Inteligencia artificial como herramienta creativa en el campo de la arquitectura

INTELIGENCIA ARTIFICIAL COMO HERRAMIENTA CREATIVA DENTRO DEL CAMPO DE ARQUITECTURA ZHOUNENG ZHANG INTELIGENCIA ARTIFICIAL COMO HERRAMIENTA CREATIVA DENTRO DEL CAMPO DE ARQUITECTURA Autor: Zhouneng Zhang Tutor: Salvador Gilabert Sanz Trabajo de Fin de Grado Grado en Estudios de Arquitectura (GArqEtsab) Escuela Tecnica Superior de Arquitectura de Barcelona ETSAB Universidad Politécnica de Catalunya UPC La inteligencia artificial ya no es una promesa futura: está aquí, ahora, y comienza a transformar de manera real la forma en que trabajamos en arquitectura. Su capacidad para generar renders, optimizar estructuras o gestionar datos no solo agiliza los procesos, sino que también permite que los arquitectos se enfoquen más en la parte creativa, en aquello que realmente define un proyecto. No viene a reemplazar a los profesionales, sino a potenciarlos. Ignorarla sería, de algún modo, quedarse atrás. Aprender a integrarla, en cambio, puede marcar una diferencia significativa. No se trata de temerle, sino de utilizarla con criterio, comprendiendo que puede convertirse en una herramienta clave para evolucionar dentro de la profesión. Si logramos guiar su uso hacia resultados que realmente aporten, el potencial de la inteligencia artificial es enorme. La cuestión no radica únicamente en delegar tareas, sino en enseñarle a procesar, interpretar y entender mejor nuestras necesidades, para que pueda convertirse en un verdadero asistente dentro del trabajo arquitectónico diario. ABSTRACT 01 En los últimos dos años, con la aparición de plataformas como OpenAI, MidJourney y Stable Diffusion, el entorno digital —y especialmente el ámbito de la arquitectura— ha vivido una transformación profunda49,73. Estas herramientas han abierto nuevas vías para la generación visual, la automatización de tareas y la exploración conceptual en diseño71. OpenAI, mediante modelos como ChatGPT76, ha revolucionado el acceso al conocimiento y la traducción técnica49. Por su parte, MidJourney, Stable Diffusion y ComfyUI han impulsado nuevas formas de representación visual, permitiendo incluso personalizaciones mediante modelos LoRA82. Plataformas emergentes como Formas AI exploran la integración de materialidad arquitectónica dentro de los flujos generativos74. En paralelo, Runway, Pika Labs, Sora y Kling están trasladando el potencial de la IA al ámbito del vídeo arquitectónico, mientras que soluciones como Magnific AI mejora significativamente la calidad de imagen y permiten procesos de escalado con alta fidelidad. Con estas herramientas, el arquitecto puede acceder a una cantidad casi infinita de recursos visuales, optimizar tiempos de diseño y enriquecer la fase conceptual83. Todo ello plantea nuevos desafíos en términos de control, evaluación crítica y responsabilidad en el uso de la inteligencia artificia. La elección de este tema para mi Trabajo de Fin de Grado responde al interés por analizar cómo integrar de manera crítica estas tecnologías en el proceso creativo arquitectónico, mejorando los flujos de trabajo y adaptándolos a las nuevas condiciones del entorno digital contemporáneo. Justificación del tema 02 Este trabajo tiene como objetivo analizar cómo se están utilizando las herramientas de inteligencia artificial dentro del campo de la arquitectura. Sin embargo, más que limitarse a su uso como simples generadores de imágenes o ideas, la intención es ir un paso más allá: entender la integración de las IA en el proceso de trabajo del arquitecto. No se trata únicamente de observar qué hacen, sino de comprender cómo funcionan internamente, cómo interpretan nuestras órdenes, cómo generan sus resultados, y qué rol pueden asumir en cada etapa del diseño arquitectónico. Porque cuando se domina su lenguaje y se entienden sus lógicas internas, la inteligencia artificial deja de ser un recurso imprevisible o aleatorio, y comienza a consolidarse como una herramienta estratégica, capaz de integrarse de forma crítica y consciente en el proceso creativo. Entender cómo operan a nivel teórico, y cómo se estructuran los procedimientos que generan sus respuestas, resulta esencial para definir dónde y cómo estas herramientas pueden incorporarse con sentido dentro de la fase de diseño. Solo así será posible transformar la IA en un verdadero asistente que potencie la capacidad de proyectar y no que la sustituya. Objetivo principal 03 Este trabajo parte de una metodología de tipo exploratorio, basada principalmente en la práctica directa con herramientas de inteligencia artificial aplicadas al diseño arquitectónico. El primer paso consistió en revisar casos concretos —algunos históricos, otros más recientes— donde se evidencia claramente cómo la presencia o ausencia de ciertas tecnologías influye en el resultado creativo. A partir de allí, el proceso avanzó hacia la experimentación personal con distintos softwares como MidJourney, Stable Diffusion, ComfyUI o D5 Render, entre otros. En cada uno se exploraron sus posibilidades, sus límites y su papel dentro del flujo real de un proyecto. La investigación combinó diversas formas de aproximación: observación, análisis y producción gráfica. El foco estuvo siempre en comprender cómo se construye, se transforma y se interpreta una imagen arquitectónica cuando entra en juego la inteligencia artificial. Y en ese recorrido surgieron preguntas inevitables: ¿qué sucede con el rol del autor?, ¿cuánto control real se tiene?, ¿qué lugar ocupa el error o el proceso de prueba y mejora cuando el diseño se realiza con ayuda de algoritmos? Más allá del aspecto técnico, lo que se buscó fue abrir una mirada más amplia sobre cómo estas herramientas están cambiando —y de forma acelerada— la manera de proyectar en la arquitectura contemporánea. Pero al mismo tiempo, quedó claro que su uso eficaz requiere del arquitecto una actitud crítica constante, capaz de evaluar los resultados generados, identificar posibles contradicciones o errores, y decidir cuándo aceptar, cuándo modificar y cuándo rechazar una propuesta proveniente de la inteligencia artificial. Metodología 04 En los orígenes de la arquitectura, cuando aún no existían planos ni programas de diseño, las herramientas manuales constituían el único recurso disponible. Con ellas, los primeros constructores lograron erigir estructuras que no solo servían de refugio, sino que también cargaban con un profundo valor simbólico. A partir de piedras, barro o madera, y empleando instrumentos básicos como martillos de piedra, cuerdas o cinceles, consiguieron transformar el entorno. A simple vista, herramientas modestas; en la práctica, elementos clave para moldear las primeras formas arquitectónicas. Basta con observar Partenón GriegoFig. 4 o los muros de adobe en Mesopotamia para comprender cuánto se podía lograr con tan escasos medios. 4 A medida que avanzaban los conocimientos, evolucionaban también las herramientas. La geometría y la medición se integraron en el proceso constructivo. En Egipto, por ejemplo, se empleaban plomadas y niveles para alinear con precisión los bloques de las pirámides. En GreciaFig 1-3, instrumentos como el compás permitían buscar proporciones ideales, como la célebre proporción áurea que se refleja en el Partenón. Construir ya no consistía únicamente en levantar estructuras, sino en hacerlo con exactitud, sentido estético y un lenguaje propio. 4 En este contexto, las herramientas comenzaron a desempeñar también un papel artístico. Los avances en la talla permitieron decoraciones más elaboradas, mientras que las mejoras en los sistemas de medición garantizaron la proporcionalidad de las obras. Lo técnico y lo estético se entrelazaban, evidenciando no solo un dominio material, sino una forma de concebir la arquitectura como cultura, como expresión y como arte.4 EVOLUCIÓN 11 Figura 1. Fotografía propia viaje Atena Museo de la Acrópolis herramientas 1 Figura 3. Fotografía propia viaje Atena Museo Arqueológico Nacional Atenas herramientas Figura 2. Fotografía propia viaje Atena Museo de la Acrópolis herramientas 2 Figura 4. Fotografía propia viaje Atena Acrópolis de Atenas 12 La Revolución IndustrialFig 5-6 transformó profundamente la forma de construir. Con la llegada de maquinaria como grúas, sierras mecánicas e instrumentos de medición más precisos, el ritmo y la escala de las obras comenzaron a acelerarse. Ya no se trataba solo de construir más rápido, sino de hacer posible aquello que antes resultaba impensable. A ello se sumaron nuevos materiales, como el acero y el hormigón, que ampliaron los límites de lo estructuralmente posible. El acero permitió levantar los primeros rascacielos, mientras que el hormigón abrió la puerta a formas más libres e incluso más expresivas. 5 Sin embargo, no se trató únicamente de un cambio técnico. Esta mecanización alteró también la estética y el modo de concebir el diseño. Muchos arquitectos, especialmente los del movimiento moderno, comenzaron a incorporar conceptos como la repetición, la prefabricación y la estandarización. No era solo por razones de eficiencia, sino como respuesta a una nueva lógica industrial, estrechamente vinculada al contexto de la época. La Torre EiffelFig 7 constituye uno de los ejemplos más emblemáticos: más allá de su estructura, se erigió en símbolo del progreso y de la confianza en las capacidades de la técnica. 6 Este periodo introdujo, además, una complejidad creciente en el diseño arquitectónico. Con herramientas más avanzadas, fue posible afrontar proyectos de gran envergadura sin renunciar a la precisión. La fabricación de partes por separado y su posterior ensamblaje permitió reducir notablemente los tiempos de obra. Todo ello no solo impactó en la técnica, sino también en la relación entre arquitectura, tecnología y sociedad. En un mundo que se industrializaba a gran velocidad, la arquitectura no tuvo más opción que adaptarse… y, en muchos casos, reinventarse. 6 Revolución industrial 13 Figura 5. Primera revolución industrial. Figura 7. Torre Eiffel en construcción. Figura 6. Crystal Palace interior. Figura 8. Primer rascacielo. 14 Con el siglo XX llegó otro gran cambio para la arquitectura. Esta vez no vino acompañado de máquinas ruidosas ni de estructuras de acero, sino de algo mucho más silencioso: lo digital. Al principio, cuando las computadoras comenzaban a aparecer tímidamente en algunos estudios, el trabajo seguía realizándose —y en gran medida— con lápiz, escuadra y papel vegetal. El tablero de dibujo continuaba siendo el epicentro del diseño; para muchos, incluso, un objeto casi sagrado.8 Posteriormente surgieron los primeros programas de dibujo asistido, como AutoCAD. Al inicio, existían dudas: se temía que con su uso se perdiera la sensibilidad del trazo, que una línea digital jamás igualaría el carácter de una hecha a mano. Sin embargo, la práctica fue demostrando sus ventajas: corregir resultaba más sencillo, ya no era necesario comenzar de nuevo ante un error, y operaciones como copiar, rotar o escalar se volvieron mucho más ágiles.9 Sin darnos cuenta, el tablero físico empezó a desaparecer de los estudios de arquitectura. Ya en las décadas de 1990 y 2000, el cambio se profundizó con la aparición de programas como Revit y Archicad. Estas herramientas no funcionaban como simples programas de dibujo, sino que introducían una lógica distinta: el BIM (Building Information Modeling). Se modelaba, sí, pero además cada elemento del modelo adquiría atributos propios: espesor, materialidad, costo, fase de construcción. El plano dejaba de ser un simple dibujo para convertirse en una representación virtual del edificio real.9 Esta transformación alteró por completo la dinámica de trabajo en muchos estudios. El arquitecto dejó de ser el único protagonista: ingenieros, constructores y técnicos comenzaron a trabajar de manera colaborativa sobre un mismo archivo. El diseño se volvió más colectivo, pero también más exigente. No bastaba con generar ideas: ahora era necesario organizar información, gestionar capas y comprender cómo se articulaban las decisiones. (Burry 2011) 15 Para algunos profesionales, especialmente aquellos de generaciones anteriores, esta transición resultó difícil. Aprender nuevos métodos, adaptarse, o simplemente aceptar que las formas de trabajar habían cambiado para siempre no fue tarea sencilla. En cambio, para los más jóvenes, que crecieron en entornos digitales, todo ello resultaba casi natural. El dibujo digital ya no servía solo para representar una idea: se había convertido en una herramienta de anticipación, de experimentación y de optimización. (Carpo 2013) Todo esto formaba parte de la cotidianidad en cualquier estudio de arquitectura. Con tiempo, paciencia y experiencia, era posible sacar adelante proyectos completos, bien documentados y con una sólida base técnica. No cabe duda de que las herramientas digitales mejoraron numerosos aspectos. Pero incluso con todos esos avances, había algo que no cambiaba: todo seguía dependiendo de la mano humana. Cada decisión, cada corrección, cada variante debía hacerse manualmente. Si surgía una nueva idea, se necesitaba tiempo. Si se quería explorar una propuesta alternativa, había que volver al modelo, ajustar, renderizar y revisar. Y, en muchas ocasiones, eso implicaba dejar en pausa —o directamente descartar— otras ideas, simplemente porque no alcanzaban las horas o los recursos disponibles. El sistema funcionaba, sí, y en general cumplía su cometido. Sin embargo, no siempre dejaba espacio para explorar más, para equivocarse más o para jugar un poco más con el diseño. Y en un campo como la arquitectura —donde imaginar nuevas formas de habitar constituye una parte central del trabajo—, esa rigidez comenzaba a percibirse como una carga. Por ello, cuando empezó a hablarse de una herramienta capaz no solo de ejecutar, sino también de sugerir, interpretar y multiplicar posibilidades, algo cambió. No se trataba de que el arquitecto dejara de pensar, sino, precisamente, de abrir nuevas rutas hacia más caminos posibles. 16 Antes de que la inteligencia artificial comenzara a formar parte del proceso, diseñar un proyecto arquitectónico requería una gran dedicación manual. Los arquitectos trabajaban con herramientas digitales como AutoCAD o SketchUp para elaborar planos en 2D y modelos en 3D, pero todas las decisiones —desde la forma hasta el funcionamiento del espacio— dependían directamente de la experiencia del diseñador. 8 El desarrollo de ideas era más lento, basado en gran medida en la prueba y el error. Incluso cambios pequeños implicaban volver atrás y ajustar manualmente varias partes del proyecto. Y si se querían comparar distintas propuestas, era necesario invertir muchas horas adicionales, lo que dificultaba explorar alternativas de manera simultánea. 11 Aunque ya se disponía de medios digitales, los métodos de representación seguían presentando importantes limitaciones. Realizar un render realista o una maqueta física requería tiempo, recursos y conocimientos técnicos específicos.13 No todos los clientes lograban interpretar planos técnicos ni imaginar espacios a partir de dibujos. Esto solía generar un desfase entre la propuesta arquitectónica y la comprensión del cliente, obligando a dedicar más tiempo a explicar, adaptar o traducir ideas de forma visual. Además, un proyecto arquitectónico no se desarrolla en solitario. Participan arquitectos, ingenieros, paisajistas y diversos especialistas técnicos. Antes de la aparición de plataformas colaborativas como BIM, coordinar a todos los agentes era un auténtico desafío. Cada profesional trabajaba en sus propios archivos, lo que provocaba errores, duplicaciones o desajustes. Si alguien modificaba una parte del diseño, el resto debía actualizar manualmente sus documentos.18 No siempre se hacía a tiempo, y las consecuencias solían manifestarse posteriormente en la obra.12 ANTES DE IA 17 Antes de que herramientas más inteligentes comenzaran a integrarse en el diseño arquitectónico, muchas decisiones técnicas se tomaban de forma aislada. Para analizar aspectos como la estructura, la iluminación natural o la eficiencia energética, era necesario recurrir a programas distintos, a menudo bastante complejos y sin conexión directa con el modelo del proyecto. 