AECnovel

Machine Translated by Google
Consulte debates, estadísticas y perfiles de autores de esta publicación en: https://www.researchgate.net/publication/376222353
Integración del modelado de información de construcción (BIM) con ChatGPT, Bard e inteligencia artificial
generativa similar en la industria de la arquitectura, la ingeniería y la construcción: aplicación...
Artículo en Revista Electrónica SSRN ∙ Enero 2023

DOI: 10.2139/ssrn.4645601
CITAS LECTURAS
9 110
3 autores:
nitin rane Saurabh Purushottam Choudhary
Universidad de Bombay Facultad de Arquitectura de la Sociedad de Educación Vivekanand
101 PUBLICACIONES 1.410 CITAS 53 PUBLICACIONES 296 CITAS
VER EL PERFIL VER EL PERFIL
Jayesh Rane
Facultad de Ingeniería y Tecnología Pillai Hoc
52 PUBLICACIONES 255 CITAS
VER EL PERFIL
Todo el contenido que sigue a esta página fue subido por Nitin Rane. el 8 de diciembre de 2023.
El usuario ha solicitado una mejora del archivo descargado.

Machine
Citar como:Translated by Google
Rane, Nitin y Choudhary, Saurabh y Rane, Jayesh (2023) Integración del modelado de información de construcción (BIM) con ChatGPT, Bard e inteligencia artificial
generativa similar en la industria de la arquitectura, la ingeniería y la construcción: aplicaciones, un marco novedoso, desafíos y alcance futuro. http://dx.doi.org/10.2139/
ssrn.4645601
Integración del modelado de información de construcción (BIM) con ChatGPT, Bard e inteligencia artificial generativa
similar en la arquitectura, la ingeniería y la construcción.
industria: aplicaciones, un marco novedoso, desafíos y alcance futuro
*1 Nitin Liladhar Rane 2

Saurabh P Choudhary 3
Jayesh Rane
*1,2,3
Universidad de Bombay, Bombay, India
*1
Correo electrónico: nitinrane33@gmail.com
Abstracto:
El sector de la arquitectura, la ingeniería y la construcción (AEC) está experimentando actualmente un profundo

cambio de paradigma mediante la incorporación del Building Information Modeling (BIM) y tecnologías avanzadas
de inteligencia artificial generativa (IA). Este estudio profundiza en las diversas aplicaciones de esta integración
transformadora, presentando un marco pionero para fusionar BIM con modelos como ChatGPT y Bard. El enfoque
integrado descrito en este trabajo de investigación tiene implicaciones amplias y profundas. Inicialmente, explora
el aumento del proceso de diseño, donde la IA generativa mejora el aporte creativo de arquitectos e ingenieros al
generar alternativas de diseño innovadoras basadas en datos BIM. El espíritu colaborativo de BIM se amplía a
través de interfaces de lenguaje natural de ChatGPT, fomentando una comunicación fluida y el intercambio de
ideas entre las partes interesadas del proyecto. En la fase de construcción, esta integración agiliza la toma de
decisiones en tiempo real para el personal en el sitio, proporcionando información generada por IA basada en
datos BIM. Esto garantiza una mayor eficiencia, rentabilidad y gestión de riesgos del proyecto. La sinergia entre
BIM y la IA generativa también se aprovecha en la simulación y el análisis, lo que permite predicciones relacionadas
con el rendimiento estructural, la eficiencia energética y el impacto ambiental. La investigación presenta un marco
innovador que fusiona a la perfección BIM y la IA generativa, priorizando la interoperabilidad, la coherencia de los
datos y las interfaces fáciles de usar. Diseñado para adaptarse a la naturaleza dinámica de los proyectos AEC, el
marco promueve la colaboración y el intercambio de información continuos. Establece una plataforma estandarizada
para aprovechar las fortalezas de ambas tecnologías, garantizando un flujo de trabajo coherente y eficiente
durante todo el ciclo de vida del proyecto. Sin embargo, esta integración plantea desafíos, incluida la seguridad de
los datos, consideraciones éticas y la demanda de amplios recursos computacionales. Esta investigación
proporciona un marco fundamental para próximos estudios y prácticas industriales, allanando el camino para un
ecosistema AEC más inteligente, colaborativo y eficiente.
Palabras clave: ChatGPT, Bard, Modelado de información de construcción, Industria de la construcción, Inteligencia
artificial generativa, Grandes modelos de lenguaje, BIM.
Introducción
En el ámbito dinámico de la industria de Arquitectura, Ingeniería y Construcción (AEC), la incorporación imperativa de tecnologías
avanzadas se ha vuelto esencial para amplificar la eficiencia, fomentar la colaboración y mejorar los resultados generales del
proyecto [15]. El modelado de información de construcción (BIM) ha sido ampliamente reconocido como una fuerza revolucionaria
en la remodelación de la forma en que se conceptualizan, construyen y gestionan los edificios [69]. En los últimos años, modelos
como ChatGPT, desarrollado por OpenAI, o la IA generativa han mostrado capacidades notables de generación de lenguaje, lo
que permite vislumbrar la sinergia potencial entre el procesamiento del lenguaje natural y BIM [1015]. Este artículo de investigación
profundiza en la intersección de BIM con ChatGPT o Bard o inteligencia artificial generativa análoga, explorando diversas
aplicaciones, proponiendo un marco de integración innovador, abordando desafíos inherentes y delineando el alcance futuro
prometedor de esta fusión.
Una aplicación esencial radica en aumentar la fase de exploración del diseño [12,1618]. La integración de IA generativa con BIM
facilita la generación de alternativas de diseño basadas en parámetros específicos [1921]. Los arquitectos y diseñadores pueden
interactuar con el sistema de inteligencia artificial a través del lenguaje natural, acelerando el proceso de diseño y fomentando la
creatividad al brindar perspectivas alternativas. La integración de BIM y la IA generativa supone un cambio de paradigma en los
procesos de toma de decisiones. Los algoritmos de IA pueden analizar vastos conjuntos de datos dentro del entorno BIM,
brindando a las partes interesadas información inteligente para respaldar decisiones informadas. Esto abarca desde la selección
de materiales y la estimación de costos hasta la optimización de la eficiencia energética, mejorando el desempeño general del
proyecto. La IA generativa, cuando se integra con BIM, agiliza la planificación colaborativa de proyectos al permitir la comunicación en tiempo real y
Copia electrónica disponible en: https://ssrn.com/abstract=4645601

coordinación entre las partes interesadas [2226]. Las interfaces de lenguaje natural permiten a los gerentes de proyectos,
arquitectos, ingenieros y contratistas comunicar los requisitos, los hitos y las actualizaciones del proyecto sin problemas [2731].
Una parte integral de la integración de BIM con la IA generativa es garantizar una interoperabilidad perfecta de los datos [3236]. El
marco propone protocolos y formatos de datos estandarizados para permitir el intercambio fluido de información entre modelos BIM
y sistemas de IA, garantizando datos completos y precisos para el análisis y la generación [3739]. Para cerrar la brecha entre los
profesionales de AEC y los sistemas de IA, se propone una interfaz de lenguaje natural fácil de usar. Esto permite a las partes
interesadas interactuar con la IA generativa utilizando el lenguaje cotidiano, eliminando la necesidad de habilidades de programación
especializadas. La integración de ChatGPT como agente conversacional mejora la experiencia del usuario, haciendo que la
tecnología sea accesible a una audiencia más amplia [4043]. El marco subraya la importancia del aprendizaje continuo y la
adaptabilidad. Los sistemas de IA generativa pueden aprender de las interacciones de los usuarios y de los datos específicos del
proyecto, mejorando su rendimiento con el tiempo. Esta adaptabilidad garantiza que la IA siga respondiendo a los requisitos
cambiantes de los proyectos y las tendencias de la industria.
Figura 1 Análisis de coocurrencia de las palabras clave en la literatura.
La integración de BIM con IA generativa genera preocupaciones sobre la seguridad y privacidad de los datos [4448]. Es esencial
considerar cuidadosamente los protocolos de acceso e intercambio de datos para proteger contra el uso no autorizado o la
divulgación de información confidencial dentro de los modelos BIM [4952]. Un desafío importante reside en la formación y
familiarización de los profesionales de AEC con el sistema integrado. Implementar programas de capacitación adecuados es crucial
para garantizar que las partes interesadas puedan aprovechar de manera efectiva las capacidades de la IA generativa dentro del
entorno BIM. La falta de protocolos estandarizados para integrar la IA generativa con BIM plantea un desafío para la adopción generalizada de la industria
[5357]. Abordar este desafío requiere la colaboración entre las partes interesadas de la industria para establecer estándares
comunes que faciliten una integración perfecta entre proyectos y organizaciones.
La integración de BIM con IA generativa está preparada para remodelar los paradigmas de diseño dentro de la industria AEC [17
20]. A medida que avancen los algoritmos de IA, los arquitectos y diseñadores tendrán la oportunidad de explorar soluciones de
diseño innovadoras y no convencionales, superando los límites de la creatividad. Se prevé que la evolución continua de la IA
generativa dentro del entorno BIM mejorará significativamente la eficiencia del proyecto. Desde iteraciones de diseño automatizadas
hasta soporte de decisiones en tiempo real, el sistema integrado tiene el potencial de optimizar los procesos, reducir errores y
acelerar los plazos de los proyectos. Las implicaciones futuras se extienden más allá de los proyectos individuales a la industria.

