AUTOMATIZACIÓN DE LA MODELACIÓN INICIAL EN BIM: UN ESTUDIO DE CASO QUE INTEGRA LENGUAJE NATURAL Y PYTHON

Resumen

Este artículo tuvo como objetivo desarrollar un flujo de automatización para la modelación inicial en Building Information Modeling (BIM), integrando lenguaje natural y lenguaje de programación. La metodología consistió en un enfoque híbrido en el que un Modelo de Lenguaje Grande (LLM) actúa como intérprete semántico para estructurar datos en formato JSON, mientras que un algoritmo en IronPython opera como “auditor” y modelador a través de la API de Autodesk Revit. Este motor en Python aplica rigurosas validaciones geométricas, como cálculos de perímetro restringido, filtros de tolerancia de curvas y control de cotas de elevación. Los resultados demostraron que delegar el control topológico exclusivamente a la Inteligencia Artificial genera alucinaciones matemáticas y fallos estructurales, como la extrapolación de pilares que atraviesan los distintos niveles del edificio. No obstante, la intervención del código Python mitigó el 100% de estas inconsistencias, permitiendo la generación autónoma y precisa de esqueletos estructurales, aleros dinámicos y aberturas conceptuales. Se concluye que el método de Auditoría Paramétrica Híbrida permite la traducción confiable de conceptos de modelación expresados en lenguaje natural en modelos paramétricos consistentes y geométricamente íntegros. El enfoque demostró potencial para optimizar la fase de estudio preliminar, al mismo tiempo que supera las limitaciones geométricas inherentes a los modelos de inteligencia artificial generativa, garantizando mayor estabilidad en la generación automatizada de modelos BIM.