IA en arquitectura sostenible: oportunidades, límites y aplicaciones con impacto medible

En 2023 publicamos una primera aproximación al impacto de la inteligencia artificial en la arquitectura sostenible. Tres años después, el escenario ha cambiado de forma sustancial: la IA ha evolucionado a un ritmo muy rápido y se ha integrado en flujos de trabajo que ya no se limitan a acelerar tareas, sino a reducir incertidumbre técnica, priorizar decisiones con datos y, sobre todo, verificar el rendimiento real de edificios y proyectos.

Este artículo se centra en aplicaciones que permiten medir mejoras (energía, carbono, confort, calidad del aire) y en las condiciones que deben cumplirse para que la IA no se convierta en un elemento de optimización aparente. No se trata de añadir tecnología por sistema, sino de identificar qué usos de la IA encajan en cada fase, qué datos requieren y cómo se comprueba el resultado con criterios técnicos.

Dónde está hoy en día el impacto medible

Para hablar de impacto hay que definir indicadores, establecer una línea base y aplicar un método de verificación (M&V). Por medición y verificación (M&V) se entiende el conjunto de procedimientos para cuantificar, con datos, el efecto real de una medida o intervención. En ese contexto, la IA aporta valor cuando reduce el performance gap, es decir, la brecha entre lo previsto y lo real.

Algunos de los KPIs verificables donde la IA está aportando retorno:

• Energía operativa. Se mide como consumo anual por superficie, en kWh por metro cuadrado y año. Para que sea comparable, conviene analizar la curva de demanda y, cuando proceda, normalizar según clima y patrón real de uso y ocupación. De este modo, las variaciones se atribuyen a decisiones técnicas y no a inviernos más suaves o cambios de horarios.
  
  
• Confort térmico. Se verifica mediante horas fuera de rangos aceptables y, cada vez más, mediante horas de sobretemperatura en periodos cálidos. Este indicador identifica casos en los que el balance anual es correcto, pero aparecen episodios de incomodidad por orientación, inercia, ventilación o cargas internas.
  
  
• Calidad del aire interior, IAQ. El dióxido de carbono en partes por millón (ppm) es un indicador práctico de ventilación efectiva en espacios ocupados. Se complementa con la humedad relativa por su relación con condensaciones y moho. Según el uso, pueden añadirse campañas puntuales de partículas o compuestos orgánicos volátiles para orientar estrategias de ventilación y filtración.
  
  
• Huella de carbono. Se expresa en kilogramos de CO₂ equivalente por metro cuadrado y conviene separar carbono incorporado, asociado a materiales y ejecución, de carbono operativo, ligado a la energía de uso. Para que el dato sea robusto, es necesario declarar el alcance del análisis de ciclo de vida y comparar alternativas con hipótesis coherentes.
  
  
• Operación y mantenimiento, O&M. Se mide a través de reintervenciones, incidencias, derivas de equipos, paradas y costes de mantenimiento. Son indicadores relevantes porque conectan directamente con desperdicio de recursos, pérdida de eficiencia energética y degradación del confort con el paso del tiempo.
  
  

La IA es útil cuando permite comparar alternativas, detectar fallos antes de que cuesten dinero y medir el carbono generado, y demostrar con datos que una decisión mejora el edificio.

IA en el proyecto: planificación y diseño orientados a presentaciones

En fase de proyecto, la IA aporta más cuando se incorpora como capa de análisis para optimizar decisiones bajo condicionantes de clima, normativa, presupuesto y programa, y traducir variables complejas en criterios comparables y justificables. Su utilidad se aprecia especialmente en anteproyectos y proyectos básicos, cuando aún se puede hacer ajustes con agilidad y evitar correcciones tardías que suelen derivar en desviaciones de obra, generación de residuos y pérdida de prestaciones.

En la práctica, las aplicaciones más consistentes se agrupan en tres líneas:

• Evaluación rápida de estrategias pasivas, como protecciones solares, WFR y distribución de huecos, inercia térmica y ventilación natural o nocturna. El objetivo es obtener resultados en términos de confort, por ejemplo, horas de sobre temperatura, y no limitar el análisis a la demanda anual.
  
