Por Kathya Santoyo

El sector de la infraestructura atraviesa una fase de transformación acelerada. La presión por atender la demanda energética, responder al cambio climático y sostener el crecimiento económico ha hecho visible la necesidad de una capacidad de diseño, construcción y mantenimiento que supera con creces la capacidad de la fuerza laboral actual. Este desafío fue el punto de partida del Year in Infrastructure and Going Digital Awards 2025, realizado en Ámsterdam, donde Bentley Systems reunió a ingenieros, desarrolladores y líderes industriales para analizar cómo la tecnología puede multiplicar esa capacidad.

Nathan Marsh, vicepresidente senior para Europa, Medio Oriente y África, abrió el encuentro recordando que la historia de los Países Bajos —un país que literalmente ganó territorio al mar— ilustra lo que la ingeniería puede lograr cuando se enfrenta a limitaciones extremas. En su discurso, trazó un paralelismo entre la innovación holandesa y los desafíos actuales: “No se trata solo de construir más, sino de hacerlo con mayor inteligencia, con herramientas que permitan a los ingenieros actuales producir resultados a una escala que antes era impensable”.

Marsh destacó que, ante la escasez global de ingenieros, la productividad se ha convertido en un imperativo estructural. La clave, afirmó, no está en aumentar el número de profesionales, sino en dotarlos de sistemas que integren datos, flujos de trabajo y decisiones automatizadas. Los casos presentados durante el evento mostraron reducciones de costos, tiempos y errores en rangos del 15 al 25 por ciento, producto de la aplicación de metodologías digitales.

Sin embargo, el ejecutivo advirtió que estas mejoras aún son insuficientes frente a la magnitud de los retos globales. “Para cerrar la brecha entre lo que el mundo demanda y lo que podemos entregar, necesitamos un salto en productividad. Ese salto ya está comenzando, y su nombre es inteligencia artificial”, apuntó.

Según Marsh, casi la mitad de los proyectos finalistas en esta edición incorporaron algún tipo de inteligencia artificial, pero lo relevante no es la adopción de la herramienta, sino su diversidad de usos: optimización de diseño, planeación predictiva, análisis geológico, detección de fugas o monitoreo en tiempo real, por mencionar algunos ejemplos. En Turquía, explicó, un proyecto de energía geotérmica redujo un plan de desarrollo de cinco años a uno solo, con un ahorro de 75 por ciento en costos. En China, una red eléctrica integró algoritmos de IA con drones y sensores para anticipar fallas, mejorando la eficiencia operativa en más de 60 por ciento.

Para el directivo, estos casos demuestran que la inteligencia artificial ya no es una promesa teórica, sino una herramienta funcional que amplía la capacidad de los ingenieros para tomar decisiones más rápidas y precisas. Sin embargo, señaló un punto crítico: el reto no es incorporar IA, sino hacerlo con contexto. “Las recomendaciones automatizadas solo son útiles si comprenden el propósito, las limitaciones y las condiciones físicas de un proyecto. En infraestructura, la precisión es innegociable”, dijo.

El experto de Bentley Systems describió cuatro capas de contexto que determinan la efectividad de la inteligencia artificial en el ámbito de la ingeniería:

Intención del proyecto: define objetivos, límites de costo, tiempo, seguridad y carbono.

Entorno físico y ambiental: que debe reflejar tanto las condiciones actuales como las proyectadas.

Memoria institucional: capacidad de aprender de experiencias previas y convertirlas en conocimiento accesible para nuevas generaciones de ingenieros.

Contexto ingenieril: establece los marcos normativos, las leyes físicas y las buenas prácticas que garantizan que las soluciones generadas por IA sean seguras y constructibles.

La combinación de estas dimensiones, explicó, permite que la IA genere recomendaciones basadas en realidades físicas y no en abstracciones estadísticas. “Un modelo de IA puede simular miles de escenarios, pero si no entiende la gravedad, las normas de carga o los códigos de seguridad, su recomendación es inútil”, subrayó.

En ese sentido, el aprendizaje de las máquinas solo tiene valor si se alimenta de información verificada y estructurada bajo estándares abiertos. Marsh insistió en que la interoperabilidad de los datos es una condición necesaria para escalar la productividad en toda la industria: “Si cada proyecto comienza desde cero, la industria se estanca. La apertura de datos permite que cada obra sea un punto de partida, no un punto final”.

Patrick Cozzi, Chief Platform Officer de Bentley Systems, retomó esa idea desde la perspectiva geoespacial. Explicó que la integración de Cesium —una plataforma abierta de modelado 3D— con herramientas como MicroStation y iTwin Capture representa un avance en la forma en que los ingenieros pueden contextualizar proyectos en el entorno real. “Las plataformas son los cimientos de la eficiencia digital. La visualización no es un fin en sí mismo, sino una base para tomar decisiones con mayor precisión”, afirmó.

Cozzi destacó que Cesium ha alcanzado más de 10 millones de descargas y se ha convertido en un estándar para el modelado geoespacial, integrándose con motores de simulación como Unreal Engine y NVIDIA Omniverse. Su función principal es conectar el mundo físico con el digital, incorporando entornos reales en las fases de planeación, diseño y operación. Este proceso, señaló, no solo mejora la coordinación entre disciplinas, sino que reduce riesgos en campo y costos de ajuste durante la construcción.

El ejecutivo presentó además los avances en detección automática de objetos y defectos mediante AI Feature Detectors, así como la introducción de Gaussian Splats, una técnica derivada de la gráfica computacional que incrementa la fidelidad visual de elementos delgados o transparentes, como cables, antenas o estructuras metálicas. Ambas innovaciones permiten un monitoreo más detallado y un análisis de infraestructura con base en información tridimensional real.

Finalmente, Cozzi abordó el uso responsable de la inteligencia artificial. Subrayó que los datos de los usuarios permanecen bajo su control y que la compañía mantiene un compromiso de transparencia sobre cómo se emplea la información en modelos entrenados. “La inteligencia artificial puede automatizar y acelerar, pero su valor depende de la confianza. La precisión técnica y la propiedad de los datos son condiciones que no se negocian en ingeniería”, concluyó.