La ingeniería siempre ha sido la disciplina que convierte la ciencia en cosas que funcionan. Y la IA está haciendo lo mismo con la ingeniería: convirtiendo años de datos, cálculos y experiencia acumulada en herramientas que hacen el trabajo más rápido, con menos errores y, en algunos casos, imposible de hacer antes.
No voy a escribir un artículo genérico sobre cómo la IA va a cambiar la ingeniería. Eso no te sirve. Este va especialidad por especialidad, con herramientas concretas y casos de uso que puedes implementar hoy.
Con una advertencia que en ingeniería pesa más que en casi cualquier otra profesión: la firma es tuya. La IA genera alternativas, acelera cálculos y detecta conflictos, pero el proyecto lo firma un profesional que asume la responsabilidad técnica, y ninguna herramienta asume esa responsabilidad por ti.
Publiqué 172 artículos en marzo y fue mi peor mes
Tenía esta web parada y la estoy rehaciendo con IA. Cambié la forma de hacerlo y en once días de agosto ha tenido más visitas desde Google que en todo julio. Te cuento por correo qué cambié.
- · Por qué la oportunidad es mayor ahora, y no menor
- · Lo único que la IA no te puede copiar: tu criterio
- · Cómo hacer que Google te vea en días, no en seis meses
Qué se puede delegar y qué no
| Tarea | ¿IA? | Qué sigue siendo tuyo |
|---|---|---|
| Generación de variantes de diseño | Sí | Elegir cuál cumple normativa y tiene sentido constructivo |
| Simulación y análisis acelerados | Sí | Validar que el modelo representa la realidad |
| Detección de conflictos en BIM | Sí | Decidir cómo se resuelve cada uno |
| Estimación de costes y plazos | Sí | El criterio sobre riesgos que el histórico no recoge |
| Mantenimiento predictivo | Sí | Definir umbrales y validar falsos positivos |
| Documentación e informes | Sí | Los datos, el análisis y la conclusión |
| Generación de código | Sí | Revisión de seguridad y lógica de negocio |
| Cálculo justificativo de un proyecto | Como apoyo | La verificación y la firma |
| Cumplimiento normativo (CTE, reglamentos) | Como apoyo | La comprobación en el texto oficial |
| Asunción de responsabilidad técnica | No | Íntegramente tuya |
Esa última fila no es una limitación temporal que arreglará la próxima versión. Es una distinción entre herramienta y profesional.
Ingeniería civil y de estructuras
Diseño generativo
En lugar de diseñar una estructura y luego analizarla, defines los parámetros —cargas, materiales, restricciones geométricas, coste máximo— y el algoritmo genera y evalúa miles de variantes.
Las herramientas de diseño generativo integradas en las suites de CAD y BIM permiten definir puntos de carga y restricciones, especificar materiales disponibles y sus costes, y obtener variantes optimizadas automáticamente.
El resultado no siempre parece convencional: los diseños generativos tienden a formas orgánicas que ningún ingeniero habría dibujado a mano, pero son estructuralmente eficientes. Hay casos publicados en el sector aeronáutico y de infraestructuras con reducciones de material de dos dígitos altos manteniendo la resistencia.
Y aquí el matiz que importa en España: el Código Técnico de la Edificación y la normativa sectorial establecen los requisitos que el diseño debe cumplir. El algoritmo optimiza dentro de las restricciones que tú le has dado. Si has parametrizado mal una restricción normativa, te va a devolver una solución óptima e inadmisible, y lo va a hacer con una gráfica preciosa. La comprobación normativa se hace contra el texto oficial.
Análisis estructural asistido
Las herramientas de elementos finitos existían mucho antes, pero la IA cambia cómo se usan. Los modelos preentrenados predicen resultados de simulación con buena precisión en una fracción del tiempo, lo que permite explorar muchas más alternativas.