16 Los arquitectos debían exportar archivos, realizar simulaciones de manera independiente y luego intentar incorporar los resultados al diseño original. Esto no solo consumía tiempo, sino que provocaba que muchas decisiones importantes se tomaran tarde o, directamente, a ojo, basándose en suposiciones. Algo similar ocurría en relación con los materiales. En la mayoría de los casos, el conocimiento sobre acabados o técnicas constructivas provenía de la experiencia personal del arquitecto o del asesoramiento de proveedores. Representar adecuadamente un material en un render resultaba complicado, y verificar la viabilidad de una solución constructiva requería la fabricación de prototipos o la consulta a especialistas técnicos. Cuando se abordaban formas complejas —curvas, superficies orgánicas, estructuras poco convencionales—, anticipar su comportamiento sin construir modelos físicos resultaba especialmente difícil. 18 Todo ello limitaba considerablemente la capacidad de experimentación en el proceso de diseño. IDEA MAQUETA OPCIONES RESULTADDO Flujo sin herramienta digital Figura 9. Elaboración propia 18 En la parte técnica del proyecto, la documentación representaba otro desafío considerable. Los planos se elaboraban uno a uno, se numeraban, se enviaban por correo o se imprimían. Si algo cambiaba en un sector del diseño, era necesario revisar y actualizar manualmente todos los planos relacionados.14 En obras de gran escala, esto constituía un riesgo constante: bastaba con que alguien trabajara con una versión desactualizada para que surgieran desajustes importantes. La coordinación exigía una supervisión estricta y, en muchos casos, agotadora. 16 A ello se sumaba la cuestión del tiempo. Sin inteligencia artificial, los procesos eran más lentos, y eso tenía un precio: era difícil explorar múltiples alternativas.8 Muchas ideas quedaban relegadas a la libreta o se abandonaban por falta de tiempo o por no poder visualizarse adecuadamente. La carga técnica limitaba la dimensión creativa. A menudo, la innovación no fracasaba por falta de imaginación, sino por falta de herramientas o simplemente por falta de tiempo para desarrollarla. A lo largo de la historia, la arquitectura ha buscado incesantemente nuevas formas de imaginar el espacio. Y aunque hoy disponemos de herramientas digitales e inteligencia artificial, hubo quienes — mucho antes— ya exploraban caminos radicales sin necesidad de tecnologías avanzadas. 11 Antes de la existencia de cualquier software, y mucho antes de que una máquina pudiera generar una imagen de forma autónoma, algunos arquitectos encontraron sus propios métodos para investigar, representar y proyectar lo imposible.18 No contaban con algoritmos, pero sí con intuición. No disponían de redes neuronales, pero poseían una visión clara de lo que podía ser la arquitectura más allá de los límites de su tiempo. Figura 10. Elaboración propia IDEA MAQUETA OPCIONES DIGITALIZACIÓN RESULTADDO Flujo con herramienta digital 19 Uno de los ejemplos más extraordinarios de cómo un arquitecto pudo alcanzar niveles de complejidad formal y precisión estructural sin recurrir a herramientas digitales es el caso de Antoni Gaudí. En pleno siglo XIX, y sin más apoyo que su intuición, su conocimiento empírico y sus propias manos, Gaudí logró proyectar edificios que, incluso hoy, desafían las categorías convencionales de diseño. 20 Antoni Gaudí (1852-1926), maestro del modernismo catalán, revolucionó el diseño arquitectónico al inspirarse en las formas de la naturaleza y combinar el arte con la precisión matemática. Su descubrimiento más significativo fue el uso de la Catenaria (línea de cadena), una curva que se forma de manera natural cuando una cadena flexible cuelga bajo su propio peso. Gaudí entendió que esta curva es ideal para distribuir las cargas de compresión en una estructura, logrando así un equilibrio perfecto. Al invertir esta forma, consiguió un arco estable y funcional, un principio fundamental para sus diseños estructurales. 21 Para llevar su teoría a la práctica, Gaudí utilizó modelos físicos a escala como herramienta principal. Mediante cuerdas y pequeños pesos, simulaba el efecto de la gravedad en sus estructuras, obteniendo así formas precisas y viables para la construcción. Antoni Gaudi Figura 11. Fotografía de Antoni Gaudí. Figura 12. Estudio de Antoni Gaudí. 20 Mientras Gaudí y Frei Otto experimentaban con la materia física para descubrir nuevas formas arquitectónicas, Archigram, un colectivo de arquitectos británicos activo durante las décadas de 1960 y 1970, llevó la innovación en otra dirección: la del pensamiento especulativo. 24 Archigram no diseñaba desde la técnica, sino desde la provocación. En un contexto marcado por la industrialización y la cultura pop, sus propuestas combinaban arquitectura, ciencia ficción, tecnología y crítica cultural. No construyeron casi nada, pero sus ideas proyectaron un futuro radicalmente distinto. Fueron visionarios en una época donde imaginar ya era un acto político. 24 Entre sus proyectos más conocidos se encuentra Walking City (1964), una ciudad móvil con patas mecánicas, capaz de desplazarse de un lugar a otro. Esta imagen de una arquitectura nómada, adaptable y autosuficiente rompía con toda noción tradicional del espacio urbano. 24 Otro concepto clave fue Plug-In City (1964), donde los edificios eran módulos intercambiables, como piezas de un sistema mecano. Esta propuesta reflejaba la fascinación de la época por la producción en serie y la estandarización, llevando el pensamiento industrial al campo del diseño urbano. La arquitectura ya no era un objeto fijo, sino una estructura abierta, flexible, en constante mutación. 24 En general, Archigram anticipó una relación más estrecha entre arquitectura y tecnología. Imaginaron edificios hiperconectados, estructuras con dispositivos integrados, entornos urbanos más similares a máquinas vivas que a ciudades tradicionales. No sabían con qué materiales se podrían construir, ni cómo funcionarían en la práctica, pero lograron algo quizás más importante: ensanchar el imaginario arquitectónico. 24 Archigram 27 Aunque sus proyectos nunca llegaron a materializarse, su legado no reside en la construcción física, sino en la capacidad de pensar más allá de los límites del presente. Hoy en día, muchas de sus ideas encuentran un nuevo canal de expresión a través de la inteligencia artificial: generar, visualizar, modificar y explorar arquitecturas hipotéticas ya no representa un reto técnico, sino un proceso creativo al alcance. En cierto modo, la IA permite construir visualmente aquello que Archigram solo pudo esbozar en papel. 24 Figura 26. Proyecto “The Walking City”. Figura 24. Foto de equipo Archigram. Figura 25. Proyecto “Plug-in City“. 28 Anne Tyng (1920–2011) fue una arquitecta pionera cuya obra teórica y práctica se adelantó a su tiempo. Aunque es ampliamente reconocida por su colaboración con Louis Kahn, su pensamiento autónomo —centrado en el orden, la proporción y la estructura matemática— ha adquirido cada vez mayor relevancia con el paso de los años. Su interés no era decorativo ni puramente técnico: para Tyng, la geometría constituía una herramienta fundamental para comprender el mundo y estructurar el espacio de manera armónica y eficiente. Uno de sus principales aportes fue el desarrollo de sistemas de diseño basados en formas geométricas complejasFig 28 —como el tetraedro, el octaedro o la espiral logarítmica— aplicadas a la organización arquitectónica. Creía que detrás de toda belleza formal subyacía una estructura numérica profunda, y que los patrones repetibles podían adaptarse a múltiples escalas, desde la célula hasta la ciudad. Este pensamiento anticipa, en muchos sentidos, la lógica paramétrica que hoy guía el diseño digital. 28 Un concepto clave en su obra es la modularidadFig 29. Tyng imaginaba una arquitectura compuesta por unidades intercambiables, capaces de expandirse, contraerse o adaptarse a lo largo del tiempo. Esta visión se alinea, sorprendentemente, con ideas que posteriormente aparecerían en propuestas como Plug-In City de Archigram, o en enfoques contemporáneos de diseño generativo. En su caso, sin embargo, surgía de una reflexión profunda sobre la estructura natural de los sistemas y de la flexibilidad inherente al pensamiento matemático. 27 Pese a no contar con herramientas digitales ni algoritmos computacionales, su manera de proyectar se basaba en reglas claras, estructuras combinatorias y modelos tridimensionales elaborados manualmente. Dibujaba, calculaba, construía y analizaba. Su método no era intuitivo, sino casi científico, y, sin embargo, profundamente creativo. 27 En retrospectiva, Anne Tyng representa una figura de transición entre la intuición clásica y el pensamiento computacional. Su legado no reside únicamente en sus proyectos, sino en una forma rigurosa de concebir la forma a través del número, que hoy resuena en muchas de las metodologías utilizadas en inteligencia artificial para el diseño arquitectónico.27 Anne Tyng 29 Figura 30. Exploración geométrica de Anne Tyng. Figura 29. Galería de Arte de Yale (1950). Figura 28. Interpretación visual contemporánea del pensamiento geométrico de Anne Tyng. Figura 27. Geométrico desarrollado por Anne Tyng. 30 En el contexto de la posguerra española, en un país aún marcado por la escasez de recursos y la rigidez institucional, Miquel Fisac (1913–2006) logró desarrollar una arquitectura profundamente experimental, poética y estructuralmente innovadora. Su obra más emblemática, el edificio de Laboratorios JorbaFig 33 —popularmente conocido como La Pagoda— se convirtió en un hito del paisaje madrileño hasta su demolición en 1999. Aroca, Ricardo. “Una muerte sin anunciar. 29 Construido entre 1958 y 1967, este edificio representa un ejemplo excepcional de cómo, sin herramientas digitales ni algoritmos de diseño, era posible alcanzar un alto grado de complejidad formal y expresión escultórica, combinando intuición geométrica, precisión estructural y un dominio extraordinario del material.30 El diseño se articula mediante plantas rotadas que se apilan de forma escalonada, generando un volumen vertical de marcada expresión dinámica. Esta geometría en espiral, de apariencia ligera y casi flotante, fue ejecutada íntegramente en hormigón armado, utilizando técnicas de prefabricación experimental que resultaban muy avanzadas para su época. Fisac no solo diseñaba los espacios, sino que también desarrollaba sus propios moldes de encofrado, lo que le permitía controlar y moldear el material hasta conseguir la expresión deseada. 31 Su metodología se basaba en la fabricación de modelos físicosFig 31, maquetas a escala y prototipos de elementos prefabricados, que le permitían explorar de forma precisa la relación entre forma, estructura y luz. Aunque carecía de herramientas digitales, su enfoque se acercaba sorprendentemente a lo que hoy denominaríamos diseño paramétrico: un pensamiento iterativo, guiado por la lógica material, capaz de generar variantes a partir de un principio geométrico base.32 Miquel Fisac Figura 31. Detalle estructural en hormigón de una obra de Miguel Fisac. 31 En comparaciónFig 32 con obras más recientes como White Tree (Sou Fujimoto, 2014) o Kaktus Towers (BIG, 2024), La Pagoda puede entenderse como un precedente claro de un pensamiento generativo que hoy se canaliza a través de inteligencia artificial y simulaciones digitales. Sin embargo, en el caso de Fisac, esa misma riqueza formal fue alcanzada con herramientas mecánicas, procesos artesanales y una sensibilidad extrema hacia la estructura y el entorno. Su legado, por tanto, no reside solo en la imagen icónica del edificio, sino en su capacidad para imaginar lo complejo con medios simples, para encontrar lo fluido en lo rígido, y para demostrar que, incluso en contextos adversos, la arquitectura puede ser un acto de invención profunda. Figura 35 - 36. Centro de Estudios Hidrográficos, con techos en forma de hueso. Figura 33 - 34. Vista exterior de los Laboratorios Jorba, conocidos como “La Pagoda”. Figura 32. Elaboración propia 32 Si bien muchos de los grandes avances arquitectónicos del pasado surgieron sin la ayuda de herramientas digitales, este espíritu de exploración y creación también se ha mantenido vivo en estudios contemporáneos. Antes de la irrupción de la inteligencia artificial, varios despachos ya desarrollaban enfoques altamente innovadores, apoyándose en el dibujo manual, la maqueta física o el análisis diagramático para imaginar nuevas maneras de proyectar. Aunque pertenecen al presente, su forma de trabajar recuerda que la creatividad no depende de la tecnología, sino de una manera particular de mirar, pensar y construir. Enric Miralles (1955–2000) fue uno de los arquitectos contemporáneos que trabajó de manera más intensa desde lo sensorial, lo material y lo experimental. Su manera de proyectar —junto a Benedetta Tagliabue en el estudio EMBT— se alejaba por completo de los métodos lineales o sistemáticos, apostando por un proceso libre, intuitivo y profundamente manual. 33 En su flujo de trabajo, el dibujo a mano, el collage, la superposición de capas y, sobre todo, el uso de maquetas físicas intervenidas constituían las herramientas esenciales para explorar el espacio. Estas maquetas no eran representaciones finales, sino instrumentos vivos de investigación, capaces de transformarse con cada corte, pliegue o giro. De este modo, cada proyecto se convertía en una acumulación de decisiones táctiles que evolucionaban durante el proceso, sin depender de sistemas computacionales ni automatismos digitales. 33 Su obra emblemática, el Parlamento de EscociaFig 39, constituye un claro reflejo de este pensamiento: una arquitectura construida a partir de fragmentos, ideas sueltas y gestos que se entrelazan hasta encontrar una forma única y orgánica. En un momento en que el diseño digital comenzaba a consolidarse, Miralles reivindicaba el valor del error, de lo manual, de aquello que no puede preverse, apostando por una arquitectura que se descubría a sí misma en el acto de hacer. 33 EMBT 33 No obstante Enric Miralles no fue precursor del uso de inteligencia artificial en arquitectura, su obra representa una postura radicalmente distinta frente al diseño digital. En un momento donde se consolidaban los primeros softwares paramétricos, Miralles apostaba por el error, el tacto y lo inesperado. Hoy, su pensamiento puede leerse como una referencia crítica que desafía la idea de que más tecnología siempre equivale a mejor arquitectura. Figura 39. Parlamento de Escocia (maqueta). Figura 40. Instalación “Papa vient jouer chez moi” del estudio EMBT. Figura 37. Cementerio de Igualada, un proyecto de Enric Miralles y Carme Pinós. Figura 38. Cubierta colorida del Mercado de Santa Caterina, diseñada por EMBT. 34 El estudio Bruther, fundado en París por Stéphanie Bru y Alexandre Thériot, representa una de las prácticas más coherentes en el uso de herramientas analógicas en pleno siglo XXI. Aunque integran medios digitales en su proceso, su enfoque parte de la exploración física del espacio a través de maquetasFig 42 - 43 y prototipos. La maqueta no es solo un medio de comunicación, sino un instrumento de trabajo central: sirve para estudiar la proporción, la estructura y la atmósfera del proyecto en tiempo real. En sus proyectos institucionales y culturales, como el Centro CulturalFig 41 en París o el Laboratorio de InvestigaciónFig 43 en Caen, se observa una búsqueda constante de flexibilidad programática y claridad estructural 35. Trabajan bajo una lógica de “infraestructura abierta”, donde el edificio actúa como soporte para múltiples usos, adaptándose en el tiempo. Esa apertura no surge de algoritmos, sino de una comprensión física y racional del espacio, verificada mediante modelos tangibles. 35 A diferencia de otros trabajos que realizaron posteriormente, en este caso todo mantiene un ritmo coherente: el mismo material y el mismo tipo de textura. Lo que cambia es la organización del espacio interior, adaptándose a los diferentes usos de cada edificio y a las necesidades específicas.35 Esta capacidad de adaptación, manteniendo una coherencia formal, se ha convertido en el verdadero “logo” o marca de identidad del estudio. Bruther Figura 41.Acceso desde la pista de juegos y sala de reuniones del Centro Cultural y Deportivo en Saint-Blaise, París. Figura 42. Render del proyecto “Super L”, 160 viviendas sociales en París, diseñado por Bruther. Figura 43.Fachada y espacio interior de doble altura del Centro de Investigación de Nueva Generación en Caen, Francia. 