amplia colaboración. La integración de la IA generativa con BIM sienta las bases para un ecosistema conectado donde los
profesionales de AEC, los sistemas de IA y las plataformas BIM colaboran sin problemas. Esta interconexión tiene el potencial de
fomentar la innovación, la estandarización y el intercambio de conocimientos en toda la industria. A medida que la industria adopta
esta convergencia tecnológica, el panorama de AEC está preparado para una nueva era de creatividad, eficiencia y colaboración,
impulsada por la relación simbiótica entre BIM y la IA generativa.
Metodología
El artículo de investigación adopta una metodología destinada a investigar a fondo la fusión del modelado de información de
construcción (BIM) con ChatGPT e inteligencia artificial generativa (IA) similar en el sector de arquitectura, ingeniería y construcción
(AEC). El enfoque abarca una revisión de la literatura para establecer la base de conocimientos existente, un análisis bibliométrico
para discernir tendencias y brechas clave, y la posterior propuesta de un marco innovador guiado por las implicaciones derivadas de
los hallazgos. Comenzando con una definición del alcance del estudio, la revisión de la literatura se concentra en la investigación
existente relacionada con la integración de BIM, IA y su aplicación en la industria AEC. Su objetivo es identificar aplicaciones
actuales, desafíos y oportunidades potenciales que surgen de la fusión de BIM y IA generativa. Se emplea un enfoque sistemático
para recuperar literatura pertinente de bases de datos como IEEE Xplore, ScienceDirect y Google Scholar. Palabras clave como
"Modelado de información de construcción", "ChatGPT", "inteligencia artificial generativa", "industria AEC" y sus variaciones guían la
búsqueda.
La revisión incorpora artículos, ponencias de conferencias y publicaciones relevantes que abordan la integración de BIM y la IA
generativa en la industria AEC. Se excluyen los estudios que se centren en temas no relacionados o en aspectos diferentes. Un
análisis bibliométrico exhaustivo cuantifica la producción académica relacionada con BIM, IA y su integración en el dominio AEC. Las
fuentes de datos incluyen bases de datos de citas y repositorios académicos. Se analizan métricas bibliométricas clave, como
tendencias de publicación, recuentos de citas y redes de coautoría, para identificar publicaciones influyentes, autores destacados y
temas de investigación emergentes. Se sintetizan los conocimientos de la revisión de la literatura y el análisis bibliométrico para
formar una comprensión integral del estado actual de la integración entre BIM y la IA generativa en la industria AEC. Sobre la base
de la síntesis, se propone un marco novedoso que describe componentes, metodologías y consideraciones clave para la integración
exitosa de BIM con ChatGPT y IA generativa similar en proyectos AEC.
Resultados y discusión
Contribución de ChatGPT o Bard o IA generativa similar al proceso BIM
ChatGPT, Bard o GAI desempeñan un papel crucial en la mejora de los procesos BIM [1013]. Sus capacidades de procesamiento
del lenguaje natural fomentan una comunicación fluida entre las diversas partes interesadas del proyecto, utilizando interfaces
basadas en texto para la interacción [1315]. El impacto de ChatGPT en el proceso BIM se desarrolla en varias dimensiones clave:
Comunicación y colaboración mejoradas:
ChatGPT facilita conversaciones en lenguaje natural entre los participantes del proyecto, incluidos arquitectos, ingenieros, contratistas
y clientes [2224]. Esto fomenta un entorno más inclusivo y colaborativo, que permite a las partes interesadas transmitir ideas
complejas de una manera fácilmente comprensible. La comunicación mejorada minimiza los malentendidos, asegurando la alineación
con los objetivos y requisitos del proyecto.
Soporte de diseño y planificación:
Al emplear una interfaz conversacional, ChatGPT ayuda a arquitectos y diseñadores a interactuar con el modelo BIM mediante
consultas en lenguaje natural durante las fases de diseño y planificación [1720]. Esto acelera el proceso de diseño, permitiendo una
exploración rápida de alternativas y ajustes iterativos basados en comentarios en tiempo real. La capacidad de comprender y generar
respuestas similares a las humanas agiliza el refinamiento de los conceptos de diseño.
Documentación automatizada:

ChatGPT automatiza la generación de informes, especificaciones y directrices mediante la comprensión e interpretación de los datos del
proyecto [5862]. Esto no sólo ahorra tiempo sino que también reduce el riesgo de errores de documentación [6366].
Las partes interesadas pueden solicitar información específica a través de consultas en lenguaje natural y ChatGPT responde con
información detallada y precisa, lo que mejora la eficiencia de la recuperación de información. La Tabla 1 muestra la contribución de
ChatGPT o Bard o IA generativa similar al proceso BIM.
Tabla 1 Contribución de ChatGPT o Bard o IA generativa similar al proceso BIM
Sr. Contribución Caso de uso Beneficios Desafíos

No.
1 Diseño Conceptualización, Mejora la creatividad, Precisión de interpretación,
Asistencia sugerencias de diseño. mejora las discusiones conocimiento específico del dominio.
sobre diseño. brechas
2 Proyecto Comunicación, Facilita equipo Dependencia del procesamiento

Colaboración intercambio de instrucciones. colaboración, fomenta la preciso del lenguaje natural, posibles
comprensión malas interpretaciones
3 Conocimiento Almacenamiento y recuperación Permite un acceso rápido Mantener la coherencia de los datos; se
Repositorio de información. a relevante requieren actualizaciones periódicas
información
4 Detección de errores Garantía de calidad, datos. Identifica y corrige Requiere datos de entrenamiento
y corrección exactitud inconsistencias completos, posibles falsos positivos/
negativos
5 Capacitación y Apoyo educativo, tutorías. Acelera Limitado a conocimiento
Inducción Proceso de integración procesal, puede carecer de contexto
del mundo real
6 Asistente virtual Tarea automatización, Libera tiempo para tareas Desafíos de integración con el software
para tareas rutinarias soporte administrativo complejas existente, potencial
errores
7 Análisis de riesgo Análisis de datos textuales, Permite la identificación Se basa en datos textuales precisos
identificación de riesgos. temprana de riesgos y y actualizados, posibles descuidos
mitigación
8 Interpretación y actualizaciones de los Mejora la cliente Preferencias a cliente
comunicación
requisitos de interacción con el cliente. de sensibilidad, potencial
falta de comunicación.
Resolución de problemas y gestión de conflictos:
Integrado en plataformas BIM, ChatGPT aborda consultas relacionadas con problemas del proyecto, identifica conflictos dentro del modelo,
propone soluciones y guía a las partes interesadas a través del proceso de resolución. Las conversaciones en tiempo real ayudan a mitigar
disputas y garantizar una pronta resolución de problemas, minimizando retrasos en el cronograma de construcción.
Capacitación de las partes interesadas del proyecto:
ChatGPT, que actúa como asistente virtual, ayuda a incorporar nuevos miembros al equipo del proyecto y a capacitar a las partes
interesadas sobre las complejidades de BIM a través de interacciones de lenguaje natural [6770]. Proporciona orientación sobre la
navegación del modelo, la interpretación de datos y el proceso BIM general, contribuyendo a un equipo de proyecto competente y bien informado.
Facilitar la toma de decisiones:
ChatGPT ayuda en la toma de decisiones proporcionando información relevante, respondiendo consultas y ofreciendo información derivada
del modelo BIM. Las partes interesadas pueden entablar conversaciones para explorar escenarios, evaluar los impactos de las decisiones
y tomar decisiones informadas, acelerando el proceso de toma de decisiones y mejorando la calidad de las decisiones a través de
conocimientos basados en datos.
Monitoreo de proyectos en tiempo real:

Integrados en plataformas BIM, ChatGPT o GAI ofrecen seguimiento en tiempo real del progreso de la construcción [7174].
Las partes interesadas pueden consultar sobre el estado del proyecto, la utilización de recursos y los logros de los hitos a través de
consultas en lenguaje natural. ChatGPT puede responder con información actualizada, lo que permite a las partes interesadas tomar
decisiones informadas basadas en el estado actual del proyecto [7576].
Integración Transdisciplinaria:
ChatGPT o GAI, que sirve como puente entre disciplinas, facilita la comunicación y el entendimiento entre arquitectos, ingenieros
estructurales, profesionales del Parlamento Europeo y otras partes interesadas [7782]. Esta integración interdisciplinaria mejora el
enfoque holístico de BIM, asegurando una coordinación y consideración efectiva de todos los aspectos del proyecto [8387].
Arquitectura y componentes del marco de integración propuesto.
La figura 2 resume un marco sofisticado y completo destinado a transformar la integración del modelado de información de construcción
(BIM) con ChatGPT en el ámbito de los proyectos de construcción de edificios. Este
Una orquestación intrincada se desarrolla a través de cinco componentes clave: BIM, ChatGPT, marco, construcción y visualización,
cada uno de los cuales desempeña un papel crucial en la combinación perfecta de datos, procesamiento de lenguaje natural y gestión
de proyectos de construcción. Comenzando con el componente BIM, la extracción de datos BIM inicia el viaje. BIM, en el contexto de
este marco, se refiere al proceso sólido de creación y gestión de información sobre un proyecto de construcción a lo largo de su ciclo
de vida. Los datos extraídos pasan por un proceso transformador, cambiando los formatos a un estándar común que facilita la
interoperabilidad y agiliza los esfuerzos de integración posteriores. Después de la conversión, los datos se someten a una validación
y limpieza meticulosas, lo que garantiza el cumplimiento de estándares predefinidos y la ausencia de inconsistencias. Esta minuciosa
preparación concluye con el almacenamiento de los datos BIM en una base de datos, que se convertirá en la piedra angular de las
siguientes fases del marco. La Fig. 2 muestra la arquitectura y los componentes del marco de integración propuesto.
Al mismo tiempo, el componente ChatGPT se prepara para recibir e interactuar con las consultas de los usuarios, profundizando en
las complejidades del procesamiento del lenguaje natural. Este segmento del marco maneja las consultas entrantes mediante el
preprocesamiento, la interpretación, la generación de respuestas y el posprocesamiento de los resultados finales para una
comunicación óptima. La recepción de las consultas de los usuarios prepara el escenario para la interacción humana, proporcionando
un medio sofisticado de comunicación a través del lenguaje natural. La fase de preprocesamiento actúa como filtro, abordando el
ruido, estandarizando formatos y preparando consultas para interpretación. La interpretación posterior comprende la intención del
usuario y extrae la información pertinente. La generación de respuestas aprovecha los datos integrados para elaborar respuestas
significativas, que se someten a un posprocesamiento para garantizar la claridad, la coherencia y la alineación con los estándares
establecidos antes de ser presentadas a los usuarios. El componente Framework emerge como el eje de esta saga de integración,
donde convergen la integración de datos, la definición lógica, el manejo de errores y los canales de comunicación. La tarea inicial
implica definir la lógica de integración y establecer reglas que regulen la síntesis de datos BIM y respuestas ChatGPT. Se establecen
canales de comunicación para conectar diversos componentes, asegurando un flujo fluido de información. La integración real se
desarrolla siguiendo una lógica predefinida. Mecanismos sólidos para el manejo de errores y la gestión de excepciones fortalecen el
marco contra desafíos imprevistos. Los mecanismos de registro y monitoreo brindan información sobre el funcionamiento interno del
marco, lo que permite un seguimiento integral del flujo de datos, la identificación de cuellos de botella y el monitoreo del estado del
sistema.
Al realizar la transición al componente de Construcción, el enfoque cambia hacia la implementación tangible de cambios basados en
datos integrados. El acceso a datos integrados se vuelve primordial, preparando el escenario para interacciones posteriores.
La comunicación con ChatGPT está integrada en el flujo de trabajo, lo que permite el intercambio dinámico de información y
conocimientos para informar los procesos de toma de decisiones. La implementación real de cambios dentro del proyecto de
construcción es una tarea crítica, donde los datos integrados guían las modificaciones y optimizaciones. Al mismo tiempo, el progreso
de la construcción se monitorea meticulosamente, alineándolo con los objetivos del proyecto. A medida que se implementan los
cambios, los datos BIM se actualizan dinámicamente para reflejar el estado de evolución del proyecto de construcción. El componente
de visualización pasa a primer plano, aprovechando datos integrados para crear complejos modelos 3D que sirven como
representaciones visuales del proyecto de construcción. Representar datos integrados en formatos visuales mejora la comprensión, permitiendo a las partes

captar información compleja rápidamente. Además, el componente de visualización genera informes detallados basados en datos
integrados, proporcionando descripciones generales completas para la toma de decisiones informadas.
Simultáneamente, el componente Analytics profundiza en el análisis de datos, extrayendo información valiosa para optimizar los
procesos constructivos. Un análisis exhaustivo de datos identifica patrones, tendencias y anomalías dentro de los datos integrados, lo
que forma la base para la toma de decisiones informadas e influye en la optimización de los procesos de construcción para mejorar la
eficiencia y reducir los costos. La interconexión de estos componentes se representa vívidamente mediante flechas y relaciones en el
diagrama de flujo. BIM se incorpora al Marco para la integración de datos, enfatizando el papel central del Marco. ChatGPT interactúa
con Framework, aprovechando sus capacidades para la interpretación de consultas y la generación de respuestas. El marco se
convierte en el conducto para la comunicación entre BIM, ChatGPT, construcción, visualización y análisis. Además, el Framework
garantiza la presentación de datos en los componentes de Construcción, Visualización y Análisis, consolidando su estatus como la
columna vertebral de este ecosistema integrado. Las notas intercaladas a lo largo del diagrama de flujo brindan contexto adicional y
ofrecen información sobre los objetivos y funciones generales del marco. La nota de la izquierda del Framework enfatiza la novedad
de este framework de integración para BIM y ChatGPT en proyectos de construcción de edificios. A la derecha, explicaciones concisas
de BIM y ChatGPT proporcionan anclajes contextuales para comprender sus respectivas funciones dentro del marco. Las notas finales
para Construcción, Visualización y Análisis añaden profundidad a la comprensión de estos componentes, proporcionando resúmenes
sucintos de sus funciones y objetivos.
Ecuación para la integración BIM y ChatGPT:
{ _ }={ _ }+{ _ _ }
_
Esta ecuación representa la información combinada derivada de BIM { } y del texto generado por ChatGPT { } durante el proceso
_
de integración. La integración tiene como objetivo
_ aprovechar los datos estructurados de BIM con las capacidades de lenguaje natural
de ChatGPT para mejorar la toma de decisiones y la comunicación en la industria de la construcción.
Las siguientes ecuaciones representan el marco conceptual para la integración del modelado de información de construcción (BIM) con
ChatGPT en la industria de la construcción:
Ecuación para la representación de datos BIM:
= {, ,}
Dónde,
representa el conjunto de datos BIM
denota el conjunto de propiedades geométricas y espaciales.
representa el conjunto de propiedades semánticas y ontológicas
Representa el conjunto de propiedades del material y de su rendimiento.
Ecuación para la comprensión de ChatGPT de consultas BIM:
= ChatGPT( )
Dónde,
representa la comprensión de las consultas BIM por ChatGPT
es el conjunto de consultas relacionadas con BIM.
Ecuación para la integración BIM y ChatGPT:
− = Integración( , )
Dónde,
− representa el sistema integrado de BIM y ChatGPT.

La integración es el proceso de combinar datos BIM y comprensión de ChatGPT.

