Millán Anglés, Susana. Phd Architect, Digital and BIM Lead WSP Spain
En los últimos años, la inteligencia artificial (IA) ha pasado de ser una promesa futurista para convertirse en una herramienta operativa en arquitectura, ingeniería, construcción y operaciones (sector AECO). A nivel global, las oportunidades que ofrece la IA han generado un enorme entusiasmo: países como Estados Unidos y China lideran su desarrollo y adopción, y en Europa se avanza incluso en su regulación pionera. Sin embargo, en España esta revolución tecnológica aún está dando sus primeros pasos: solo el 4,7% de las empresas del sector construcción empleaban IA en 2024, menos de la mitad del promedio de otros sectores (9,6%). Esta cifra, la más baja del panorama nacional, evidencia tanto el rezago como la gran oportunidad de mejora (1) (2).
En nuestro sector la IA se menciona muchas veces de forma indiscriminada, abarcando tecnologías y aplicaciones muy distintas. Esto puede generar confusión estratégica y expectativas poco realistas. No es lo mismo un chatbot que redacta correos, que un sistema que optimiza el diseño de un puente, o que un gemelo digital de una ciudad. En este contexto, uno de los roles de Tecniberia, como clúster que agrupa a empresas de ingeniería y arquitectura, es precisamente fomentar la claridad en estos debates. De hecho, la necesidad de ordenar el debate sobre IA es acuciante para evitar malentendidos:
¿Dónde aporta realmente valor la IA hoy en el AECO? ¿Qué es ya factible y qué sigue en fase experimental? ¿Qué desafíos conlleva en cada caso?
En este contexto, Tecniberia ha impulsado la elaboración de este artículo con el objetivo de analizar cómo se aplica la IA en el sector AECO de forma estructurada, explicando que el término “IA” engloba realidades muy distintas que conviene separar para tomar decisiones informadas. De esta manera, distinguiremos tres grandes ámbitos de aplicación de la IA en nuestra industria:
1. IA como herramienta de productividad personal – asistentes inteligentes que mejoran la eficiencia individual en tareas cotidianas.
2. IA integrada en procesos técnicos de proyectos AECO – incorporada a flujos de trabajo BIM, diseño, construcción y operación de activos.
3. IA como base de nuevas soluciones digitales para clientes – empleada en servicios innovadores (gemelos digitales, análisis avanzados, etc.) que transforman modelos de negocio y la oferta de valor de las empresas.
Cada uno de estos ámbitos tiene objetivos, madurez, beneficios y riesgos propios. Separarlos nos ayudará a evitar confundir planos y a alinear expectativas con la realidad que vamos a ir analizando.
- Introducción:
IA en el sector AECO, contexto y necesidad de enfoque
Tradicionalmente, la construcción y la ingeniería han adoptado las nuevas tecnologías con cierta prudencia, pero hoy vemos signos tangibles de cambio: la IA automatiza verificaciones, detecta incoherencias, asiste en la toma de decisiones y explota grandes volúmenes de información con rapidez inédita, y al mismo tiempo, herramientas como ChatGPT se han popularizado el tema a nivel masivo.
Sin embargo, esta efervescencia conlleva riesgo de confusión. Bajo la etiqueta “inteligencia artificial” se agrupan desde simples automatizaciones hasta modelos avanzados de aprendizaje, llevando a debates donde se mezclan asuntos muy dispares. Es habitual oír en foros profesionales casos de uso de IA sin aclarar si hablamos de un asistente genérico (p. ej., un chatbot que redacta textos) o de un sistema especializado (p. ej., software que optimiza la ruta de una tuneladora). Esta falta de precisión dificulta establecer estrategias claras: ¿Dónde aporta valor la IA hoy en el AECO? ¿Qué aplicaciones están maduras y qué retos presentan?
Antes de entrar en materia, conviene resaltar que la adopción de la IA en el sector AECO español está aún en fases iniciales. Según datos del Observatorio Industrial, apenas un 4,7% de las empresas de construcción empleaban sistemas de IA en 2024, frente al 9,6% promedio de la economía española. La propia Unión Europea se ha marcado como objetivo que el 75% de las empresas adopten IA en los próximos años, lo que muestra la brecha a cerrar. Esta realidad dual –un potencial enorme pero una adopción incipiente– hace más importante aún diferenciar las distintas “IA” de las que hablamos, para enfocar bien los esfuerzos de mejora (2).
