Después de probar varias inteligencias artificiales para generar rutinas LISP, muchos usuarios llegan a una conclusión equivocada. Cuando una rutina no funciona correctamente o no produce el resultado esperado, suelen pensar que la herramienta ha fallado. Sin embargo, en la mayoría de los casos el problema no está en la inteligencia artificial, sino en la información que ha recibido. La IA es capaz de generar código, analizar errores y proponer soluciones complejas, pero sigue necesitando instrucciones claras para comprender exactamente qué debe hacer. Si la descripción es incompleta, ambigua o demasiado genérica, el resultado será igualmente impreciso. Por este motivo, la diferencia entre una rutina mediocre y una herramienta realmente útil suele encontrarse en la forma de redactar la solicitud. Aprender a comunicarse con la inteligencia artificial es, probablemente, la habilidad más importante que puede desarrollar cualquier usuario que quiera automatizar procesos en progeCAD. Pensar como técnico y explicar como programador Cuando trabajamos en CAD estamos acostumbrados a visualizar el resultado final. Sabemos cómo debe ser el dibujo, qué elementos contiene y qué información debe mostrar. El problema es que la inteligencia artificial no puede ver esa imagen mental. Necesita que describamos el proceso de forma estructurada y detallada. Un error muy frecuente consiste en explicar únicamente el objetivo: «Necesito una rutina para dibujar una parcela.» Desde el punto de vista de la IA, esa petición genera muchas preguntas. ¿La parcela es rectangular o irregular?, ¿Debe dibujarse mediante líneas o polilíneas?, ¿En qué capa debe crearse?, ¿Hay que calcular superficies?, ¿Debe solicitar datos al usuario?, ¿Debe generar textos?… Cuantas más decisiones tenga que tomar la inteligencia artificial por sí sola, mayor será la probabilidad de que el resultado no coincida con nuestras expectativas. Por el contrario, cuando describimos claramente el proceso, la calidad del resultado mejora de forma notable. La estructura de un buen prompt No es necesario escribir instrucciones extremadamente largas. Lo importante es proporcionar la información adecuada. Un buen prompt suele incluir varios elementos fundamentales. En primer lugar, debemos explicar el objetivo de la rutina. Después conviene definir qué datos debe solicitar al usuario y qué resultado esperamos obtener. También es recomendable indicar las capas que deben utilizarse, los tipos de entidades que se crearán y cualquier condición especial que deba respetarse. Por ejemplo, una petición básica podría ser: «Genera una rutina AutoLISP para progeCAD que dibuje un rectángulo.» La rutina probablemente funcionará, pero ofrecerá pocas opciones. En cambio, una petición más completa podría ser: «Genera una rutina AutoLISP compatible con progeCAD. Debe solicitar ancho y largo, crear una polilínea cerrada en la capa PARCELAS, calcular automáticamente la superficie y generar un texto centrado con el valor obtenido en metros cuadrados.» Aunque ambas solicitudes describen una tarea similar, la segunda proporciona suficiente contexto para producir una solución mucho más cercana a nuestras necesidades. Cuanto más contexto, mejores resultados La inteligencia artificial no solo puede interpretar instrucciones técnicas. También puede comprender el contexto profesional en el que se utilizará la rutina. Por ejemplo, no es lo mismo desarrollar una automatización para arquitectura que para topografía o urbanismo. Si indicamos el ámbito de aplicación, la IA podrá adaptar mejor sus decisiones. Una solicitud como: «Trabajo en un estudio de arquitectura y necesito automatizar la creación de huecos de puertas en planos de planta.» contiene mucha más información útil que una petición genérica. Lo mismo ocurre cuando especificamos normas internas de trabajo, convenciones de capas o criterios habituales de representación gráfica. La IA puede incorporar todas estas condiciones dentro del código generado. La primera versión es solo el comienzo Uno de los mayores errores al trabajar con inteligencia artificial consiste en esperar que la primera respuesta sea definitiva. Los mejores resultados suelen obtenerse mediante un proceso de refinamiento progresivo. La primera versión debe considerarse un punto de partida. Una vez probada la rutina en progeCAD, es habitual detectar pequeñas mejoras. Quizá sea necesario modificar una capa, añadir una validación o cambiar la posición de determinados elementos. En lugar de solicitar una rutina completamente nueva, resulta más eficiente trabajar sobre el código existente. Podemos indicar exactamente qué queremos mejorar y permitir que la inteligencia artificial evolucione la