Mecanismos de interoperabilidad e intercambio de datos entre modelos BIM e IA.
La sinergia entre Building Information Modeling (BIM) y ChatGPT es una colaboración fundamental que cierra la brecha entre
dos ámbitos dispares: arquitectura, ingeniería y construcción (AEC) por un lado, y procesamiento del lenguaje natural (NLP) por
el otro [11 14]. BIM actúa como una representación digital integral de los atributos físicos y funcionales de un entorno construido,
fomentando la colaboración y la toma de decisiones informadas durante todo el ciclo de vida de un proyecto [79]. Por el
contrario, ChatGPT, impulsado por el sofisticado modelo de lenguaje OpenAI o Bard, sobresale en la comprensión y generación
del lenguaje natural, lo que permite interacciones similares a las humanas [88
93]. La convergencia de estas tecnologías encierra un enorme potencial, ya que abre nuevas vías para una comunicación fluida,
un intercambio de datos y conocimientos enriquecidos.
En esencia, la interoperabilidad denota la capacidad de diferentes sistemas o software para colaborar eficazmente. En el contexto
de BIM y ChatGPT, lograr la interoperabilidad implica establecer protocolos de comunicación y formatos de datos estandarizados
que faciliten el intercambio de información entre los dos sistemas [3337]. Esta interoperabilidad es crucial para garantizar la
integración de los conocimientos generados por ChatGPT en el flujo de trabajo BIM y viceversa, creando un ecosistema holístico
e inteligente. Un aspecto fundamental de la interoperabilidad BIM y ChatGPT gira en torno al intercambio de datos. BIM opera
sobre un modelo de datos estructurados que contiene información sobre los componentes físicos de un edificio, sus relaciones y
diversos atributos [79]. Estos datos estructurados son vitales para el diseño, análisis y simulación. Por otro lado, ChatGPT
procesa datos no estructurados en forma de texto en lenguaje natural [8991]. Por lo tanto, se debe establecer un puente para
facilitar el intercambio fluido de información entre estos modelos de datos estructurados y no estructurados.
El estándar Industry Foundation Classes (IFC), ampliamente adoptado en la industria AEC, desempeña un papel fundamental
para lograr la interoperabilidad dentro de BIM [9497]. IFC proporciona un formato de datos neutral y abierto, lo que permite que
diferentes aplicaciones de software BIM intercambien información sin problemas [98101]. La integración de ChatGPT en el flujo
de trabajo BIM requiere un mecanismo de traducción que convierta datos de texto no estructurados a un formato compatible con IFC.
Esto se puede lograr mediante el desarrollo de middleware o adaptadores que comprendan la entrada del lenguaje ChatGPT y
lo conviertan a un formato estructurado compatible con el software BIM. Por el contrario, los datos generados por BIM pueden
mejorar los datos de capacitación de ChatGPT, mejorando su comprensión de la terminología arquitectónica y de construcción,
los procesos de gestión de proyectos y el contexto específico del dominio. Este flujo bidireccional de información crea una
relación simbiótica, donde cada sistema aprovecha las fortalezas del otro, lo que lleva a una toma de decisiones más informada
y una comunicación eficiente dentro de la industria AEC.
Fig. 2 Arquitectura y componentes del marco de integración propuesto.

La interoperabilidad semántica, otra dimensión crucial de dicha integración [102105], garantiza que los datos intercambiados entre BIM y
ChatGPT conserven su significado en diferentes sistemas. Los modelos BIM suelen contener una rica semántica que describe las relaciones
y propiedades de los elementos de construcción. ChatGPT, para proporcionar respuestas significativas, debe comprender y generar texto con
una semántica precisa. Lograr la interoperabilidad semántica requiere el desarrollo de ontologías o gráficos de conocimiento que establezcan
una comprensión común de términos y conceptos tanto en BIM como en el procesamiento del lenguaje natural. Las ontologías actúan como
un vocabulario compartido que define relaciones entre entidades en un dominio específico [103105]. Para la integración de BIM y ChatGPT,
una ontología debe abarcar términos arquitectónicos y de construcción, conceptos de gestión de proyectos y otros conocimientos relevantes
específicos del dominio. Esta ontología compartida garantiza que cuando ChatGPT procese o genere texto relacionado con BIM, lo haga con
una comprensión precisa de la semántica, mejorando la calidad y relevancia de las respuestas.
La integración de BIM y ChatGPT implica mecanismos de comunicación conscientes del contexto. Los modelos BIM evolucionan a lo largo
de las fases del proyecto, desde la conceptualización hasta la construcción y el mantenimiento. ChatGPT debe comprender el contexto de la
conversación, considerando el estado actual del modelo BIM, las limitaciones del proyecto y la fase del proyecto.
La comunicación consciente del contexto garantiza que la información intercambiada siga siendo relevante y se alinee con las actividades en
curso en el proyecto AEC. Las técnicas de aprendizaje automático, especialmente los modelos de procesamiento de lenguaje natural, se
pueden entrenar con datos BIM históricos para comprender los matices de la industria AEC. Esta capacitación permite a ChatGPT generar
respuestas contextualmente relevantes que reflejen una comprensión de la jerga, las regulaciones y las mejores prácticas específicas de la
industria. Los comentarios de las interacciones ChatGPT pueden actualizar y mejorar el modelo BIM, asegurando que capture la información
más actualizada.
La privacidad y la seguridad son primordiales en la integración de BIM y ChatGPT, especialmente con datos confidenciales del proyecto [45
47,52]. Los mecanismos de cifrado y autenticación salvaguardan la confidencialidad e integridad de la información. Los controles de acceso
regulan la recuperación o modificación de información de ChatGPT dentro del modelo BIM, asegurando que solo los usuarios y procesos
autorizados interactúen con el sistema. Un desafío importante para lograr una interoperabilidad perfecta es la diversidad de fuentes y formatos
de datos en la industria AEC. Los modelos BIM pueden utilizar diferentes aplicaciones de software, cada una con formatos de datos
propietarios. Los esfuerzos de estandarización como IFC y COBie desempeñan un papel crucial para superar estos desafíos, asegurando
que los modelos BIM puedan ser compartidos y comprendidos por diferentes sistemas. Dicha integración requiere una interfaz fácil de usar
para que las partes interesadas en la AEC interactúen sin problemas [106110]. Esta interfaz debe admitir entradas de lenguaje natural y
proporcionar visualizaciones del modelo BIM e información generada por ChatGPT.
El diseño de la experiencia del usuario garantiza una utilización eficaz en los flujos de trabajo diarios. La Fig. 3 muestra los mecanismos de
interoperabilidad e intercambio de datos entre los modelos BIM y AI.
Fig. 3 Mecanismos de interoperabilidad e intercambio de datos entre modelos BIM e IA

Pasos para implementar el framework BIMChatGPT
El desarrollo de un marco cohesivo de modelado de información de construcción (BIM) y ChatGPT requiere la combinación de tecnologías
de vanguardia para elevar la colaboración, la toma de decisiones y la comunicación dentro de los procesos de construcción y diseño
[1114]. Esta sinergia promete una mayor eficiencia, una reducción de errores y resultados superiores en los proyectos. La Fig. 4 muestra
los pasos para implementar el marco BIMChatGPT.
Definir los objetivos y el alcance del proyecto
Antes de profundizar en las complejidades técnicas, articule los objetivos y el alcance del proyecto [111115]. Identifique objetivos
específicos, partes interesadas y resultados previstos. Capte los desafíos predominantes en los procesos de comunicación y BIM actuales
para adaptar la integración para una resolución efectiva de los problemas.
Evaluar las capacidades BIM actuales
Examinar el panorama, el software y los flujos de trabajo BIM existentes [116119]. Comprender el estado de la interoperabilidad de datos,
la colaboración y el intercambio de información. Identifique las fortalezas y limitaciones de las herramientas y plataformas BIM utilizadas
dentro de su organización. Esta evaluación sienta las bases para integrar perfectamente ChatGPT en sus procesos BIM.
Seleccione una implementación de ChatGPT adecuada
Elija una implementación de ChatGPT que satisfaga las necesidades específicas de su proyecto [120125]. Elija entre utilizar modelos
previamente entrenados o ajustarlos con datos específicos del dominio para mayor precisión. Considere factores como el tiempo de
respuesta, el tamaño del modelo y las demandas de recursos. Las implementaciones dignas de mención incluyen los modelos GPT de
OpenAI, que se pueden ajustar para tareas específicas.
Garantizar la seguridad y privacidad de los datos
Priorice la seguridad y privacidad de los datos dada la sensibilidad de la información del proyecto involucrada tanto en BIM como en
ChatGPT. Implemente protocolos de cifrado sólidos, controles de acceso y canales de comunicación seguros. Garantizar el cumplimiento
de las normas de protección de datos pertinentes para infundir confianza entre las partes interesadas. Instituya un marco integral de
gobernanza de datos para guiar el manejo de información confidencial durante toda la integración.
Definir estándares y protocolos de datos
Instituya formatos y protocolos de datos estandarizados para facilitar la integración perfecta de BIM y ChatGPT. Especifique cómo se
intercambia, formatea y almacena la información. Adopte estándares de la industria como Industry Foundation Classes (IFC) para datos
BIM y establezca un formato estructurado para datos de entrada y salida durante las interacciones ChatGPT. Los estándares de datos
consistentes son primordiales para la interoperabilidad del marco integrado.
Integra ChatGPT con BIM
Conecte ChatGPT al entorno BIM desarrollando API o aprovechando las opciones de integración existentes. Asegúrese de que ChatGPT
pueda acceder a los datos BIM pertinentes e interpretarlos de manera efectiva. Desarrolle scripts o complementos para integrar ChatGPT
en herramientas BIM populares, fomentando una interacción perfecta con modelos 3D, cronogramas y otros datos del proyecto.
Implementar la comprensión del lenguaje natural (NLU)
Aumente las capacidades de ChatGPT implementando la comprensión del lenguaje natural (NLU). Entrene el modelo para comprender la
terminología de construcción y diseño, el lenguaje específico del proyecto y las consultas de los usuarios. Ajuste el modelo utilizando
conjuntos de datos de dominios específicos para mejorar la comprensión y la intención contextual, haciendo que la comunicación sea
más efectiva para la industria de la construcción.
Habilitar la comunicación bidireccional
Instituir un canal de comunicación bidireccional entre BIM y ChatGPT. Asegúrese de que ChatGPT no solo pueda recibir consultas y
proporcionar información, sino también ejecutar comandos en el entorno BIM. Este bidireccional