  
• Control de coherencia del modelo y puntos singulares de la envolvente dentro de flujos BIM, revisando continuidad de capas, encuentros y posibles interferencias entre arquitectura, estructura e instalaciones. Esto permite reducir trabajos de mantenimiento y riesgos de ejecución en zonas donde suelen concentrarse patologías.
  
  
• Diseño orientado a verificación, incorporando desde el proyecto una instrumentación mínima con temperatura, humedad relativa y CO₂, junto con criterios operativos y un planteamiento básico de medición y verificación (M&V).
  

El matiz importante es que estas aplicaciones aportan valor cuando generan entregables accionables: matrices comparativas, listados de puntos críticos y criterios de aceptación. Si solo producen “optimización” sin posibilidad de verificación, el impacto real se diluye.

Materiales y circularidad: del “material sostenible” al material demostrable y trazable

El avance más relevante en materiales no es tanto tecnológico como metodológico: pasar de una selección basada en etiquetas a una selección basada en evidencia documentada. En este punto, la IA resulta útil como apoyo a la prescripción cuando permite gestionar grandes volúmenes de información y convertirlos en comparativas consistentes. Esto incluye declaraciones ambientales de producto, análisis de ciclo de vida y datos sobre mantenimiento, reposición y fin de vida. Además, facilita centrar el esfuerzo donde realmente pesa el impacto, es decir, en las partidas con mayor influencia en el carbono incorporado.

En la práctica, las aplicaciones que están aportando más valor son:

• Comparativas asistidas por ACV/EPD en elementos de alto impacto, como estructura, fachada y cubierta o aislamientos. La clave es trabajar con supuestos explícitos y un alcance declarado, de modo que la decisión sea trazable y verificable.

• Reducción de carbono incorporado no solo sustituyendo materiales, sino ajustando el sistema constructivo, la modulación y el diseño de detalles para reducir mermas, sobreespesores y desperdicio en obra.

• Circularidad ejecutable mediante soluciones desmontables y reparables. Esto implica priorizar sistemas secos, uniones reversibles y separabilidad de capas, y especificar criterios que permitan reparación y sustitución parcial sin demoliciones innecesarias.

• Inventario y trazabilidad de sistemas y componentes, con documentación consistente sobre qué se instala, dónde se ubica y cómo se mantiene. Este enfoque convierte el edificio en un banco de materiales y reduce la incertidumbre en rehabilitaciones futuras.

IA en el edificio: rehabilitación y uso

El salto respecto a enfoques más teóricos se produce en el edificio existente y en su explotación. En rehabilitación, la IA se combina con inspección in situ y termografía para localizar discontinuidades de aislamiento, humedades, infiltraciones y puentes térmicos, y para priorizar intervenciones con mayor retorno energético y mayor impacto en salud y confort. Durante su uso, se aplica al control por demanda a partir de sensores ambientales, como CO₂, temperatura y humedad relativa, así como a la detección de derivas y al mantenimiento predictivo. El objetivo es reducir consumos reales y mejorar confort e IAQ de forma sostenida.

Para que la IA no se convierta en ruido, conviene declarar límites desde el inicio. La calidad de los datos es crítica, tanto por la ubicación de sensores como por disponer de series temporales suficientes y contexto de clima y ocupación. También hay que considerar sesgos del modelo, especialmente cuando se extrapolan tipologías promedio a rehabilitación compleja, patrimonio o climas específicos. En edificios sensibles, el tratamiento de los datos debe abordarse desde el diseño del sistema, priorizando la privacidad y la protección de la identidad cuando proceda. Y, por último, es fundamental evitar optimizaciones parciales, como reducir energía a costa de empeorar IAQ o aumentar el sobrecalentamiento, y asegurar la compatibilidad entre sistemas para no depender de plataformas que dificulten la auditoría.

Antes de implantar IA conviene exigir, como mínimo, KPIs definidos, línea base y método de verificación, capacidad real de intervención y supuestos documentados, tanto del modelo como del alcance de Análisis del Ciclo de Vida (ACV) cuando aplique.

La IA no sustituye el criterio profesional; lo exige. Su aportación más relevante a la arquitectura sostenible aparece cuando se integra en procesos de planificación, prescripción y explotación para medir, verificar y corregir. En 2026, el debate ya no es si la IA transforma el sector, sino si se está aplicando con la diligencia necesaria para convertir la sostenibilidad en una prestación demostrable y no en una declaración sin respaldo técnico.