En la práctica: si antes hacías diez iteraciones en el tiempo disponible, ahora haces cien. Eso cambia la calidad del diseño final, porque el espacio de soluciones explorado es mucho mayor. La IA también mejora el mallado automático, y un mallado bien adaptado da resultados más precisos con menos tiempo de cálculo.
La regla de oro sigue siendo la de siempre: una simulación rápida y errónea sigue siendo errónea. Valida contra casos conocidos antes de fiarte de una predicción acelerada.
BIM con IA
Detección de conflictos. Los sistemas detectan automáticamente colisiones entre instalaciones y estructura que en un proyecto grande serían imposibles de encontrar a mano.
Planificación de obra. Optimización de la secuencia constructiva considerando recursos, dependencias y meteorología, con identificación del camino crítico y reasignación ante retrasos.
Estimación de costes. Modelos entrenados con proyectos históricos detectan partidas que sistemáticamente se subestiman, que suele ser donde se pierden los márgenes.
Gestión documental. Un proyecto genera miles de documentos —planos, especificaciones, actas, informes—. La IA los clasifica, indexa y hace buscables, reduciendo el tiempo que un ingeniero pasa buscando en lugar de proyectando.
Si trabajas en el lado de la edificación y el diseño arquitectónico, tengo el enfoque paralelo en IA para arquitectos.
Qué están haciendo las grandes constructoras españolas
Las principales constructoras e ingenierías españolas tienen programas consolidados: visión artificial sobre imágenes de dron para detectar deterioro de pavimentos y priorizar mantenimiento, sistemas de detección automática de uso incorrecto de equipos de protección individual en obra, optimización logística de acopios y mantenimiento predictivo en concesiones de infraestructura.
El patrón común es interesante: casi ninguno de esos proyectos empezó por el diseño. Empezaron por operación y mantenimiento, donde hay datos, hay retorno medible y no hay firma de proyecto de por medio.
Ingeniería mecánica
Optimización topológica
Determinar la distribución óptima de material dentro de un volumen dado. El caso clásico: una pieza para fabricación aditiva que debe soportar una carga con el mínimo peso. Los algoritmos generan estructuras tipo hueso, con material solo donde hace falta, con reducciones de peso muy notables respecto al diseño convencional.
La industria aeroespacial ha sido pionera y ha publicado casos de componentes estructurales con reducciones de peso de más de la mitad. Aplicado a toda la cadena, el impacto en consumo es sustancial.
Gemelos digitales
Una réplica virtual de un sistema físico que se actualiza en tiempo real con datos de sensores. Permite predecir el desgaste antes del fallo, optimizar parámetros de operación sobre la marcha, probar condiciones extremas sin riesgo y reducir paradas de mantenimiento.
El requisito previo que nadie menciona en los folletos: necesitas los sensores y necesitas que los datos estén limpios. La mayoría de proyectos de gemelo digital que fracasan no fracasan por el modelo, fracasan por la instrumentación.
Control de calidad visual
Las cámaras de visión artificial detectan defectos superficiales invisibles al ojo, verifican ensamblajes a velocidades que ningún inspector iguala y aprenden nuevos tipos de defecto con relativamente pocas imágenes de entrenamiento. En la automoción española estos sistemas llevan años formando parte de la línea, y la reducción de defectos que llegan al cliente es uno de los retornos más claros de la IA industrial.
Inteligencia Artificial aplicada a negocio
Sin humo. Solo experimentos reales, prompts que funcionan y estrategias de escalabilidad.
Ingeniería eléctrica y de potencia
La transición energética hace de esta una de las especialidades con más recorrido.
Predicción de demanda. Las redes deben equilibrar generación y consumo en tiempo real. Los modelos actuales integran decenas de variables —temperatura, hora, día de la semana, festivos, eventos, histórico por zona— y gestionan esa complejidad mucho mejor que los métodos estadísticos clásicos. El operador del sistema español lleva años integrando modelos predictivos, y la mejora en precisión se traduce en menos capacidad de reserva y menos coste operativo.
