La inteligencia artificial en el sector AECO: ámbitos de aplicación y desafíos clave

Por Susana Millán Anglés Phd Architect, Digital and BIM Lead WSP Spain. Grupo de trabajo Inteligencia Artificial, Comisión de Servicios Tecnológicos de Tecniberia.

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 Inteligencia Artificial 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.

1. 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).

Riesgos y consideraciones profesionales: Pese a las ventajas, este ámbito conlleva desafíos importantes:

• Fiabilidad de los resultados: La IA puede ignorar factores no incluidos en sus datos o proponer soluciones que incumplen condiciones del proyecto, por lo que el criterio profesional sigue siendo esencial (21).
• Responsabilidad y ética: Aunque la IA falle en un cálculo o recomendación, la responsabilidad legal recae siempre en el técnico o la empresa. Esto exige protocolos sólidos de validación: la IA propone, el humano verifica.
• Datos y ciberseguridad: Integrar IA implica exponer información sensible. Es clave asegurar la gobernanza del dato, su confidencialidad —especialmente en servicios cloud— y la calidad de la información utilizada.
• Adaptación del personal: La IA implica cambios en los flujos de trabajo y puede generar resistencia. Más que sustituir, redefine funciones: por ejemplo, un delineante pasa de modelar a revisar y corregir lo que la IA pre-modela. El liderazgo debe comunicar que el objetivo es mejorar resultados y reducir cargas.
• Madurez de la tecnología: Muchas soluciones aún están en fase inicial. Algunas tareas, como convertir nubes de puntos en BIM constructivo, no alcanzan fiabilidad suficiente sin repasos intensivos (22). Es crucial conocer sus límites para evitar expectativas irreales: en 2026 ya aporta valor en planificación, diseño conceptual y control de calidad, pero el factor humano sigue siendo determinante.
  El uso de la IA aplicada a proyectos tiene un potencial transformador enorme, al punto de que podría redefinir cómo concebimos, planificamos y gestionamos obras. Pero su correcta implementación exige simultáneamente madurez digital (tener BIM sólido, datos de calidad, estándares adoptados) y prudencia profesional. Las organizaciones del sector que ya están invirtiendo en implantaciones BIM robustas, en estándares abiertos y en la capacitación de sus técnicos llevan ventaja para beneficiarse de estas capacidades de IA. A las demás les conviene comenzar a recorrer ese camino si no quieren quedarse atrás en la realidad próxima.

4. La IA como base de nuevas soluciones digitales para clientes
El tercer nivel de aplicación de la IA en el sector AECO trasciende la mejora de cómo hacemos proyectos y se centra en qué más podemos ofrecer gracias a la IA. A esta aplicación o fase de adopción de la inteligencia artificial se la denomina a menudo “re-invent”. Hablamos de desarrollar nuevas soluciones digitales orientadas a clientes y negocio, apalancadas en tecnologías de IA. En otras palabras, la IA abre la puerta a nuevos servicios post-proyecto que aportan valor añadido al cliente y generan oportunidades de negocio recurrente para las empresas AECO.

El concepto más emblemático en este ámbito es el de los gemelos digitales. Un gemelo digital es una réplica virtual de un activo físico –sea un edificio, una infraestructura o incluso una ciudad completa– que está continuamente alimentada por datos reales (desde sensores IoT hasta sistemas de gestión) y, ahora a menudo, integrada con modelos de IA. Este modelo virtual dinámico refleja en tiempo real el comportamiento del activo real y permite probar escenarios, predecir eventos y optimizar la operación sin interferir en el mundo físico.
Casos de uso de gemelos digitales con IA: En España y Europa ya hay numerosos ejemplos, a los que se suman pioneros internacionales:

