Análisis IA de planos en 2026: dónde está la industria
Entre 2020 y 2022, la IA aplicada a planos arquitectónicos estaba en fase de proof of concept: modelos entrenados con algunos miles de imágenes académicas, demos impresionantes pero poco generalizables. Entre 2023 y 2025, varios actores (CubiCasa, Magicplan, FloorScan, Floorplanner, pero también laboratorios como ETH Zürich con su proyecto Floor-SP, o Nanyang Technological University) publicaron arquitecturas convolucionales y transformers que superan el 90% de mAP sobre planos estandarizados. En 2026, la tecnología es madura para planos arquitectónicos europeos y norteamericanos clásicos; aún tropieza con tres categorías de casos que este informe detalla.
Los modelos: del CNN al transformer en 5 años
Los primeros sistemas (2020) se basaban en CNN tipo Faster R-CNN o Mask R-CNN entrenados en el dataset CubiCasa5K (5.000 planos anotados). Estas arquitecturas alcanzaban 75-80% de mAP@0.5 en planos simples y caían al 50% en cuanto las convenciones eran atípicas. Desde 2023, las arquitecturas híbridas CNN + transformer (DETR, DeformableDETR) se convirtieron en estándar: un encoder convolucional extrae las features visuales, un transformer decodifica los objetos en paralelo. Rendimiento típico: 92-96% de mAP@0.5 en planos estándar, 80-85% en planos atípicos.
En 2026, la frontera de la investigación se encuentra en dos direcciones: (1) los Vision-Language Models (Florence-2, arquitectura GPT-4V) que combinan percepción visual y comprensión textual de las anotaciones cotadas («3,40 m» escrito en el plano se convierte en información útil para la detección); y (2) los enfoques multimodales que explotan simultáneamente el PDF vectorial y su rendering ráster para reconciliar las dos fuentes de información.
Los datasets: aún el eslabón débil
El cuello de botella de la IA de planos no es el modelo, son los datos de entrenamiento. CubiCasa5K (5.000 planos finlandeses), FloorPlanCAD (15.000 planos chinos) y R2V (1.500 planos sintéticos) siguen siendo los principales datasets públicos en 2026. Todos tienen sesgos culturales marcados: CubiCasa5K carece de convenciones latinas (sombreado oblicuo para muros portantes), FloorPlanCAD es mayoritariamente pisos de obra nueva sin rehabilitación, R2V es demasiado sintético para generalizar. Los editores comerciales (FloorScan, CubiCasa, Magicplan) mantienen datasets internos propietarios de 50.000 a 200.000 planos, lo que explica su ventaja sobre el open-source.
La tendencia 2026 es la generación sintética controlada: modelos tipo Stable Diffusion afinados sobre planos existentes generan variaciones infinitas de planos realistas para aumentar los datasets. Riesgo conocido: estos datos sintéticos son perfectos en superficie pero pueden derivar hacia convenciones que no existen en realidad. El mejor compromiso observado sigue siendo 30% sintético + 70% real anotado.
Los límites actuales: 3 casos que resisten
Primero: los planos a mano alzada. La IA queda desarmada frente a un croquis trazado a lápiz sobre papel vegetal, donde cada línea tiene un grosor variable y ninguna convención de símbolos es respetada. mAP típico en croquis: 30-40%. Ninguna herramienta comercial da resultados fiables aquí.
Segundo: los planos históricos (antes de 1950). Convenciones gráficas antiguas (muros en doble línea sin sombreado, ventanas representadas por una cruz en X, escaleras dibujadas en alzado en vez de en planta), papel amarillento, malos escaneos. mAP típico: 50-65%. Aún requiere intervención humana sistemática.
Tercero: los planos extremadamente especializados. Hospitales, datacenters, fábricas con sus conductos técnicos, racks y zonas de seguridad específicas no están cubiertos por los datasets estándar. mAP: 60-75% con a veces objetos totalmente ignorados (el modelo no sabe reconocer un SAI o un PRV). La solución actual: fine-tuning sobre un dataset cliente de 200-500 planos representativos, coste 5.000-15.000 €.
El ecosistema: quién lidera en 2026
Tres grupos se reparten el mercado. Los pure-players verticales (FloorScan en Europa, Studio 360 Floors en EE.UU., Floored en Japón) tienen la ventaja del modelo entrenado en su nicho y del flujo integrado (PDF → DXF/Excel/BIM). Los actores de la captación móvil (CubiCasa comprado por Roper, Magicplan, Polycam) se posicionan en el extremo de la cadena más amplia pero con una integración AEC menos profunda. Finalmente, los grandes editores CAD tradicionales (Autodesk con FormIt, Bentley con OpenBuildings) han empezado a integrar módulos IA en sus suites en 2025-2026 — típicamente una función «PDF to Wireframe» en la nueva interfaz Revit. La calidad queda por debajo de los pure-players pero el coste de adopción tiende a cero para quien ya posee la suite.
Evolución clave esperada para finales de 2026: la aparición de modelos foundation abiertos (equivalente CLIP o SAM para planos arquitectónicos), que democratizarán el fine-tuning vertical y permitirán a las oficinas técnicas producir modelos especializados sin data science interna.
Recomendaciones prácticas para 2026-2027
Cuatro consejos concretos para oficinas técnicas y empresas BTP que consideran una inversión IA en 2026. Uno: no esperar el «100% perfecto» que no llegará — el estado actual de la tecnología es ya rentable para más del 80% del flujo diario. Dos: priorizar la calidad del DXF/Excel de export sobre el mAP del modelo. Un mAP del 90% con capas limpias gana a un mAP del 96% sobre fichero inutilizable. Tres: integrar desde la compra un protocolo de validación interno — formación del equipo sobre los patrones de error específicos de la herramienta. Cuatro: probar dos herramientas en paralelo durante 1 mes sobre 10 planos reales antes de la decisión de compra. Los benchmarks de marketing nunca reflejan tu caso particular (convenciones de plano, calidad de PDF recibido).
La industrialización de la IA de planos ya no es una cuestión técnica en 2026 — es una cuestión de organización interna, procedimiento y calidad de export.
La IA aplicada a planos arquitectónicos ha dejado el territorio de la curiosidad tecnológica para entrar en el del herramentaje industrial serio. El 92-96% de mAP en planos estándar la hace una tecnología utilizable a diario en la gran mayoría de oficinas técnicas. Las zonas de resistencia (planos a mano alzada, históricos, hiper-especializados) probablemente seguirán siendo humanas todavía 2-3 años. La verdadera línea de división en 2026 ya no está entre «los que tienen IA» y «los que no» — está entre los que han escrito un protocolo de validación riguroso en torno a la IA, y los que confían ciegamente en una herramienta. Los primeros ahorran realmente el 60-80% del tiempo. Los segundos redescubren el riesgo técnico oculto de la caja negra.