Buenas, esto es BIMPRAXIS, el podcast donde el
Download transcript (.srt)
0:10
0:15
0:20
0:23
0:26
0:28
0:30
0:41
0:43
0:46
0:47
0:49
0:51
0:53
0:54
0:56
0:58
1:00
1:02
1:04
1:06
1:08
1:11
1:13
1:15
1:19
1:20
1:23
1:24
1:28
1:29
1:30
1:32
1:35
1:36
1:40
1:43
1:45
1:46
1:49
1:52
1:53
1:54
1:56
2:00
2:03
2:05
2:08
2:09
2:12
2:14
2:15
2:17
2:19
2:20
2:22
2:23
2:25
2:29
2:32
2:34
2:36
2:39
2:42
2:44
2:46
2:47
2:50
2:51
2:52
2:55
2:57
2:58
3:00
3:02
3:03
3:05
3:09
3:10
3:11
3:11
3:14
3:17
3:19
3:20
3:22
3:24
3:26
3:30
3:34
3:36
3:40
3:42
3:45
3:48
3:49
3:50
3:52
3:53
3:56
3:58
3:59
4:02
4:04
4:06
4:09
4:10
4:11
4:14
4:15
4:18
4:18
4:22
4:23
4:25
4:26
4:28
4:29
4:30
4:33
4:36
4:39
4:40
4:41
4:43
4:44
4:47
4:49
4:50
4:51
4:54
4:56
5:00
5:03
5:06
5:08
5:10
5:11
5:13
5:16
5:17
5:18
5:20
5:21
5:22
5:25
5:29
5:31
5:33
5:37
5:37
5:40
5:41
5:42
5:45
5:47
5:48
5:50
5:52
5:55
5:57
5:58
6:03
6:06
6:08
6:09
6:11
6:11
6:12
6:16
6:18
6:20
6:21
6:22
6:24
6:27
6:29
6:32
6:34
6:36
6:37
6:39
6:43
6:45
6:47
6:50
6:53
6:55
6:57
6:59
7:00
7:01
7:04
7:06
7:07
7:09
7:12
7:14
7:15
7:18
7:19
7:21
7:23
7:24
7:26
7:28
7:31
7:34
7:36
7:40
7:42
7:44
7:46
7:48
7:50
7:51
7:54
7:55
7:58
8:01
8:04
8:05
8:07
8:08
8:11
8:13
8:14
8:16
8:20
8:22
8:23
8:24
8:26
8:28
8:31
8:33
8:35
8:38
8:41
8:42
8:44
8:46
8:49
8:51
8:52
8:54
8:55
8:56
8:59
9:02
9:03
9:06
9:08
9:09
9:11
9:13
9:15
9:16
9:19
9:20
9:23
9:23
9:26
9:28
9:31
9:33
9:37
9:39
9:42
9:43
9:46
9:49
9:51
9:54
9:55
9:57
9:58
10:00
10:02
10:05
10:09
10:12
10:15
10:15
10:18
10:20
10:23
10:25
10:28
10:31
10:34
10:36
10:38
10:39
10:42
10:45
10:47
10:49
10:51
10:51
10:55
10:58
11:00
11:03
11:05
11:07
11:10
11:11
11:12
11:15
11:19
11:21
11:23
11:24
11:26
11:27
11:30
11:31
11:35
11:37
11:39
11:41
11:42
11:45
11:46
11:48
11:51
11:53
11:55
11:57
11:59
12:03
12:04
12:06
12:08
12:09
12:12
12:15
12:16
12:19
12:22
12:25
12:28
12:30
12:33
12:36
12:38
12:40
12:41
12:44
12:48
12:51
12:53
12:55
12:57
12:58
13:01
13:03
13:06
13:08
13:10
13:13
13:15
13:28
13:30
13:41
13:44
14:07
BIM se encuentra con la inteligencia artificial.
Exploramos la ciencia, la tecnología y el futuro
desde el enfoque de la arquitectura, ingeniería y
construcción.
¡Empezamos!
Bienvenidos al episodio 41 del podcast de BIMPRAXIS.
Hoy tenemos sobre la mesa un tema que,
bueno, parece casi ciencia ficción, pero es totalmente
real.
Vamos a analizar un vídeo que documenta una
técnica emergente y tiene un nombre que suena,
no sé, curioso.
