Buenas, esto es BIMPRAXIS, el podcast donde el BIM se encuentra con la inteligencia artificial.
Download transcript (.srt)
0:09
0:20
0:28
0:37
0:43
0:49
0:53
1:02
1:09
1:13
1:16
1:23
1:30
1:32
1:35
1:43
1:43
1:51
1:56
2:01
2:03
2:11
2:13
2:21
2:23
2:31
2:40
2:42
2:43
2:51
2:58
3:00
3:03
3:09
3:13
3:24
3:26
3:36
3:43
3:45
3:47
3:50
3:55
4:03
4:04
4:08
4:13
4:18
4:27
4:30
4:37
4:41
4:43
4:47
4:49
4:52
4:55
4:59
5:01
5:06
5:12
5:13
5:16
5:22
5:28
5:29
5:37
5:40
5:43
5:48
5:56
5:59
6:02
6:12
6:13
6:14
6:19
6:20
6:30
6:31
6:44
6:47
6:55
6:57
7:07
7:08
7:14
7:16
7:22
7:24
7:31
7:33
7:38
7:42
7:48
7:59
8:11
8:18
8:19
8:29
8:30
8:36
8:41
8:47
8:57
9:04
9:08
9:10
9:17
9:22
9:25
9:32
9:38
9:40
9:42
9:48
9:51
9:54
9:58
10:02
10:07
10:10
10:15
10:17
10:21
10:24
10:25
10:33
10:35
10:38
10:41
10:45
10:49
10:54
10:57
10:59
11:06
11:08
11:11
11:18
11:24
11:27
11:33
11:37
11:42
11:44
11:52
11:55
11:57
12:03
12:07
12:11
12:15
12:19
12:21
12:25
12:27
12:32
12:37
12:39
12:42
12:48
12:52
12:53
13:01
13:03
13:05
13:12
13:17
13:23
13:27
13:30
13:33
13:38
13:39
13:40
13:46
13:53
13:55
14:02
14:07
14:16
14:19
14:27
14:29
14:30
14:40
14:43
14:50
14:57
14:58
14:59
15:02
15:09
15:10
15:16
15:22
15:29
15:30
15:33
15:37
15:42
15:47
15:48
15:49
15:54
15:56
15:58
16:05
16:07
16:08
16:21
16:27
16:29
16:30
16:35
16:37
16:49
16:50
16:56
16:59
17:01
17:09
17:10
17:13
17:16
17:17
17:23
17:25
17:31
17:40
17:56
17:58
18:09
18:11
Exploramos la ciencia, la tecnología y el futuro desde el enfoque de la arquitectura, ingeniería y construcción.
¡Empezamos!
Estamos ya en enero de 2026 y, a ver, si uno se fía solo de la publicidad,
las obras de construcción ya deberían ser una especie de ballet de robots autónomos.
Totalmente, con edificios diseñados por una inteligencia artificial en minutos.
Exacto, pero claro, una cosa es el marketing y otra muy distinta es la realidad del día a día en la edificación industrial.
Para analizar todo esto, tenemos sobre la mesa un informe que es muy crítico, muy detallado y lleno de datos.
Un informe que básicamente le pone cifras a esas sensaciones.
Una sensación que todos tenemos de que algo no termina de cuadrar, ¿no?
Justo. Es como la resaca después de la gran fiesta del hype por la IA. Así que vamos a desgranarlo.
Nuestra misión hoy es entender por qué, a pesar de toda la inversión que se ha hecho, la IA no ha sido esa revolución prometida.
O al menos no como se prometió.
Sobre todo, encontrar el verdadero cuello de botella. ¿Te parece?
Me parece un punto de partida perfecto. Porque además, lo más fascinante de este análisis es que no le echa la culpa a la tecnología como tal.
¿Ah, no?
No, para nada. La IA como herramienta es increíblemente potente. El problema, como vamos a ver, es mucho más profundo.
Tiene que ver con la propia industria. El informe es demoledor con varios mitos.
El del diseño generativo totalmente autónomo, el de los robots paseando por la obra…
Lo que vemos en los vídeos virales, vamos.