Mantenimiento predictivo de infraestructura. Pasar de mantenimiento programado a mantenimiento según el estado real: detectar deterioro de aislamiento en transformadores, identificar puntos calientes en líneas y estimar el fin de vida útil con semanas o meses de antelación. Las grandes eléctricas españolas tienen programas avanzados en su red de distribución con reducciones publicadas de averías no planificadas.
Diseño de instalaciones renovables. Optimización de orientación, separación entre filas, selección de inversores y predicción de producción a 25 años en fotovoltaica. En eólica, el control en tiempo real del ángulo de pala según condiciones de viento mejora la producción unos pocos puntos porcentuales, que en un parque grande son muchos ceros al año. Y la selección de emplazamiento, cruzando series históricas de viento e irradiación, topografía y proximidad de red, es hoy incomparablemente más rápida.
Ingeniería de software
Es donde la IA ha cambiado más el trabajo diario, y con diferencia.
Asistentes de código
GitHub Copilot sigue siendo el estándar en integración con entornos de desarrollo, y hoy convive con asistentes conversacionales y editores con IA integrada como Cursor. Copilot tiene plan gratuito con límites y planes de pago que arrancan alrededor de los 10 dólares al mes por usuario, con niveles superiores para empresa; comprueba las tarifas actuales porque este mercado se mueve cada trimestre.
Lo que hacen bien: generar funciones estándar y código repetitivo, completar patrones, escribir tests unitarios sobre código existente, traducir entre lenguajes y generar documentación en línea.
Lo que hay que verificar siempre: código con implicaciones de seguridad —a veces sugiere patrones con vulnerabilidades conocidas—, lógica de negocio específica del dominio, optimizaciones de rendimiento no evidentes e integración con sistemas propios donde no tiene contexto.
Si estás decidiendo herramienta, la comparativa actualizada la tengo en la mejor IA para programar en 2026, y el flujo de trabajo con editor integrado en el tutorial de Cursor.
Modelos generalistas para depuración y arquitectura
A agosto de 2026 los vigentes son la familia GPT-5, Claude Opus 5 y Claude Sonnet 5, y Gemini 3.x Pro, con planes de pago en torno a 20-23 euros al mes por usuario. En trabajo con código, Claude tiene reputación de ir por delante en calidad de razonamiento sobre bases de código grandes, y Gemini destaca en contexto muy largo. Prueba con tu propio repositorio antes de casarte con ninguno.
Depuración. Pegas el error y el contexto, y el modelo identifica con frecuencia la causa y explica por qué ocurre. No siempre acierta, pero acorta el diagnóstico.
Revisión de arquitectura. Describes el problema y la arquitectura que tienes en mente, y obtienes posibles fallos, alternativas y compromisos. Es una segunda opinión disponible a cualquier hora.
Migraciones. Pasar de un lenguaje, versión o framework a otro es una tarea mecánica donde la IA hace un primer borrador que acelera enormemente el proceso.
Y el riesgo específico de esta especialidad, que ya tiene nombre propio: generar código que funciona sin entender lo que hace. Lo he tratado en qué es el vibe coding, y en ingeniería es exactamente donde no puedes permitírtelo.
Pruebas y calidad
Existen herramientas de pruebas automatizadas que usan visión artificial para entender la interfaz en lugar de depender de selectores, lo que las hace mucho más robustas frente a cambios de diseño. Y las plataformas de análisis estático integran IA para detectar vulnerabilidades y errores potenciales con mejor precisión que los métodos tradicionales.
Ingeniería industrial
Optimización de líneas de producción. Analizar datos de sensores y operarios para identificar cuellos de botella y proponer mejoras. Las suites industriales integran IA en la planificación considerando disponibilidad de máquinas, estado de pedidos, materias primas y costes: si una máquina va a requerir mantenimiento, el sistema replanifica automáticamente para minimizar el impacto en plazos.
