.