Agentes de IA en el estudio de arquitectura: de la palabra de moda al flujo de trabajo real

¿Sabemos realmente qué son los agentes IA y cómo utilizarlos adecuadamente? Aquí surgen más problemas, ya que mucha gente habla de oídas y el término puede usarse como sinónimo de cualquier cosa que lleve un chatbot delante: un plugin de Revit, un asistente que responde preguntas sobre normativa o un bot que rellena una plantilla.

Para aterrizar esta implementación en algo concreto, qué es un agente, cómo se despliega de forma progresiva, con qué herramientas y con qué salvaguardas, hemos contrastado esta reflexión con dos voces que llevan tiempo trabajando con estas herramientas desde ángulos distintos: Ali Dannoun, docente en Escola Sert y arquitecto BIM especializado en Archicad y gestión de nube de puntos, y Raúl Escudero, arquitecto, consultor de IA para estudios y también docente en Escola Sert. 

Qué es (y qué no es) un agente IA

Un chatbot responde. Un agente actúa. 

Esta es la distinción más simple y, a la vez, la más útil. Entrando un poco más en detalle, se puede decir que: 

• un asistente conversacional recibe una consulta, busca en un corpus de documentos y nos devuelve una respuesta. No decide nada fuera de esa respuesta y cada interacción empieza de cero. 
• luego tenemos la automatización con IA, que sube un peldaño más ya que ejecuta un guion predefinido en el que algún paso usa un modelo de lenguaje, pero el recorrido está fijado de antemano. 
• y ya llegamos al último estadio, el agente IA que ya persigue un objetivo con cierta autonomía. Por ejemplo, percibe el estado de una tarea, razona sobre qué hacer a continuación, ejecuta una acción y evalúa el resultado antes de decidir el paso siguiente.

Raúl Escudero lo resume como «una herramienta de IA generativa responde a una petición concreta, una imagen, un texto, una memoria, y normalmente funciona como una herramienta aislada». Un agente, en cambio, añade el experto, «no solo genera una respuesta, sino que puede interpretar un objetivo, dividirlo en tareas, consultar información, utilizar distintas herramientas, revisar resultados y avanzar dentro de un proceso». 

En síntesis, Escudero considera que una herramienta generativa ayuda a producir una pieza; un agente ayuda a gestionar una parte del proceso. Y en arquitectura, donde el proceso pesa casi tanto como el resultado, eso cambia las reglas del juego.

Por su parte, Dannoun aporta el matiz que más falta hace en este debate: cuidado con confundir «agente» con «sustituto total». El docente de Escola Sert compara la promesa actual de los agentes con el cuento del zapatero al que los duendes le hacen los zapatos de la noche a la mañana, y lanza la pregunta incómoda que pocos se hacen: ¿cómo han aprendido los duendes a hacer zapatos exactamente igual que el zapatero?

Volviendo a un terreno más práctico, Dannoun remarca que es importante pensar en «flujos agénticos, flujos de trabajo con un principio y un final. Es más fácil enseñar procesos acotados a la IA, a la que vamos entrenando y enseñando». E insiste en acotar las labores que se confían a un agente IA, «cuanto más largo y abierto es el objetivo que se le da, más se acumula el margen de error».

El experto plasma su conclusión con esta comparación: «Si entra alguien nuevo en el despacho no lo pondríamos a hacer un proyecto de pe a pa o a responder nuestros correos. Tal vez primero le enseñaríamos lo más básico». 

¿Se puede medir el nivel de agentización?

Tiene sentido pensar la adopción de agentes de IA como una escalera de cuatro peldaños, no como un salto directo. Estos cuatro niveles ascendentes serían: 

• Nivel 1, el asistente documental personalizado: un modelo con acceso a un corpus propio del estudio: normativa anotada, ordenanzas, pliegos tipo, documentación de proyectos anteriores. Responde y redacta borradores; cada respuesta la revisa una persona. Es el punto de entrada natural.
• Nivel 2, la automatización con IA en el centro: aquí se pasa a trabajar con flujos con pasos fijos donde un modelo aporta criterio en uno o varios puntos. Por ejemplo, sería automatizar tareas como la extracción de datos de mediciones, la clasificación de correo entrante, primeras versiones de memorias descriptivas. El recorrido lo sigue diseñando el equipo humano.
• Nivel 3, agentes operativos específicos: en este estadio empezamos a ver la autonomía real de los agentes IA, pero acotada a una tarea con criterios de éxito claros: revisar el cumplimiento normativo de un proyecto, comparar versiones de un modelo BIM, estructurar la documentación de una licitación siguiendo el pliego.
• Nivel 4, agentes orquestados: Varios agentes especializados colaborando en un proceso más largo, coordinados por un agente director o por un humano que revisa los puntos de paso.