35 Aunque Bruther no utiliza la inteligencia artificial en su proceso creativo, su metodología ofrece una perspectiva complementaria para entender los límites actuales de las herramientas digitales. Frente a una producción arquitectónica cada vez más automatizada, su práctica demuestra que la exploración física, la adaptación programática y la coherencia material siguen siendo estrategias de diseño vigentes y relevantes en el siglo XXI. Figura 46. Maqueta completa edificio Life Science, Lausana, Suiza. Figura 47. Maqueta de estudio del proyecto Galerías Lafayette en Pau, diseñado por Bruther. Figura 44. Diagrama conceptual, maqueta de estudio y plano de situación del “Centro de Investigación de Nueva Generación”, Caen, Francia. Figura 45. Maqueta de estudio del proyecto para el Nuevo Museo del Siglo XX en Berlín, diseñado por Bruther. 36 Zaha Hadid Architects, especialmente en sus primeras etapas durante las décadas de 1980 y 1990, desarrolló un lenguaje arquitectónico radical sin el apoyo de herramientas computacionales sofisticadas. En ese periodo, Zaha Hadid trabajaba principalmente con dibujos a mano alzada, perspectivas distorsionadas, acuarelas y maquetas escultóricas que desafiaban las representaciones convencionales del espacio. 44 Su arquitectura no surgía de una retícula ni de la funcionalidad directa, sino de una exploración artística del movimiento, la fluidez y la fragmentación. Proyectos como The PeakFig 67 en Hong Kong o la Estación de Bomberos VitraFig 63 fueron concebidos a partir de estos medios analógicos, en una época en que la tecnología digital aún no era capaz de procesar tales complejidades formales. 45 Las maquetas hechas a mano resultaban esenciales para comprender la tridimensionalidad de sus ideas, ya que sus dibujos rompían radicalmente con toda geometría ortogonal tradicional. Antes de la adopción del software paramétrico como herramienta de diseño formal, Hadid ya había explorado la arquitectura como un arte espacial sin límites formales, apoyándose en un pensamiento abstracto, matemático y pictórico. Su trabajo anticipó muchas de las estrategias que hoy son comunes en el diseño digital, pero que en su caso nacieron de una disciplina personal: de la mano, del papel y de la materia moldeada físicamente. 44 Aunque Zaha Hadid no utilizó inteligencia artificial en las primeras etapas de su carrera, su arquitectura anticipó muchas de las formas que hoy se obtienen mediante herramientas generativas. Su obra demuestra que la complejidad formal y la ruptura de lo ortogonal pueden surgir de la sensibilidad humana, sin necesidad de recurrir a procesos automatizados. Zaha Hadid Figura 63. Pintura “Vitra fire station”. 43 Figura 66. Leeza Soho holl interior. Fuente: Zaha hadid. Figura 67. Pintura del concurso Hongkong “The Peak Leisure Club”. Figura 64. Cubierta Wakrah Stadium. Figura 65. Holl Changsha Art Center. 44 OMA (Office for Metropolitan Architecture), fundado por Rem Koolhaas en 1975, se ha consolidado como una de las oficinas que más ha influido en la forma de concebir el proyecto arquitectónico como una construcción crítica, programática y cultural. Mucho antes de la popularización del software generativo o del uso de la inteligencia artificial, OMA ya planteaba la arquitectura como el resultado de una acumulación de datos, narrativas urbanas y decisiones políticas y sociales.46-48 Su metodología se basa en el análisis riguroso de los contextos, los programas y las condiciones reales del entorno urbano. La herramienta principal de trabajo no era el algoritmo, sino el pensamiento diagramático: diagramas, collages, axonometrías narrativas y matrices funcionales eran construidos a mano para revelar tensiones, contrastes y oportunidades de diseño. Este enfoque se evidencia en proyectos como la Biblioteca Central de Seattle, donde la forma emerge de la organización funcional del programa y de la experiencia del usuario, y no de una formalización automática.47 El uso de herramientas gráficas conceptuales, junto con la escritura y la investigación urbana —como en el libro S, M, L, XL—, hizo de OMA un referente que demostraba que la complejidad arquitectónica podía abordarse desde lo analítico y lo manual.45 Su visión de la arquitectura como discurso antes que como forma, y su trabajo colectivo de análisis de proyectos, fueron fundamentales para construir un pensamiento arquitectónico potente sin necesidad de apoyo digital intensivo. Incluso hoy, OMA mantiene una actitud crítica frente a la tecnología, valorando la intuición, la estrategia y la lógica por encima de la automatización de procesos. 48 A pesar de que OMA no ha sido un usuario pionero de herramientas basadas en inteligencia artificial, su trabajo demuestra que es posible abordar la complejidad arquitectónica desde el pensamiento conceptual, sin depender de procesos automatizados. Su método diagramático, apoyado en herramientas gráficas y narrativas, permite construir arquitectura como discurso, no como simple producto algorítmico. OMA 45 Figura 69. Maqueta conceptual del proyecto de ampliación del Museo Whitney, Nueva York. Figura 71. Propuesta de dos bibliotecas superpuestas para el campus Jussieu en París. Figura 68. Maqueta de concepto y estudio geométrico del proyecto CCTV Headquarters (Pekín), diseñado por OMA / Rem Koolhaas. Figura 70. Maqueta conceptual de la Biblioteca Central de Seattle. 46 A modo de cierre y contraste, podemos afirmar que las herramientas siempre han sido una extensión del pensamiento arquitectónico. Lo que cambia con el tiempo no es la necesidad de herramientas, sino su naturaleza y su relación con el diseñador. En el pasado —y no tan lejano—, arquitectos como Gaudí13, o Frei Otto22 se enfrentaban al espacio desde la materia y la gravedad; otros como Anne Tyng27 o Miralles33 lo hacían desde la geometría, la intuición o el collage. Sus procesos eran manuales, lentos y profundamente físicos, pero también llenos de control, reflexión y descubrimiento. Hoy, en cambio, vivimos una transición hacia herramientas que no solo ejecutan, sino que también proponen: inteligencias artificiales capaces de generar imágenes, procesar datos y sugerir soluciones.49 Este cambio no es menor. Ya no se trata únicamente de cómo se dibuja una idea, sino de cómo esa idea nace, se modela y se decide. La velocidad, la cantidad de opciones y la inmediatez han aumentado; pero, al mismo tiempo, surge el riesgo de ceder demasiado control al sistema y olvidar que las herramientas —por sofisticadas que sean— siguen necesitando una mirada crítica que las dirija.46 Por ello, revisar cómo se proyectaba sin inteligencia artificial no es solo un ejercicio histórico: es un recordatorio de que la creatividad no reside en la herramienta, sino en quien la utiliza. La inteligencia artificial puede ampliar nuestras capacidades, sí, pero solo si comprendemos primero de dónde venimos y qué valores esenciales del diseño no deben perderse en el camino.35,44 ANTES DE IA 47 Figura 72. Elaboración propia. Esta red visual presenta una cartografía conceptual sobre cómo distintos arquitectos y estudios han desarrollado su pensamiento proyectual sin depender de herramientas de inteligencia artificial. Para organizar esta compleja información, el diagrama se estructura en tres niveles: - Nodos centrales (Naranja): Categorías metodológicas - Nodos azul: Palabras clave - Nodos periféricos (negros): Autores y estudios 48 La inteligencia artificial (IA) ha sido una disciplina en constante evolución desde su surgimiento en la década de 1950. Este campo, que busca replicar capacidades humanas como el aprendizaje, el razonamiento y la toma de decisiones, se ha ramificado en distintas especializaciones que han transformado profundamente la tecnología moderna. Para comprender mejor su alcance, resulta útil explorar sus principales categorías: inteligencia artificial general, aprendizaje automático, aprendizaje profundo, redes neuronales artificiales e IA generativa.57 Inteligencia Artificial (IA) En su definición más amplia, la inteligencia artificial se refiere a la creación de sistemas capaces de realizar tareas que normalmente requieren inteligencia humana. Estas tareas pueden incluir desde jugar al ajedrez hasta analizar grandes volúmenes de datos para tomar decisiones complejas. Desde sus inicios, la IA ha destacado por su capacidad para resolver problemas específicos, como la programación de juegos de mesa o el desarrollo de sistemas expertos. Sin embargo, sus limitaciones en términos de flexibilidad y adaptabilidad abrieron la puerta al surgimiento de subdisciplinas más especializadas.50 Inteligencia Artificial Figura 73. “The mental model”: diagrama explicativo sobre el funcionamiento interno de los modelos de lenguaje (LLMs). 49 Aprendizaje Automático (ML) El aprendizaje automático (ML, por sus siglas en inglés) es una rama de la inteligencia artificial que se centra en enseñar a las máquinas a aprender a partir de los datos. En lugar de programarlas explícitamente para cada tarea, se diseñan algoritmos capaces de identificar patrones en conjuntos de datos históricos y utilizarlos para realizar predicciones o clasificaciones.51 Redes Neuronales Artificiales (ANN) Las redes neuronales artificiales (ANN, por sus siglas en inglés) constituyen el núcleo del aprendizaje profundo. Su diseño está inspirado en el funcionamiento de las neuronas biológicas: los nodos (o neuronas artificiales) procesan información y transmiten resultados a través de conexiones ponderadas.54 Aprendizaje Profundo (DL) El aprendizaje profundo (DL, por sus siglas en inglés) aborda las limitaciones del aprendizaje automático tradicional mediante redes neuronales profundas. Inspiradas en la arquitectura del cerebro humano, estas redes son capaces de aprender representaciones jerárquicas de datos, desde características simples hasta conceptos complejos.51 Tipos de Redes Neuronales: Redes Convolucionales (CNN): Diseñadas para el análisis de imágenes, permiten detectar patrones como bordes, formas y texturas.53 Redes Recurrentes (RNN): Especializadas en el tratamiento de datos secuenciales, como texto o audio, y utilizadas en tareas como la traducción automática o el análisis de series temporales.52 Transformers: Modelos avanzados que han revolucionado el procesamiento del lenguaje natural (NLP), y que constituyen la base de sistemas como ChatGPT.58 Estas redes permiten a las máquinas aprender y procesar información de manera similar a cómo lo hace el cerebro humano, aunque siguen presentando limitaciones importantes en cuanto al contexto, la abstracción y el razonamiento complejo.55 IA Generativa Una de las áreas más recientes y prometedoras de la inteligencia artificial es la IA generativa, que utiliza redes neuronales para crear contenido original. Estas herramientas no solo replican patrones aprendidos, sino que también son capaces de generar nuevas imágenes, textos, músicas o piezas de arte digital, abriendo nuevas posibilidades en múltiples campos creativos.56 50 Otro enfoque para integrar la inteligencia artificial en arquitectura requiere cierto dominio técnico, especialmente en programación y modelado computacional.49 Este método parte de una serie de datos iniciales (por ejemplo, parámetros geométricos, espaciales o funcionales), que son procesados por un modelo de IA para calcular disposiciones espaciales y explorar múltiples soluciones posibles. Tal como se observa en el esquema de una red neuronal, el proceso comienza con una capa de entrada (input layer) que interpreta los datos iniciales, los cuales se procesan a través de múltiples capas ocultas (hidden layers) conectadas entre sí mediante nodos.51 Cada nodo representa una operación matemática elemental que contribuye a generar un resultado final en la capa de salida (output layer). Esta estructura permite al sistema “aprender” patrones complejos y generar respuestas ajustadas a los criterios previamente establecidos.59 Figura 74. Esquema de redes neuronales. Redes Neuronales Artificiales (ANN) 51 En el contexto arquitectónico, este flujo de trabajo puede vincularse con herramientas como Grasshopper 60, donde los datos de entrada se visualizan y transforman en geometrías, y donde el modelo entrenado puede producir múltiples versiones de un diseño. A medida que el usuario ajusta las condiciones, el sistema responde generando nuevas propuestas. Este procedimiento puede entenderse como un “concurso interno”: el modelo actúa como un generador de alternativas, mientras que el usuario cumple el rol de jurado que evalúa los resultados.61 El objetivo no es únicamente automatizar tareas, sino ampliar el campo de lo posible. Las opciones generadas pueden coincidir con las expectativas iniciales o, incluso, revelar soluciones inesperadas pero coherentes. Lo fundamental en este proceso es que el modelo haya sido entrenado con datos adecuados y bajo una lógica bien definida. Solo así se garantiza que el proceso de inferencia no derive en errores o resultados arbitrarios.62 Al controlar el razonamiento interno del sistema, se asegura que las respuestas generadas sean técnicamente viables, adaptadas al contexto y útiles para la toma de decisiones en el diseño arquitectónico. Figura 76. Generación de fachada Voronoi a través de IA integrada en Grasshopper. Figura 75. Interfaz de diseño paramétrico asistido por IA en Grasshopper 52 Estas herramientas permiten navegar y comparar cientos de propuestas desde una perspectiva proyectual, generando una nueva forma de explorar la diversidad espacial como si se tratara de una biblioteca navegable de arquitectura. Figura 91. Logo Conectividad y Circulación. Figura 94. Logo Orientación y Espesor & Textura. Figura 92. Conectividad espacial generado por IA. Figura 95. Diagrama de angulo de las paredes. Figura 93. Distancia y dirección generado por IA. Figura 96. Diagrama variación por textura y espesor por pixel.. 59 La estrategia es clara: no imponer un único estilo, sino componer un mosaico arquitectónico donde cada estilo responde a una situación concreta (piso, forma, orientación). El resultado es una arquitectura flexible, rica y altamente adaptada. Chaillou concluye que no existe un generador “neutral”. Cada modelo, condicionado por su set de entrenamiento, genera una forma específica de entender el espacio. De este modo, el arquitecto deja de ser quien “dibuja formas” para convertirse en quien diseña los sistemas que generan forma. En conclusión, su propuesta no busca reemplazar al arquitecto, sino ampliar su agencia. El diseño se convierte en una conversación iterativa entre humano y máquina, donde ambos aprenden, proponen y ajustan. En esta colaboración, la creatividad ya no se mide únicamente por la originalidad del dibujo, sino por la capacidad de estructurar sistemas generativos potentes, éticos y expresivos. “No existirá una IA agnóstica para la arquitectura, ni una máquina sin estilo, ni un diseño generativo completamente objetivo. Por el contrario, cada modelo o algoritmo llevará consigo su propio sabor, su personalidad, su saber hacer.” — Chaillou (p. 133) 49 Chaillou aplica su sistema al diseño de un complejo de viviendas en el Lower East Side de Manhattan. A partir de una geometría de parcela compleja, genera un catálogo de 380 unidades únicas. Cada unidad es producida aplicando el modelo estilístico más adecuado a sus condiciones locales. Figura 97. Rascacielo generado por el IA estilo Manhattan. 