Vibe coding.
La premisa es muy simple, pero a la
vez rompedora.
¿Puede un profesional, un experto en lo suyo,
pero que no tiene ni idea de programar,
crear sus propias herramientas?
Y no para algo simple, sino para un
software tan complejo como Revit.
Nuestra misión hoy es esa, analizar a fondo
el proceso, ver si es tan fácil como
parece, y sobre todo, qué significa que la
única habilidad que necesites para programar sea, pues,
saber pedir las cosas.
Es una pregunta que en realidad lleva décadas
en la industria.
La promesa del low-code o no-code siempre ha
estado ahí, ¿no?
Sí, siempre.
Pero a menudo se quedaba en cosas muy
simples, plantillas muy rígidas.
Lo que cambia ahora, y el vídeo lo
captura genial, es que la IA generativa no
te da una plantilla, te da un programador
junior.
Me gusta esa analogía.
Sí, un programador junior infinitamente paciente y que
está disponible 24-7.
Y va a hacer exactamente lo que le
pidas.
La barrera de entrada no es que haya
bajado, es que se ha evaporado.
Un programador junior infinitamente paciente.
Qué buena descripción de la dinámica.
Para entenderla, creo que lo primero es definir
el término.
El vídeo lo llama vibe coding, que suena
un poco etéreo.
Sí, un poco.
¿Qué es exactamente?
Es ponerle música relajante al ordenador y esperar
a que el código aparezca.
Ojalá, ¿eh?
No, no.
Es un término informal, claro.
Describe el proceso de generar código no escribiéndolo,
sino describiendo su propósito, su vibra, por así
decirlo.
Le dices lo que quieres conseguir al resultado
final en lenguaje normal y la IA lo
traduce a Python o lo que sea.
Y aquí es donde está el cambio de
paradigma, de verdad.
La ventaja ya no está en quién sabe
escribir un bucle for, sino en quién entiende
mejor el problema.
Claro.
Tu experiencia en arquitectura, en ingeniería, acaba de
recibir un superpoder.
Un superpoder.
Me quedo con eso porque el vídeo lo
presenta casi como un manifiesto.
Lo dice textualmente.
Si nunca han escrito una sola línea de
código, ese es el momento perfecto para intentarlo.
Es una llamada a la acción en toda
regla.
Totalmente.
Y para demostrarlo van directos al grano.
El objetivo es crear desde cero una herramienta
de control de calidad, un QAQC, para un
modelo de Revit.
Y es un ejemplo brillante porque ataca un
dolor real.
Cualquiera que trabaje con BIM sabe que auditar
parámetros es una de las tareas más críticas,
repetitivas y donde es más fácil equivocarse.
El trabajo que nadie quiere hacer.
Exacto, es el trabajo ingrato por excelencia.
Un parámetro mal puesto o que se te
olvida rellenar al principio puede provocar errores de
cálculo, mediciones mal hechas o problemas muy serios
en obra que cuestan miles.
O millones.
O sea, que no estamos hablando de un
ejercicio teórico.
Es un problema con consecuencias económicas muy directas.
Directísimas.
Y la petición a la IA, la verdad
es que fue increíblemente clara.
La dividió en cinco requisitos.
El primero, la herramienta tiene que dejar que
el usuario le diga qué parámetro quiere revisar.
Lógico.
Tiene que ser flexible.
Hoy miras resistencia al fuego, mañana código de
montaje.
Que analice todos los objetos de la vista
actual.
Tercero, que identifique cuáles tienen ese parámetro vacío
o nulo.
Y ahora viene el cuarto punto que para
mí es la clave de todo.
A ver, déjame adivinar.
La parte visual.
Precisamente.
El cuarto requisito era que la herramienta resaltara
visualmente esos objetos infractores, que los pintara de
un color llamativo dentro del modelo.
No es un informe en un Excel.
No, no.
Es una respuesta inmediata ahí en tu entorno
de trabajo.
Y el quinto, ya para rematar, que muestre
un mensajito con el número total de objetos
que fallan.
Un resumen al instante.
Fíjate en la belleza de esa petición.
No necesitas saber nada de la API de
Revit, ni de transacciones, ni de overrides gráficos.
Pero sí necesitas un conocimiento profundísimo de tu
trabajo para saber que pintar un objeto de
rojo es mil veces más útil que un
listado de IDs.