solución paso a paso. Este método suele generar resultados mucho más sólidos y adaptados a las necesidades reales del usuario. Cómo utilizar la IA para corregir errores Una de las aplicaciones más interesantes de la inteligencia artificial es la depuración de código. Tradicionalmente, localizar errores en una rutina AutoLISP podía requerir bastante tiempo, especialmente para usuarios sin experiencia en programación. Hoy el proceso es mucho más sencillo. Cuando una rutina genera un mensaje de error, basta con copiar el mensaje completo y compartirlo con la IA junto con el código correspondiente. En muchos casos será capaz de identificar rápidamente el origen del problema y proponer una corrección razonable. Incluso cuando el código funciona aparentemente bien, la IA puede detectar posibles mejoras relacionadas con la organización de funciones, optimización de procesos o control de errores. De esta forma se convierte no solo en una herramienta de generación de código, sino también en un asistente de revisión y mantenimiento. Mejorar rutinas existentes La inteligencia artificial no sirve únicamente para crear nuevas automatizaciones. También puede ayudar a modernizar rutinas desarrolladas hace años. Muchos estudios técnicos disponen de bibliotecas AutoLISP creadas progresivamente durante décadas. Algunas siguen siendo útiles, pero presentan limitaciones derivadas de la época en la que fueron desarrolladas. La IA puede analizar este código, explicar su funcionamiento y proponer mejoras. Es posible solicitar la incorporación de nuevas funcionalidades, optimizar procesos repetitivos o adaptar rutinas antiguas a estándares de trabajo actuales. Incluso puede ayudar a documentar código que carece de comentarios o explicaciones, facilitando enormemente su mantenimiento futuro. Construyendo una biblioteca de herramientas propia A medida que aumentamos nuestra experiencia utilizando inteligencia artificial, resulta habitual acumular un número creciente de rutinas. En este momento aparece una nueva oportunidad: crear una biblioteca personalizada de automatización. Cada pequeña herramienta desarrollada representa tiempo que no será necesario invertir de nuevo en proyectos futuros. Una rutina para parcelas, otra para muros,
Te enseño a hacer una memoria urbanística con IA (Notebook LM)!
notebook LM y las memorias de un proyecto de arquitectura
La IA como aliada del arquitecto!
En este artículo he querido explicarte lo básico para que reconsideres su utilización desde un enfoque práctico. No es teoría, es una herramienta que ya estoy usando en el día a día profesional. En próximos artículos profundizaré más en cómo trabajar con ella de forma avanzada y, especialmente, cómo puede ayudarte en la redacción de una memoria urbanística, donde interpretar correctamente el planeamiento y justificar cada parámetro es absolutamente determinante.
IA y progeCAD para mejorar nuestro dibujo!
La Inteligencia Artificial (IA) está transformando la manera en que trabajamos en el diseño asistido por ordenador (CAD) a pasos agigantados. Aunque las funciones avanzadas de IA, como la generación de modelos BIM en tiempo real, todavía se encuentran en desarrollo para algunos softwares, hoy en día ya es posible aprovechar herramientas externas para agilizar tareas y optimizar procesos en programas CAD como progeCAD. Desde hace meses he estado pensando en cómo la IA podría mejorar mi flujo de trabajo. La idea es simple: automatizar tareas repetitivas, reducir errores y ahorrar tiempo mediante la generación de scripts y macros que realicen procesos de forma automática. Aunque progeCAD no cuenta, por el momento, con funciones internas de IA, podemos aplicar el conocimiento con herramientas externas para potenciar nuestro trabajo. La gran ventaja de utilizar IA en el diseño CAD es que podemos delegar tareas tediosas y dejar más tiempo para la parte creativa del diseño. Herramientas como ChatGPT, DeepSeek, Perplexity y/o Mistral nos permiten generar código en lenguajes como AutoLISP o VBA, facilitando la automatización de procesos repetitivos, la creación de patrones de elementos y la búsqueda de soluciones técnicas o normativas de manera rápida. En este artículo, veremos cómo se puede llevar a cabo este proceso de forma práctica y qué resultados podemos esperar al implementar estas técnicas en progeCAD. ¿Cómo nos Ayuda la IA en progeCAD? Aunque progeCAD no incorpora de forma nativa funcionalidades avanzadas de IA, la integración de herramientas externas nos permite automatizar y optimizar ciertos procesos de forma básica. A continuación, se detallan algunas aplicaciones prácticas: Generación de Código para Automatizar Tareas Una de las aplicaciones más útiles de la