Cómo la IA lee planos arquitectónicos y genera desgloses de materiales
Un juego de planos arquitectónicos para un edificio comercial de 50,000 pies cuadrados puede tener entre 80 y 120 láminas. Dentro de esas láminas hay tablas de puertas, tipos de ventanas, tablas de acabados, planos de techos, detalles de carpintería y cientos de otros elementos que necesitan ser cuantificados antes de que alguien pueda producir un presupuesto significativo. La extracción manual de todas esas cantidades es un día completo de trabajo para un estimador experimentado, a veces dos días en proyectos complejos.
Cómo funciona la IA de lectura de planos
La lectura de planos con IA comienza con la clasificación de documentos. El software identifica qué láminas son plantas, cuáles son elevaciones, cuáles son detalles y cuáles son tablas. Esto importa porque el mismo elemento, una puerta por ejemplo, aparece de forma diferente en una planta (un símbolo con un número), en una tabla (una fila con especificaciones) y en un detalle (una sección que muestra marco y herrajes). La IA necesita conectar las tres representaciones para producir un desglose preciso.
El análisis de plantas utiliza visión por computadora para identificar elementos arquitectónicos por sus símbolos y anotaciones. Las puertas se cuentan y clasifican por su marca de tabla. Las ventanas se identifican por tamaño y designación de tipo. Los límites de las habitaciones se trazan para calcular áreas de piso, longitudes de muros y áreas de techo. La IA lee las anotaciones de texto para conectar cada elemento con su especificación en las tablas.
Un servicio nacional de estimación probó tres herramientas de lectura de planos con IA en 25 proyectos comerciales con cantidades conocidas. La herramienta con mejor rendimiento logró un 94% de precisión en conteo y tipos de puertas, 91% en identificación de ventanas, 96% en cálculos de áreas de habitaciones y 88% en extracción de cantidades de acabados. Las áreas más débiles fueron los planos de techos complejos con múltiples cambios de altura y elementos arquitectónicos especiales como muros curvos o carpintería personalizada.
Generación del desglose de materiales
Una vez que la IA ha identificado y contado todos los elementos arquitectónicos, genera cantidades de materiales. Las puertas se convierten en marcos, juegos de herrajes y hojas de puerta con acabados especificados. Las ventanas se convierten en unidades con cantidades asociadas de tapajuntas, sellador y molduras interiores. Los acabados de habitaciones se convierten en metros cuadrados de pintura, azulejo, alfombra o lo que especifique la tabla de acabados.
Los cálculos de multiplicación y extensión son donde la IA elimina una fuente común de error humano. Un estimador que cuenta 47 puertas Tipo A y luego calcula manualmente los herrajes asociados, burletes y cantidades de acabados tiene múltiples oportunidades de cometer errores aritméticos o de transcripción. La IA realiza estas extensiones de forma instantánea y consistente.
Un contratista general en Portland comparó sus desgloses de materiales generados por IA contra su proceso manual en 10 proyectos de licitación simultáneos. El desglose con IA tomó un promedio de 35 minutos de tiempo de procesamiento más 3 horas de revisión del estimador. El desglose manual tomó un promedio de 14 horas. Los desgloses con IA detectaron un promedio de 6 elementos por proyecto que el proceso manual pasó por alto, típicamente elementos como paneles de acceso, cubrejuntas de expansión y herrajes especiales especificados en los planos pero fáciles de omitir durante el conteo manual.
El problema de la referencia cruzada de tablas
Las tablas arquitectónicas son la columna vertebral de los desgloses precisos, y también son donde las herramientas de IA tienen el rendimiento más variable. Una tabla de puertas bien formateada con columnas consistentes y designaciones de tipo claras es fácil de analizar para la IA. Una tabla de puertas que usa abreviaturas de forma inconsistente, se divide en múltiples láminas o incluye revisiones escritas a mano es mucho más difícil.
