Por: Mag. Francis Quispe Meza y Mag. Wagner Elescano Ladera, docentes de Arquitectura, Universidad Continental
Publicación: 28/09/2026
La llegada de la inteligencia artificial generativa a las aulas de Arquitectura ha abierto una oportunidad, pero también una pregunta pedagógica: ¿cómo aprovechar su velocidad y capacidad de exploración sin convertirla en un atajo que reemplace el razonamiento del estudiante? Esa interrogante orientó una experiencia desarrollada durante el semestre 2026-I en el curso de Proyectos IV de Arquitectura de la Universidad Continental.
Durante catorce semanas se trabajó con 32 estudiantes distribuidos en dos secciones de 16 integrantes. Una sección conformó el grupo experimental, que integró herramientas BIM e inteligencia artificial al proceso de diseño, mientras que la otra continuó con una dinámica tradicional de taller. El objetivo no fue medir cuántas imágenes, planos o alternativas podía producir cada estudiante, sino observar su capacidad para tomar decisiones arquitectónicas coherentes, justificadas y contextualizadas.
Imagen creada por IA https://www.gemini.com
El diagnóstico inicial mostró que ambos grupos partían de desempeños bajos y comparables. Ningún estudiante alcanzaba todavía el nivel considerado adecuado en creatividad y argumentación proyectual. A partir de esa línea base, la intervención se organizó en cuatro momentos: diagnóstico, capacitación tecnológica, desarrollo proyectual y evaluación de impacto.
En el grupo experimental, la IA y BIM se incorporaron con funciones concretas. ChatGPT se utilizó para formular preguntas orientadoras, estructurar análisis y fortalecer argumentos; Nano Banana apoyó la exploración visual y el análisis de referentes; Hitem 3D permitió estudiar alternativas volumétricas; Autodesk ReCap ayudó a leer el contexto a partir de información fotográfica; y Autodesk Revit se empleó para modelar, organizar el programa, revisar relaciones espaciales y documentar el anteproyecto. La premisa fue sencilla: la IA no debía diseñar por el estudiante, sino ayudarlo a preguntar, comparar, justificar y decidir mejor.
Para observar cambios reales, la evaluación se centró en siete dimensiones del criterio proyectual: integración con el contexto, coherencia funcional, resolución espacial, creatividad, argumentación, experiencia del usuario y relación abierto-cerrado. Esta mirada evitó reducir el aprendizaje a la calidad estética de una lámina final. El proceso, la capacidad de explicar una decisión y la coherencia entre concepto, programa y espacio tuvieron el mismo peso que la representación.
Por ello, la tecnología se articuló al avance real del proyecto. Los estudiantes pasaron por lectura del contexto, análisis de referentes, formulación conceptual, organización programática, exploración volumétrica, modelado BIM, representación y prototipado. En cada fase, la retroalimentación docente fue clave para que las respuestas generadas por IA fueran contrastadas con el encargo, el usuario, el contexto y los criterios arquitectónicos.
Resultados
Al finalizar la experiencia, la evaluación mediante una rúbrica de siete dimensiones mostró diferencias consistentes a favor del grupo experimental. En una escala de 1 a 4, el promedio general fue de 3.13 en el grupo BIM + IA frente a 2.58 en el grupo de control, una diferencia relativa aproximada de 21.3%. Las mayores brechas se observaron en integración urbana (3.50 frente a 2.75) y coherencia funcional (3.31 frente a 2.69). También se registraron resultados superiores en resolución espacial, experiencia del usuario y relación entre espacios abiertos y cerrados.
Imagen generada por IA https://www.gemini.com
En las dimensiones más vinculadas con el pensamiento creativo, el grupo experimental alcanzó 3.06 en creatividad proyectual frente a 2.50 del grupo de control, y 2.94 en argumentación proyectual frente a 2.44. Además, el porcentaje de estudiantes del grupo experimental que alcanzó un nivel adecuado de creatividad y argumentación pasó de 0% en el diagnóstico a 56% en la evaluación final.
La percepción de los propios estudiantes reforzó estos resultados: el 91% consideró que las herramientas de IA facilitaron la exploración creativa y el análisis de referentes, mientras que el 88% señaló que Autodesk ReCap y Revit ayudaron a organizar mejor el proyecto y mejorar su coherencia funcional.
Otro aporte fue la relación entre el modelo digital y la comprobación física. El trabajo en Revit permitió revisar proporciones, alturas, recorridos, llenos y vacíos antes de llevar determinadas decisiones a maquetas o prototipos. Así, el modelo BIM dejó de ser únicamente una herramienta de representación y se convirtió en un medio para verificar la propuesta, corregir problemas y regresar al diseño con mayor información.
Sin embargo, la experiencia también mostró un límite importante. La IA no genera aprendizaje de manera automática. Algunos estudiantes con menor criterio proyectual inicial necesitaron mayor acompañamiento para evitar un uso mecánico de las respuestas o imágenes generadas. Cuando la herramienta se utilizó sin análisis, contraste ni justificación, podía debilitar temporalmente la autonomía y la claridad de la argumentación. El resultado más relevante, por tanto, no fue “usar más tecnología”, sino aprender a utilizarla con intención pedagógica.
Cierre o conclusiones
Esta experiencia deja una idea transferible a otros cursos: la innovación no depende de una aplicación específica, sino de la metodología que organiza su uso. Diagnosticar primero, capacitar después, aplicar la tecnología dentro de un problema auténtico y evaluar con evidencias permite convertir BIM e IA en mediadores del aprendizaje y no en sustitutos del razonamiento.
En Arquitectura, formar criterio proyectual implica aprender a leer el contexto, comprender al usuario, relacionar forma y función, explorar alternativas y sustentar decisiones. La IA puede acelerar la búsqueda y ampliar las posibilidades; BIM puede hacer visible y verificable el espacio. Pero el juicio final debe seguir perteneciendo al estudiante. Allí se encuentra el verdadero valor pedagógico de estas herramientas: no en producir una respuesta más rápido, sino en ayudar a construir mejores preguntas y decisiones.
Referencias:
Eastman, C., Teicholz, P., Sacks, R., & Liston, K. (2018). BIM handbook: A guide to building information modeling for owners, designers, engineers, contractors, and facility managers (3rd ed.). Wiley.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
UNESCO. (2023). Artificial intelligence and higher education: Opportunities and challenges. UNESCO Publishing.
Universidad Continental. (2022). Sílabo de Proyecto Arquitectónico IV [Sílabo]. Universidad Continental.