Mantenimiento predictivo en planta. Probablemente el caso de uso con mayor retorno demostrado de toda la ingeniería industrial. El flujo es siempre el mismo: sensores midiendo vibración, temperatura, consumo y presión; datos a una plataforma de análisis; modelos entrenados con histórico de fallos detectando anomalías precursoras; alerta al equipo de mantenimiento antes del fallo.
La cuenta es sencilla: evitar una parada no planificada en una planta puede valer cientos de miles de euros en producción perdida. El sistema se amortiza con uno o dos fallos evitados. Las grandes industriales y refinerías españolas tienen programas maduros con reducciones publicadas de paradas no planificadas por encima del 30%.
Control estadístico de proceso. La IA monitoriza continuamente y avisa cuando un proceso empieza a desviarse, antes de producir piezas fuera de especificación. La diferencia con las alertas clásicas es que detecta patrones que combinan varias variables, no desviaciones de una sola.
Herramientas transversales
Búsqueda técnica. Perplexity es más eficiente que un buscador clásico cuando necesitas síntesis de varias fuentes —normativas, especificaciones, estudios— y cita sus fuentes, lo que permite verificar. Elicit está especializada en literatura científica: puedes preguntar por el estado del arte de una tecnología concreta y obtener un resumen con citas.
Documentación técnica. Un informe que antes te llevaba cuatro horas puede llevarte dos, dedicando el tiempo ahorrado a verificar los datos y añadir el análisis que solo tú puedes hacer. El reparto correcto es ese: la IA redacta, tú aportas los datos y la conclusión.
Aprendizaje interdisciplinar. Si eres civil y necesitas entender código, o de software y necesitas entender estructuras, un modelo generalista explica conceptos de otra especialidad de forma accesible y responde a las repreguntas. Los proyectos modernos son multidisciplinares y esto baja la barrera de forma real.
Confidencialidad: dónde acaban tus planos
Un apartado que casi nunca aparece en los artículos sobre IA e ingeniería y que debería estar el primero.
Cuando subes un plano, un cálculo justificativo, una especificación de cliente o el código fuente de un producto a una herramienta de IA en la nube, esa información sale de tu organización. En los planes gratuitos y personales de las grandes herramientas, las conversaciones pueden usarse para entrenar los modelos salvo exclusión expresa, que hay que activar a mano.
Para una ingeniería eso choca frontalmente con dos cosas: los acuerdos de confidencialidad que has firmado con tus clientes y la protección de tu propio conocimiento técnico, que en muchos casos es el activo principal de la empresa.
Lo que hay que hacer:
- Plan de empresa o API con contrato de encargado del tratamiento para cualquier cosa que toque información de cliente
- Modelos ejecutados en local para lo más sensible: hay opciones abiertas que corren en tu propia máquina o servidor sin conexión a internet
- Una política escrita que diga qué se puede subir y qué no, porque si no la hay, cada persona decide por su cuenta y alguien va a decidir mal
El marco de protección de datos aplicable, con la letra pequeña de cada proveedor, lo tengo en RGPD e inteligencia artificial en la empresa.
Responsabilidad profesional y regulación
En las ramas que afectan a la seguridad —civil, estructural, aeronáutica, industrial en atmósferas explosivas—, los proyectos y cálculos deben estar firmados por un profesional que asume la responsabilidad técnica. La IA asiste; la responsabilidad de verificar que los resultados son correctos sigue siendo del ingeniero, y ninguna herramienta ofrece garantía de responsabilidad técnica en sentido legal.
Y hay una capa nueva que conviene conocer. El Reglamento (UE) 2024/1689 de inteligencia artificial clasifica como alto riesgo los sistemas de IA que sean componente de seguridad de un producto sujeto a la legislación armonizada de la Unión —el Anexo I incluye máquinas, ascensores, equipos a presión, equipos radioeléctricos, productos sanitarios y más— cuando ese producto requiera evaluación de conformidad por tercero.