La comunicación facilita a los usuarios plantear preguntas, recibir respuestas y realizar cambios en el modelo BIM a través de interacciones
de lenguaje natural.
Facilitar la colaboración y el apoyo a las decisiones
Aprovechar el marco integrado para fomentar la colaboración entre las partes interesadas del proyecto [126130]. Habilite debates en tiempo
real, soporte para decisiones y resolución de problemas a través de ChatGPT. Cultive un entorno colaborativo donde los miembros del equipo
puedan plantear preguntas, recibir comentarios instantáneos y tomar decisiones informadas basadas en los conocimientos del sistema
integrado.
Implementar control de versiones y gestión de cambios
Instituya un sólido sistema de control de versiones para datos BIM y ChatGPT. Implementar protocolos de gestión de cambios para rastrear
las modificaciones realizadas por los usuarios, garantizando la transparencia y la rendición de cuentas [131134]. Esto mitiga los conflictos,
reduce los errores y mantiene un registro confiable de la evolución del proyecto. Actualizar periódicamente el marco integrado para incorporar
nuevas características y mejoras.
Capacitar a los usuarios y brindar soporte
Realice sesiones de capacitación para familiarizar a los usuarios con el marco integrado BIM y ChatGPT. Proporcione documentación
completa, tutoriales y soporte al usuario para garantizar que las partes interesadas puedan utilizar el sistema de manera efectiva.
Aborde desafíos comunes, dilucida las mejores prácticas y fomente el aprendizaje continuo para maximizar los beneficios de la solución
integrada.
Probar y validar el marco integrado
Antes de implementar el marco integrado en un proyecto en vivo, realice pruebas y validaciones exhaustivas [135137].
Evalúe diversos escenarios, interacciones de usuarios y posibles casos extremos para identificar y abordar cualquier problema. Valide las
respuestas de ChatGPT, los procesos de intercambio de datos y el rendimiento general del sistema. Refine la integración de forma iterativa en
función de los comentarios de las pruebas.
Supervisar y optimizar el rendimiento
Implementar herramientas de monitoreo para rastrear el desempeño en tiempo real del marco integrado. Supervise el intercambio de datos,
los tiempos de respuesta y las interacciones de los usuarios. Emplee análisis para obtener información sobre los patrones de uso e identificar
áreas de optimización. Actualice y optimice periódicamente el sistema para mejorar el rendimiento, abordar problemas emergentes e incorporar
comentarios de los usuarios.
Escalar y expandir
A medida que el marco integrado BIM y ChatGPT alcance el éxito, considere ampliarlo a proyectos adicionales y ampliar su funcionalidad.
Explore oportunidades de integración con otras tecnologías de construcción, dispositivos IoT o herramientas de gestión de proyectos. Recopile
continuamente comentarios de los usuarios para impulsar mejoras y garantizar la escalabilidad y adaptabilidad de la solución integrada.
Documentar las lecciones aprendidas y las mejores prácticas
Documentar las lecciones aprendidas a lo largo del proceso de implementación. Capture las mejores prácticas, los desafíos enfrentados y las
estrategias exitosas. Esta documentación sirve como un recurso valioso para proyectos futuros, agilizando el proceso de implementación y
fomentando la mejora continua en la integración de BIM y ChatGPT.
Desafíos en la integración e implementación
BIM facilita un enfoque colaborativo para el diseño, la construcción y la gestión de proyectos, mientras que ChatGPT mejora los procesos de
comunicación y toma de decisiones. Sin embargo, la combinación de estas potentes herramientas presenta varios desafíos que deben
abordarse para una implementación exitosa en proyectos de construcción.
Complejidad de los Modelos BIM:

Los modelos BIM representan de manera intrincada proyectos de construcción, abarcando diversas dimensiones de datos como geometría, tiempo, costo y más.
La integración de ChatGPT con BIM implica la compleja tarea de procesar y comprender estos datos multifacéticos. Un desafío importante radica en garantizar
que ChatGPT comprenda e interprete con precisión la semántica de los datos BIM para proporcionar información y respuestas significativas.
Interoperabilidad de datos:
El software BIM a menudo se basa en formatos de archivo propietarios, lo que plantea un desafío para lograr la interoperabilidad entre diferentes herramientas
BIM y ChatGPT. El intercambio fluido de datos es crucial para una integración efectiva, ya que requiere que la IA comprenda e interprete datos de varias
plataformas BIM. El desarrollo de protocolos estandarizados para el intercambio de datos se vuelve imperativo para facilitar un flujo fluido de información.
Integración con Sistemas de Gestión de Proyectos:
Los proyectos de construcción implican extensas actividades de gestión de proyectos. Integrar ChatGPT con sistemas de gestión de proyectos y garantizar la
sincronización con los datos BIM es una tarea compleja. ChatGPT necesita comunicarse sin problemas con los sistemas de programación, presupuestación y
asignación de recursos para ofrecer información en tiempo real y respaldar los procesos de toma de decisiones.
Comprensión del lenguaje natural:
La eficacia de ChatGPT depende de su capacidad para comprender el lenguaje natural. En una industria plagada de terminología y jerga específicas, capacitar a
ChatGPT para comprender y responder adecuadamente plantea un desafío. Garantizar que la IA comprenda el contexto, la intención y los matices de las
conversaciones relacionadas con la construcción es crucial para una integración exitosa.
Preocupaciones sobre la seguridad y privacidad de los datos:
Los modelos BIM contienen información confidencial del proyecto y ChatGPT procesa y genera respuestas basadas en los comentarios recibidos. Mantener la
seguridad y la privacidad de los datos se convierte en una preocupación importante. Implementar medidas de seguridad sólidas para proteger los datos del
proyecto y garantizar que ChatGPT cumpla con las regulaciones de privacidad es fundamental para una integración exitosa.
Entrenamiento de la IA para conocimientos específicos de la construcción:
ChatGPT necesita capacitación en conocimientos específicos de la construcción para brindar información y recomendaciones valiosas.
Adquirir y conservar un amplio conjunto de datos que abarque procesos de construcción, materiales, normativas y mejores prácticas es una tarea que requiere
mucho tiempo. Garantizar que la IA esté bien versada en los ámbitos relacionados con la construcción es crucial para su eficacia en las discusiones relacionadas
con proyectos.
Adopción y capacitación de usuarios:
Es posible que los profesionales de la construcción no estén familiarizados con tecnologías de inteligencia artificial como ChatGPT. Presentando una conversación
La incorporación de una herramienta de IA al flujo de trabajo requiere una formación adecuada y estrategias de gestión de cambios. Garantizar que los usuarios
se sientan cómodos y comprendan cómo aprovechar ChatGPT para su beneficio es esencial para una integración exitosa.
Costo de implementación:
La integración de tecnologías avanzadas como BIM y ChatGPT implica costos iniciales sustanciales. Al operar con presupuestos ajustados, los proyectos de
construcción pueden encontrar que los gastos asociados con las licencias de software, la capacitación y las actualizaciones de infraestructura son un factor
disuasivo. Equilibrar los beneficios potenciales con los costos de implementación es un desafío que las partes interesadas del proyecto deben considerar
cuidadosamente.