Exacto. Pero también identifica una victoria muy clara. Eso sí, y esto es lo importante, viene con unos matices.
Unos matices tan grandes que casi no se pueden entender.
Pues empecemos por ahí, por la visión general. El informe arranca con una cifra del Boston Consulting Group que, sinceramente, te deja helado.
Es un dato brutal, sí.
¿Cuál es el porcentaje de empresas que de verdad han conseguido sacar valor de la IA más allá de un simple experimento o de una prueba piloto?
Pues mira, a finales de 2024, el 74% de las empresas del sector se habían quedado atascadas en esa fase.
¿Un 74% en pruebas piloto?
Sí, sí.
Proyectos que funcionan muy bien en un laboratorio, en un entorno controlado, pero que nunca, nunca llegan a implementarse de verdad en una obra real.
Y lo más llamativo es que solo un 4% ha logrado generar un valor tangible y constante.
¿Un 4%?
Un 4%. Es una tasa de éxito bajísima.
Es que un 4% es casi un fracaso a nivel estadístico. Entonces, ¿qué está pasando?
¿La tecnología no es tan buena como nos decían? ¿O el problema está en otro sitio?
Ahí, ahí está la clave de todo. Los autores del informe son muy claros. La IA no ha fallado. Lo que ha fallado es la base, los cimientos sobre los que se intenta aplicar.
¿Y cómo lo explican?
Usan una frase que a mí me parece una maravilla de honestidad. Dicen, sin procesos estandarizados, la IA solo ha servido para automatizar el caos.
Me encanta esa frase. Automatizar el caos. Es como si tu casa es un desastre y te convertís en un desastre.
Es como si compras el robot aspirador más caro del mercado.
¿Qué consigues con eso?
Pues esparcir el desorden de un lado a otro, pero mucho más rápido.
Es la analogía perfecta. Y aquí el análisis se pone aún más interesante.
Porque sugiere que gran parte de esta adopción de la IA no ha venido por un impulso de innovación, sino por pura desesperación.
¿Desesperación en qué sentido?
Pues otro informe, en este caso de Deloitte, lo corrobora.
El sector de la construcción tiene una escasez de talento crónica.
La fuerza laboral envejece a pasos agigantados y no hay relevo generacional.
O sea, que se han lanzado a por la IA no para ser el doble de eficientes, sino para intentar no ser la mitad de productivos con la gente que les queda.
Exactamente. Se está usando como un parche.
Un parche para un problema estructural que es profundísimo, no como un trampolín hacia el futuro.
Es una solución reactiva, no proactiva.
Y claro, cuando aplicas una tecnología…
Una tecnología tan avanzada, de forma reactiva y sobre una base caótica…
Los resultados son los que estamos viendo.
Un 4% de éxito.
De acuerdo. El panorama general es bastante sombrio.
Pero has dicho que el informe sí identifica una victoria clara.
Bajemos a lo concreto.
De todas las tecnologías de IA que se han probado, ¿cuál es la que realmente está funcionando?
La única que el informe califica de victoria validada es la visión por computadora.
Y su concepto…
Su concepto es, en esencia, bastante simple.
A ver, explícalo para que lo entendamos todos. Entiendo que tiene que ver con drones y cámaras, ¿no?
Sí. Imagina que tienes un dron que escanea la obra cada día. O cámaras fijas que lo hacen constantemente.
Vale.
Genera lo que se llama una nube de puntos, que es como una fotografía tridimensional perfecta de todo lo que se ha construido hasta ese momento.
¿Y el software de IA qué hace con esa foto?
Pues coge esa foto y la superpones sobre el modelo.
El modelo digital del proyecto. El famoso modelo BIM. Y en segundos te dice si hay alguna desviación.
Entiendo. O sea que si una tubería debía estar a 10 centímetros de una pared y el dron detecta que en la realidad está a 15…
Salta una alarma en el móvil del jefe de obra. Al instante…
Es algo así de simple y a la vez de potente.