Claro, la habilidad no es técnica.
Es estratégica.
Sabes qué pedir porque sabes cómo trabajas.
Y aquí es donde el vídeo se pone
fascinante, de verdad.
porque no te vende un cuento de hadas.
No es pide y se te dará.
No, para nada.
Muestra la realidad, la cruda realidad, que es
un proceso de prueba, error, frustración y, al
final, éxito.
El autor muestra su pantalla y el método
es casi, casi rudimentario.
Paso 1.
Escribe el prompt en chat GPT.
Paso 2.
Copia el código y lo pega en un
archivo de texto, script.py.
Bueno, hay un pequeño paso previo que es
importante.
Un peaje técnico mínimo.
El vídeo explica que para que Revit reconozca
tu botón, tienes que crear una estructura de
carpetas muy específica.
Ah, es verdad.
Con nombres como .extension, .tab, esas cosas.
Es un conocimiento de configuración, no de programación,
pero es indispensable.
Y eso la IA por sí sola no
te lo va a decir.
Buen apunte.
Es como la fontanería previa.
Una vez tienes eso, intentas ejecutar el script
y, claro, lo que era de esperar.
Error.
Y aquí viene lo que me pareció casi
un truco de magia.
El copiar y pegar, no.
Sí, el siguiente paso es copiar el mensaje
de error, ese texto críptico que a los
que no programamos nos da pavor, pegarlo en
el chat y preguntarle, ¿qué significa esto y
cómo lo arreglo?
Es que eso es lo que habla todo.
Hemos pasado de programar a lo que podríamos
llamar depuración conversacional.
¿Depuración conversacional?
Claro, la habilidad ya no es interpretar un
stack trace para ver qué librería ha fallado.
Es simplemente ser un buen intermediario.
Ves un problema, copias la evidencia y pides
una solución.
Es un bucle de feedback asistido por la
IA.
Espera, espera.
¿Me estás diciendo que el método es, literalmente,
copiar y pegar el error en el chat
una y otra vez?
Suena casi demasiado simple.
Como hacer trampas en un examen.
Suena simple, pero no es trivial.
¿Pero es siempre así de sencillo?
Yo me pregunto qué pasaría con un error
más ambiguo, ¿sabes?
Uno que no apunte a una línea de
código, sino a un problema de concepto.
Claro.
Como que la IA no ha entendido la
estructura de datos de Revit.
¿Puede la IA entender de verdad el contexto
o solo busca soluciones a errores de sintaxis
que ha visto millones de veces?
El vídeo demuestra que, para lo común, funciona.
Pero la frontera está ahí.
Y el vídeo es muy honesto con eso.
El autor lo dice, claro.
Esto es de mucha paciencia.
Vemos cómo pega el primer error.
La IA lo corrige.
Prueba otra vez y salta un segundo error.
Totalmente distinto.
Y de nuevo a copiar, pegar y corregir.
No es un camino de rosas, ¿no?
Es un diálogo, a veces frustrante, de varias
vueltas hasta que por fin el script se
ejecuta y ¡zas!
El botón aparece en Revit.
Esa transparencia es lo más valioso del vídeo.
Te muestra que la IA no es una
varita mágica.
Es una herramienta colaboradora.
Es un martillo potentísimo, pero todavía necesitas al
carpintero que sepa dónde clavar el clavo.
Claro.
Que vea que se está torciendo y lo
enderece.
Recuerdo haber pasado dos días enteros hace años
aprendiendo la sintaxis para hacer un simple override
de color en la API.
Ver que ahora se puede conseguir con una
frase como pinta de rojo los objetos malos
es un poco deprimente y alucinante a la
vez.
Puedo imaginarlo.
Y lo más interesante es que, una vez
que la herramienta funcionó, encontró ocho objetos con
el parámetro vacío y la cosa no acabó
ahí.
El éxito inicial solo fue el punto de
partida.
Claro.
A partir de ahí, empezó a refinarla.
Claro, pasas del funciona al cómo puedes ser
más útil.
Es un proceso de desarrollo ágil en estado
puro, pero con un equipo de una sola
persona.
La primera mejora fue muy directa.
Ahora quiero que me menciones el ID de
cada uno de los ocho objetos al final
del mensaje.
La AI regenera el código, lo prueba y
funciona.