Es decir: si tu empresa incorpora un sistema de IA como componente de seguridad de una máquina que ponéis en el mercado, ese sistema arrastra obligaciones de gestión de riesgos, gobernanza de datos, documentación técnica, registro de eventos, transparencia, supervisión humana y robustez.
El calendario, tras el aplazamiento aprobado en 2026:
- Febrero de 2025: prácticas prohibidas y obligación de alfabetización en IA del artículo 4, aplicable a cualquier organización que use estos sistemas, sin umbral de tamaño. Tu equipo debe estar formado, y conviene documentarlo.
- Agosto de 2026: obligaciones de transparencia del artículo 50.
- Diciembre de 2027: alto riesgo del Anexo III.
- Agosto de 2028: alto riesgo de sistemas integrados en productos con normativa sectorial propia, que es el caso descrito arriba.
Usar IA como herramienta interna de diseño no te convierte en proveedor de un sistema de alto riesgo. Incorporarla al producto que vendes, sí puede hacerlo. Tienes el calendario completo en mi guía de la ley de IA europea.
Los colegios profesionales españoles están publicando posiciones sobre el uso de IA en la práctica profesional. Merece la pena seguir lo que publican el Colegio de Ingenieros de Caminos, el de Ingenieros Industriales y el de Telecomunicaciones.
Por dónde empezar según tu especialidad
Software. GitHub Copilot o un editor con IA integrada esta misma semana. Retorno inmediato y curva mínima. En paralelo, un modelo generalista para depuración de errores difíciles. Después, generación de pruebas.
Civil y estructuras. Explora las funciones de IA del software que ya usas: la mayoría tiene capacidades que probablemente no estás utilizando y ya has pagado. Después, BIM con detección de conflictos y gestión documental.
Mecánica. Optimización topológica y gemelos digitales son el mayor impacto a medio plazo. Comprueba primero si tu empresa ya tiene datos de sensores sin procesar: es sorprendentemente frecuente que los datos estén ahí y nadie los mire.
Eléctrica. Mantenimiento predictivo de infraestructura y predicción de demanda son las aplicaciones más maduras. En renovables, las herramientas de optimización de diseño tienen retorno inmediato.
Industrial. Empieza identificando los equipos con mayor coste de parada no planificada. Ese es el punto de partida natural de un proyecto de mantenimiento predictivo, y el que mejor justifica la inversión ante dirección.
El perfil que aprovecha la IA
Los ingenieros que más partido sacan comparten cuatro cosas: curiosidad técnica para experimentar aunque haya curva de aprendizaje; criterio sobre los resultados, sin aceptar nada sin verificar y sabiendo cuándo algo no cuadra; enfoque en el problema y no en la herramienta, preguntando siempre qué problema resuelve antes de adoptarla; y actualización continua, porque el ecosistema cambia cada pocos meses.
Preguntas frecuentes
¿Puede la IA firmar un proyecto de ingeniería?
No. Los proyectos que afectan a la seguridad deben estar firmados por un profesional que asume la responsabilidad técnica, y ninguna herramienta de IA puede asumir esa responsabilidad legal. La IA genera alternativas, acelera cálculos y detecta conflictos; la verificación y la firma son del ingeniero, y esa distinción no es tecnológica sino jurídica.
¿Puedo usar ChatGPT para cálculos estructurales?
Como apoyo para entender un método o revisar un planteamiento, sí. Para el cálculo justificativo de un proyecto, no: los modelos de lenguaje cometen errores aritméticos, no aplican de forma fiable la normativa vigente y no dejan trazabilidad. Los cálculos van en software de cálculo validado, y la comprobación normativa contra el texto oficial del CTE o el reglamento aplicable.
¿Cuál es la mejor IA para ingenieros?