Sobre el papel, es una revolución. Es la aplicación con el mayor retorno de inversión demostrado hasta la fecha. Evita errores que costarían millones arreglar más adelante.
Pero…
Siempre hay un pero.
Y en este caso es el pero más grande de todo el informe. Es un pero gigantesco.
Dispara.
Para que esa IA pueda detectar desviaciones de 5 centímetros de forma fiable, el modelo digital contra el que compara tiene que ser absolutamente perfecto.
¿Perfecto en qué sentido?
Necesita un nivel de detalle que en la jerga técnica se llama LOD 400. Esto, bueno, básicamente significa que cada tornillo, cada anclaje, todo, está modelado con precisión milíndica.
Y me imagino que la mayoría de los modelos no son así, ¿verdad?
Para nada. Un estudio de McKinsey nos recuerda algo muy bestia. La construcción es el segundo sector menos digitalizado del mundo.
Solo por delante de la agricultura.
Exacto. La cruda realidad es que la mayoría de los modelos BIM que se usan no son fiables o no tienen ese nivel de detalle. Y aquí, pues, viene el desastre.
¿Qué pasa entonces?
Que la IA, al no tener una referencia perfecta, empieza a generar miles de faltas.
Alertas de error que no son errores reales.
Exacto. Miles de correos y notificaciones avisando de problemas que no existen. ¿Y qué acaba pasando?
Que el jefe de obra se vuelve loco.
Se satura de avisos inútiles, se frustra y acaba desconectando el sistema. Y así, la herramienta más potente que tenían se vuelve inútil.
Por la mala calidad de los datos de partida.
Justo. Es una victoria con un asterisco del tamaño de un edificio, entonces.
Es fascinante cómo un problema de base, de disciplina digital, puede anular una tecnología tan afectada.
Totalmente. Y me imagino que este problema de la calidad de los datos no solo afecta la supervisión.
Es que es aún más grave cuando intentamos que la IA sea creativa. Lo que nos lleva directamente al siguiente gran mito que desmonta el informe. El diseño generativo.
Cierto. La idea de que una IA puede diseñar un edificio optimizado por sí sola, esto siempre me ha sonado a ciencia ficción, pero se vende como si ya estuviera aquí. ¿Qué dice el informe sobre su utilidad real?
Pues dice que, en la fase inicial de todas, la de viabilidad, tiene su utilidad.
¿Para qué, por ejemplo?
Para calcular volúmenes, cuántos metros cuadrados caben en una parcela, explorar opciones de distribución muy básicas… Ahí, bueno, funciona.
Pero…
Pero el informe añade textualmente que su utilidad cae en picado en cuanto se necesita entrar en el detalle constructivo.
Un momento. ¿Me estás diciendo que empresas de software que valen miles de millones,
están vendiendo una herramienta que produce diseños que luego no se pueden construir? Suena un poco fuerte.
No es que no se puedan construir. Pero, es una promesa a medias. Y no es solo la opinión del informe. Lo confirman estudios académicos en revistas como Buildings.
El problema fundamental es que a los algoritmos actuales les falta algo que se define como sentido común constructivo.
¿Sentido común constructivo? Me gusta el término. ¿Qué significa?
Significa que la IA te puede proponer un diseño que te va a ayudar a construir un edificio optimizado.
La IA te puede proponer geometrías que son matemáticamente perfectas, súper eficientes en un cálculo teórico,
pero que en el mundo real son carísimas o directamente imposibles de construir.
Entiendo. No tiene en cuenta la parte práctica.
Nada. Ignora por completo las limitaciones de los materiales o la logística de cómo se monta una estructura,
o si una viga, con una forma rarísima, va a requerir un encofrado artesanal que dispara el presupuesto.
Son cosas que un técnico senior, un arquitecto…
con experiencia ve al instante.
Al instante. Al final el diseño que propone la IA necesita una remodelación manual tan intensa
que se pierde todo el tiempo que se suponía que ibas a ahorrar.
Es una herramienta para inspirarse, entonces no para diseñar.
Exacto. No de forma autónoma, desde luego.
Vale, entiendo. Hablemos ahora de lo que realmente captura la imaginación.