60 Las herramientas de inteligencia artificial actuales en el campo de la arquitectura están principalmente orientadas hacia el ámbito visual, ya que constituye la aplicación más directa y efectiva.51 Esto se debe a que, dentro de los sistemas estructurados de generación de imágenes por IA, esta área resulta la más accesible para su implementación. Sin embargo, este proceso depende de la existencia previa de modelos de IA entrenados y de la capacidad de los usuarios para ajustar los parámetros de generación y controlar los resultados de acuerdo con sus expectativas.49 Por otra parte, resulta esencial comprender cómo dominar estas herramientas, lo que implica un aprendizaje activo sobre su funcionamiento interno.57 No se trata simplemente de subir una fotografía y escribir palabras clave al azar para obtener resultados satisfactorios. Esta investigación se centra en cómo controlar la inteligencia artificial como una herramienta, de modo que sea posible producir resultados precisos y alineados con las intenciones de diseño imaginadas. Una de las líneas más recientes en el desarrollo de la inteligencia artificial es la AGI (Artificial General Intelligence), también conocida como inteligencia artificial general.64 A diferencia de los modelos tradicionales de GenAI, que generan texto o imágenes en función de un conjunto de datos predefinido, la AGI simula una inteligencia de tipo humano, capaz no solo de responder preguntas, sino también de gestionar, ejecutar y documentar todo el proceso de resolución de una tarea compleja. AI TOOLS Figura 98. Elaboració propia 61 Este tipo de modelo no se limita a ofrecer una respuesta basada en patrones aprendidos, sino que actúa de forma activa, mostrando cómo ha procedido, en qué pasos ha dividido la tarea y qué decisiones ha tomado a lo largo del proceso.64 Todo su funcionamiento es transparente y trazable, y al final ofrece un resumen claro del resultado, acompañado por el registro completo del razonamiento empleado. Esta capacidad de acción y supervisión abre un nuevo paradigma, donde la inteligencia artificial ya no solo genera contenido, sino que también interactúa con entornos digitales, ejecuta tareas de manera autónoma y adapta sus acciones en función del contexto. Aunque todavía en fases de desarrollo, el modelo AGI representa un avance significativo hacia una inteligencia artificial verdaderamente autónoma, con potencial para transformar radicalmente los flujos de trabajo en arquitectura y en muchas otras disciplinas.49 Artificial Intelligence 1950’s Machine Learning 1980’s Deep Learning 2010’s Generative AI 2020’s Artificial General Intelligente 2025’s Figura 99. Elaboración propia, evolución modelos IA. 62 Aunque MidJourney no permite un control exhaustivo sobre lo que genera, mantiene una gran ventaja: la velocidad. Los resultados se obtienen casi de manera instantánea, y en arquitectura — donde a menudo el tiempo para pensar es escaso y la dimensión visual resulta crucial—, esta rapidez puede marcar una diferencia significativa. A veces, una idea necesita mostrarse rápido para no quedarse atrás.65 Por este motivo, muchos profesionales lo han incorporado como una herramienta más de trabajo. No es necesario dominar software complejos; en MidJourney, lo que cuenta es cómo se escribe, cómo se describe y también cierta sensibilidad visual. Es una plataforma más intuitiva que técnica, lo que ha permitido que estudiantes, diseñadores jóvenes e incluso profesionales de otros campos puedan generar imágenes potentes sin grandes barreras de entrada, algo que, en otro momento, habría resultado impensable. Sin embargo, su uso masivo también ha abierto nuevas preguntas. ¿Qué valor tiene una imagen si no puede replicarse? ¿Si no se sabe del todo cómo se generó?57 Esta incertidumbre ha llevado a que muchos arquitectos vean MidJourney como un generador de ideas, de atmósferas, de estilos: más una herramienta para explorar que para definir. En este sentido, MidJourney se presenta como una puerta de entrada: una forma de acercarse al mundo visual de la inteligencia artificial sin necesidad de profundos conocimientos técnicos.55 Funciona especialmente bien en las primeras fases del diseño conceptual, aportando velocidad, impacto visual y resultados estéticamente llamativos. No obstante, sus limitaciones son evidentes: no permite ajustar detalles finos ni alinear completamente la imagen con una visión arquitectónica precisa. Por ello, cuando el proyecto requiere mayor precisión y control, lo habitual es complementar su uso con otras herramientas más específicas. MIDJOURNEY GEN AI 63 Como parte de esta investigación, he realizado pruebas utilizando la versión web de MidJourney, la cual representa una mejora significativa respecto a la antigua interfaz basada en Discord. Actualmente, el usuario dispone de un panel de configuración visual mucho más accesible e intuitivo, lo que facilita su uso sin necesidad de comandos ni conocimientos técnicos avanzados. Durante mis pruebas, centradas en la creatividad y la generación de imágenes mediante descripciones textuales, puedo concluir que MidJourney ofrece resultados altamente realistas a partir de instrucciones simples. Lo que resulta más sorprendente es su capacidad no solo para producir una imagen final de alta calidad, sino también para generar múltiples variaciones sobre una misma idea, enriqueciendo enormemente el proceso de exploración visual. Es cierto que, una vez generada la imagen, la geometría o la composición original no se conserva con precisión, lo que limita su utilidad en etapas posteriores del diseño arquitectónico. Sin embargo, como herramienta para la fase conceptual o de inspiración, MidJourney resulta sumamente potente: la forma en que interpreta el texto y lo transforma en imágenes inesperadas y sugerentes convierte cada resultado en una sorpresa visual, que a menudo abre caminos no previstos en el proceso creativo. Figura 100. Elaboración propia página Midjourney. Figura 101. Elaboración propia Midjourney. 64 Con la llegada de la versión 7 de MidJourney, se ha incorporado una nueva función similar a lo que en otras plataformas se conoce como filtro LoRa. Esta herramienta permite al usuario configurar un estilo visual propio a partir de un conjunto de imágenes de referencia. El proceso es sencillo: el usuario sube una serie de imágenes que representan el estilo deseado, y MidJourney66 genera automáticamente un “perfil de estilo” personalizado. Este perfil se almacena en el servidor de la plataforma y puede activarse posteriormente mediante un código que vincula todas las imágenes de referencia. A partir de ahí, el modelo es capaz de generar nuevas imágenes que imitan ese estilo específico, manteniendo una coherencia visual consistente con la estética original. En el ejemplo que presento, se han utilizado imágenes del estudio MIR, conocido por su tratamiento atmosférico y su realismo fotográfico. Las imágenes generadas a partir de este perfil no son todas perfectas, pero algunas logran un nivel de realismo sorprendente, muy cercano al aspecto de un render final profesional. Este nuevo sistema representa un avance importante hacia el control estilístico dentro de plataformas como MidJourney, tradicionalmente caracterizadas por su imprevisibilidad. Ahora, con la posibilidad de entrenar un estilo propio, el usuario puede ir más allá de la generación aleatoria y acercarse a una forma de creación más dirigida, coherente y personalizada. MIDJOURNEY / PERSONALIZADO 65 Figura 102. Midjourney panel del personalización (imagenes del MIR). 66 Figura 103. Midjourney descripción sobre un imagen. Figura 104. Midjourney texto a imagen prompts generado por autodespción. 67 Figura 105. Midjourney descripción de un imagen. Figura 106. Midjourney texto a imagen prompts generado por autodespción. 68 A photorealistic interior rendering of a contemporary concert hall inspired by Renzo Piano, elegant steel and wood structure, wave-like roof, warm indirect lighting, acoustic panels, large central stage, tiered seating, soft shadows, cinematic composition, realistic materials, subtle fog, ambient occlusion, in the style of MIR studio, 8k ultra detailed, calm atmosphere A futuristic eco-city with abundant greenery, towering buildings fully covered in vertical gardens and rooftop forests, seamless integration of nature and architecture, suspended walkways between structures, clean renewable energy elements, reflective water canals, photorealistic render, ultra detailed, cinematic lighting, ambient fog, peaceful atmosphere, designed for sustainable living, in A gravity-defying architectural structure with twisting parametric surfaces,seamless reflective skin,levitating above a shallow pool,blue hour lighting,volumetric fog,photorealistic,inspired by Zaha Hadid and digital surrealism, A brutalist colony station on a distant planet,made from concrete and steel,weathered by alien storms,dusty light,massive proportions,surreal emptiness,hyperrealistic,deep cinematic colors,8k resolution,posthuman aesthetic, An AI-designed green oasis in a dry rocky terrain, algorithmic architecture blending with nature, glowing data lines under transparent structures, moss-covered surfaces, ambient fog, cyber-organic fusion, photorealistic concept art, high-detail, 35mm cinematic shot A surreal oasis pavilion in the desert made of mirror-polished metal and glass, surrounded by palm trees and soft sand, shallow pools reflecting the sky, futuristic minimalism meets nature, photorealistic, artistic style, atmospheric depth A monumental brutalist structure made entirely of raw concrete,massive monolithic forms,exposed rebar,deep shadows,cold overcast lighting,no vegetation,ultra photorealistic,minimalistic composition,dramatic perspective,8k architectural render,in the style of Tadao Ando and Louis Kahn, A decaying brutalist megastructure in a futuristic city,concrete towers with erosion and moss,low ambient light,cinematic fog,dystopian atmosphere,ultra detailed textures,dramatic shadows,35mm lens,reminiscent of Tarkovsky’s Stalker, A decaying futuristic concrete structure overgrown with moss and vines, located in a foggy forest, brutalist style, photorealistic, cinematic lighting, subtle fog, mysterious atmosphere, ultra detailed, post-apocalyptic aesthetic A futuristic eco-city with abundant greenery, towering buildings fully covered in vertical gardens and rooftop forests, seamless integration of nature and architecture, suspended walkways between structures, clean renewable energy elements, reflective water canals, photorealistic render, ultra detailed, cinematic lighting, ambient fog, peaceful atmosphere, designed for sustainable living, in A cybernetic city core inspired by neural networks, glowing data streams flowing between towers, pulsing energy veins, endless depth, futuristic architecture, dark background with high-frequency lights, hyperreal, surreal, 8k ultra detail A futuristic eco-city with abundant greenery, towering buildings fully covered in vertical gardens and rooftop forests, seamless integration of nature and architecture, suspended walkways between structures, clean renewable energy elements, reflective water canals, photorealistic render, ultra detailed, cinematic lighting, ambient fog, peaceful atmosphere, designed for sustainable living, in Figura 116 - 128. Elaboración propia SD. 75 A futuristic vertical city covered in plants and trees, towers with hanging gardens, pedestrian sky bridges, photorealistic render, golden hour lighting, soft atmosphere, urban nature integration, highly detailed, 8k resolution, in the style of MIR studio and BIG architects A modern minimalist house in a dense forest, elevated on stilts, surrounded by pine trees, wood and concrete facade, photorealistic render, soft natural light, moody shadows, peaceful ambiance, cinematic tone A modern architectural structure deep in the jungle, concrete and glass pavilion partially hidden by lush tropical vegetation, photorealistic, highly detailed textures, soft ambient light filtering through the canopy, moss-covered stones, humid atmosphere, cinematic composition, high-resolution render, designed in harmony with nature, in the style of MIR studio, 35mm lens, volumetric lighting, 8k A modern architectural structure deep in the jungle, concrete and glass pavilion partially hidden by lush tropical vegetation, photorealistic, highly detailed textures, soft ambient light filtering through the canopy, moss-covered stones, humid atmosphere, cinematic composition, high-resolution render, designed in harmony with nature, in the style of MIR studio, 35mm lens, volumetric lighting, 8k A futuristic architecture made entirely of reflective mirror shards, breaking out of the desert ground, surrounded by glowing sand particles, surreal lighting, highly stylized, photorealistic, architectural sculpture style, high concept visual, 35mm lens A surreal building melting into liquid metal,standing in a shallow reflective lake,high contrast lighting,ultra realistic textures,glitchcore style,deep cinematic shadows,futuristic and dreamlike, A futuristic oasis city in the middle of the desert, glowing organic architecture integrated with lush greenery, biophilic design, transparent domes, water flowing through elevated canals, soft sunset lighting, sci-fi aesthetic, ultra photorealistic, volumetric light, utopian mood A brutalist concrete chapel built into the edge of a cliff, facing a stormy sea, dramatic sky, soft volumetric light, solitary and contemplative mood, photorealistic, high detail, architectural visualization A modern architectural structure deep in the jungle, concrete and glass pavilion partially hidden by lush tropical vegetation, photorealistic, highly detailed textures, soft ambient light filtering through the canopy, moss-covered stones, humid atmosphere, cinematic composition, high-resolution render, designed in harmony with nature, in the style of MIR studio, 35mm lens, volumetric lighting, 8k A monumental alien temple made of iridescent metal and stone, surrounded by cosmic fog and floating crystals, glowing energy veins, epic scale, sacred and futuristic, photorealistic, detailed textures, 8k resolution, dramatic light from unknown sun A floating futuristic oasis in the sky,massive green platforms with cascading waterfalls,- suspended gardens,high-tech buildings with curved forms,- glowing energy cores,cinematic composition,surreal lighting,extremely detailed,8k photorealistic, A fragmented floating architectural structure suspended in the sky, broken glass and concrete panels levitating in organized chaos, glowing core, high-energy cinematic lighting, dramatic clouds in the background, surreal sci-fi vibe, ultra photorealistic, 8k render Figura 128 - 140. Elaboración propia SD. 76 ComfyUI es otra herramienta basada en la estructura de Stable Diffusion (SD), cuyo principio de funcionamiento es similar. Sin embargo, su principal ventaja radica en el uso de nodos visuales.71A través de la conexión de estos nodos, el usuario puede ver de manera intuitiva cómo funciona el proceso y, al mismo tiempo, aprender los principios operativos del sistema. Es como escribir código, pero de forma gráfica: no es necesario saber cómo programar un print (“hello world”), pero sí es evidente que el resultado será “hello world”. Esta analogía permite establecer una comparación sencilla entre MidJourney, Stable Diffusion y ComfyUI. A diferencia de otras herramientas, ComfyUI presenta un sistema estructural diferente. Se asemeja más a Grasshopper 70, ya que cada paso del proceso se representa como un elemento gráfico, lo que facilita la comprensión del flujo de trabajo sin necesidad de entender el código subyacente. Esta característica ha sido clave para su popularidad reciente, ya que reduce significativamente el tiempo de aprendizaje. En comparación con SD, ComfyUI es una herramienta más accesible y fácil de utilizar. Permite crear y visualizar flujos de trabajo de manera directa, eliminando la complejidad de las interfaces basadas únicamente en texto que encontramos en SD. Una de sus funciones más prácticas es que, cuando el usuario no sabe qué tipo de nodo debe conectar a continuación, el programa ofrece sugerencias automáticas, simplificando enormemente el proceso de construcción del flujo. Este es un punto donde ComfyUI supera a Grasshopper, que aún no ha perfeccionado este tipo de funcionalidad asistida. Además, en tareas como la generación de imágenes a partir de texto o de imágenes, ComfyUI proporciona una interfaz más completa y un sistema de retroalimentación visual más inmediato, lo que facilita un control más directo y comprensible del proceso creativo.69 GEN AI Comfy UI 77 IMAGEN IMAGEN FINAL FLUX LORA CONTRONET + Figura 141. Elaboración propia diagrama conceptual proceso generativo IA. Uno de los aspectos que ha impulsado la popularidad de ComfyUI es su sencillez y la capacidad de visualizar todo el flujo de trabajo de un solo vistazo. La rapidez con la que se puede montar un workflow recuerda a la lógica de ensamblaje de nodos en plataformas como Blender, Houdini o incluso el sistema de materiales en 3ds Max para motores de renderizado. No obstante, aunque ComfyUI se basa en el motor de Stable Diffusion (SD), su lógica de uso es algo diferente. En Stable Diffusion tradicional, una vez comprendida la lógica de sus opciones y sus plugins integrados, el flujo resulta relativamente sencillo: seleccionar un modelo base y, como máximo, añadir una única LoRa adicional para afinar el resultado.68 En cambio, en ComfyUI es posible incorporar múltiples modelos simultáneamente dentro del mismo flujo de trabajo. No estamos limitados a un solo modelo base y una sola LoRA, sino que podemos añadir tantas LoRAs entrenadas como necesitemos. Por ejemplo, es posible utilizar cinco LoRAs diferentes, cada una especializada en un aspecto particular del estilo o la forma, para lograr un control mucho más preciso sobre el resultado final. Además, ComfyUI conserva todas las funcionalidades tradicionales de WebUI (Automatic1111), pero ofreciendo una experiencia de flujo visual mucho más flexible: desde tareas sencillas hasta flujos de trabajo prácticamente ilimitados en complejidad. Siempre se entiende mejor un concepto con imágenes que con texto. A continuación, mostraré un esquema de workflow en ComfyUI que ejemplifica cómo transformar el estilo de una imagen original hacia una imagen de referencia, no como un tutorial detallado de uso de la herramienta, sino para demostrar su verdadera capacidad: un flujo de trabajo funcional que cualquier usuario, incluso sin conocimientos técnicos avanzados, puede ejecutar simplemente instalando los requisitos necesarios y pulsando un botón. 