• En ciudades inteligentes: algunas administraciones avanzan con gemelos digitales. Las Rozas (Madrid) ha creado COSMOS, que integra cerca de 50 capas urbanas en tiempo real y permite simular escenarios para optimizar decisiones. Barcelona, con la startup Aretian, desarrolló un gemelo metropolitano que identificó 29.000 parcelas con potencial para 475.000 viviendas hasta 2050, apoyando políticas de vivienda asequible (23) (24) (25).
• En infraestructuras energéticas: Endesa implantó gemelos digitales en centrales hidroeléctricas tras un piloto en 2023 en El Pintado (Sevilla), extendiéndolo a nueve plantas más para mejorar mantenimiento y eficiencia. En el sector naval, Navantia y la Armada Española desarrollan el gemelo de las fragatas F110, que asistirá a la tripulación con recomendaciones en tiempo real basadas en IA (26) (27).
• En edificación y gestión de activos: sistemas BMS con IA optimizan consumos ajustando climatización e iluminación según ocupación, clima y tarifas, logrando mejoras energéticas significativas. Plataformas de análisis inmobiliario basadas en IA permiten valorar activos, predecir depreciación y detectar oportunidades de rehabilitación, transformando el trabajo de consultoras hacia modelos continuos basados en datos (28).

Nuevos modelos de negocio: En todos estos casos, la IA habilita a las empresas del sector a evolucionar desde un modelo puramente proyectual hacia uno de soluciones permanentes. En lugar de terminar su relación con el cliente al entregar la obra o el diseño, la compañía puede proveer un servicio continuo apoyado en tecnología. Por ejemplo, implementar el gemelo digital de una nueva infraestructura y luego ofrecer al cliente un contrato de seguimiento y optimización durante la operación de dicha infraestructura (asset management inteligente). Otra vía es desarrollar plataformas digitales propias y comercializarlas a múltiples clientes: algunas ingenierías ya invierten en productos de software (por ejemplo, sistemas de monitoreo estructural con IA, aplicaciones de mantenimiento predictivo de equipos, etc.). Esto supone un cambio notable para un sector que tradicionalmente trabajaba por proyecto; ahora asoma la posibilidad de lograr ingresos recurrentes a través de servicios digitales de alto valor.

Estado de madurez: A diferencia de las herramientas personales (ya masivas) o de la integración en BIM (donde hay numerosas pruebas de concepto en marcha), los servicios avanzados para clientes están todavía emergiendo. Algunos son realidad operativa, pero en conjunto diríamos que el nivel de madurez varía según el subsector: muy avanzado en infraestructuras críticas e industria (energía, transporte, defensa) y algo más incipiente en edificación tradicional. Con todo, la tendencia global es clara, estudios de mercado proyectan que la inversión mundial en gemelos digitales se multiplicará por 5 o más en esta década (29).

Riesgos específicos en este ámbito: Al crear servicios basados en IA para clientes, surgen retos particulares:

• Fiabilidad y confianza del cliente: Los clientes necesitan que predicciones y automatizaciones sean fiables. Un fallo en sistemas críticos, como un gemelo digital de una red eléctrica, puede afectar operaciones y dañar la confianza. Por ello se requieren altos niveles de calidad, redundancia y ciberseguridad, protegiendo datos y evitando vulnerabilidades mediante cifrado, autenticación robusta y planes de contingencia.
• Inversión y retorno: Desarrollar soluciones digitales exige inversión en I+D, talento especializado y tecnología. Las empresas deben definir bien su modelo de retorno (suscripciones, licencias, ahorros compartidos, etc.). McKinsey señala que los gemelos digitales pueden acelerar proyectos un 50% y reducir costes en torno al 15%, evidenciando un ROI positivo; aunque existe riesgo de “pilotitis” si la innovación no escala hacia ingresos o ventaja sostenible (30) (31).
• Competencia y ecosistema: Con la entrada de actores tecnológicos en el sector, las empresas AECO compiten en un entorno más híbrido. Para diferenciarse, necesitan alianzas estratégicas y capacidades digitales integradas en su propuesta de valor. Además, deben vigilar la regulación emergente: la futura Ley Europea de IA clasificará ciertos usos como “de alto riesgo”, lo que podría exigir certificaciones si se ofrecen servicios como gemelos digitales con funciones de seguridad (32) (33).

