INTELIGENCIA ARTIFICIAL APLICADA AL DIAGNÓSTICO DE PATOLOGÍAS CONSTRUCTIVAS
Sistemas de detección, análisis predictivo y valor profesional para el arquitecto en ejercicio
La patología de la construcción constituye uno de los campos técnicos de mayor complejidad dentro de la práctica profesional del arquitecto: requiere diagnóstico preciso, dominio de materiales y sistemas constructivos, capacidad de anticipar la evolución del daño y criterio para prescribir intervenciones. La incorporación de herramientas de inteligencia artificial (IA) en este dominio no representa una sustitución del juicio experto, sino una extensión tecnológica que amplía la capacidad diagnóstica, reduce la subjetividad en la clasificación del daño y habilita el análisis predictivo sobre la vida útil residual de los elementos afectados.
En términos técnicos, la IA aplicada a patologías de la construcción opera sobre cuatro ejes principales: visión artificial para detección y clasificación de lesiones, aprendizaje automático (machine learning) para análisis multivariable de causas, modelos predictivos basados en series temporales para evaluar la progresión del daño, y sistemas de asistencia al diagnóstico que integran bases de datos normativas y de literatura técnica. El arquitecto que comprende estas capacidades puede incorporarlas como herramientas de apoyo en la etapa de relevamiento, diagnóstico y prescripción de soluciones.
VISIÓN ARTIFICIAL Y CLASIFICACIÓN DE LESIONES
Los modelos de visión por computadora —en particular las redes neuronales convolucionales (CNN)— han alcanzado niveles de precisión superiores al 90% en la detección automática de grietas, fisuras, eflorescencias, desprendimientos y manchas de humedad en superficies de hormigón, mampostería y revoques. Estos modelos se entrenan con datasets de miles de imágenes etiquetadas según tipo, extensión y severidad de la lesión, siguiendo criterios estandarizados equivalentes a los de normas IRAM o fichas de patología (UNE 41805, NBR 15575).
Para el arquitecto en ejercicio, esto significa que un relevamiento fotográfico sistemático, obtenido con smartphone o drone, puede ser procesado por herramientas de IA para producir un mapa automático de lesiones con coordenadas relativas, clasificación por tipo y estimación de área afectada. El profesional deja de ser quien clasifica manualmente cada elemento y pasa a ser quien valida, interpreta y contextualiza el output del sistema dentro del marco normativo y constructivo local.
ANÁLISIS CAUSAL Y MODELOS PREDICTIVOS
Más allá de la detección, los sistemas de IA permiten correlacionar la presencia de determinadas lesiones con variables ambientales, constructivas y de mantenimiento. Algoritmos de aprendizaje supervisado como Random Forest o Gradient Boosting pueden procesar datos de temperatura, humedad relativa, antigüedad del inmueble, tipo de sistema constructivo, historial de intervenciones previas y tipo de suelo, para inferir la causa probable de origen de la patología con un nivel de confianza estadístico explícito.
Los modelos de regresión temporal permiten, además, proyectar la evolución de una patología activa en el tiempo —por ejemplo, la expansión de una fisura por retracción en un muro de hormigón sometido a ciclos térmicos— y estimar el umbral de intervención antes de que el daño comprometa la capacidad resistente del elemento o la habitabilidad del espacio.
| CASO PRÁCTICO · RELEVAMIENTO PATOLÓGICO CON IA — EDIFICIO MULTIFAMILIAR | |
| Contexto | Edificio de hormigón armado, 12 años de antigüedad, Reconquista (Santa Fe). Relevamiento de fachada oeste con exposición a lluvia de viento predominante. |
| Herramienta utilizada | Roboflow + modelo YOLO entrenado para detección de fisuras y eflorescencias en hormigón. Procesamiento de 84 fotografías obtenidas con dron DJI Mini 3. |
| Output del sistema | Mapa de lesiones con 23 zonas identificadas: 14 fisuras capilares (Nivel I), 6 fisuras estructurales (Nivel III) y 3 manchas de eflorescencia por ingreso de agua. Coordenadas relativas y área estimada por lesión. |
| Valor profesional | El arquitecto utilizó el informe generado como anexo técnico al dictamen pericial, reduciendo el tiempo de relevamiento manual de 2 días a 4 horas. La clasificación automática fue validada in situ en el 92% de los casos. |
HERRAMIENTAS DISPONIBLES Y PERFIL DE USO
El ecosistema de herramientas de IA orientadas a patologías constructivas puede organizarse según el nivel de acceso técnico requerido. Las plataformas de visión artificial como Roboflow, Google Teachable Machine o Azure Custom Vision permiten al profesional entrenador de modelos propio a partir de fotografías propias, sin programar. Herramientas como DALL·E o GPT-4o Vision admiten análisis descriptivo de imágenes de lesiones con interpretación técnica asistida. Para análisis de datos multivariables, Scikit-learn (Python) o plataformas como DataRobot ofrecen modelos predictivos sin desarrollo desde cero.
En el nivel más avanzado, plataformas de BIM como Autodesk Forma o Bentley iTwin integran módulos de IA para el seguimiento de patologías en gemelos digitales, vinculando el historial de lesiones con los datos del modelo paramétrico y generando alertas automáticas cuando un indicador supera umbrales críticos. La adopción de estas herramientas representa, para el profesional independiente, un diferencial técnico concreto frente a estudios que operan con metodologías de relevamiento exclusivamente manuales.
QUÉ LE OFRECE LA IA AL ARQUITECTO EN PATOLOGÍAS
La IA no reemplaza el criterio técnico del arquitecto: lo complementa con velocidad de procesamiento, consistencia clasificatoria y capacidad analítica que ningún relevamiento manual puede igualar en escala. El profesional que adopta estas herramientas no pierde protagonismo; lo amplia hacia funciones de interpretación, validación y decisión que son irreemplazablemente humanas.
“La IA convierte datos visuales en diagnósticos estructurados. El arquitecto convierte ese diagnóstico en intervención técnica responsable. Ninguno de los dos opera sin el otro.”