Esos robots cuadrúpedos, como perros mecánicos, que vemos paseando por las obras.
Sí, esos vídeos son espectaculares.
Parecen el futuro. ¿Qué dice el informe sobre su utilidad real en 2026?
¿Son tan revolucionarios como parecen?
Pues el informe es tajante y, de nuevo, un poco aguafiestas.
Los califica de fantasía económica.
¿Fantasía económica?
Sí. Y la razón no es la tecnología del robot en sí, que es asombrosa, sino el entorno en el que tiene que trabajar.
¿A qué te refieres con el entorno?
El problema es que una obra de construcción es un caos.
Un caos controlado, pero caos al fin y al cabo.
Hay barro, escombros, materiales por todas partes, gente moviéndose…
Es lo que técnicamente se llama un entorno no estructurado.
Exacto. Y la robótica actual fracasa estrepitosamente en esos entornos.
¿Y en qué entornos sí funcionan bien?
Funcionan de maravilla en una fábrica.
En un entorno controlado, predecible, por ejemplo para prefabricar elementos de hormigón o soldar estructuras en un taller.
Ahí son imbatibles.
Pero en la obra al aire libre la cosa cambia.
Muchísimo. El análisis que revisa publicaciones del Journal of Intelligent and Robotic Systems concluye algo muy simple.
El coste de tener a una persona supervisando constantemente al robot para que no se caiga por un agujero…
Es mayor que el coste de que esa misma persona haga el trabajo.
Exacto. Que coja una tablet y haga la inspección directamente con sus propios ojos.
Económicamente, a día de hoy, no tiene ningún sentido.
Es una solución en busca de un problema que, en la obra real, no resuelve de forma eficiente.
Has definido perfectamente la situación.
Entendido. Otra de las grandes provesas, que parecía increíble, era usar la IA generativa para algo que parece perfecto para una máquina.
Comprobar que un proyecto cumple con toda la normativa.
Uf, el tema de la normativa.
Por ejemplo, cruzar los planos con los cientos de páginas de la normativa de incendios. Parece ideal para una IA, ¿no?
Sobre el papel, sí. Pero el informe lo califica como un prototipo.
Un prototipo avanzado, pero inviable para su aplicación real.
Y da una razón muy simple. Una palabra que ya hemos oído mucho.
Los LLMs, los modelos de lenguaje grandes, alucinan.
Se inventan cosas.
¿Podría la IA inventarse un artículo de la normativa de incendios que no existe?
Podría. Y lo hace.
Pero es que incluso si solucionáramos el problema técnico de las alucinaciones, que es un reto enorme,
nos encontramos con un muro mucho más grande. Casi filosófico.
La responsabilidad civil.
El famoso quién paga si algo sale mal.
Exacto. La inteligencia artificial puede sugerir, analizar, recomendar.
Pero no puede firmar un proyecto. No puede asumir la responsabilidad legal.
Claro.
Si una IA aprueba una vía de evacuación y luego llega al inspector de bomberos del ayuntamiento y la rechaza porque no cumple,
¿quién paga la multa y el coste de la reforma?
Es un abismo legal, desde luego.
Me imagino a un juez intentando decidir si la culpa es del programador, de la constructora o del arquitecto que le dio al botón de aceptar.
Es un lío monumental. Y como nadie en la industria tiene una respuesta clara,
mientras esa responsabilidad no esté definida, su uso para validación normativa es simplemente imposible.
La IA puede ser un asistente increíble, entonces. Pero no un sustituto.
No puede sustituir su firma ni su responsabilidad. Exacto.
Vale. Creo que empiezo a ver el patrón.
Todos los caminos parecen llevar al mismo problema de fondo que ya has mencionado varias veces.
A los datos.
La calidad de los datos.
Es que ese es el corazón del informe. Los autores lo llaman el cuello de botella fundamental de la IA.
Y se apoyan en una máxima de la informática que tiene décadas, pero que hoy es más relevante que nunca. Garbage in, garbage out.
Basura entra, basura sale.