2. La IA como herramienta de productividad individual
El primer nivel de aplicación de IA en el AECO es a escala individual, esto incluye desde generadores de texto como ChatGPT hasta asistentes integrados en herramientas ofimáticas (Microsoft 365 Copilot, Google con su modelo Gemini) o en aplicaciones especializadas. En lugar de revolucionar directamente qué construimos, estas IA ayudan a trabajar mejor y más rápido en nuestras tareas cotidianas: elaborar documentos, analizar información, comunicarnos, aprender nuevas materias, etc. Ejemplos habituales en el día a día de un arquitecto o ingeniero (3):
- Redacción asistida: La herramienta “X” con IA genera borradores de memorias, correos o informes técnicos que el profesional revisa. También resume pliegos, traduce documentos o mejora textos manteniendo el estilo corporativo.
- Búsqueda de información: Permite consultar dudas técnicas en lenguaje natural (normativas, materiales, referencias) y obtener respuestas o fuentes útiles. También resume documentos extensos para extraer lo esencial.
- Asistencia en tareas de gestión: Automatiza programación de reuniones, transcripción y resumen de actas, extracción de tareas y creación de presentaciones. Integrada con Outlook y Teams, puede resumir correos y generar actas a partir de grabaciones.
- Análisis de datos: En Excel o Power BI, permite preguntar por tendencias sin usar fórmulas. Analiza datos y ofrece gráficos, facilitando que técnicos y gestores obtengan conclusiones sin depender de analistas.
- Generación de ideas: Apoya el brainstorming para diseño o soluciones técnicas, proponiendo alternativas que el profesional evalúa. La IA aporta opciones rápidas y variadas, aunque la decisión final siempre es humana.
Impacto en la productividad: Los primeros estudios y la experiencia práctica señalan mejoras sustanciales. McKinsey (4) (5) estima que la adopción inteligente de herramientas de IA generativa podría elevar la productividad global en torno a un +30% en los próximos años. Microsoft reportó que el uso de su Copilot permite reducir hasta un 40% el tiempo dedicado a comunicaciones, redacción de documentos o análisis básicos, al delegar en la IA esas labores repetitivas (6) (7).
Por su parte, un barómetro global de PwC halló que en los sectores más expuestos a la IA (como finanzas o software) la productividad laboral ha crecido un 27% entre 2018 y 2024, mucho más que el 7% de los sectores menos afectados (8). Otro indicador de Gartner (2025) señalaba que 78% de los empleados que ya usan copilotos de IA perciben una mejora clara en su eficiencia diaria, y más de la mitad de las pequeñas empresas en Europa (52%) usan herramientas de IA generativa de forma habitual (9) (10).
Limitaciones y uso responsable: Ahora bien, ¿significa esto que la máquina decide por nosotros? En absoluto. La calidad del resultado sigue dependiendo de la supervisión experta en cada caso. De hecho, las IA generativas actuales tienden a cometer “alucinaciones” (fabricar datos incorrectos con apariencia convincente) si se les pregunta más allá de su conocimiento, por lo que verificar siempre la información generada es una regla de oro. Del mismo modo, hay que proteger la confidencialidad y muchas empresas de ingeniería y arquitectura están estableciendo políticas claras sobre qué tipo de contenido se puede procesar con IA externas. Algunas incluso optan por soluciones autoalojadas (p. ej. modelos de lenguaje internos) para aprovechar estas ventajas minimizando riesgos de seguridad (11)(12).
También conviene definir bien los roles y los límites, lo que enlaza con la responsabilidad profesional y legal: que un informe lo redacte inicialmente una IA no exime al técnico de asegurar que cumple la normativa y refleja la realidad correctamente. La ética profesional no cambia; la firma de un arquitecto o ingeniero sigue respaldando todo el trabajo, se haya apoyado o no en IA en el proceso. Debe existir por tanto auditabilidad y responsabilidad (accountability) del resultado final o la toma de decisiones, lo que se conoce bajo el concepto de “Man in the loop”.
Por último, es fundamental la formación del personal. Un reciente estudio del MIT concluyó que un amplio porcentaje de directivos (cerca del 70%) considera que capacitar a los empleados en el uso de IA será clave competitiva en los próximos años. No basta con introducir la herramienta; hay que enseñar a usarla con criterio y sentido crítico (13).
3. La IA aplicada al desarrollo de proyectos AECO (procesos BIM, diseño y obra)
El segundo ámbito abarca la integración de la IA en los flujos de trabajo técnicos que empleamos para concebir y ejecutar proyectos (a esta fase de adopción en la que la inteligencia artificial influye en los procesos y estos se revisan y se adaptan se suele conocer como “re-shape”). Aquí hablamos de usar IA dentro de las tareas nucleares del proyecto: diseño arquitectónico, cálculo estructural, planificación de obra, gestión BIM, control de calidad, etc.
