De la inteligencia artificial a la inteligencia aplicada a la construcción

¿Y si la IA se convirtiera en una aliada clave para la transición energética de los edificios? Si se logran desarrollar modelos de cálculo lo suficientemente potentes, fiables y robustos, los algoritmos podrán transformar los proyectos de ingeniería en el sector de la construcción. Precisamente en esto están trabajando las empresas y los investigadores de Mines Paris – PSL, que participan en el lab recherche environnement de VINCI.

El sector de la construcción, que representa el 43% del consumo energético anual de Francia y genera el 23% de sus emisiones de gases de efecto invernadero, ocupa un lugar destacado en la reflexión sobre los múltiples retos de la descarbonización. Para acelerar su transición, el sector está multiplicando sus innovaciones, basándose en especial en los recientes avances en materia de inteligencia artificial.

El análisis del ciclo de vida de los edificios muestra que actualmente la fase de explotación tiene un gran impacto en su huella de carbono global. Al cambiar el paradigma de una gestión pasiva programada a una gestión dinámica, los modelos algoritmos podrían, en un futuro, alterar las ecuaciones y hacer que los edificios sean capaces de percibir, adaptarse y anticiparse.

El 20 de noviembre de 2025, el encuentro anual del lab recherche environnement se centró en el papel de la IA en los proyectos de ingeniería. Fue una oportunidad para poner de relieve el potencial de las investigaciones y los experimentos llevados a cabo conjuntamente por las empresas de VINCI, Mines Paris – PSL, la Escuela Nacional de Puentes y Carreteras y AgroParisTech en este ámbito de la inteligencia aplicada a la construcción.

TwinOps: IA y BIM de explotación

Una de las primeras colaboraciones científicas iniciadas hace más de una década en el laboratorio se centraba en el gemelo digital, una herramienta que ocupa un papel central en la explotación de los sistemas y la gestión de los flujos de datos generados por los edificios.

De este trabajo conjunto nació TwinOps, una propuesta de VINCI Facilities (VINCI Energies Building Solutions) de creación de BIM GEM (building information modeling – gestión, explotación y mantenimiento) con el fin de facilitar la gestión y la supervisión de edificios. En la actualidad, la IA está transformando el alcance de los gemelos digitales. “Al incorporar la IA, podemos hacer que la explotación de las infraestructuras y los espacios sea más inteligente, más sostenible y con una mayor capacidad de respuesta”, destaca Mustapha Bismi, gerente de TwinOps VINCI Facilities. ¿Cómo? Gracias a la potencia y la robustez de los modelos de cálculo.

Uno de los principales temas del smart building es la recuperación de los datos y su interoperabilidad en entornos que albergan múltiples sistemas y aplicaciones. A esta parcelación de las fuentes hay que añadirle dos factores de complejidad: la extrema diversidad de las configuraciones de los edificios y la singularidad de las necesidades de los propietarios, operadores y ocupantes.

Proyectos alineados con las exigencias técnicas de los entornos de construcción y las limitaciones presupuestarias

En un contexto como este, y con vistas a la industrialización de los modelos económicos y los modelos de cálculo (ambos estrechamente relacionados), el uso de la IA estará justificado si se consigue consolidar al máximo los modelos algorítmicos para reducir la brecha entre teoría y práctica. “Le pedimos a uno de nuestros clientes que confiara a Mines Paris – PSL un conjunto de datos e información meteorológica sobre uno de sus edificios. Un año más tarde, las investigaciones demostraron que, gracias a la IA, era posible generar optimizaciones energéticas”, se felicita Mustapha Bismi.

Tiempos de cálculo divididos por diez mil

El aumento de la capacidad y la rapidez de los cálculos abre sin lugar a dudas horizontes prometedores en el campo de la eficiencia energética.

Patrick Schalbart, ingeniero de investigación en el Centro de Energía, Medio Ambiente y Procesos de Mines Paris – PSL, está trabajando en cómo la IA puede potenciar el desempeño de Pleiades STD COMFIE, un software de simulación térmica dinámica de edificios creado treinta años atrás y que en la actualidad sigue siendo todo un referente. La investigación, realizada en colaboración con Qivy, empresa de VINCI Energies, ha dado lugar a mejoras destacadas en la herramienta.

“Por un lado, el objetivo era simplificar el uso de la solución (dedicando menos tiempo a introducir datos en el modelo); por el otro, aumentar la rapidez de cálculo. ¡Un éxito doble! El uso de la IA redujo drásticamente el tiempo de estudio. En cuanto al tiempo de cálculo, se dividió entre diez mil, pasando de una simulación por segundo a 10.000 simulaciones por segundo”, afirma Patrick Schalbart.

Estos primeros resultados han alimentado dos tesis de investigación en Mines Paris – PSL. La primera se centra en la optimización de la gestión energética de los edificios mediante la reducción del consumo en los picos de demanda. El enfoque adoptado se basa en el hecho de que la IA tiene en cuenta aspectos “estocásticos”, es decir, aleatorios, como las condiciones meteorológicas o los comportamientos de los ocupantes. Estos parámetros inciertos no pueden ser gestionados correctamente por los modelos clásicos, ya que multiplican los tiempos de cálculo por cien, o incluso por mil.

“El aprendizaje automático permite obtener un modelo a partir de mediciones ya realizadas por los sistemas de gestión técnica de edificios. El objetivo es evitar la fase de recopilación de datos técnicos y de modelización física, lo que permite reducir el tiempo de cálculo y, por tanto, optimizar la regulación en un horizonte temporal de varios días de forma operativa, además de evaluar las consecuencias de las incertidumbres en las previsiones” explica Ryad Adel Ghouti, doctorando en Mines Paris – PSL.

Redes neuronales y bosques aleatorios

La otra tesis inspirada en los trabajos del laboratorio de investigación medioambiental se centra en el papel de la IA en las modelizaciones de renovación energética de los parques existentes. “Se trata de desarrollar modelos predictivos, como redes neuronales y bosques aleatorios, para estimar rápidamente el desempeño energético de los edificios e integrarlo en un proceso de optimización multicriterio que tenga en cuenta el coste y el desempeño energético y/o medioambiental”, apunta Ayoub Hannad, doctorando en Mines Paris – PSL.

Al crear una base de datos a partir de simulaciones de edificios, se elabora un material de entrenamiento para metamodelos, que posteriormente se utilizarán para identificar las mejores soluciones de renovación.

Desarrollo de aplicaciones operativas

Entrenar datos, lanzar hasta varios centenares de miles de simulaciones para generar metamodelos predictivos destinados a sustituir a los modelos físicos: este es el punto en común de la mayoría de los proyectos de investigación iniciados en este laboratorio de investigación medioambiental. Siguiendo la lógica de la investigación aplicada, el objetivo siempre es desarrollar aplicaciones operativas que puedan dar lugar a proyectos alineados con las exigencias técnicas de los entornos de construcción y las limitaciones presupuestarias de los clientes.

09/04/2026