Fig. 4 Pasos para implementar el marco BIMChatGPT

Escalabilidad y rendimiento:
Los grandes proyectos de construcción generan grandes cantidades de datos, lo que hace que la escalabilidad del sistema integrado
BIM y ChatGPT sea crucial. Garantizar que el sistema pueda manejar el creciente volumen de datos manteniendo los niveles de
rendimiento es un desafío técnico. Los problemas de escalabilidad pueden afectar la eficiencia y la capacidad de respuesta de la
herramienta de IA, afectando su usabilidad en proyectos a gran escala.
Mejora continua y actualizaciones:
Tanto las tecnologías BIM como ChatGPT se encuentran en un continuo estado de evolución. Mantener el sistema integrado actualizado
con los últimos avances, actualizaciones y mejoras en ambas tecnologías es un desafío continuo.
Mantener la eficacia y la alineación de la IA con las necesidades cambiantes de la industria de la construcción requiere un enfoque
proactivo para el mantenimiento y las actualizaciones del sistema.
Posibles avances futuros
La industria de la construcción está atravesando una transformación revolucionaria con la introducción del Modelado de Información de
Construcción (BIM), un proceso que emplea representaciones digitales para capturar los atributos físicos y funcionales de una instalación
[69]. Al mismo tiempo, la inteligencia artificial (IA) ha logrado avances notables, con ChatGPT de OpenAI emergiendo como una potente
herramienta en el procesamiento del lenguaje natural [8993]. Los posibles avances en la combinación de BIM y ChatGPT en proyectos
de construcción tienen el potencial de remodelar los enfoques para el diseño, la planificación y la ejecución de proyectos de construcción.
Diseño y planificación mejorados:
En el ámbito de los proyectos de construcción, la fusión de BIM y ChatGPT puede ejercer una influencia transformadora, particularmente
en la fase de diseño y planificación. La reputación de BIM por crear modelos 3D detallados que simulan todo el proceso de construcción
se puede enriquecer aún más mediante la integración de ChatGPT. Esta integración permite modelos dinámicos capaces de interpretar
y generar descripciones y anotaciones textuales basadas en entradas de lenguaje natural. Por ejemplo, los arquitectos podrían interactuar
con el modelo BIM mediante consultas en lenguaje sencillo, buscando información sobre alternativas de diseño, especificaciones de
materiales o eficiencia energética. La capacidad de ChatGPT para procesar estas consultas y ofrecer respuestas inmediatas facilita un
proceso de diseño más fluido e iterativo. Esta sinergia tiene el potencial de agilizar la toma de decisiones y mejorar la comprensión de
las implicaciones del proyecto, lo que lleva a diseños optimizados.
Gestión Inteligente de Proyectos:
La fusión de ChatGPT con BIM promete revolucionar la gestión de proyectos en la construcción. Los gerentes de proyectos, a menudo
inundados de datos extensos sobre programación, asignación de recursos y seguimiento del progreso, pueden beneficiarse de la
capacidad de ChatGPT para convertir estos datos en conocimientos prácticos. Al interpretar consultas en lenguaje natural, ChatGPT
puede proporcionar información concisa y relevante, mejorando la toma de decisiones y la eficiencia de la comunicación. Considere un
gerente de proyecto que pregunta sobre el estado actual del vertido de concreto en el quinto piso. Integrado con el modelo BIM y el
software de gestión de proyectos, ChatGPT podría analizar rápidamente datos en tiempo real y ofrecer respuestas inmediatas, facilitando
la toma de decisiones informadas y la comunicación optimizada.
Asistentes virtuales para profesionales de la construcción:
Los escenarios futuros imaginan a los profesionales de la construcción utilizando asistentes virtuales impulsados por IA integrados
perfectamente con BIM. Estos asistentes virtuales, impulsados por ChatGPT, pueden ayudar a arquitectos, ingenieros y otras partes
interesadas respondiendo consultas, generando informes e incluso ofreciendo sugerencias de diseño. Por ejemplo, un arquitecto que
busque ejemplos de proyectos similares con diseños de fachadas innovadores podría recibir ayuda del asistente virtual.
Aprovechando las capacidades de comprensión del lenguaje de ChatGPT, puede recuperar información pertinente de proyectos
anteriores y presentarla de una manera visualmente atractiva dentro del entorno BIM.
Colaboración y comunicación mejoradas:

La comunicación eficaz es fundamental para el éxito de los proyectos de construcción. La integración de ChatGPT con BIM facilita una
mejor colaboración entre las partes interesadas del proyecto. Las interfaces de lenguaje natural simplifican la comunicación entre
diferentes disciplinas, lo que facilita que arquitectos, ingenieros y contratistas compartan conocimientos y resuelvan problemas. Además,
los modelos de lenguaje como ChatGPT pueden automatizar la generación de informes y documentación, ahorrando tiempo y garantizando
coherencia y precisión en la comunicación en todo el equipo del proyecto.
Análisis predictivo y soporte a la toma de decisiones:
La sinergia de BIM y ChatGPT abre vías para el análisis predictivo avanzado y los sistemas de soporte a la toma de decisiones.
Los proyectos de construcción son inherentemente inciertos y anticiparse a los desafíos es crucial para una ejecución exitosa del proyecto.
ChatGPT, basándose en datos históricos, el estado actual del proyecto y factores externos, puede ayudar a predecir desafíos potenciales
y recomendar medidas proactivas. Por ejemplo, un gerente de proyecto que consulte riesgos potenciales en el cronograma de construcción
actual podría recibir información de ChatGPT, aprovechando su comprensión de los datos del proyecto y las tendencias históricas para
sugerir estrategias de mitigación.
Conclusiones
En el panorama dinámico de la industria de la arquitectura, la ingeniería y la construcción (AEC), la fusión del modelado de información
de construcción (BIM) con inteligencia artificial generativa avanzada, como ChatGPT y Bard, significa un cambio de paradigma con un
potencial significativo. Este artículo de investigación profundiza en las posibilidades transformadoras explorando a fondo las aplicaciones,
proponiendo un marco novedoso, abordando desafíos y especulando sobre perspectivas futuras. La sinergia entre BIM y ChatGPT ofrece
numerosas aplicaciones en todo el espectro AEC, remodelando fundamentalmente los flujos de trabajo tradicionales. En particular,
revoluciona la optimización del diseño, permitiendo a arquitectos y diseñadores explorar rápidamente diversas opciones de diseño. Las
capacidades generativas de ChatGPT facilitan la ideación, generando alternativas basadas en parámetros específicos y agilizando el
proceso de diseño.
Además, la integración de ChatGPT con BIM promueve una mejor colaboración entre las partes interesadas. Las interacciones basadas
en lenguajes en tiempo real permiten una comunicación y comprensión fluidas entre arquitectos, ingenieros y profesionales de la
construcción. Este entorno colaborativo fomenta un enfoque holístico para el desarrollo de proyectos, minimizando errores y mejorando la
eficiencia en la toma de decisiones. Otra aplicación radica en la documentación y comunicación de proyectos. ChatGPT puede generar
automáticamente informes completos, resúmenes de proyectos y documentación a partir de datos BIM, lo que ahorra tiempo y garantiza
coherencia y precisión en proyectos de construcción a gran escala. En la gestión de instalaciones, la fusión de BIM y ChatGPT resulta
invaluable, ya que optimiza los programas de mantenimiento, los análisis de eficiencia energética y otros aspectos a través del análisis
inteligente de los datos BIM y la información procesable generada por ChatGPT.
El marco propuesto para integrar BIM y ChatGPT tiene como objetivo mejorar la eficiencia y eficacia de los procesos AEC. En esencia, el
marco prevé un flujo fluido de información entre los modelos BIM y ChatGPT, creando un ecosistema dinámico donde los conocimientos
basados en datos y las capacidades generativas trabajan en colaboración. El proceso de integración implica capacitar a ChatGPT en
conjuntos de datos específicos de BIM para mejorar su comprensión de las terminologías, principios de diseño y metodologías de
construcción específicos de la industria. Esta capacitación personalizada garantiza que los resultados generativos no solo sean
contextualmente relevantes sino que también estén alineados con los estándares de la industria.
El marco aboga por la creación de una interfaz de usuario intuitiva, que facilite la interacción entre los profesionales y el sistema integrado.
A pesar del inmenso potencial, la integración de BIM y ChatGPT o Bard plantea desafíos. Las preocupaciones sobre privacidad y
seguridad, especialmente con datos confidenciales de proyectos, requieren protocolos de autenticación y cifrado sólidos. La
interoperabilidad de diversos software BIM y la necesidad de formatos de datos estandarizados requieren la colaboración de toda la
industria. Además, las implicaciones éticas de los diseños y decisiones generados por IA deben considerarse cuidadosamente para lograr
un equilibrio entre la autonomía creativa de los arquitectos y las capacidades de optimización de la IA, manteniendo los estándares éticos
en la industria AEC. A medida que las tecnologías de IA evolucionen, la atención se centrará en el desarrollo de sistemas que puedan
aprender y adaptarse en tiempo real, mejorando significativamente la precisión y relevancia de los resultados generativos, alineándolos
con las necesidades cambiantes de los proyectos AEC.