78 IMAGEN BASE Figura 142. Elaboración propia flujo ComfyUI. Figura 144. Render Filippo Bolognese. Figura 148. Render Filippo Bolognese. Figura 143. Croquis conceptual del proyecto Fun Palace de Cedric Price (1961). Figura 145. Elaboración propia ComfyUI Figura 147. Elaboración propia ComfyUI Figura 149. Elaboración propia ComfyUI Figura 146. Elaboración propia ComfyUI Figura 150. Elaboración propia ComfyUI IMAGEN BASE IMAGEN BASE IMAGEN BASE IMAGEN REFERENCIA IMAGEN REFERENCIA 79 Figura 152. Render Filippo Bolognese.Figura 151. Vista conceptual del proyecto de la sede Axel Springer en Berlín, diseñado por OMA. Figura 153. Elaboración propia ComfyUI Figura 154. Elaboración propia ComfyUI. Figura 155. Elaboración propia ComfyUI. IMAGEN BASE IMAGEN REFERENCIA 80 Además de su función de transferencia de estilo, D5 Render se ha consolidado como una herramienta destacada de visualización en tiempo real. Su principal ventaja radica en que permite generar imágenes y vídeos sin necesidad de experiencia previa en postproducción, lo que posibilita que incluso quienes nunca han trabajado con motores de renderizado logren resultados más que aceptables —y en cuestión de minutos—, lo cual no es poco. Uno de los aspectos más valorados es su interfaz: simple, directa y fácil de comprender. Se conecta de manera fluida con programas como SketchUp, Revit o Rhino, lo que facilita su integración en el flujo de trabajo sin necesidad de procesos intermedios complejos. Muchos estudios lo han adoptado precisamente por esta razón: porque reduce tiempos de producción y mejora la capacidad de respuesta hacia el cliente, sin depender de equipos técnicos altamente especializados. En comparación con motores como V-Ray o Corona —que siguen siendo referentes cuando se busca el máximo nivel de control y realismo—72, D5 Render apuesta por otra lógica: la inmediatez. Y lo hace sin sacrificar el cuidado visual ni la atmósfera que se espera en una buena imagen. No ofrece tantas perillas ni opciones de ajuste, pero los resultados funcionan, y eso es lo que importa en muchos contextos profesionales. También resulta sorprendente su manejo en tiempo real de efectos de luz natural, climas cambiantes y materiales PBR, todo con gran fluidez. Además, ya ha comenzado a integrar funciones basadas en inteligencia artificial, como mejoras automáticas de escenas o generación de fondos y vegetación, sin que el usuario deba intervenir demasiado. Esto convierte a D5 Render en algo más que un motor de renderizado: empieza a configurarse como un entorno creativo asistido. En el marco de este trabajo, D5 Render no es solo una herramienta visual. Se convierte, en cierto modo, en un punto de conexión entre el diseño arquitectónico y una nueva manera de concebir lo generativo: una en la que la imagen ya no es únicamente “del autor”, sino el resultado de una conversación constante —y en tiempo real— entre la máquina y quien diseña. D5 GEN AI 81 Figura 156. Elaboración propia D5 sin filtro del IA. 82 APLICACIÓN AL IA EN D5 En este test se evaluó la toma de decisiones relacionadas con el crecimiento en altura del proyecto, con el objetivo de proporcionar una lectura clara y rápida de su impacto visual desde el parque hacia la propuesta arquitectónica. A partir de estas distintas opciones, se observa cómo, mediante un render inicial generado con D5 Render y posteriormente procesado con inteligencia artificial integrada en el mismo software, fue posible obtener cinco variaciones estilísticas con diferentes materialidades y acabados, adaptadas a las necesidades específicas del proyecto. Estas variaciones responden directamente a la referencia visual seleccionada y al grado de influencia que dicha imagen ejerce sobre la transformación final del diseño. Este enfoque acelera significativamente la exploración visual, permitiendo comparar rápidamente múltiples alternativas y evaluar cómo distintas combinaciones de texturas, colores y materiales afectan la percepción arquitectónica del volumen. La integración de herramientas basadas en inteligencia artificial dentro del flujo de trabajo no solo agiliza el proceso creativo, sino que también aporta una mayor flexibilidad en la toma de decisiones, facilitando el ajuste de las propuestas a diferentes contextos urbanos y requisitos estéticos, con un grado de control que hasta hace poco era impensable en fases tan tempranas del diseño. 83 Figura 157. Elaboración propia D5. D5 RENDER D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 AI D5 RENDER D5 RENDER D5 RENDER D5 RENDER En arquitectura, los procesos de generación asistidos por inteligencia artificial suelen organizarse en tres flujos principales. El primer flujo, image-to-image, parte de un modelo 3D creado en plataformas como Rhino o SketchUp, del cual se extrae una imagen base que se edita posteriormente en Photoshop y se transforma mediante Stable Diffusion (SD). El resultado se evalúa visualmente y, si es necesario, se ajusta a través de ciclos sucesivos hasta alcanzar la imagen deseada. El segundo flujo, text-to-image, comienza con una idea o referencia conceptual que se traduce en un prompt mediante un modelo de lenguaje (LLM). Este texto se introduce en plataformas como MidJourney o Stable Diffusion, y se itera sobre los resultados hasta lograr una representación satisfactoria. Este enfoque resulta especialmente útil en las etapas tempranas de ideación, cuando se busca explorar múltiples alternativas de manera rápida y flexible. El tercer flujo implica el uso de agentes inteligentes, que representan un paso más allá en la automatización del diseño: si la IA convencional puede compararse a un cerebro que “piensa”, un agente inteligente sería un cerebro con “manos”, capaz de ejecutar tareas de forma autónoma, gestionar flujos de trabajo complejos y producir resultados en tiempo real, simulando el comportamiento de un participante humano dentro del proceso de diseño arquitectónico. WORKFLOW Figura 182. Elaboración propia 91 En un futuro no muy lejano —podríamos decir en unos cinco años— es muy probable que vivamos un cambio radical en todo lo relacionado con la informática y los flujos de trabajo. Especialmente en las profesiones creativas, donde antes hacer una imagen atractiva para el cliente era un reto, ahora con la inteligencia artificial esto se ha vuelto mucho más fácil. Sin embargo, el verdadero desafío ya no está en crear una imagen bonita, sino en cómo llevar esa imagen del mundo virtual a la realidad física. Y es precisamente en ese paso —de la idea digital a lo construido— donde aparecen muchas dificultades. Aquí el trabajo ya no depende solo del arquitecto, sino también de muchos otros factores como los materiales, los constructores, la sostenibilidad, la economía, y en general todo lo que forma parte del ecosistema arquitectónico. La arquitectura no se trata simplemente de escribir un prompt y dejar que una IA nos devuelva una imagen; ese no es el final del proceso, sino el comienzo. La mayoría de las veces, no tenemos control total sobre lo que genera la IA. Podemos intuir qué tipo de material aparece, cómo se comporta la luz o qué tipo de atmósfera se sugiere, pero no sabemos qué dimensiones tiene ni si es construible. Eso sí, podemos controlar el tipo de espacialidad que queremos. Ahí es donde el arquitecto entra de nuevo: en traducir esa imagen sugerida en algo tangible, real, coherente, y sobre todo posible. En mi experiencia actual, cada vez utilizo más herramientas de inteligencia artificial. Para renders realistas uso D5, porque me permite tener control total sobre los materiales, la iluminación y la atmósfera. Para el concepto y la fase creativa inicial, uso herramientas como Midjourney, Stable Diffusion o ComfyUI, según lo que necesite. Midjourney funciona muy bien con prompts de texto a imagen, mientras que Stable Diffusion y ComfyUI permiten también transformar imágenes, lo que es muy útil en procesos iterativos. Además, en el campo de generación de texto a video o imagen a video, también he explorado herramientas como Runway, PikaLab, Sora y Kling. De todas ellas, puedo decir que las que más control me han dado en los resultados han sido Runway y Kling. Especialmente Kling, que entiende mejor los prompts complejos y genera videos más acordes a lo que estoy buscando. En resumen, la inteligencia artificial ya está cambiando la forma en que diseñamos, pero aún queda el reto más importante: convertir ideas digitales en arquitectura real, funcional y coherente. Para eso, seguimos necesitando pensamiento crítico, conocimiento técnico y una visión clara de lo que queremos construir. La IA es una herramienta muy potente, pero la dirección la seguimos marcando nosotros. 92 ? A continuación, presentaré algunos flujos de trabajo reales observados en estudios de arquitectura contemporáneos. Los despachos mencionados a lo largo de este trabajo comparten una característica común: todos han mostrado un interés activo en incorporar nuevas tecnologías dentro de sus procesos. Se trata de oficinas que no solo adoptan herramientas innovadoras, sino que además disfrutan explorándolas, testeándolas y, en muchos casos, desarrollando sus propias soluciones adaptadas a las necesidades específicas de cada proyecto. Es importante aclarar que la información aquí presentada se basa en contenidos públicos, compartidos por estos estudios a través de conferencias y charlas disponibles en plataformas como YouTube. Por tanto, constituye una imagen parcial, reflejo de un momento determinado, y es probable que sus métodos actuales hayan evolucionado considerablemente, especialmente ante la irrupción de tecnologías emergentes que están transformando el panorama arquitectónico contemporáneo. ¿HOW TO AI? Figura 183. Elaboración propia. 93 Entre todos ellos, MVRDV destaca como el estudio que ha compartido con mayor detalle su forma de trabajar con inteligencia artificial dentro del proceso creativo. No solo utilizan herramientas basadas en IA, sino que también han adoptado una postura pública y transparente al respecto. De hecho, cuentan con un equipo interno especializado en inteligencia artificial dentro del propio despacho, lo que subraya su compromiso con esta nueva etapa tecnológica. En comparación, BIG ha comenzado a profundizar cada vez más en esta dirección, en parte como respuesta a una creciente demanda del mercado. Actualmente, ya se pueden encontrar ofertas laborales en las que se valora el conocimiento de herramientas basadas en IA como un punto a favor, lo que indica claramente un cambio de paradigma en la práctica profesional contemporánea. Por su parte, UNStudio se ha caracterizado por una rápida adaptación a las tecnologías emergentes. Aunque no han mencionado explícitamente el uso actual de herramientas de inteligencia artificial, sí han manifestado su disposición a incorporar cualquier innovación tecnológica que contribuya a optimizar el proceso de diseño. Su actitud abierta y proactiva hacia la tecnología sugiere que, si no lo han hecho ya, pronto integrarán herramientas basadas en IA dentro de su flujo de trabajo habitual. Figura 184. Logos de los despachos mencionados. 94 Si uno revisa cómo trabaja BIG (Bjarke Ingels Group) en 2023, hay algo que salta a la vista: no existen menciones directas al uso de inteligencia artificial dentro de su esquema oficial de diseño. Sin embargo, esto no significa que no la utilicen. De hecho, su práctica revela lo contrario. “La inteligencia artificial desempeña un rol claro, especialmente en las primeras fases creativas, cuando se trata de generar imágenes rápidas que ayuden a visualizar ideas y a compartirlas ágilmente con el equipo. El estudio ha estado probando más de 30 herramientas de inteligencia artificial que han ido saliendo al mercado, comparando resultados y evaluando cuáles se ajustan mejor a sus necesidades. En su día a día, por ejemplo, utilizan con frecuencia MidJourney, con la que generan más de 30 imágenes diarias como parte del proceso conceptual, experimentando con la técnica de texto a imagen para explorar distintas posibilidades. Asimismo, recurren a otras herramientas como Magnific AI, destinada a la mejora de renders: permite escalar y detallar imágenes con un nivel de calidad visual considerablemente alto. Aun así, ninguna de estas herramientas forma parte oficial del sistema de trabajo de BIG. ¿La razón? Prefieren mantener una postura abierta y flexible: si mañana surge una herramienta mejor, están dispuestos a adoptarla sin restricciones.” 78 Figura 186. Esquema de flujo sobre programa del render. Figura 185. Esquema de flujo sobre programa del render. GEN AI D.L BIG 95 El proyecto desarrollado en Bután representa un ejemplo claro del flujo de trabajo tradicional en la visualización arquitectónica, donde la generación de imágenes finales combina herramientas de modelado 3D, motores de renderizado y edición digital. En este caso, se utilizó el software 3ds Max para la construcción del modelo tridimensional, mientras que el motor V-Ray fue empleado para producir un render de alta calidad, con iluminación, materiales y ambientación realista. Una vez obtenido el render base, la imagen fue llevada a Photoshop para la fase de postproducción. Este proceso incluyó la inserción de elementos adicionales como vegetación, texturas atmosféricas y, especialmente, figuras humanas generadas mediante inteligencia artificial. En lugar de recurrir a bancos de imágenes tradicionales o recortes fotográficos, se emplearon herramientas de IA para crear personas personalizadas que encajaran coherentemente con el entorno y el estilo visual del proyecto. Este enfoque híbrido demuestra cómo, incluso dentro de un flujo de trabajo clásico, la inteligencia artificial comienza a integrarse de manera sutil como recurso complementario, permitiendo mejorar la calidad narrativa de la imagen final sin alterar la lógica general del proceso. Aunque no se trata de un sistema generativo desde cero, esta metodología sigue siendo plenamente válida, especialmente en proyectos donde se requiere un control visual detallado y un nivel de calidad fotorrealista que las herramientas de generación directa mediante IA aún no pueden igualar. Figura 187 - 188. Cpatura de proyecto BHUTAN diseñado por BIG. 96 En el estudio analizado se observa una clara preferencia por un flujo de trabajo basado en visualización en tiempo real, donde herramientas como Enscape se integran directamente con plataformas de modelado como Revit y Rhino. Esta conexión permite a los diseñadores visualizar de forma inmediata los cambios realizados en el modelo 3D, lo que resulta especialmente útil en las fases tempranas del proyecto, donde las decisiones deben tomarse con rapidez y de manera iterativa. Enscape se utiliza comúnmente como una herramienta de vista previa rápida, que ofrece una representación básica pero eficaz del espacio, la luz y los materiales. No obstante, cuando el proyecto alcanza un mayor nivel de definición, el equipo suele continuar el proceso con V-Ray, un motor de renderizado que permite un mayor control sobre la iluminación, las texturas y los detalles técnicos, produciendo imágenes de alta fidelidad y carácter fotorrealista. Entre estos dos pasos, en algunos casos se recurre a Twinmotion, desarrollado por Unreal Engine, que se posiciona como una alternativa intermedia. En comparación con Enscape, Twinmotion permite una simulación lumínica más precisa y una mayor calidad atmosférica, sin alcanzar los tiempos de procesamiento ni la complejidad técnica de V-Ray. Esta herramienta resulta especialmente útil para presentaciones públicas o para clientes que requieren una visualización envolvente sin comprometer la velocidad de producción. Por otro lado, se destaca que Lumion, anteriormente muy utilizado en entornos de visualización arquitectónica, ha sido prácticamente abandonado dentro del despacho. Las limitaciones técnicas frente a herramientas más avanzadas y el menor grado de integración con los nuevos flujos de trabajo han provocado que su uso sea hoy prácticamente inexistente. Figura 189. Esquema de flujo sobre programa del render. Enscape Twinmotion Lumion Vray 97 “En el proceso actual de diseño arquitectónico, muchos estudios han comenzado a incorporar D5 Render como una herramienta intermedia entre la etapa conceptual y la producción de renders finales. En el caso del despacho analizado, D5 se emplea como una plataforma de transición que permite mantener una alta velocidad de producción sin renunciar a una calidad visual aceptable. La elección de D5 por encima de otras herramientas responde a varios factores clave. En primer lugar, el software permite la visualización en tiempo real, lo cual facilita la toma de decisiones inmediatas y la evaluación de cambios durante el proceso de diseño. En segundo lugar, D5 destaca por su capacidad de generar animaciones de forma sencilla y fluida, convirtiéndose en una opción eficaz para presentaciones dinámicas orientadas al cliente. Sin embargo, uno de los aspectos más valorados por el equipo es la integración de tecnologías de inteligencia artificial dentro del propio entorno del programa. Estas funciones permiten optimizar iluminación, materiales e incluso incluir elementos generados automáticamente, lo que acelera considerablemente la producción de contenido visual.” 