Si metes basura en el sistema, lo que sale es basura. Por muy inteligente que sea el sistema, la IA no hace milagros con malos ingredientes.
¿Y el informe da alguna cifra sobre esto, sobre la mala calidad de los datos?
Da otra cifra demoledora. Revela que el 80% de los modelos BIM que se usan hoy en día son lo que llama geometría tonta.
Geometría tonta. ¿Qué significa eso en la práctica?
Significa que son dibujos en 3D muy bonitos, muy detallados visualmente, pero que por dentro están vacíos de información útil.
Son como una cáscara vacía.
Exacto.
Geometros tan básicos como el coste de un muro, el material exacto de una viga o la fecha de instalación de una ventana, ¿están vacíos, son incorrectos o están desactualizados?
Y claro, con esos datos no se puede hacer nada.
Es de pura lógica. La IA no puede predecir sobrecostes si no tiene datos históricos de costes fiables con los que aprender.
Y a esto se suma el caos de los diferentes programas de software que no se hablan entre sí, ¿no? El problema de la interoperabilidad.
Que sigue sin resolverse.
Se prometió que la IA sería un especulador de la IA.
La IA sería una especie de traductor universal.
Pero la realidad, según el informe, es que se está usando principalmente como un parche carísimo.
¿Un parche para qué?
Para limpiar y corregir los datos sucios que se pierden al pasar un proyecto de un software a otro.
Se están gastando recursos millonarios en corregir errores del pasado, no en optimizar el futuro.
Entonces, después de todo este análisis, de desmitificar tantas cosas, ¿cuál es el veredicto final de este informe para 2026?
¿Cuál es la gran conclusión?
La gran conclusión es un cambio de paradigma.
La pregunta importante ya no es qué software de IA debo comprar.
La pregunta correcta es, ¿están mis datos y mis procesos listos para la IA?
Y la ventaja competitiva no la tienen las empresas que compran las licencias más caras.
Para nada.
Déjame adivinar.
La tienen las que llevan años haciendo el trabajo aburrido de ordenar sus datos.
Precisamente.
La tienen las empresas que llevan una década recogiendo sus datos.
Una década recopilando sus propios datos históricos de obra, de forma limpia, estructurada y ordenada.
Es que eso es un tesoro.
Es un tesoro.
Con esos datos propios pueden entrenar modelos de lenguaje pequeños y privados, que son mucho más baratos, mucho más precisos y no alucinan, como las inteligencias artificiales públicas y generales.
O sea que la IA no ha venido a sustituir a los técnicos ni a los arquitectos o ingenieros.
Lo que ha hecho es elevar el listón.
Sí.
Ha hecho dolorosamente evidente quién había hecho los deberes digitales durante los últimos años y quién no.
Has dado en el clavo.
Las empresas que invirtieron primero en estandarizar sus procesos, en mejorar la calidad de sus modelos y en capturar datos reales de sus obras, son las que ahora están empezando a ver un retorno.
¿Y las que no?
Las que simplemente compraron software de IA para aplicarlo a su desorden preexistente.
Lo único que han conseguido es acelerar la generación de errores.
Han automatizado sus propios problemas.
Así que los ganadores no son los que tienen el juguete nuevo más brillante, sino los que tienen las hojas de cálculo más ordenadas de los últimos diez años.
Es una conclusión potente.
Es contraintuitiva, pero es la realidad que describe el informe.
Y esto me lleva a una reflexión final, si te carece.
Adelante.
El análisis se centra en la edificación industrial, pero el principio es universal.
Si la inteligencia artificial no es una búsqueda.
Si la inteligencia industrial no es una varita mágica, sino un amplificador de la calidad de nuestros datos y procesos.
La pregunta que nos deja es, ¿en qué área de nuestro propio trabajo o de nuestro sector necesitamos primero limpiar la casa?
Antes de que llegue la próxima gran ola tecnológica y nos pille a todos con el pie cambiado.
Y hasta aquí el episodio de hoy.
Muchas gracias por tu atención.
Esto es BIMPRAXIS.
Nos escuchamos en el próximo episodio.