Nota realizada por ScanBIM Studio
______________________________________________________________________________________________________________________________________
La inteligencia artificial (IA) poco a poco ha empezado a hacerse un lugar en la industria de la construcción. En el escaneo 3D de edificios, el proceso conocido como Scan to BIM, ya es capaz de resolver en minutos tareas que antes llevaban días enteros de modelado manual. Pero a fin de no crear falsas expectativas conviene identificar los procesos puntuales en los que la IA hace su aporte, ya que, aún no realiza el proceso de forma completamente autónoma.
Buena parte de lo que hoy se discute en el sector tiene respaldo en investigaciones recientes, en las que vale la pena mirar de cerca qué proponen. Un estudio publicado en 2025 en el Journal of Building Engineering, a cargo de un equipo de la Universidad Politécnica de Hong Kong, desarrolló un sistema que resuelve parte del Scan to BIM combinando Deep learning (redes neuronales) con reglas geométricas tradicionales. El sistema clasifica cada punto de la nube según el elemento al que pertenece, agrupa el mobiliario, completa las zonas ocultas por obstrucciones y genera autónomamente familias paramétricas dentro de Revit. Los propios autores reportan un alto porcentaje de veracidad en la reconstrucción de los espacios evaluados, y una reducción de tiempo de modelado superior frente al proceso manual.
Resultados de la segmentación semántica en cuatro datasets. Mahmoud et al. (2025), Journal of Building Engineering. CC BY 4.0.
Son resultados contundentes, validados sobre datasets públicos y locales en un contexto de investigación específico. Y abren una pregunta interesante para quienes trabajamos en Latinoamérica: ¿esos mismos niveles de precisión se sostienen frente a la diversidad constructiva de la región, con edificios que no siguen los patrones estandarizados? Es una pregunta que solo se puede responder probando estas herramientas sobre datos propios, algo que todavía es escaso en el sector local. Los mismos autores del estudio señalan como límite de su trabajo que el sistema se probó sobre elementos arquitectónicos estándar, y que su aplicación a entornos industriales o patrimoniales queda como línea de trabajo futura.
Modelado paramétrico BIM con Dynamo en Revit y modelos 3D generados automáticamente. Fuente: Mahmoud et al. (2025), Journal of Building Engineering. CC BY 4.0.
De una foto a una familia de Revit en minutos: una experiencia desde la región
Esa pregunta sobre patrimonio y geometría no estándar no es solo teórica: es, además, la experiencia concreta de estudios de escaneo 3D que ya trabajan con ese tipo de edificios en la región. Y desde ese lugar surge una distinción importante entre lo que hoy funciona en la práctica y lo que todavía está en desarrollo.
Según nuestra experiencia como ScanBIM Studio a partir del trabajo de campo, no existe aún una IA que logre una identificación semántica de la nube de puntos y se la comunique adecuadamente a Revit. (por ejemplo, que reconozca que un conjunto de puntos corresponde a una pared y la modele como tal).
Por lo tanto, para el software, la nube sigue siendo geometría sin clasificar. Frente a esa limitación, y en conversación con otros profesionales, descubrimos un camino alternativo que sí funciona hoy para elementos muy específicos: en vez de partir de la nube de puntos, partimos de una fotografía.
Como, por ejemplo: ornamentos de una iglesia o molduras de una fachada, que no siguen ningún patrón estándar y que a mano pueden tomar un día completo de modelado, se resuelven así en minutos: una fotografía del elemento se procesa con inteligencia artificial generativa (como Gemini o Meta AI), que reconoce la forma fotografiada y genera a partir de esa imagen una familia paramétrica liviana. Esa familia se inserta después en Revit, apoyada sobre la cara del elemento correspondiente.
Este es un buen ejemplo de cómo, mientras la interpretación semántica directa de nubes de puntos avanza en distintos centros de investigación, en la práctica de campo el sector fue encontrando sus propios atajos: cambiar el tipo de dato de entrada. Donde la nube de puntos todavía no resuelve la interpretación semántica de forma estable, una fotografía sí permite avanzar.
Relevamiento patrimonial latinoamericano: un terreno donde la IA todavía acompaña de a poco
Los edificios patrimoniales son, en definitiva, el mejor ejemplo de dónde la tecnología ya suma y dónde todavía se está construyendo camino. En Argentina, estudios de escaneo 3D como ScanBIM Studio vienen participando de proyectos de relevamiento digital de patrimonio junto a profesionales nacionales e internacionales, explorando de forma activa el uso de estas herramientas de inteligencia artificial aplicadas al modelado.
Ese tipo de intercambio entre estudios y organizaciones profesionales es, hoy, donde más se está aprendiendo sobre los límites reales de la tecnología: qué tareas puede resolver una IA generativa entrenada afuera de la región, y cuáles siguen necesitando el ojo de alguien formado en relevamiento y en patrimonio local.
Modelo 3D texturizado del Panteón de la Asociación Española de Socorros Mutuos, obtenido del relevamiento digital.
Hasta dónde llega la IA y dónde sigue haciendo falta una persona
Es un punto que vale la pena remarcar en un momento donde se habla tanto de la autonomía total de la IA: la inteligencia artificial acelera cada vez más etapas del proceso, desde la clasificación hasta la generación de familias, y probablemente siga ganando terreno en la captura de datos en el lugar. Pero hay una tarea que la tecnología todavía no resuelve por sí sola: decidir si un modelo generado de forma autónoma realmente representa el edificio, o si una geometría irregular fue bien interpretada. Asimismo, en Latinoamérica, con edificios irregulares, ampliaciones de distintas épocas y ornamentación que no responde a ningún estándar, ese criterio profesional de validación, es lo que distingue un relevamiento confiable de uno que solo parece correcto en pantalla.
Qué futuro se proyecta para la IA en el Scan to BIM
Más allá del modelado geométrico, ya empiezan a aparecer plataformas que usan inteligencia artificial para sistematizar la información que generan los distintos actores de un proyecto (por ejemplo, los datos de instalaciones eléctricas y mecánicas cargados en Revit por distintos equipos de ingeniería) y ordenarla en un solo lugar. Todavía no es algo que se ofrezca desde el lado de la arquitectura o del Scan to BIM en la región, pero marca hacia dónde puede ir la industria: no solo modelar más rápido, sino también conectar y sistematizar mejor toda la información que un proyecto genera a lo largo de su ciclo de vida.
El desafío pendiente para Latinoamérica es doble. Por un lado, seguir de cerca la investigación internacional que ya demuestra resultados contundentes en contextos específicos. Por otro, empezar a probar y validar esas mismas herramientas sobre datos propios (nubes de puntos y modelos BIM verificados de edificios locales), que en algún momento podrían permitir entrenar algoritmos capaces de entender, con la misma precisión, la arquitectura y el patrimonio que nos son propios.
En ScanBIM Studio seguimos esa evolución de cerca, y estamos abiertos a sumar tecnología que aporte valor real al proceso, sin perder de vista que la validación final de cada modelo (que realmente represente el edificio tal como es) sigue dependiendo de nuestro criterio profesional, para llegar siempre a los niveles de calidad y precisión, que no están a discusión.
Referencias Bibliográficas
Mahmoud, M., Zhao, Z., Chen, W., Adham, M., & Li, Y. (2025). Automated Scan-to-BIM: A deep learning-based framework for indoor environments with complex furniture elements. Journal of Building Engineering, 106, Artículo 112596. https://doi.org/10.1016/j.jobe.2025.112596