78 Cabe destacar que D5 no ha sustituido a Enscape como herramienta de visualización rápida, ya que esta última sigue siendo utilizada por su simplicidad y su integración directa con Revit y Rhino. En cambio, D5 se posiciona como una solución de equilibrio entre calidad visual y eficiencia operativa, especialmente útil en etapas donde ya se requiere un nivel más pulido de representación, sin alcanzar todavía la complejidad técnica de motores como V-Ray. Esta incorporación refleja un cambio significativo en los flujos de trabajo contemporáneos, donde las herramientas ya no se eligen en función de una jerarquía técnica estricta, sino por su capacidad de adaptarse estratégicamente a cada fase del proyecto, dentro de un enfoque cada vez más híbrido, flexible y orientado a la eficiencia. Figura 190. Esquema de flujo sobre programa del render. Enscape D5 Twinmotion Lumion Vray 98 Para ilustrar cómo se incorpora D5 Render en el flujo de trabajo visual del estudio, se puede tomar como referencia el caso del proyecto TreesHotel. Este ejemplo demuestra no solo la facilidad de uso de la herramienta, sino también su capacidad para generar una representación visual completa en tiempo real, lo que resulta esencial para controlar la imagen global del proyecto desde las primeras etapas de desarrollo. El flujo comienza con la importación del modelo 3D, habitualmente creado en plataformas como Revit o Rhino. El proceso de integración con D5 es directo y eficiente, permitiendo que los cambios realizados en el modelo original se actualicen automáticamente dentro del entorno de renderizado, sin necesidad de volver a exportar ni de rehacer el montaje de la escena. Una vez en D5, la creación de la escena se vuelve rápida e intuitiva. Gracias a su amplia biblioteca de materiales, vegetación, luces y efectos atmosféricos, el equipo puede montar una visualización coherente y de alta calidad en cuestión de minutos. Además, la capacidad del software para renderizar en tiempo real permite observar de inmediato el comportamiento de la luz, el ambiente y la composición general de la imagen, lo que facilita la toma de decisiones ágiles y mejora el proceso iterativo. “Lo que más destaca en este flujo es la posibilidad de controlar la calidad visual sin sacrificar la velocidad de producción, algo que resulta difícil de lograr con motores de renderizado más pesados. Para el equipo, esta herramienta ofrece una solución equilibrada que no solo optimiza los tiempos de trabajo, sino que también permite una comunicación más clara y directa del proyecto, tanto a nivel interno como hacia los clientes.” 78 Figura 191. Flujo de trabajo dentro D5. Figura 192. Fotografia de TreeHotel. 99 Finalmente, resulta significativo observar cómo estudios de referencia como BIG ya están incorporando la inteligencia artificial no solo en sus procesos internos, sino también en sus perfiles de contratación. Recientemente, se ha abierto una convocatoria específica para becarios de diseño con enfoque en IA en su oficina de Barcelona, así como otras vacantes orientadas al área de visualización que incluyen entre sus requisitos conocimientos en herramientas de inteligencia artificial. Este tipo de iniciativas pone de manifiesto que la IA ya no es una tecnología del futuro, sino una herramienta del presente. Lejos de ser un complemento, comienza a consolidarse como una habilidad esencial en el entorno profesional contemporáneo. En este nuevo escenario, quienes no sean capaces de adaptarse a su ritmo corren el riesgo de quedar desplazados, no solo por razones de innovación, sino también por una cuestión de eficiencia productiva: los flujos de trabajo tradicionales consumen mucho más tiempo, y en un mercado cada vez más competitivo, esto puede marcar la diferencia entre avanzar o quedarse atrás. La inteligencia artificial se perfila así como el nuevo “martillo” de la arquitectura digital: una herramienta que no solo transforma la forma en que diseñamos, sino también la manera en que entendemos, comunicamos y producimos arquitectura. Figura 193. Requisito para un becario de Diseño IA. 100 Aquí presento especialmente el proyecto del Hotel de Málaga, ya que constituye uno de los casos más recientes donde se puede observar con claridad cómo las herramientas de representación visual, como D5 Render, están cambiando la manera de comunicar un proyecto arquitectónico. Aunque no se puede confirmar si durante el desarrollo conceptual se utilizó alguna herramienta basada en inteligencia artificial, sí resulta evidente que la fase de representación se ha visto beneficiada por funciones automatizadas que facilitan la producción de imágenes impactantes con un menor esfuerzo técnico. Lo interesante de este caso no reside tanto en quién firma el proyecto, sino en cómo se están utilizando los nuevos programas para cerrar la brecha entre la idea y su visualización. Arquitectos que tradicionalmente se han apoyado en herramientas más técnicas o precisas, como Revit o Rhino, están empezando a integrar motores como D5 Render por una razón clara: la velocidad y la calidad del resultado visual. DAVID CHIPPERFIELD Figura 204. Render D5. Figura 203. Fotografia con mano del Chipperfield. Fuente: Afasiaarchzine. GEN AI 107 Para muchos diseñadores, el renderizado ya no representa únicamente una fase final del proyecto, sino una herramienta activa dentro del proceso de toma de decisiones. Poder visualizar al instante cómo se comporta un material bajo determinada iluminación, o cómo se percibe un volumen desde una escala humana, transforma radicalmente la manera en que avanza el desarrollo de un proyecto. En este sentido, herramientas como D5 Render, que incorporan pequeños módulos de inteligencia artificial —como ajustes automáticos de escena, generación de ambiente o simulación de movimiento—, están redefiniendo la forma en que los arquitectos se relacionan con su propio diseño. Este tipo de herramientas no reemplaza al arquitecto, pero sí modifica su rol: de ejecutor a evaluador, de operador técnico a editor de ideas. Por ello, cada vez más estudios, incluso aquellos más conservadores en términos de lenguaje formal, están abriendo la puerta a este nuevo tipo de softwares híbridos, donde la inteligencia artificial actúa como un asistente silencioso en segundo plano. Figura 205. Render D5. 108 El flujo de trabajo en b720 se podría describir como una combinación equilibrada entre lo tradicional y lo contemporáneo. Por un lado, el despacho utiliza herramientas digitales avanzadas como Grasshopper, principalmente con plugins como Ladybug para análisis climáticos y de radiación solar. También han incorporado el uso de datos urbanos descargados directamente desde Open Street Map (OSM) para contextualizar sus modelos, todo dentro del mismo entorno paramétrico. Una vez definidos ciertos parámetros y geometrías base, el proceso avanza hacia la materialización física del proyecto mediante impresión 3D, utilizando maquinaria propia y una sala de maquetas habilitada exclusivamente para estas tareas. Para el aspecto visual, inician los procesos de renderizado con D5 Render, no como herramienta final, sino como motor ágil de representación en las primeras fases del diseño. Gracias a su facilidad de uso y rapidez para generar escenas, D5 permite al equipo testear ideas espaciales y atmosféricas de manera casi inmediata. Sin embargo, para las presentaciones finales, el estudio recurre a herramientas más precisas como 3ds Max junto con el motor Corona Render, lo que evidencia un enfoque consciente y exigente hacia la calidad visual en los entregables. b720 Fermín Vázquez Figura 206. Redenr de b720. Fuente: b720. https://b720.com/es/b720-projects/nueva-estacion-de-chamartin/ GEN AI 109 En cuanto a la inteligencia artificial, aunque b720 no ha alcanzado el nivel de integración técnica de estudios como MVRDV, sí ha comenzado a explorar herramientas emergentes como ComfyUI. Esta fase aún se encuentra en etapa de pruebas internas, pero refleja una apertura clara hacia nuevas formas de representación y optimización visual. Quisiera compartir brevemente mi experiencia personal dentro del estudio trabajando con ComfyUI. Para mí, era una herramienta completamente nueva. Al principio me sentí perdido en un entorno lleno de opciones desconocidas. El encargo específico que recibí fue bastante concreto: realizar un upscale de una imagen de 4K a 8K, destinada a ser impresa en un panel de gran formato que se instalaría en la fachada de la estación de Chamartín. El objetivo era sencillo: aumentar la resolución sin alterar el contenido de la imagen. Aunque habría sido posible producir un nuevo render en 4K, esto implicaba un proceso largo y costoso. En su lugar, utilicé un workflow que encontré en un tutorial de YouTube, pero pronto me enfrenté a algunas limitaciones importantes. Las caras de las personas aparecían distorsionadas y, además, los textos se deformaban, generando trazos extraños que la IA reinterpretaba como pinceladas artísticas. Con más investigación y pruebas, observé que la vegetación mejoraba considerablemente. Sin embargo, los elementos de fondo perdían definición. Detecté un patrón interesante: cuando la imagen de partida está en baja resolución, la IA trabaja mucho mejor, ya que puede reconstruir con mayor libertad y precisión; en cambio, cuando parte de una imagen de alta resolución, tiene menos margen de acción, lo que se traduce en manchas o pérdida de detalle en lugar de mejoras reales. Esta experiencia me dejó claro que, aunque herramientas como ComfyUI aún presentan ciertas limitaciones, su potencial es enorme, especialmente para tareas específicas como correcciones rápidas o pruebas visuales preliminares. El aprendizaje aquí no fue solo técnico, sino también estratégico: entender cuándo y cómo utilizar la inteligencia artificial para que realmente aporte al flujo de trabajo, evitando que genere más problemas que soluciones. 110 Figura 207. Render PLAYTIME 1800 pixel. 111 Figura 208. Elaboración propia flujo ComfyUI SUPIR Upscale 4k (18 hora) 112 En este apartado se presenta el enfoque del estudio MVRDV respecto a la incorporación de nuevas herramientas tecnológicas en su flujo de trabajo. El despacho, conocido por su experimentación formal y su fuerte identidad visual, emplea una amplia gama de programas que abarcan desde herramientas tradicionales de dibujo a mano hasta plataformas digitales avanzadas como el modelado BIM y softwares de representación tridimensional. Entre ellos se encuentran AutoCAD, Rhino, Revit, así como entornos de programación visual como Grasshopper y Dynamo, que ya forman parte habitual de la práctica arquitectónica contemporánea. Sin embargo, en los últimos años, el estudio ha comenzado a explorar un terreno más reciente: la inteligencia artificial generativa. Herramientas como Midjourney o Stable Diffusion, inicialmente concebidas como sistemas de generación de imágenes a partir de texto (text-to-image) o a partir de imágenes existentes (image-to-image), han abierto un nuevo camino en la forma de proyectar. A través de estas plataformas, “MVRDV experimenta con la posibilidad de obtener representaciones visuales rápidas” 83 a partir de geometrías básicas, explorando desde las etapas tempranas del diseño cómo podrían materializarse fachadas, texturas o ambientes lumínicos. IDEACIÓN Figura 209. Flujo de trabajo con herramienta IA. GEN AI D.L MVRDV 113 “Lo relevante en el caso de MVRDV no es únicamente el uso de estas herramientas como generadores automáticos de imágenes” 83, sino el intento de controlarlas y adaptarlas a su propio lenguaje arquitectónico. A través de procesos de entrenamiento de modelos personalizados, el estudio busca que los resultados producidos por la inteligencia artificial se acerquen a su estilo formal característico. “Esto implica no solo una mayor coherencia estética en el resultado final, sino también una aceleración significativa en la toma de decisiones” 83, especialmente en las fases iniciales del proyecto, como el estudio volumétrico o las variaciones de planta. Además, esta estrategia permite al estudio “optimizar recursos tradicionalmente dedicados a la producción de renders” 83, brindándoles la posibilidad de evaluar múltiples opciones de forma rápida, visualizando variantes formales y materialidades posibles con mayor agilidad que mediante los métodos convencionales. En lugar de aceptar imágenes generadas de manera aleatoria, MVRDV plantea un modelo de uso de la inteligencia artificial donde esta herramienta se integra de forma crítica y propositiva dentro del proceso de diseño. “MVRDV también destaca por su enfoque en la optimización geométrica y el uso estratégico de datos” 84. En lugar de diseñar basándose únicamente en la intuición formal, el estudio explora miles de variaciones posibles a partir de volúmenes básicos, evaluando criterios como la compacidad, la porosidad o la eficiencia espacial. Estas decisiones ya no responden solo al gusto estético, sino a parámetros concretos vinculados al uso, al entorno o a los objetivos específicos del cliente. Del mismo modo, “integran herramientas de análisis ecológico para definir la vegetación ideal en función del clima, la orientación y el tipo de espacio” 83. Este enfoque ha sido clave en proyectos como VALLEY, donde la arquitectura y la vegetación se integran en un sistema unificado dentro del concepto de “ciudad verde”. Figura 210. Trabajo de optimización en el Grasshopper / Concepto GreenCity. 114 Figura 211. Primer boceto al mano VALLEY. En la charla presentada por Cas Esbach durante el AI + Design Thinking Symposium en la Universidad de Maryland (UMD), se explicó el proceso de diseño del proyecto VALLEY desde una perspectiva basada en datos y optimización. A través de herramientas computacionales, se analizaron miles de configuraciones geométricas con el objetivo de maximizar la exposición solar en cada planta del edificio. Esta estrategia no solo definió la forma general del volumen, sino que también permitió tomar decisiones específicas sobre la disposición de los apartamentos. “Cada planta se diseñó individualmente según los resultados del análisis solar” 83, priorizando la máxima cantidad de horas de luz directa que cada unidad podía recibir. De esta manera, “el diseño dejó de depender del gusto subjetivo del diseñador” 84 para convertirse en una consecuencia directa de parámetros medibles, como el asoleamiento y la orientación. El resultado fue una configuración única y variable planta por planta, donde las formas responden a un criterio ambiental y funcional más que a una composición formal preconcebida. Este enfoque demuestra cómo, gracias a herramientas de optimización y análisis, es posible tomar decisiones complejas basadas en datos reales. La arquitectura, en este caso, se convierte en un proceso de exploración profunda, donde el camino hacia el resultado final no es lineal ni cerrado, sino abierto a múltiples variables que guían el diseño de manera dinámica y precisa. Figura 212 - 213. Optimización con Ladybuy. 