Escudero describe con precisión hacia dónde apunta este último nivel, que él denomina «director de orquesta». Se olvida de las interacciones típicas en un chat: «imagino un entorno donde el arquitecto define la estrategia, las intenciones de diseño, los límites éticos y la financiación económica, y un ecosistema de agentes especializados trabaja en paralelo. Un agente vigila el presupuesto, otro la estructura y otro la sostenibilidad. El arquitecto actúa como el validador final y el tomador de decisiones críticas».

Por su parte, Dannoun insiste en que el nivel 4 debe alcanzarse de forma progresiva. Cada herramienta IA de cada tramo debe formarse bien para la tarea que vaya a cumplir. Solo con el tiempo esos tramos se van juntando, y solo cuando la IA domina un tramo completo tiene sentido plantearse cederle el flujo entero. Su previsión a corto plazo, de hecho, es que «lo que tendrá más éxito comercial en los despachos serán pequeños plugins de IA integrados en el software propietario habitual (Revit, Archicad), más que sistemas orquestados completos».

La mayoría de estudios pequeños y medianos harán bien en consolidarse en el nivel 1 y 2 antes de plantearse el 3, y en no tocar el nivel 4 hasta tener procesos de verificación sólidos.

Menos es más, el uso razonable de las herramientas

Siempre es complicado fijar una receta para el éxito, pero un conjunto de herramientas útiles para un estudio pequeño o mediano hoy podría incluir:

• un asistente conversacional de pago (los ya archiconocidos ChatGPT, Claude, Gemini…) con capacidad de trabajar sobre documentos propios (lo que sería un elemento de Nivel 1)
• una herramienta de automatización visual sin código como n8n o Make (nivel 2)
• y los plugins de IA ya integrados en el software habitual del estudio, Revit, Rhino, Archicad, para análisis de emplazamiento, renders o detección de interferencias.

Aquí conviene recuperar el matiz de Dannoun sobre los límites de esa última vía: «si la IA trabaja únicamente dentro de aplicaciones cerradas que no se comunican entre sí, el ecosistema real no llega a existir». Su recomendación para ir más allá es desplegar el sistema fuera de esos programas (en local, mediante línea de comandos o un entorno de desarrollo) y conectarlo a las herramientas concretas mediante API, en lugar de depender de que cada fabricante decida qué funciones de IA incluir en su próxima actualización. 

Esto exige, eso sí, alguien con tiempo y cierta especialización para desplegarlo, no necesariamente un perfil técnico dedicado: según Dannoun, puede ser cualquiera con suficiente curiosidad y tiempo disponible.

Gobernanza interna: que no falte el factor humano

Ningún nivel de agentización es sostenible sin un mínimo de gobernanza. Los estudios de arquitectura deberían tener claro que todos estos procesos deben estar bajo supervisión humana. Escudero lo formula como una regla de oro: «la IA amplifica el criterio existente en el equipo; si no hay criterio, también amplifica el desorden». Y advierte específicamente sobre «el riesgo de no capacitar al equipo para detectar alucinaciones en fases técnicas críticas».

Dannoun también destaca que al principio hay que revisar con lupa todo lo que hace la IA. La primera vez que se le encarga un proceso (por ejemplo, redactar un tipo de documento) hay que comprobar el resultado con detalle, paso a paso. Pero a medida que ese mismo proceso se repite y la IA demuestra que lo hace bien, la revisión puede relajarse. 

Así lo explica el docente de Escola Sert, «tras unas 10-15 repeticiones de un mismo proceso, ya no hace falta revisarlo con tanto detalle». 

Es como delegar en una persona nueva del equipo: al principio se supervisa cada paso, y con el tiempo, si ha demostrado que lo hace bien, se supervisa menos. Lo importante es que ese criterio, cuánto se revisa un proceso y a partir de cuándo se puede relajar la supervisión, no se decida de forma improvisada cada vez, sino que quede acordado y por escrito en el estudio.

Una de las partes a las que hay que prestar más atención si se trabaja con IA son las relacionadas con la normativa. Ninguna respuesta de la IA sobre estas cuestiones debe darse por buena sin comprobarla en el texto legal vigente. En este ámbito, un error no es solo estético: puede tener consecuencias legales y de seguridad reales.

Escudero añade un elemento de gobernanza previo a todo lo anterior: tener una hoja de ruta. Advierte que uno de los errores más frecuentes es que «muchos estudios prueban diez herramientas sueltas sin cambiar ningún proceso, lo que genera entusiasmo durante dos semanas y después abandono. Hace falta saber de dónde se parte y adónde se quiere llegar antes de empezar a experimentar».

Como resume Escudero, «la actitud correcta es experimentar con prudencia: elegir pocos casos de uso, medir resultados, formar al equipo, proteger datos sensibles». Y como recuerda Dannoun, «no hay que tener prisa: no hay que pretender que la IA nos haga todo el trabajo de un día para otro». En un sector que se transforma con más lentitud que otros, esperar con criterio no es lo mismo que quedarse parado.

Artículo de Iván Giménez Chueca