5. Comparativa entre los tres niveles de aplicación de la IA
Habiendo detallado cada ámbito por separado, es útil contrastarlos para entender sus diferencias en objetivos, madurez, impacto y desafíos. La siguiente tabla resume una comparativa de los tres niveles de IA para el sector AECO:

Lo primero que destaca es que cada nivel de IA conlleva distintas metas, plazos de adopción y retos. Por ejemplo, una ingeniería puede rápidamente obtener beneficios equipando a su personal con asistentes de IA (nivel 1), pero eso no significa que ya esté lista para implementar IA en sus procesos BIM (nivel 2) sin antes madurar su gestión de datos. Del mismo modo, una empresa puede anunciar un servicio digital innovador para clientes (nivel 3), pero si internamente no tiene a su gente acostumbrada a trabajar con IA (nivel 1) ni proyectos bien estructurados en BIM (nivel 2), le costará sostener y escalar esa iniciativa.

También difiere el retorno de la inversión (ROI): las herramientas personales suelen ser de bajo coste e impacto inmediato en eficiencia; las soluciones integradas en procesos internos requieren más inversión en software y cambios organizativos, pero aportan mejoras significativas en los resultados de los proyectos; y las plataformas para clientes implican apuestas de negocio nuevas, con potencial de nuevos ingresos, pero también mayor riesgo.

Para la dirección de las empresas AECO, es importante abordar los tres niveles de forma equilibrada. No se trata de elegir solo uno, sino de trazar una hoja de ruta donde se refuercen mutuamente. Por ejemplo, una estrategia plausible sería: primero fomentar la capacitación en IA y el uso de copilotos (nivel 1, Deployment) para preparar al equipo; en paralelo, lanzar proyectos piloto de IA en procesos técnicos (nivel 2, Re-shape) empezando por casos acotados (p.ej. un módulo de revisión automática de calidad en BIM); y, con lo aprendido, identificar oportunidades de servicios externos basados en IA (nivel 3, Re-invent) para ofrecer a clientes. Lo esencial es tener claro en qué “capa” nos movemos en cada iniciativa y comunicarlo así, para no mezclar objetivos ni generar confusión.

6. Conclusiones

La inteligencia artificial ya está transformando el sector AECO, aunque no de manera uniforme ni automática. La clave no está en adoptar IA por moda, sino en usarla con sentido, como un medio para mejorar aquello que realmente importa: la productividad, la calidad de los proyectos, la seguridad y el servicio al cliente. A lo largo del artículo hemos visto que no todas las aplicaciones de la IA son iguales. Automatizar tareas personales, mejorar procesos BIM o desarrollar servicios avanzados como gemelos digitales responden a lógicas distintas y a distintos niveles de madurez. Confundir estos planos solo genera expectativas irreales. Un enfoque sensato pasa por abordarlos de forma diferenciada, con objetivos claros y responsables definidos.

También queda claro, no podemos quedarnos parados, pero a la vez la adopción de la IA debe ser progresiva y responder a un plan. Empezar con pilotos acotados, aprender, medir resultados y escalar solo cuando la organización esté preparada sigue siendo la vía más eficaz. Las implantaciones precipitadas, sin datos fiables, procesos claros o equipos formados, suelen acabar en frustración.

En todo este proceso, el factor humano sigue siendo central. La verdadera ventaja no la obtendrá quien incorpore antes la tecnología, sino quien la utilice con responsabilidad, ética y buen criterio. En un sector donde la seguridad y las inversiones son críticas, el juicio profesional del ingeniero y del arquitecto es irrenunciable. La IA no sustituye ese papel; lo refuerza, liberando tiempo y energía para aquello que realmente aporta valor.
Bien aplicada, la IA representa una oportunidad estratégica para el AECO: puede ayudar a mejorar una productividad históricamente estancada, elevar la calidad de los proyectos y abrir la puerta a nuevos servicios de alto valor añadido. Todo ello descansa sobre un elemento clave que atraviesa todo el debate: el dato, bien estructurado, gobernado y gestionado, que se perfila como la verdadera infraestructura de la transformación digital del sector.