IA es la capacidad de generar scripts y macros para automatizar tareas que, de otra manera, se deben realizar manualmente. Por ejemplo, al usar ChatGPT o DeepSeek, se puede solicitar un código en AutoLISP que realice funciones específicas en progeCAD, como cambiar la capa de ciertos objetos, copiar elementos o generar patrones repetitivos. Esto resulta especialmente útil cuando se trabaja en proyectos de gran escala donde la repetición de ciertas acciones puede consumir mucho tiempo y aumentar el riesgo de errores. La generación automática de código permite además reducir errores humanos, ya que el script se basa en instrucciones claras y precisas. Así, tareas que normalmente tomarían horas se pueden completar en cuestión de minutos, permitiendo al usuario enfocarse en aspectos más creativos y de diseño. Creación Automática de Elementos Repetitivos En muchos proyectos CAD es común la necesidad de dibujar elementos que se repiten de forma regular, como columnas, ventanas o paneles. Gracias a la IA, se puede generar un script que dibuje estos elementos de manera uniforme y con las medidas exactas que se requieran. La IA puede analizar el espacio disponible y distribuir los elementos de forma óptima, facilitando la creación de diseños limpios y organizados sin tener que dibujar manualmente cada componente. Esta capacidad de crear patrones repetitivos es especialmente valiosa en el diseño de fachadas, interiores y distribuciones de mobiliario, donde la uniformidad y precisión son fundamentales para lograr un buen resultado final. Búsqueda de Soluciones Normativas y Técnicas Otra de las ventajas de utilizar herramientas de IA es la posibilidad de obtener respuestas rápidas a consultas técnicas y normativas. Aunque progeCAD no valida automáticamente el cumplimiento de normativas, herramientas como Perplexity o Mistral pueden servirte como un recurso de consulta para resolver dudas sobre dimensiones, criterios de accesibilidad o cualquier aspecto técnico que requiera ajuste en el diseño. Por ejemplo, si surge una duda sobre las medidas mínimas que debe tener una rampa o la distancia recomendada entre elementos eléctricos en un plano, la IA puede proporcionar información basada en normativas actualizadas y documentación técnica. Así, el usuario recibe recomendaciones que le ayudarán a realizar ajustes manuales en su plano, asegurando que el diseño cumpla con los estándares requeridos. Ejemplos Prácticos de Uso A continuación, presentamos tres ejemplos prácticos que ilustran cómo integrar la IA en progeCAD para mejorar el proceso de diseño. Cada ejemplo lo expreso de manera escueta para facilitar su entendimiento en este articulo, pero mi idea es ir generando futuros artículos que desarrollen aspectos similares ya de una manera completa y desarrollada. Ejemplo 1: Automatización de Capas Objetivo: Organizar un plano moviendo automáticamente todos los objetos de un determinado color a una capa específica, lo que ayuda a mantener el orden y la coherencia del diseño. Proceso y Ejecución: Imagina que tienes un plano en progeCAD con numerosos objetos dispersos en varias capas. Necesitas que todos los elementos que tengan, por ejemplo, color rojo se agrupen en una capa llamada «Estructura». En lugar de hacerlo manualmente, puedes solicitar a ChatGPT que genere un script en AutoLISP para automatizar esta tarea. Un prompt adecuado podría ser: «Genera un script en AutoLISP para progeCAD que cambie todos los objetos de color rojo a la capa ‘Estructura’.» La respuesta de la IA podría ser un código que selecciona todos los objetos de color rojo y los mueve a la capa «Estructura». Una vez revisado y comprendido el script, lo guardas en un archivo y lo cargas en progeCAD. Ejecutando el comando asignado, el software realiza el cambio de capa de forma automática, lo que permite ahorrar tiempo y reducir errores asociados al cambio manual de propiedades. Resultado: Al finalizar el proceso, todos los objetos con el color especificado se encuentran en la capa «Estructura». Esto facilita la organización del plano y prepara el terreno para futuras ediciones o revisiones, demostrando cómo la IA puede simplificar tareas repetitivas y mejorar la eficiencia en el diseño. Ejemplo 2: Creación de Patrones Repetitivos Objetivo: Dibujar un patrón repetitivo, como una celosía, de manera automática, eliminando la necesidad de trazar cada elemento individualmente. Proceso y Ejecución: Supón que necesitas diseñar una celosía para la fachada de un edificio, compuesta por paneles cuadrados de 50 cm distribuidos de forma uniforme. En este caso, puedes utilizar ChatGPT para generar un script en AutoLISP que dibuje el patrón de celosías. Un prompt adecuado sería: «Genera