Depende de la especialidad. Para software, GitHub Copilot o un editor con IA integrada más un modelo generalista para arquitectura y depuración. Para diseño mecánico, las herramientas de optimización topológica del propio fabricante de tu CAD. Para civil, las funciones de IA de tu suite BIM. Y transversalmente, Perplexity para búsqueda técnica con fuentes y Elicit para literatura científica.
¿Puedo subir planos o documentación de cliente a una IA?
No a una cuenta gratuita o personal. En los planes de consumo las conversaciones pueden usarse para entrenar el modelo salvo exclusión expresa, lo que choca con los acuerdos de confidencialidad que tienes firmados y con la protección de tu propio conocimiento técnico. Usa plan de empresa con contrato de encargado, o un modelo ejecutado en local para lo más sensible.
¿Es la IA que uso en ingeniería un sistema de alto riesgo según el AI Act?
Usarla como herramienta interna de diseño, en general no. Incorporarla como componente de seguridad de un producto sujeto a legislación armonizada de la Unión que requiera evaluación de conformidad por tercero, sí: eso la convierte en alto riesgo por la vía del Anexo I. Esas obligaciones son exigibles a partir de agosto de 2028 tras el aplazamiento de 2026.
¿Qué es el diseño generativo y para qué sirve realmente?
Es definir las restricciones —cargas, materiales, espacio, coste— y dejar que el algoritmo genere y evalúe miles de variantes en lugar de dibujar una y analizarla. Sirve para explorar un espacio de soluciones que a mano es inabarcable, sobre todo en optimización de peso y material. La trampa es que optimiza dentro de las restricciones que le has dado: si parametrizas mal un requisito normativo, obtendrás una solución óptima e inadmisible.
¿Cuánto cuesta empezar con IA en una ingeniería?
Puedes arrancar por el precio de una suscripción generalista, entre 20 y 23 euros al mes por usuario, más unos 10 dólares mensuales si añades un asistente de código; verifica los precios actuales porque cambian con frecuencia. Los proyectos serios —mantenimiento predictivo, gemelos digitales, visión artificial en línea— se presupuestan por proyecto y su coste real suele estar en la instrumentación y la integración, no en el modelo.
¿Va la IA a destruir empleo en ingeniería?
Va a transformar qué hacen los ingenieros más que a reducir su número. El cálculo rutinario, la documentación estándar y la generación de variantes se automatizan progresivamente. No se automatiza el juicio sobre qué problema resolver, la validación de que los resultados tienen sentido en la realidad, la comunicación con clientes y equipos multidisciplinares y la asunción de responsabilidad técnica.
¿Sirve la IA para mantenimiento predictivo si no tengo sensores?
No. El mantenimiento predictivo necesita datos de estado del equipo, y sin instrumentación no hay datos. La buena noticia es que muchas plantas ya tienen sensores instalados cuyos datos nadie procesa: antes de presupuestar nada, comprueba qué se está midiendo ya. La mayoría de proyectos que fracasan lo hacen por la calidad de los datos, no por el modelo.
¿Qué formación en IA necesita un equipo de ingeniería?
La suficiente para entender qué hace la herramienta, dónde falla y qué datos puede o no puede recibir. Desde febrero de 2025 esto es además una obligación legal del artículo 4 del Reglamento Europeo de IA para cualquier organización que despliegue estos sistemas, sin umbral de tamaño, y conviene dejar constancia escrita de la formación impartida como prueba de cumplimiento.
La IA no va a reemplazar a los ingenieros. Va a cambiar qué hace el buen ingeniero: menos cálculo repetitivo, más criterio sobre qué calcular, más capacidad de explorar alternativas y más tiempo para la parte creativa del trabajo, que siempre ha sido la más valiosa. Es la misma transición que trajo el CAD hace treinta años —los ingenieros de tablero que aprendieron CAD siguieron trabajando, los que se negaron no— con la diferencia de que ahora la velocidad de cambio es bastante mayor. Si quieres el contexto de implantación a nivel de organización, lo tengo en IA para empresas y en automatización con IA para empresas.