Las tablas de acabados presentan desafíos similares. Cuando el arquitecto usa un formato estándar con números de habitación que coinciden claramente con las anotaciones de la planta, la precisión de la IA en cantidades de acabados supera el 90%. Cuando los números de habitación en la tabla de acabados no coinciden exactamente con las anotaciones del plano, o cuando las especificaciones de acabados están integradas en notas en lugar de una tabla formal, la precisión baja al 75 a 80%.
La implicación práctica es que la lectura de planos con IA funciona mejor en proyectos de arquitectos que producen documentos limpios y bien organizados. Los proyectos de firmas con prácticas de dibujo menos estandarizadas requieren más tiempo de revisión humana, aunque la IA aún proporciona un punto de partida útil.
Integración con bases de datos de costos
El desglose de cantidades en bruto se vuelve más valioso cuando se conecta con datos de costos. Algunas herramientas de lectura de planos con IA se integran con RSMeans o bases de datos de costos específicas del contratista para generar estimaciones preliminares de costos junto con las cantidades. Esto convierte un desglose de materiales en una estimación de orden de magnitud aproximado en minutos después de recibir los planos.
Para los contratistas que utilizan herramientas de IA en su flujo de trabajo de estimación de construcción, esta capacidad rápida de orden de magnitud cambia la forma en que evalúan oportunidades de licitación. En lugar de dedicar un día al desglose solo para descubrir que el proyecto está fuera de su rango de presupuesto objetivo, pueden obtener un número de orden de magnitud en menos de una hora y tomar una decisión de participar o no más rápido.
Las estimaciones de costos en esta etapa son aproximadas, típicamente dentro del 15 al 20% de los números finales de licitación. No son lo suficientemente precisas para licitar realmente, pero sí lo suficientemente precisas para filtrar oportunidades. Un contratista que licita 1 de cada 5 proyectos que revisa puede usar estimaciones de orden de magnitud generadas por IA para filtrar oportunidades más rápido y potencialmente aumentar su volumen de licitaciones sin agregar personal de estimación.
Manejo de revisiones y adendas
Una capacidad poco apreciada de la lectura de planos con IA es el seguimiento de revisiones. Cuando llega una adenda con láminas revisadas, la IA puede comparar las nuevas láminas con las originales e identificar qué cambió. Puertas agregadas, muros reubicados, acabados modificados y otras revisiones se señalan automáticamente.
Esto es valioso porque la revisión de adendas es una de las actividades más propensas a errores en el proceso de licitación. Las adendas llegan tarde, a menudo 2 a 3 días antes del día de licitación, y el estimador tiene que identificar rápidamente todos los cambios y ajustar cantidades. Pasar por alto un cambio en una adenda es una fuente común de errores en licitaciones. El seguimiento de revisiones asistido por IA reduce ese riesgo significativamente.
Limitaciones actuales
La lectura de planos con IA aún está en desarrollo en varias áreas. Los planos de fases, donde el mismo espacio se construye en etapas con diferentes acabados o configuraciones en cada fase, confunden a la mayoría de las herramientas de IA. Los proyectos de renovación donde las condiciones existentes y el trabajo nuevo se muestran en las mismas láminas requieren que la IA distinga entre elementos existentes que permanecen y elementos nuevos, lo cual no siempre es confiable.
Las relaciones espaciales tridimensionales también siguen siendo un desafío. La IA trabaja principalmente a partir de vistas en planta 2D, y aunque puede leer información de secciones y elevaciones, no siempre resuelve correctamente los conflictos entre lo que muestra una planta y lo que muestra una sección a través de la misma área. Los estimadores experimentados detectan estas discrepancias a través de su comprensión de cómo se construyen los edificios. Las herramientas de IA están mejorando en esto, pero aún no lo logran completamente.
Incluso con estas limitaciones, la lectura de planos con IA representa una mejora significativa de productividad para el desglose de cantidades arquitectónicas. La tecnología maneja bien el trabajo repetitivo de conteo y extracción, liberando a los estimadores para enfocarse en los aspectos de la estimación que requieren criterio profesional, donde su experiencia agrega el mayor valor.