Ya no solo sabes cuántos fallan, sino cuáles
son.
Es un salto cualitativo enorme.
Con el ID, un usuario puede seleccionar ese
objeto al instante y corregirlo.
La herramienta pasa de ser un detector a
ser una ayuda activa para solucionar el problema.
Pero eso me plantea una duda.
Vale, puede añadir el ID, pero ¿dónde está
el límite?
¿Podrías pedirle algo mucho más complejo como Ahora,
basándote en los errores, sugíreme tres soluciones y
optimiza su coste.
¿No te vuelves peligrosamente dependiente de una caja
negra que no entiendes?
Esa es la pregunta del millón.
Y la respuesta es que sí.
Hay un límite clarísimo.
La siguiente petición del vídeo lo demuestra.
Le pide algo más sofisticado.
Deja un listado que contenga ID, categoría y
nombre de tipo en datos tabulares.
Quería un informe bien estructurado.
Exacto.
Y esa petición, que parece simple, volvió a
generar un código con errores.
Tuvo que volver al ciclo de depuración.
Esto nos dice que la IA actual es
brillante generando trozos de código para tareas muy
definidas, pero aún le cuesta mantener el contexto
global o tomar decisiones de diseño.
No puedes pedirle que te diseñe un coche,
pero sí que te escriba el código para
encender una luz del salpicadero.
Entiendo, la escala importa.
Y al final, tras más iteraciones, consiguió ese
informe tabular.
Pero es aquí donde el autor hace la
observación final, que es la guinda del pastel.
Sí.
Script funcionada perfecto, pero en el listado aparecían
elementos como las cámaras del modelo, que son
objetos internos de Revit y no tienen nada
que ver con una auditoría de elementos constructivos.
Un problema de contexto otra vez.
La IA no sabe qué es una cámara
en el contexto de un proyecto de arquitectura.
Para ella es sólo un objeto que cumple
la condición.
La siguiente iteración lógica que el propio autor
sugiere sería pedirle, oye, ignora las categorías como
cámaras o planos de referencia.
Y la herramienta se va haciendo más inteligente,
más específica.
Es un ciclo de mejora continua que parece
no tener fin.
La herramienta evoluciona con las necesidades del usuario,
de forma orgánica.
Entonces, si intentamos resumir, ¿qué significa todo esto?
Este fenómeno del vibe coding parece un cambio
fundamental donde la habilidad crucial ya no es
la escritura técnica del código.
Exacto.
La habilidad crítica se desplaza, se va a
tres áreas.
Primero, definir requisitos.
La capacidad de articular con una claridad meridiana
que quieres.
Segundo, resolver problemas de alto nivel.
Tener la paciencia y la lógica para guiar
a la IA en la depuración.
Y tercero, y más importante, el conocimiento del
dominio.
El experto en la materia se convierte en
el actor principal, se invierte en los papeles.
Totalmente.
La barrera técnica se desmorona y todo el
poder vuelve a la experiencia y al conocimiento
del sector.
Ha sido un análisis, la verdad muy revelador,
ver cómo una idea articulada en lenguaje natural
se convierte en un botón funcional en una
aplicación profesional, y no por arte de magia,
sino por un diálogo persistente con una máquina.
Un diálogo donde, por ahora, la paciencia y
la visión humana siguen siendo el ingrediente que
no se puede sustituir.
Para cerrar, me gustaría dejar una reflexión en
el ayer.
Si cualquier profesional, en cualquier campo, puede empezar
a crear sus herramientas a medida simplemente describiéndolas,
¿qué innovaciones que ni imaginamos podrían surgir de
mentes que hasta ahora estaban limitadas por esa
barrera de la programación.
¿Qué pequeña utilidad que podría ahorrar horas de
trabajo a la semana sería la primera que
construiría cada cual en su propio campo?
Recuerden que estos análisis, aunque utilicen voces sintéticas
creadas por Notebook LM, en la selección de
temas, investigación en las fuentes y en la
dirección de este espacio se encuentra un humano,
concretamente Julio Pablo Vázquez.
Si hay algún error, sin duda será humano.
Muchas gracias por acompañarnos.
Y hasta aquí el episodio de hoy.
Muchas gracias por tu atención.
Esto es BIMPRAXIS.
Nos escuchamos en el próximo episodio.
¡Suscríbete al canal!