Pero lo más importante: la inteligencia artificial ya no es ciencia ficción ni una amenaza, sino una aliada real. Afrontarla con la misma seriedad con la que abordamos un cálculo estructural o un plan de seguridad —con bases sólidas, estándares claros y profesionales formados— permitirá al sector AECO aprovechar su potencial y afrontar con más garantías los retos de los próximos años. Si lo hacemos bien, la IA puede ayudarnos no solo a ser mas eficientes y competitivos, sino también a construir mejor y de forma más responsable.

Fuentes y referencias:
(1) IA aumentará el 40% de productividad empresarial, según estudio
(2) Digitalización e inteligencia artificial en el sector de la construcción en España: reto y oportunidad | BUILD UP
(3) AI in Construction: 15+ Real Case Studies Transforming the Industry | LinkedIn
(4) Economic potential of generative AI | McKinsey
(5) AI in the workplace: A report for 2025 | McKinsey

(6) Microsoft 365 Copilot Experiment: Cross-Government Findings Report (HTML) – GOV.UK
(7) Early Impacts of M365 Copilot – Microsoft Research
(8) PwC 2025 Global AI Jobs Barometer | PwC
(9) Gartner Says CFOs Should Reset Expectations About AI’s Impact on Workforce Productivity and Headcount
(10) Lo que la IA ya está haciendo por la productividad y el empleo – Ideas PwC
(11) AI won’t make the call: Why human judgment still drives innovation | Institute for Business in Global Society
(12) Stay Human or Go Machine? The Fate of Human Judgement in AI | Global Philosophy | Springer Nature Link
(13) AI Literacy | MIT Sloan Executive Education
(14) La aplicación de la IA en entornos openBIM – buildingSMART Spain
(15) Improved Building Information Modeling Based Method for Prioritizing Clash Detection in the Building Construction Design Phase
(16) Artificial Intelligence in Generative Design: A Structured Review of Trends and Opportunities in Techniques and Applications
(17) Generative AI in Architectural Design | Springer Nature Link
(18) AI in Construction: 15+ Real Case Studies Transforming the Industry | LinkedIn
(19) Digitalised Predictive Maintenance in Railways: A Systematic Review of AI, BIM, and Digital Twins
(20) The impact of integrating artificial intelligence and Building information modeling (BIM) systems on the development of construction methodologies | Journal of Umm Al-Qura University for Engineering and Architecture | Springer Nature Link
(21) Desafíos de ciberseguridad en gemelos digitales: amenazas y salvaguardas | INCIBE-CERT | INCIBE
(22) Automatic Scan-to-BIM—The Impact of Semantic Segmentation Accuracy
(23) Las Rozas consolida su Plataforma de Ciudad Inteligente con un gemelo digital
(24) El ‘gemelo digital’ identifica solares para 475.000 nuevas viviendas en el área metropolitana de Barcelona – Residae

(25) El gemelo digital ubica 475.000 nuevas viviendas en el área metropolitana
(26) Digital twins of hydroelectric power plants | Endesa
(27) F-110 · Fragatas – Navantia
(28) Artificial intelligence for energy optimization in smart buildings: A systematic review and meta-analysis | Energy Informatics | Springer Nature Link
(29) 2025 Digital Twin Statistics | Hexagon
(30) Digital twin emerging as a must-have tool for manufacturers: McKinsey | Manufacturing Asia
(31) Operational playbook: Scaling Digital twins, simulation & synthetic data from pilot to rollout | Sustainability Atlas
(32) Annex III: High-Risk AI Systems Referred to in Article 6(2) | EU Artificial Intelligence Act
(33) Article 6: Classification rules for high-risk AI systems | AI Act Service Desk