Artículo técnico
Detección automática de defectos: cada imagen con el mismo rigor
En la construcción llave en mano los defectos ópticos son los más frecuentes — y los más monótonos. Justo por eso los pasa por alto una persona con prisa, y una máquina no.
Artículo técnico de Open Experience GmbH. · Estado: septiembre de 2026
¿Cómo funciona la detección de defectos con IA en obra?
Un algoritmo de reconocimiento de objetos recorre las tomas de obra en busca de anomalías ópticas como arañazos, fisuras, manchas o desperfectos, y marca las zonas afectadas de la imagen. Cotejando con el modelo BIM se determina la posición del hallazgo; después se comprueba si en ese punto ya hay un defecto registrado. Si es nuevo, se crea y se clasifica automáticamente, y un recorte de la detección sirve de justificante. El procedimiento se ensayó en el proyecto ESKIMO, financiado por el BMBF.
Marco jurídico: Alemania (código civil BGB, condiciones de contratación de obra VOB/B, arancel HOAI). En otros países rigen normas distintas, y lo pactado en el contrato prevalece sobre los plazos ordinarios aquí citados.
El recorrido en cinco pasos
La detección propiamente dicha es solo uno de los cinco pasos. Los otros cuatro deciden si una zona marcada en una imagen llega a convertirse en un expediente utilizable.
- 1 — CapturarTomas periódicas y ubicadas de la obra, por ejemplo como recorrido 360° con el sistema de cámara sobre el casco.
- 2 — DetectarEl reconocimiento de objetos marca las zonas llamativas de la imagen y les asigna un tipo de defecto.
- 3 — UbicarCotejando con el modelo, un punto de la imagen se convierte en una posición dentro del edificio.
- 4 — CotejarSi en ese punto ya existe un defecto, no nace un segundo. Sin este paso, el automatismo genera duplicados en vez de utilidad.
- 5 — CrearEl nuevo defecto se registra con clasificación, recorte de imagen y posición — y sigue el mismo camino que cualquier otro defecto.
Qué hace mejor la máquina — y qué no
La comparación no es una valoración, sino un reparto del trabajo.
| Tarea | Persona | Detección automática |
|---|---|---|
| *Mirar cada imagen con el mismo rigor* | Con prisa apenas se sostiene | La ventaja de fondo |
| *Encontrar las desviaciones mínimas* | Depende de la luz, la rutina y el día | Sistemática, al píxel |
| *Juzgar la causa* | Experiencia y contexto | No es posible |
| *Estimar la relevancia* | Conoce el contrato, el detalle y el proceso | No es posible |
| *Aclararlo con los intervinientes* | Tarea central de la dirección de obra | No es posible |
La máquina entrega candidatos, no decisiones. El beneficio aparece allí donde una persona puede revisar esos candidatos más deprisa que las imágenes en bruto.
De dónde salieron los datos de entrenamiento
Un procedimiento de detección solo vale lo que vale el material con el que se entrenó. En el proyecto ESKIMO se analizaron y se categorizaron a mano más de cien mil tomas de defectos ópticos — arañazos, fisuras, desperfectos. Ese trabajo manual es la parte invisible de cualquier proyecto de IA; explica también por qué los procedimientos de otros sectores no se trasladan sin más a la construcción.
Para situarlo: ESKIMO fue un proyecto de investigación con once socios y un presupuesto de 2,4 millones de euros. Los resultados son prototipos, no funciones de serie.
Cinco efectos que se dejan ver
Uniformidad
La trigésima vivienda se revisa con la misma precisión que la primera.
Menos duplicados
El cotejo con los expedientes existentes evita registrar dos veces lo mismo — un mal crónico de las listas.
Acreditado, no descrito
El recorte marcado muestra de qué se habla. Las consultas de vuelta sobran.
Antes que después
Lo que salta a la vista durante el recorrido todavía es oficio, no un caso de garantía.
Explotable
Si el mismo tipo de defecto se repite en el mismo detalle, ahí hay un aviso sobre el proyecto.
Y
La dirección de obra revisa candidatos en vez de abrir cada imagen una por una.
El requisito no es la IA
El motivo más frecuente de que la detección automática no aporte nada en un proyecto está antes del algoritmo: faltan las imágenes. Sin recorridos periódicos, ubicados y tomados de forma comparable no hay nada que evaluar. Quien empieza hoy gana primero con la captura misma — la automatización llega después, por encima.
Del hallazgo al expediente
Que un defecto lo encuentre una persona o un algoritmo no cambia nada de lo que tiene que pasar después: necesita lugar, imagen, descripción, responsable y plazo, y hay que seguirlo hasta la subsanación. Para eso está hecho Construction Defects, la aplicación de gestión de defectos — la detección aporta candidatos al mismo proceso en vez de crear una segunda lista.
Preguntas frecuentes
¿Puedo contratar hoy la detección automática de defectos?
No. Procede del proyecto de investigación ESKIMO y allí quedó demostrada. Disponibles en producción están el pixelado, el reconocimiento de objetos y la clasificación automática de imágenes.
¿Qué defectos pueden detectarse de forma automática?
Manifestaciones ópticas en superficies visibles: arañazos, fisuras, manchas, decoloraciones, desperfectos. Todo lo que exija medir, abrir o tocar sigue siendo revisión humana.
¿Cuán fiable es la detección?
Entrega candidatos con distinto grado de certeza. En la práctica no decide tanto el índice de aciertos como el trato que se dé a las falsas alarmas — una lista que se equivoca a menudo deja de revisarse.
¿Esto sustituye al recorrido de obra?
No. Cambia lo que ocurre durante el recorrido: tomar imágenes en vez de levantar acta. La valoración viene después, delante de la pantalla.
¿Qué pasa con los defectos detectados por error?
Se descartan. Lo importante es que ese descarte quede documentado — si no, el mismo hallazgo reaparece en el recorrido siguiente.
¿La detección necesita un modelo BIM?
Para ubicar con precisión, sí; para la detección en sí, no. Sin modelo, el hallazgo puede asignarse por el punto de toma sobre la planta.
Fuentes y base jurídica
Las afirmaciones jurídicas de este artículo se apoyan en las fuentes primarias que figuran a continuación. El artículo no sustituye al asesoramiento jurídico en cada caso concreto.
Primero las imágenes, después el automatismo.
45 minutos sobre su proyecto: cómo se organiza un recorrido que hace posible la evaluación posterior.