115 Figura 214. Fotografia proyecto VALLEY Fuente: MVRDV. https://www.mvrdv.com/projects/233/valley 116 Aunque resulta difícil prever con certeza qué sucederá en los próximos cinco años, todo indica que las herramientas utilizadas en arquitectura irán mucho más allá de los programas clásicos como CAD o BIM. La dirección parece clara: se percibe una conexión cada vez más profunda entre los procesos digitales y los sistemas inteligentes capaces de gestionar información técnica, normativa y constructiva de manera automática. Un fenómeno que empieza a observarse con mayor frecuencia es el uso de modelos de lenguaje entrenados por los propios estudios o empresas, alimentados con documentos como el Código Técnico de la Edificación (CTE) o el Eurocódigo. Gracias a ello, es posible realizar consultas técnicas específicas en tiempo real, adaptadas al contexto de cada proyecto. Se trata de una forma distinta —y más práctica— de trabajar con la normativa, donde las respuestas llegan de manera rápida y con el enfoque exacto que se requiere. Lo que se vislumbra a continuación es su integración directa en plataformas como Revit o Archicad. En ese escenario, un sistema de IA interno no solo podría responder consultas, sino también actuar de manera activa dentro del modelo: crear muros, asignar capas, generar familias paramétricas o clasificarlas mediante códigos propios. Todo ello, además, conectado en línea, de modo que los cambios se actualicen al instante para todo el equipo, evitando errores y eliminando muchas tareas repetitivas. Este tipo de automatización no reemplaza al arquitecto, pero sí redefine su papel: al liberarlo de los aspectos más técnicos, le permite enfocarse en lo que verdaderamente importa en el diseño: las decisiones clave. FUTURO 123 Por otro lado, también es evidente que la arquitectura comienza a explorar nuevos territorios como el metaverso y la realidad virtual. Aunque aún no está del todo claro si estos entornos digitales tendrán un impacto real o si se quedarán como una moda pasajera, lo cierto es que ya ofrecen un campo de prueba sin limitaciones físicas. En estos espacios, empieza a surgir una especie de “cerebro virtual” que acompaña el proceso creativo: no reemplaza al arquitecto, pero funciona como un asistente que aporta ideas, imágenes de referencia y sugerencias de proyecto en tiempo real. Paralelamente, la inteligencia artificial sigue avanzando a paso acelerado. Lo que antes se entendía como un sistema que simplemente “pensaba”, hoy ya puede actuar. Han surgido los llamados agentes de IA: sistemas capaces de ejecutar tareas por su cuenta, casi como si fueran asistentes humanos. Algunos pueden navegar por internet, mover el cursor, buscar información útil e incluso tomar decisiones basadas en las necesidades del usuario. Plataformas como OpenAI ya están realizando pruebas internas con esta tecnología, y herramientas como Manus empiezan a perfilarse como posibles aliados en la gestión de tareas complejas dentro del campo arquitectónico. Además, no debe pasarse por alto el crecimiento de las herramientas de código abierto, como ComfyUI, basada en Stable Diffusion. Este tipo de plataformas permite un control detallado sobre la generación visual. También destacan los modelos de lenguaje personalizados, diseñados para tareas concretas y capaces de adaptarse al estilo o los requerimientos técnicos específicos de cada estudio. Cuando se comprende el funcionamiento de estos sistemas y se aprende a entrenarlos según las necesidades propias, la inteligencia artificial deja de ser una novedad para convertirse verdaderamente en una herramienta estratégica. Y es precisamente aquí donde podemos retomar, con más sentido que nunca, la célebre frase de Marshall McLuhan: “We shape our tools and thereafter our tools shape us.” 84 “Nosotros creamos las herramientas, y después, las herramientas nos transforman a nosotros.” En última instancia, no se trata solo de lo que la tecnología puede hacer por la arquitectura, sino de cómo los arquitectos eligen utilizarla. Porque el verdadero cambio no reside en la herramienta, sino en la mirada crítica, consciente y creativa de quien la emplea. 124 La arquitectura atraviesa actualmente un momento de cambio profundo. Las herramientas digitales, que antes funcionaban como apoyo técnico, se han convertido en una parte central del proceso de diseño. Con la llegada de la inteligencia artificial, esta transformación se ha acelerado, abriendo nuevas formas de imaginar, representar, analizar y gestionar proyectos. Todo ello ha comenzado a redefinir tanto el papel del arquitecto como la dinámica de trabajo dentro de los estudios. A lo largo de este recorrido ha quedado claro que la IA no es una promesa lejana, sino una realidad presente en múltiples etapas del diseño arquitectónico. Desde métodos como text-to-image o image-to-image, hasta agentes capaces de ejecutar tareas de forma autónoma, el campo se amplía hacia nuevas formas de colaboración entre personas y máquinas. Casos como el uso de D5 Render, ComfyUI, Midjourney o modelos de lenguaje entrenados a medida demuestran cómo estas tecnologías contribuyen a reducir tiempos, mejorar decisiones y explorar caminos creativos que antes no estaban al alcance. Estudios como MVRDV, UNStudio o BIG ya están incorporando estas herramientas de distintas maneras: algunos las integran en su práctica diaria; otros las adoptan de forma más experimental o estratégica. Lo importante no es tanto qué herramienta se utiliza, sino cómo se adapta a las necesidades y a la visión de cada equipo de trabajo. También resulta evidente que la relación entre arquitectura e inteligencia artificial no debe ser de dependencia, sino de manejo consciente. Cuanto más sepamos sobre su funcionamiento interno, sus límites y su potencial real, más capacidad tendremos para aprovecharla no como sustituto, sino como potenciador de nuestras capacidades proyectuales. La inteligencia artificial no representa únicamente un avance técnico: también está transformando nuestra manera de pensar, de proyectar, de colaborar e incluso de construir. Como dijo Marshall McLuhan, “Nosotros creamos las herramientas, y después, las herramientas nos transforman a nosotros.” 85 CONCLUSIÓN 125 1. Muller, Pedro. Atlas de arquitectura: de Mesopotamia a Bizancio. Madrid: Ediciones AKAL, 2005. 2. Mumford, Lewis. Técnica y civilización. Madrid: Alianza Editorial, 2007. 3. Gómez, Rodrigo Velasco y Diego Chavarro Ayala. Diseño digital: uso interactivo e integrado de las herramientas digitales en la arquitectura. Bogotá: Universidad Piloto de Colombia, 2020. 4. Ching, Francis D. K. A Global History of Architecture. 2nd ed. Wiley, 2014. 5. Kostof, Spiro. A History of Architecture: Settings and Rituals. Oxford University Press, 1995. 6. Giedion, Sigfried. Space, Time and Architecture: The Growth of a New Tradition. Harvard University Press, 1967. 7. Frampton, Kenneth. A Genealogy of Modern Architecture. Lars Müller Publishers, 2020. 8. Carpo, Mario. The Digital Turn in Architecture 1992–2012: An AD Reader. Chichester: Wiley, 2013. 9. Eastman, Chuck, et al. BIM Handbook: A Guide to Building Information Modeling. 2nd ed. Wiley, 2011. 10. Sennett, Richard. The Craftsman. Yale University Press, 2008. 11. Arteta, Alberto Campo Baeza. La idea construida. Madrid: Mairea Libros, 2017. 12. Barco, Ana. El dibujo de arquitectura en la era digital. Madrid: Editorial Universidad Politécnica de Madrid, 2018. 13. Burry, Mark. Scripting Cultures: Architectural Design and Programming. Chichester: Wiley, 2011. 14. Eastman, Chuck, Paul Teicholz, Rafael Sacks, y Kathleen Liston. BIM Handbook: A Guide to Building Information Modeling for Owners, Managers, Designers, Engineers and Contractors. Hoboken: Wiley, 2011. 15. Hernández, Fernando, y Pablo Santamaría. Arquitectura y tecnología: Nuevas herramientas proyectuales. Barcelona: Ediciones UPC, 2018. 16. Holzer, Dominik. The BIM Manager’s Handbook: Guidance for Professionals in Architecture, Engineering and Construction. Chichester: Wiley, 2015. 17. Jernigan, Finith E. BIG BIM little bim: The practical approach to building information modeling. Salisbury, MD: 4Site Press, 2008. 18. Oxman, Rivka, y Robert Oxman, eds. Theories of the Digital in Architecture. Londres: Routledge, 2014. 19. Velasco Gómez, Luis Fernando, et al. Representación digital arquitectónica: teoría y práctica. Bogotá: Universidad Nacional de Colombia, 2015. 20. Roe, Jeremy. Antoni Gaudí: El máximo exponente de la arquitectura modernista catalana. Parkstone International, 2023. 21. Torii, Tokutoshi. El mundo enigmático de Gaudí. Instituto de España, 1983. 22. Songel, J. M. (2005). Frei Otto y el Instituto de Estructuras Ligeras de Stuttgart: una experiencia de sistematización en la búsqueda de la forma resistente [Tesis doctoral, Universitat Politècnica de València]. 23. Sabaté, J. (2005). Naturaleza ligera. Arquitectura Viva, (101), 70–75. 24. Sadler, S. (2005). Archigram: Architecture without Architecture. The MIT Press. 25. Crompton, D. (Ed.). (1999). Archigram: The Book. Circa Press. 26. Cook, P. (1999). Archigram. Princeton Architectural Press. 27. Schaffner, I., & Imperiale, A. (Eds.). (2011). Anne Tyng: Inhabiting Geometry. Institute of Contemporary Art, University of Pennsylvania. 28. Tyng, A. G. (1975). Simultaneous Randomness and Order: The Fibonacci-Divine Proportion as a Universal Forming Principle. Doctoral dissertation, University of Pennsylvania. 29. Aroca, Ricardo. “Una muerte sin anunciar. Crónica de la destrucción de los laboratorios Jorba.” Arquitectura Viva, no. 67, 1999, p. 112 BIOGRAFIA 126 30. Sánchez Lampreave, Ricardo. Miguel Fisac: Premio Nacional de Arquitectura 2002. Madrid: Ministerio de Fomento, 2002. 31. “Laboratorios Jorba (La Pagoda) / Miguel Fisac.” ArchDaily, 2011. 32. Loren-Méndez, M. “Tecnología, materia y lugar: Procesos de modernización en la obra española de la posguerra.” Informes de la Construcción, vol. 64, no. 526, 2012, pp. 167–177. 33. Miralles, Enric. El Croquis 72 [II]: Enric Miralles 1995. El Croquis Editorial, 1995. 34. Miralles, Enric, y Benedetta Tagliabue. El Croquis 100/101: Enric Miralles 1996–2000. El Croquis Editorial, 2002. 35. Bruther. El Croquis 197: Bruther 2012–2018. Madrid: El Croquis Editorial, 2018. 36. ArchDaily. “House for Artists / APPARATA Architects.” ArchDaily. https://www.archdaily. com/973407/house-for-artists-apparata-architects (2025). 37. El Croquis 224: Christian Kerez 2015–2024. Madrid: El Croquis Editorial. 38. Loos, Adolf. Ornamento y delito. 1908. En Ornamento y delito y otros escritos, traducido por Juan Fontán, Barcelona: Gustavo Gili, 1972. 39. MVRDV. El Croquis 86: MVRDV 1991–1997. Madrid: El Croquis Editorial, 1997. 40. MVRDV. FARMAX: Excursions on Density. Rotterdam: 010 Publishers, 1998. 41. Ben van Berkel & Caroline Bos. UNStudio: Design Models. Thames & Hudson, 2006. 42. Ben van Berkel & Caroline Bos. Buy me a Mercedes-Benz: The Book of the Museum. Actar, 2006. 43. Ben van Berkel & Caroline Bos. MOVE. Goose Press, 1999. 44. Hadid, Zaha. El Croquis 103: Zaha Hadid 1996–2001. Madrid: El Croquis Editorial, 2001. 45. Koolhaas, Rem, Bruce Mau, y Hans Werlemann. S, M, L, XL. Nueva York: The Monacelli Press, 1995. 46. Koolhaas, Rem. El Croquis 79: OMA / Rem Koolhaas 1992–1996. Madrid: El Croquis Editorial, 1996. 47. Koolhaas, Rem. El Croquis 131–132: OMA / Rem Koolhaas 1996–2006 [I]. Madrid: El Croquis Editorial, 2006. 48. Koolhaas, Rem. El Croquis 134–135: OMA / Rem Koolhaas 1996–2007 [II]. Madrid: El Croquis Editorial, 2007. 49. Chaillou, Stanislas. AI + Architecture: Towards a New Approach. Harvard Graduate School of Design, May 2019. https://www.chaillou.fr/ai-architecture. 50. Boden, Margaret A. AI: Its Nature and Future. Oxford: Oxford University Press, 2016. 51. Goodfellow, Ian, Yoshua Bengio, y Aaron Courville. Deep Learning. Cambridge, MA: MIT Press, 2016. 52. Graves, Alex. “Generating Sequences With Recurrent Neural Networks.” arXiv preprint arXiv:1308.0850 (2013). 53. Krizhevsky, Alex, Ilya Sutskever, y Geoffrey E. Hinton. “ImageNet Classification with Deep Convolutional Neural Networks.” Advances in Neural Information Processing Systems 25 (2012): 1097–105. 54. Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron. Deep Learning. Cambridge: MIT Press, 2016. 55. Marcus, Gary, y Ernest Davis. Rebooting AI: Building Artificial Intelligence We Can Trust. New York: Pantheon, 2019. 56. Ramesh, Aditya, Mikhail Pavlov, Gabriel Goh, Scott Gray, Chelsea Voss, Alec Radford, Mark Chen, y Ilya Sutskever. “Zero-Shot Text-to-Image Generation.” Proceedings of the 38th International Conference on Machine Learning (ICML), 2021. 57. Russell, Stuart J., y Peter Norvig. Artificial Intelligence: A Modern Approach. 4ª ed. Upper Saddle River, NJ: Pearson, 2021. 58. Vaswani, Ashish, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, y Illia Polosukhin. “Attention Is All You Need.” Advances in Neural Information Processing Systems 30 (2017). 59. Domingos, Pedro. The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. New York: Basic Books, 2015. 127 60. Piker, Daniel. Grasshopper Primer. Londres: McNeel Europe, 2018. 61. Tedeschi, Arturo. Algorithms-Aided Design: Parametric Strategies Using Grasshopper. Brienza: Le Penseur Publisher, 2014. 62. Brell-Cokcan, Sigrid; Braumann, Johannes. Robotic Fabrication in Architecture, Art and Design. Cham: Springer International Publishing, 2018. 63. Moloney, David. “A Short (But Believable) History of the Digital Turn in Architecture.” e-flux architecture. https://www.e-flux.com/architecture/chronograms/528659/a-short-but-believable-history-of-the-digital-turn-in-architecture/ (2025). 64. Goertzel, Ben; Pennachin, Cassio. Artificial General Intelligence. Berlin: Springer, 2007. 65. McCormack, Jon; Gifford, Toby; Hutchings, Pat. Autonomy, Authenticity, Authorship and Intention in Computer Generated Art. Springer, 2019. 66. Elgammal, Ahmed. AI Art: Machine Visions and Warped Dreams. Oxford University Press, 2019. 67. Ramesh, Aditya et al. Hierarchical Text-Conditional Image Generation with CLIP Latents. OpenAI, 2022. 68. Karras, Tero et al. Analyzing and Improving the Image Quality of StyleGAN. IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2020. 69. Zhang, Lvmin et al. Adding Conditional Control to Text-to-Image Diffusion Models. arXiv preprint, 2023. 70. Piker, Andrew. Architectural Geometry and Parametric Design: Grasshopper Primer. Architectural Association, 2020. 71. García del Castillo, José Luis; Tsigkari, Katerina. Artificial Intelligence and Design Tools in Architecture. Architectural Design (AD), 2023. 72. Cheng, Rachel; Yang, Jian. Advanced Rendering Techniques for Architecture: Understanding V-Ray and Corona Renderer. Birkhäuser, 2018. 73. Bañón, Carlos. AI and Architecture: Toward a New Generation of Visualizations. Forthcoming manuscript, Singapore University of Technology and Design (SUTD), 2023. 74. Video Bañón Blázquez, Carlos. “New Ways of Learning Architecture with Artificial Intelligence (AI).” YouTube video, publicado por SUTD Singapore University of Technology and Design, 12 de octubre de 2023 https://www.youtube.com/watch?v=Bgz3hv-e6GI. 75. Video Bañón Blázquez, Carlos. “Procedurally Generative: Exploring Architectural In-Betweens with AI.” LinkedIn, publica-do el 3 de mayo de 2024. https://www.linkedin.com/posts/carlos-ba%C3%B1%C3%B3n-4a66066b_procedurally-genera-tive-exploring-architectural-activity-7227171632107114497-NonN/ 76. OpenAI. Introducing New Image Generation Features in ChatGPT. Technical Report, 2024. 77. Oppenlaender, Jonas. A Critical Review of Text-to-Image Generation using Diffusion Models. Springer Nature, 2023. 78. Video D5 Render. “BIG Innovates The Ultimate Architecture Workflow with D5 Render and AI.” YouTube video, 56:36. Publicado el 7 de diciembre de 2023. https://www.youtube.com/watch?v=bwUrAQX8l-g 79. Video Lodi, Filippo. “Complex Geometry Workflows.” Conferencia BeyondBIM. YouTube video, 52:30. Publicado por BeyondBIM, 12 de marzo de 2023. https://www.youtube.com/watch?v=xK86eUi82vo. 80. Video ArchiTech Network. “EP 16 | ArchiTech Office Tours | UNStudio.” YouTube video, 1:34:25. Publicado el 25 de abril de 2025. https://www.youtube.com/watch?v=Hbt1bG_nb3Y. 81. Video ArchiTech Network. “EP 2 | ArchiTech Office Tours | Zaha Hadid Architects.” YouTube video, 1:09:35. Publicado el 17 de abril de 2024. https://www.youtube.com/watch?v=aoWlS_2Hr10. 82. Video ArchiTech Network. “EP 53 | Ismail Seleit – What is a LoRA? And the Future of Training Your Own AI Models.” YouTube video, 57:43. Publicado el 25 de julio de 2024. https://www.youtube. com/watch?v=qZxV1Uo7dg. 83. Video “AI + Design Thinking Symposium.” YouTube video, 1:10:00. Publicado por Design @ Darden, 2 de febrero de 2023. https://www.youtube.com/watch?v=406rJdXP6xI. 84. McLuhan, Marshall. Understanding Media: The Extensions of Man. Cambridge, MA: MIT Press, 1994. (Original de 1964), p. 69. 