Relación con BIM y estándares: BIM implica manejar modelos 3D con información asociada, generando enormes volúmenes de datos a lo largo del ciclo de vida de un activo. La IA encuentra aquí un campo fértil: algoritmos que analizan modelos para detectar errores, optimizar diseños o predecir comportamientos futuros. Ahora bien, para aplicar IA con rigor en BIM, la gestión de la información es fundamental. La IA solo es eficaz si trabaja sobre datos abiertos, estructurados y coherentes. Por eso, estándares abiertos como IFC la norma ISO 19650 convierten en aliados indispensables: aseguran que la información del proyecto tiene estructura, unívoca interpretación y trazabilidad, lo cual permite una IA más fiable y eficaz en entornos BIM (14).
De la automatización clásica a la IA agéntica: El sector AECO lleva décadas empleando automatizaciones en sus herramientas, pero se trataba de sistemas deterministas: el programa hacía solo y exactamente lo que un programador había previsto. La novedad de los modelos de IA generativa es que pueden aprender de datos y deducir patrones, afrontando situaciones complejas sin necesidad de reglas explícitas para cada caso. Esto amplía enormemente el alcance de la automatización. El ahorro de tiempo y la mejora de calidad potencial son enormes: tareas de control que antes llevaban días ahora se realizan en minutos, analizando cada detalle del modelo con precisión incansable. El siguiente paso al anterior es la IA agéntica en la que se puede “orquestar” una serie de acciones previamente planificadas y relacionadas con un flujo de trabajo.
Un ejemplo de que estas herramientas basadas en IA suelen complementar el trabajo humano, no reemplazarlo, es la detección automática de interferencias (clash detection) en BIM. Las herramientas actuales, apoyadas en IA, no solo encuentran choques entre elementos constructivos, sino que los clasifican por prioridad e incluso sugieren acciones para resolverlos, basándose en buenas prácticas aprendidas de proyectos previos. Así, la IA actúa como un “asistente de coordinación”, haciendo el trabajo pesado de rastrear conflictos y proponiendo correcciones, para que el equipo de diseño se concentre en las decisiones que aportan más valor (15).
Aplicaciones actuales en proyectos: Veamos algunas áreas donde la IA ya está incidiendo directamente en el desarrollo de proyectos AECO:
- Optimización de diseño generativo: La IA genera múltiples alternativas de diseño según requisitos espaciales, estructurales o energéticos, permitiendo al equipo definir criterios y revisar las mejores opciones. Esto acelera la fase conceptual y facilita explorar soluciones que el método manual no alcanzaría en el tiempo disponible (16) (17).
- Revisiones normativas y de calidad: Además de detectar colisiones, la IA verifica automáticamente el cumplimiento de normas (CTE, Eurocódigos) y requisitos del cliente. Identifica elementos obligatorios faltantes, incoherencias o usos de normas no actualizadas, actuando como auditor que reduce las revisiones manuales.
- Planificación y estimación asistidas: Analizando históricos de obras, la IA predice plazos y costes con mayor precisión. Constructoras ya usan dashboards predictivos: Andrade Gutiérrez redujo 27 días (16%) el cronograma de una infraestructura; la UTE del HS2 optimizó la secuencia de excavación; y Suffolk anticipó retrasos en un hospital gracias a algoritmos entrenados con millones de actividades (18).
- Monitorización de obra y seguridad: Visión artificial e IoT comparan el avance real con el BIM 4D, detectando retrasos y errores. Robots autónomos con escáner 3D, como los usados por Ryan Companies, alertan diariamente de desviaciones y reducen inspecciones manuales (18).
- Mantenimiento predictivo: Con sensores IoT, los BIM se transforman en gemelos digitales monitorizados por IA, que anticipa fallos y optimiza el rendimiento de sistemas. Por ejemplo, analizando vibraciones en una turbina para predecir averías, cerrando así el ciclo de vida del activo con operación y mantenimiento inteligentes (19).
Beneficios para técnicos y empresas: La IA en procesos BIM/proyecto promete un salto en rapidez y precisión técnica. Esto puede traducirse en proyectos entregados con menos retrasos y sobrecostes, gracias a la detección temprana de problemas y a una planificación más afinada. También aumenta la calidad final: la IA ayuda a no pasar nada por alto, incrementando la confianza en que el proyecto cumple todos los requisitos y está optimizado dentro de las condiciones de partida (20).