Referencias
[1] Altuwaim, A., AlTasan, A. y Almohsen, A. (2023). Criterios de Éxito para la Aplicación de la Construcción en Proyectos. 15(8).
Tecnologías Residencial Sostenibilidad (Suiza),

https://doi.org/10.3390/su15086854
[2] Shukra, ZA, Zhou, Y. y Wang, L. (2021). Un modelo conceptual adaptable para la transferencia de tecnología de la construcción:
el bri en África, el caso de Etiopía. Sostenibilidad (Suiza), 13(6). https://doi.org/10.3390/su13063376
[3] Agenbag, H. y Amoah, C. (2021). El impacto de la tecnología de construcción moderna en la fuerza laboral en la industria de la
construcción. Serie de conferencias del IOP: Ciencias de la Tierra y el Medio Ambiente, 654(1). https://doi.org/
10.1088/17551315/654/1/012001
[4] Keskin, B., Salman, B. y Ozorhon, B. (2021). Entrega de proyectos aeroportuarios dentro de ecosistemas de tecnología de
construcción centrados en BIM. Ingeniería, Construcción y Gestión Arquitectónica, 28(2). https://doi.org/10.1108/
ECAM1120190625
[5] Wang, Y., Chong, D. y Liu, X. (2021). Evaluación de las barreras críticas para la adopción de tecnologías de construcción ecológicas
en China. Sostenibilidad (Suiza), 13(12). https://doi.org/10.3390/su13126510
[6] Sacks, R., Girolami, M. y Brilakis, I. (2020). Modelado de información de construcción, inteligencia artificial y tecnología de la
construcción. Desarrollos en el entorno construido, 4. https://doi.org/10.1016/j.dibe.2020.100011
[7] Ali, KN, Alhajlah, HH y Kassem, MA (2022). Colaboración y riesgo en el modelado de información de construcción (BIM): una
sistemática 12 (5). https://doi.org/10.3390/buildings12050571 Literatura Revisar. edificios,
[8] Othman, I., AlAshmori, YY, Rahmawati, Y., Mugahed Amran, YH y AlBared, MAM (2021). El nivel de
implementación del modelado de información de construcción (BIM) en Malasia. Revista de ingeniería
de Ain Shams, 12 (1). https://doi.org/10.1016/j.asej.2020.04.007
[9] Gao, H., Koch, C. y Wu, Y. (2019). Modelado de información de construcción basado en modelado energético de edificios: una
revisión. En Energía Aplicada (Vol. 238). https://doi.org/10.1016/j.apenergy.2019.01.032
[10] Prieto, S. A., Mengiste, E. T., & García de Soto, B. (2023). Investigating the use of ChatGPT for the
programación de proyectos de construcción. Edificios, 13(4), 857.
[11] Lin, WY (2023). Creación de prototipos de un chatbot para administradores de sitios utilizando el modelado de información de construcción (BIM)
y técnicas de comprensión del lenguaje natural (NLU). Sensores, 23(6), 2942.
[12] Zheng, J. y Fischer, M. (2023). Marco de asistente virtual dinámico basado en indicaciones para la búsqueda de información BIM.
Automatización en la Construcción, 155, 105067.
[13] Singh, AK, Pal, A., Kumar, P., Lin, JJ y Hsieh, SH (2023). Perspectivas de integración de BIM y NLP para la gestión automática del
cronograma de construcción. En ISARC. Actas del Simposio internacional sobre automatización y robótica en la construcción
(Vol. 40, págs. 238245). Publicaciones de la IAARC.
[14] Ghimire, P., Kim, K. y Acharya, M. (2023). IA generativa en la industria de la construcción: oportunidades y desafíos. Preimpresión
de arXiv arXiv:2310.04427.
[15] Ko, J., Ajibefun, J. y Yan, W. (2023). Experimentos sobre modelado paramétrico generativo impulsado por IA y
BIM para Diseño Arquitectónico. Preimpresión de arXiv arXiv:2308.00227.
[16] Rane, N. (2023). Papel potencial y desafíos de ChatGPT e inteligencia artificial generativa similar
en Ingeniería Arquitectónica. Disponible en SSRN 4607767.
[17] Turhan, GD (2023). Evaluación del ciclo de vida de materiales de construcción no convencionales en colaboración con un modelo
de lenguaje grande. En actas de la Conferencia Internacional sobre Educación e Investigación en Diseño Arquitectónico
Asistido por Computadora en Europa. Educación e investigación en Diseño Arquitectónico Asistido por Computador en Europa.
[18] Rane, N. (2023). Papel de ChatGPT e inteligencia artificial (IA) generativa similar en la construcción
Industria. Disponible en SSRN 4598258.
[19] Jang, S. y Lee, G. (2023). Diseño interactivo mediante la integración de un gran modelo de lenguaje previamente entrenado y
modelado de información de construcción. preimpresión de arXiv arXiv:2306.14165.
[20] Xu, F., Nguyen, T. y Du, J. (2023). Realidad Aumentada para Tareas de Mantenimiento con ChatGPT para
Texto a acción automatizado. Preimpresión de arXiv arXiv:2307.03351.

[21] Singh, AK, Pal, A., Kumar, P., Lin, JJ y Hsieh, SH (2023). Perspectivas de integración de BIM y NLP para la gestión automática
del cronograma de construcción. En ISARC. Actas del Simposio internacional sobre automatización y robótica en la
construcción (Vol. 40, págs. 238245). Publicaciones de la IAARC.
[22] Aladağ, H. (2023). Evaluación de la precisión del uso de ChatGPT para la gestión de riesgos en proyectos de construcción.
Sostenibilidad, 15(22), 16071.
[23] Alshami, A., Elsayed, M., Ali, E., Eltoukhy, AE y Zayed, T. (2023). Aprovechar el poder de ChatGPT para automatizar el proceso
de revisión sistemática: metodología, estudio de caso, limitaciones y direcciones futuras.
Sistemas, 11(7), 351.
[24] Xu, F., Nguyen, T. y Du, J. (2023). Realidad Aumentada para Tareas de Mantenimiento con ChatGPT para
Texto a acción automatizado. Preimpresión de arXiv arXiv:2307.03351.
[25] Atalán, A. (2023). La aplicación ChatGPT sobre gestión de calidad: una revisión completa. Disponible
en SSRN 4565125.
[26] Saka, A., Taiwo, R., Saka, N., Salami, B., Ajayi, S., Akande, K. y Kazemi, H. (2023). Modelos GPT en la industria de la construcción:
oportunidades, limitaciones y validación de casos de uso. Preimpresión de arXiv arXiv:2305.18997.
[27] Rane, Países Bajos (2023). Colaboración multidisciplinaria: actores clave en la implementación exitosa de ChatGPT e inteligencia
artificial generativa similar en la industria manufacturera, financiera, minorista, de transporte y de la construcción. https://doi.org/
10.31219/osf.io/npm3d
[28] Rane, Nitin (2023) Integración del modelado de información de construcción (BIM) y la inteligencia artificial (IA) para la gestión
inteligente de cronogramas, costos, calidad y seguridad de la construcción: desafíos y oportunidades.
Disponible en SSRN: https://ssrn.com/abstract=4616055 o http://dx.doi.org/10.2139/ssrn.4616055
[29] Rane, Nitin (2023) ChatGPT e inteligencia artificial (IA) generativa similar para la industria de la edificación
y la construcción: contribución, oportunidades y desafíos de los grandes modelos de lenguaje para la
Industria 4.0, la Industria 5.0 y la Sociedad 5.0. Disponible en SSRN: https://ssrn.com/abstract=4603221
o http://dx.doi.org/10.2139/ssrn.4603221
[30] Rane, NL y Attarde, PM (2016). Aplicación de la ingeniería de valor en proyectos de edificación comercial.
Revista internacional de últimas tendencias en ingeniería y tecnología, 6(3), 286291.
[31] Rane, Nitin (2023) Integración de inteligencia artificial (IA) de vanguardia, Internet de las cosas (IoT) y tecnologías de big data
para la industria de arquitectura, ingeniería y construcción (AEC) inteligente y sostenible: desafíos y direcciones futuras.
[32] Mayo, M., Krämer, M. y Schlundt, M. (Eds.). (2023). BIM en Operaciones Inmobiliarias: Aplicación,
Implementación, tendencias de digitalización y estudios de casos. Naturaleza Springer.
[33] Saka, A., Taiwo, R., Saka, N., Salami, B., Ajayi, S., Akande, K. y Kazemi, H. (2023). Modelos GPT en la industria de la construcción:
oportunidades, limitaciones y validación de casos de uso. Preimpresión de arXiv arXiv:2305.18997.
[34] McGinley, T., Negendahl, K., Smolira, P., Jakubowska, M., Vejlgaard, AB y Karlshøj, J. (julio de 2023).
Apoyando la transición OpenBIM. En Conferencia EC3 2023 (Vol. 4, págs. 00). Consejo Europeo sobre Informática en la
Construcción.
[35] Shamshiri, A., Ryu, KR y Park, JY (2024). Minería de textos y procesamiento del lenguaje natural en la construcción.
Automatización en la Construcción, 158, 105200.
[36] Liu, X., Li, H. y Zhu, X. (2023). Un método basado en GPT de verificación de cumplimiento automatizada mediante aviso
ingeniería.
[37] Lee, S., Cui, B., Bhandari, MS e Im, P. (2023). Herramienta de creación de modelos Visual Brick para crear metadatos
Estandarización. Automatización en la Construcción, 156, 105122.
[38] Kossakowski, PG (2023). La programación visual como tecnología de diseño estructural moderna y eficaz.
Análisis de oportunidades, desafíos y desarrollos futuros basados en el uso de Dynamo. Ciencias Aplicadas, 13(16), 9298.
[39] Cirianni, FMM, Comi, A. y Quattrone, A. (2023). Centro de Control de Movilidad e Inteligencia Artificial
para Distritos Urbanos Sostenibles. Información, 14(10), 581.
[40] Jung, Y., Hockenmaier, J. y GolparvarFard, M. (2024). Modelo de lenguaje transformador para mapear actividades del cronograma
de construcción a categorías uniformes. Automatización en la Construcción, 157, 105183.