128 85. Yuan, Philip F., Mike Xie, Neil Leach, Jiawei Yao y Xiang Wang (eds.). Architectural Intelligence: Selected Papers from the 1st International Conference on Computational Design and Robotic Fabrication (CDRF 2019). Singapur: Springer Nature, 2020. 86. Chengyuan, Tianyu Zhang, Xusheng Du y Ye Zhang. “Generative AI for Architectural Design: A Literature Review.” arXiv preprint arXiv:2404.01335 (2024). 87. Zhang, Lvmin, Anyi Rao y Maneesh Agrawala. “Adding Conditional Control to Text-to-Image Diffusion Models.” arXiv preprint arXiv:2302.05543v3 (2023). 88. Leach, Neil y Philip F. Yuan. “Introduction.” En Architectural Intelligence: Selected Papers from CDRF 2019, editado por P.F. Yuan et al., 3–11. Singapur: Springer, 2020. 89. Li, Philip F. Yuan, et al. AI Architecture: Towards a New Approach. Shanghai: Tongji University Press, 2022. 90. García Pino. “Centro Multiusos en Mannheim. Frei Otto. Doblando la malla hasta hacer una concha.” Rita Revista, no. 5 (2016): 106–113. 91. Chaillou, Stanislas. AI + Architecture: Towards a New Approach. Harvard Graduate School of Design, May 2019. https://www.chaillou.fr/ai-architecture (2025). 92. Jaruga-Rozdolska, Anna. “Artificial Intelligence as Part of Future Practices in the Architect’s Work: MidJourney Generative Tool as Part of a Process of Creating an Architectural Form.” Architectures of the 21st Century 3, no. 71 (2022): 96–104. doi:10.37190/arc220310. 93. Pino, Fernando G. “Centro Multiusos en Mannheim. Frei Otto. Doblando la malla hasta hacer una concha.” rita_ Revista Indexada de Textos Académicos 5 (2016): 106–113. ISSN: 2340-9711 / e-ISSN: 2386-7027. https://dx.doi.org/10.24192/2386-7027(2016)(v5)(07). 94. Glaeser, Ludwig. The Work of Frei Otto. Nueva York: The Museum of Modern Art (MoMA), 1972. ISBN: 0870703323 / 0870703331. 95. Rane, Nitin. Role of ChatGPT and Similar Generative Artificial Intelligence (AI) in Construction Industry. SSRN Scholarly Paper, 2023. https://doi.org/10.2139/ssrn.4598258. 96. Tomlow, Jos. El modelo colgante de Gaudí y su reconstrucción: Nuevos conocimientos para el diseño de la Iglesia de la Colonia Güell. Instituto de Estructuras Ligeras (IL), Universidad de Stuttgart, 1989. Publicado en Informes de la Construcción, vol. 41, no. 404, noviembre-diciembre 1989, pp. 58–72. 97. Díaz Gómez, Diego. Frei Otto y las superficies mínimas: Sombrillas para la gira de Pink Floyd de 1977. Trabajo Final de Grado en Estudios de Arquitectura. Universidade da Coruña, Escuela Técnica Superior de Arquitectura, noviembre 2019. 98. Bernstein, Phil. Machine Learning: Architecture in the Age of Artificial Intelligence. Londres: RIBA Publishing, 2022. ISBN: 9781000600674. 99. Rodríguez Bofill, Aina. Sistemas inteligentes en el diseño arquitectónico. Trabajo Final de Grado en Arquitectura, Universitat Politècnica de Catalunya (UPC), 2023.26. Moya, Andrea. Explorando la intersección entre la arquitectura y la inteligencia artificial. Trabajo Final de Grado en Arquitectura, Universitat Politècnica de Catalunya (UPC), 2023. 100. Steenson, Molly Wright. Architectural Intelligence: How Designers and Architects Created the Digital Landscape. Cambridge, MA: MIT Press, 2017. 101. Negroponte, Nicholas. The Architecture Machine: Toward a More Human Environment. Cambridge, MA: MIT Press, 1970. 102. Kelly, Kevin. Out of Control: The New Biology of Machines, Social Systems and the Economic World. Reading, MA: Addison-Wesley, 1995. 103. Kurzweil, Ray. The Age of Intelligent Machines. Cambridge, MA: MIT Press, 1990. 104. Kurzweil, Ray. The Age of Spiritual Machines: When Computers Exceed Human Intelligence. Nueva York: Penguin Books, 2000. 105. Video DESIGNalyze. “Grasshopper AI – AI Assisted Voronoi Facade.” YouTube video, 8:12. Publicado el 1 de marzo de 2023. https://www.youtube.com/watch?v=Jr97DhTUjYg. 106. Video DESIGNalyze. “[Grasshopper AI] Raven Plugin for Automatic Programming via AI Chat and Reference Image.” YouTube video, 10:04. Publicado el 20 de febrero de 2023. https://www.youtube.com/watch?v=AdgE6gsl7rM. 129 107. Articulo Wallpaper*. “Zaha Hadid Architects Teams with Nvidia to Explore the Future of AI in Architecture.” Wallpaper*. https://www.wallpaper.com/architecture/zaha-hadid-architects-nvidia-ai-in-architecture (2025). 108. Articulo Moloney, David. “A Short (But Believable) History of the Digital Turn in Architecture.” e-flux architecture. https://www.e-flux.com/architecture/chronograms/528659/a-short-but-believable-history-of-the-digital-turn-in-architecture/ (2025). 109. Afshan, Noor, and Sameer Sharma. “Exploring the Impact of AI on Architectural Creativity and Efficiency.” International Journal for Multidisciplinary Research 6, no. 2 (2024). 110. Paananen, Ville, Jonas Oppenlaender, and Aku Visuri. “Artificial Intelligence’s Effects on Design Process Creativity.” Design Studies 75 (2023): 101068. 111. Paananen, Ville, Jonas Oppenlaender, and Aku Visuri. “Using Text-to-Image Generation for Architectural Design Ideation.” arXiv preprint arXiv:2304.10182 (2023). 112. Paananen, Ville, Jonas Oppenlaender, and Aku Visuri. “AI Art in Architecture.” AI in Civil Engineering, vol. 5, no. 2, 2023, pp. 101–115. 113. Liu, Yongyan, and Nailong Zhao. “AI-Assisted Design: Generative Architectural Design.” Architectural Computing, vol. 8, no. 1, 2023, pp. 23–38. 114. Del Campo, Matias. Diffusions in Architecture: Artificial Intelligence and Image Generators. Architectural Press, 2024. 115. Tedeschi, Arturo. AAD Algorithms-Aided Design: Parametric Strategies Using Grasshopper. Le Penseur, 2014. 116. Articulo Han, Xiaohui, y Wang, Kai. “Research on Interior Intelligent Design System Based on Image Generation Technology.” Procedia Computer Science 239 (2024): 517–522. https://doi. org/10.1016/j.procs.2024.01.276. 117. Articulo Novak, Philipp, y Dietmar Leyk. “Stable Diffusion in Architectural Design: Closing Doors or Opening New Ones?” International Journal of Architectural Computing (2024). https://doi. org/10.1177/14780771241270257. 118. Wnukowska, Zuzanna. AI & The New Creative Era in Architecture. Trabajo final de máster, Politecnico di Milano, 2024. https://www.politesi.polimi.it/retrieve/90c3cbfb-10ef-4d7e-aa570495f2419c17/2024_12_Wnukowska.pdf. 119. Liu, Yongyan, y Nailong Zhao. “Research on Architectural Design Based on Stable Diffusion.” 2024 6th International Conference on Smart Grid and Green Energy (SGGE). https://www.researchgate.net/publication/381208447_Research_on_Architectural_Design_Based_on_Stable_Diffusion. 120. Wei, Yifei, Chen Wang, y Haoran Xu. ComfyGPT: A Self-Optimizing Multi-Agent System for Comprehensive ComfyUI Workflow Generation. arXiv preprint, arXiv:2503.17671, 2024. https://arxiv. org/abs/2503.17671. 121. Zergtant. “The Complete Guide to ComfyUI and Stable Diffusion (3): ComfyUI v1 Interface System Analysis and Usage Manual.” Medium, 2023. https://medium.com/@zergtant/the-complete-guide-tocomfyui-and-stable-diffusion-3-complete-guide-to-comfyui-v1-interface-system-9e7f55e369d1. 122. Bernstein, Phil. “Industry-Changing Tech: An Interview with Phil Bernstein.” AIA Network. Publicado el 6 de septiembre de 2023. https://network.aia.org/blogs/phillip-g-bernstein-faia/2023/09/06/ industry-changing-tech-an-interview-with-phil-bern. 123. Bernstein, Phil. “The Future of Generative AI for AEC Firms.” Architect Magazine. Publicado el 16 de mayo de 2023. https://www.architectmagazine.com/design/the-future-of-generative-ai-for-aecfirms_o. 124. Articulo Del Campo, Matias. “ChatGPT Interviews Matias del Campo: Architecture, Hallucinations, and Other Exotic Occurrences.” Archinect. Publicado el 8 de febrero de 2023. https://archinect.com/features/article/150350194/chatgpt-interviews-matias-del-campo-architecture-hallucinations-and-other-exotic-occurrences. 130 Figura 1. Fotografía propia viaje Atena Museo de la Acrópolis herramientas 1 Figura 2. Fotografía propia viaje Atena Museo de la Acrópolis herramientas 2 Figura 3. Fotografía propia viaje Atena Museo Arqueológico Nacional Atenas herramientas Figura 4. Fotografía propia viaje Atena Acrópolis de Atenas Figura 5. Psicología y Mente. “Revolución industrial: qué es, fases y consecuencias.” Psicología y Mente. https://psicologiaymente.com/cultura/revolucion-industrial (2025). Figura 6. Wikipedia. “Crystal Palace interior.” Wikipedia Commons. https://es.m.wikipedia.org/wiki/ Archivo:Crystal_Palace_interior.jpg (2025). Figura 7. El Hereje. “Torre Eiffel: la historia oculta tras su construcción.” El Hereje. https://elhereje. com/reportajes/torre-eiffel-historia-oculta/ (2025). Figura 8. Wikipedia. “Home Insurance Building.” Wikipedia Commons. https://es.wikipedia.org/ wiki/Escuela_de_Chicago_%28arquitectura%29#/media/Archivo:Home_Insurance_Building.JPG (2025). Figura 9. Elaboración propia diagrama flujo sin herramienta digital (2025). Figura 10. Elaboración propia diagrama flujo con herramienta digital (2025). Figura 11. Sagrada Família. “Antoni Gaudí.” Sagrada Família Oficial. https://sagradafamilia.org/es/ antoni-gaudi (2025). Figura 12. Sagrada Família. “Antoni Gaudí.” Sagrada Família Oficial. https://sagradafamilia.org/ es/antoni-gaudi (2025). Figura 13. Arquitectura Catalana. “Continuació de les obres del Temple Expiatori de la Sagrada Família seguint el projecte de Gaudí.” Arquitectura Catalana. https://www.arquitecturacatalana. cat/es/obras/continuacio-de-les-obres-del-temple-expiatori-de-la-sagrada-familia-seguint-el-projecte-de-gaudi-1 (2025). Figura 14. Tomlow, Jos. El modelo colgante de Gaudí y su reconstrucción: nuevos conocimientos para el diseño de la iglesia de la Colonia Güell. Stuttgart: Institut für leichte Flächentragwerke (IL), 1989. Figura 15. Tomlow, Jos. El modelo colgante de Gaudí y su reconstrucción: nuevos conocimientos para el diseño de la iglesia de la Colonia Güell. Stuttgart: Institut für leichte Flächentragwerke (IL), 1989. Figura 16. Modelo físico del Pabellón Alemán en la Expo 67 (Montreal). Fuente: Ludwig Glaeser, The Work of Frei Otto, MoMA, 1972, p. 42. Figura 17. Glaeser, Ludwig. The Work of Frei Otto. New York: The Museum of Modern Art (MoMA), 1972, p.65. Figura 18. Estudio con modelo físico para el sistema de cubiertas del Centro Deportivo en Kuwait, diseñado por Frei Otto. Fuente: Ludwig Glaeser, The Work of Frei Otto, MoMA, 1972, p. 60. Figura 19. Modelo de estudio estructural para la cubierta del Estadio Olímpico de Múnich. Fuente: Ludwig Glaeser, The Work of Frei Otto, MoMA, 1972, p. 64. Figura 20. Modelo de cubierta retráctil para el teatro al aire libre de Nijmegen (1960), diseñado por Frei Otto. Fuente: Ludwig Glaeser, The Work of Frei Otto, MoMA, 1972, p. 67. Figura 21. Cubierta retráctil propuesta para la pista de hielo en Conflans-Sainte-Honorine (1969), diseñada por Frei Otto. Fuente: Ludwig Glaeser, The Work of Frei Otto, MoMA, 1972, p. 75. Figura 22. Cubierta retráctil tipo “paraguas” diseñada por Frei Otto para la Exposición de Jardinería en Colonia (1971). Fuente: Ludwig Glaeser, The Work of Frei Otto, MoMA, 1972, p. 76. Figura 23. Propuesta de cúpula neumática para una ciudad en el Ártico (1971), conocida como “Arctic City Envelope”. Fuente: Ludwig Glaeser, The Work of Frei Otto, MoMA, 1972, p. 89. Figura 24. Archigram. “About Archigram.” Archigram. https://www.archigram.net/about-archigram (2025). Figura 25. Archigram. “Plug-in City.” Archigram. https://www.archigram.net/projects?view=article&id=116&catid=8 (2025). Figura 26. Archigram. “The Walking City.” Archigram. https://www.archigram.net/projects?view=article&id=117&catid=8 (2025). Figura 27. Stepienybarno. “Anne Tyng: la arquitectura como juego geométrico.” Stepienybarno. https://stepienybarno.es/blog/2022/02/15/anne-tyng-la-arquitectura-como-juego-geometrico/ (2025). IMAGENES 131 Figura 28. Stephanie Specht. “Anne Tyng.” Stephanie Specht Studio. https://stephaniespecht.com/ anne-tyng (2025). Figura 29. Stephanie Specht. “Anne Tyng.” Stephanie Specht Studio. https://stephaniespecht.com/ anne-tyng (2025). Figura 30. Delood. “Anne Tyng: Inhabiting Geometry.” Delood. https://delood.com/archive/art-archive/ anne-tyng-inhabiting-geometry/ (2025). Figura 31. Arquitectura Viva. “Miguel Fisac (1913–2006).” Arquitectura Viva. https://arquitecturaviva. com/articulos/miguel-fisac-1913-2006 (2025). Figura 32. Elaboración propia compración y evolución de los edificios (2025). Figura 33. ArchDaily. “Clásicos de Arquitectura: Laboratorios Jorba ‘La Pagoda’ / Miguel Fisac.” ArchDaily. https://www.archdaily.co/co/913758/clasicos-de-arquitectura-laboratorios-jorba-la-pagoda-miguel-fisac (2025). Figura 34 - 35. ArqFoto. “Centro de Estudios Hidrográficos / Miguel Fisac.” ArqFoto. https://www. arqfoto.com/centro-de-estudios-hidrograficos-miguel-fisac (2025). Figura 36 - 37. Arquitectura Viva. “Ceremonias del adiós.” Arquitectura Viva. https://arquitecturaviva. com/articulos/ceremonias-del-adios (2025). Figura 38. Metalocus. “Mercado de Santa Caterina por EMBT.” Metalocus. https://www.metalocus.es/ es/noticias/mercado-de-santa-caterina-por-embt (2025). Figura 39. Miralles, Enric, y Benedetta Tagliabue. El Croquis 144: EMBT 2000–2009. Madrid: El Croquis Editorial, 2009, p. 149, fotografía maqueta. Figura 40. Metalocus. “Papa vient jouer chez moi por EMBT.” Metalocus. https://www.metalocus.es/ es/noticias/papa-vient-jouer-chez-moi-por-embt (2025). Figura 41. Acceso desde la pista de juegos y sala de reuniones del Centro Cultural y Deportivo en Saint-Blaise, París. Fuente: El Croquis 197: Bruther 2012–2018, p. 59. Figura 42. Render del proyecto “Super L”, 160 viviendas sociales en París, diseñado por Bruther. Fuente: El Croquis 197: Bruther 2012–2018, p. 91. Figura 43. Fachada y espacio interior de doble altura del Centro de Investigación de Nueva Generación en Caen, Francia. Fuente: El Croquis 197: Bruther 2012–2018, p. 105. Figura 44. Diagrama conceptual, maqueta de estudio y plano de situación del “Centro de Investigación de Nueva Generación”, Caen, Francia. Fuente: El Croquis 197: Bruther 2012–2018, p. 106. Figura 45. Maqueta de estudio del proyecto para el Nuevo Museo del Siglo XX en Berlín, diseñado por Bruther. Fuente: El Croquis 197: Bruther 2012–2018, pp. 137–140. Figura 46. Maqueta completa del edificio Life Science, Lausana, Suiza. Fuente: El Croquis 197: Bruther 2012–2018, p. 160. Figura 47. Maqueta de estudio del proyecto Galerías Lafayette en Pau, diseñado por Bruther. Fuente: El Croquis 197: Bruther 2012–2018, p. 233. Figura 48. ArchDaily. “House for Artists / APPARATA Architects.” ArchDaily. https://www.archdaily. com/973407/house-for-artists-apparata-architects (2025). Figura 49. Aparcamientos para el Pearl Path en Muharraq, Baréin. Fuente: El Croquis 224: Christian Kerez 2015–2024, pp. 240–241. Figura 50. Incidental Space, instalación suiza en la Bienal de Venecia 2016. Fuente: El Croquis 224: Christian Kerez 2015–2024, p. 91. Figura 51. Pabellón nacional de Baréin para la Expo Dubái 2020, diseñado por Christian Kerez. Fuente: El Croquis 224: Christian Kerez 2015–2024, p. 139. Figura 52-54.MVRDV. “Portlantis.” MVRDV Projects. https://www.mvrdv.com/projects/466/portlantis (2025). Figura 55. Concepto Metacity/Datatown diseñado por MVRDV. Fuente: MVRDV, https://www.mvrdv. com/projects/147/metacity--datatown. Figura 56. MVRDV. “What If? Nederland 2100.” MVRDV Projects. https://www.mvrdv.com/projects/1007/what-if-nederland-2100 (2025). Figura 57. MVRDV. “Silodam.” MVRDV Projects. https://www.mvrdv.com/projects/163/silodam (2025). Figura 58. MVRDV. El Croquis 86: MVRDV 1991–1997. Madrid: El Croquis Editorial, 1997. MVRDV. El Croquis 111: MVRDV 1997–2002. Madrid: El Croquis Editorial, 2002. Figura 59. UNStudio. “Booking.com City Campus.” UNStudio. https://www.unstudio.com/projects/ booking-com-city-campus/ (2025). Figura 60. UNStudio. Museo Mercedes-Benz. Fuente: UNStudio, https://www.unstudio.com/projects/ mercedes-benz-museum/. Figura 61. UNStudio. Figura 61. Fotografia interior del Estación de Arnhem. Fuente: UNStudio, https://www.unstudio.com/projects/sth-bnk-by-beulah/ (2025). Figura 62. UNStudio. “Expo City Dubai.” UNStudio. https://www.unstudio.com/projects/expo-city-dubai/ (2025). 132 NOW HOW TO AI? .. -. - . .-.. .. --. . -. -.-. .. .- -....- .- .-. - .. ..-. .. -.-. .. .- .-.. -....- -.-. --- -- --- -....- .... . .-. .-. .- -- .. . -. - .- -....- -.-. .-. . .- - .. ...- .- -....- -.. . -. - .-. --- -....- -.. . .-.. -....- -.-. .- -- .--. --- -....- -.. . -....- .- .-. --.- ..- .. - . -.-. - ..- .-. .-