[41] Zheng, J. y Fischer, M. (2023). BIMGPT: un marco de asistente virtual basado en indicaciones para BIM
Recuperación de información. Preimpresión de arXiv arXiv:2304.09333.
[42] Mostafa, AL, Mohamed, MA, Ahmed, S. y Youssef, WMM Aplicación de la inteligencia artificial
Herramientas con Tecnología BIM en la Gestión de la Construcción: Literatura.
[43] Qian, Y., Wang, J. y Cai, Y. (2023). Revolucionando los paisajes educativos: una revisión sistemática de las aplicaciones,
paradigmas y tecnologías emergentes del Metaverso. Educación convincente, 10(2), 2264006.
[44] Dou, F., Ye, J., Yuan, G., Lu, Q., Niu, W., Sun, H., ... y Song, W. (2023). Hacia la Inteligencia Artificial General (AGI) en el Internet de
las Cosas (IoT): Oportunidades y Desafíos. Preimpresión de arXiv arXiv:2309.07438.
[45] Cantarelli, CC, Flybjerg, B., Molin, EJE y Wee, B. van. (2018). Sobrecostos en proyectos de infraestructura de transporte a
gran escala. Automatización en la construcción, 2(1).
[46] Lao, C. y Qin, S. (2023). Monitoreo de seguridad del sistema de información de computación en la nube bajo tecnología de
inteligencia artificial. Apuntes de conferencias sobre ingeniería de datos y tecnologías de comunicaciones, 167. https://
doi.org/10.1007/9789819908806_81
[47] Liu, Y., Wang, W., Wang, W., Yu, C., Mao, B., Shang, D. y Duan, Y. (2023). Evaluación orientada a un propósito de eficiencia
y seguridad de operación y mantenimiento basada en DIKWP. Sostenibilidad, 15(17), 13083.
[48] Kuzlu, M., Catak, FO, Zhao, Y., Sarp, S. y Catak, E. (2023). Preocupaciones de seguridad y privacidad en redes de próxima
generación que utilizan soluciones basadas en inteligencia artificial: un caso de uso potencial. En Redes inalámbricas:
amenazas y contramedidas a la seguridad cibernética (págs. 205226). Cham: Editorial Internacional Springer.
[49] Oseni, A., Moustafa, N., Janicke, H., Liu, P., Tari, Z. y Vasilakos, A. (2021). Seguridad y privacidad para la inteligencia
artificial: oportunidades y desafíos. Preimpresión de arXiv arXiv:2102.04661.
[50] Abioye, SO, Oyedele, LO, Akanbi, L., Ajayi, A., Delgado, JMD, Bilal, M., ... y Ahmed, A. (2021).
Inteligencia artificial en la industria de la construcción: una revisión del estado actual, las oportunidades y los desafíos
futuros. Revista de Ingeniería de la Construcción, 44, 103299.
[51] Almalawi, A., Khan, AI, Alsolami, F., Abushark, YB, Alfakeeh, AS y Mekuriyaw, WD (2022).
Análisis de la exploración de la seguridad y la privacidad para la gestión sanitaria mediante inteligencia artificial:
hospitales sauditas. Inteligencia Computacional y Neurociencia, 2022.
[52] Hu, Y., Kuang, W., Qin, Z., Li, K., Zhang, J., Gao, Y., ... y Li, K. (2021). Seguridad de la inteligencia artificial: amenazas y
contramedidas. Encuestas de Computación ACM (CSUR), 55(1), 136.
[53] Mirarchi, C., Lucky, M.N., Ciuffreda, S., Signorini, M., Lupica Spagnolo, S., Bolognesi, C., ... & Pavan, A.
(2020). Una aproximación para la estandarización de modelos semánticos para procesos de renovación de edificios.
Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, 43, 69
76.
[54] Zhang, F., Chan, AP, Darko, A., Chen, Z. y Li, D. (2022). Aplicaciones integradas de modelado de información de construcción y técnicas
de inteligencia artificial en la industria AEC/FM. Automatización en la Construcción, 139, 104289.
[55] Jeong, HW (2022). Un estudio sobre el desarrollo de la estandarización del proceso de construcción basado en BIM.
J. Farmacéutica. Negativo. RESULTADOS, 13, 618626.
[56] Urbieta, M., Urbieta, M., Laborde, T., Villarreal, G., & Rossi, G. (2023). Generación de modelo BIM a partir de planos
estructurales y arquitectónicos mediante Inteligencia Artificial. Revista de Ingeniería de la Construcción, 78, 107672.
[57] Aljobaly, O. y Banawi, A. (2020). Evaluación de la industria de la construcción saudita para la adopción del modelado de
información de construcción. En Avances en Inteligencia Artificial, Ingeniería de Software y Sistemas: Actas de la
Conferencia Internacional AHFE 2019 sobre Factores Humanos en Inteligencia Artificial y Computación Social, la
Conferencia Internacional AHFE sobre Factores Humanos, Software, Servicios e Ingeniería de Sistemas, y la Conferencia
Internacional AHFE de Ingeniería Humana Factors in Energy, 24 al 28 de julio de 2019, Washington DC, EE. UU. 10
(págs. 488498). Publicaciones internacionales Springer.
[58] Ausat, AMA, Azzaakiyyah, HK, Permana, RM, Riady, Y. y Suherlan, S. (2023). El papel de ChatGPT para permitir que las
mipymes compitan en la era digital. Innovador: Revista de investigación en ciencias sociales, 3 (2).
[59] Spennemann, DRH (2023). Exhibiendo la herencia de COVID19: una conversación con ChatGPT.
Patrimonio, 6(8). https://doi.org/10.3390/heritage6080302

[60] Kim, H.Y. (2023). Informe de un caso sobre vértigo alternobárico a nivel del suelo debido a una disfunción de la trompa de Eustaquio
con la ayuda de un transformador preentrenado generativo conversacional (ChatGPT). Cureus. https://doi.org/10.7759/
cureus.36830
[61] Sallam, M. (2023). Práctica: Revisión sistemática de las perspectivas prometedoras y las preocupaciones válidas.
Atención sanitaria, 11(6).
[62] Sonntagbauer, M., Haar, M. y Kluge, S. (2023). Inteligencia artificial: ¿Cómo cambiarán ChatGPT y otras
aplicaciones de IA nuestra práctica médica diaria? Clínica Médica Cuidados Intensivos y Medicina de
Emergencia, 118(5). https://doi.org/10.1007/s00063023010196
[63] Sudirjo, F., Diantoro, K., AlGasawneh, JA, Khootimah Azzaakiyyah, H. y Almaududi Ausat, AM
(2023). Aplicación de ChatGPT para mejorar el análisis del sentimiento del cliente para empresas. Revista de tecnología y
sistemas de información empresarial, 5 (3). https://doi.org/10.47233/jteksis.v5i3.871
[64] Sallam, M. (2023). La utilidad de ChatGPT como ejemplo de grandes modelos de lenguaje en la educación, la investigación y la
práctica de la atención médica: revisión sistemática de las perspectivas futuras y las posibles limitaciones.
MedRxiv.
[65] Yurtsever, A. (2023). Documentación del patrimonio cultural con tecnología: Evaluación a través de algunos
ejemplos de documentación arquitectónica y una breve mirada a la IA (Inteligencia Artificial). Patrimonio
cultural y ciencia, 4(1). https://doi.org/10.58598/cuhes.1278735
[66] orecău, M. y orecău, E. (2023). Una aplicación alternativa a CHATGPT que utiliza fuentes confiables para mejorar el proceso de
aprendizaje. Conferencia Internacional ORGANIZACIÓN BASADA EN EL CONOCIMIENTO, 29(3). https://doi.org/10.2478/
kbo20230084
[67] Zheng, J. y Fischer, M. (2023). Marco de asistente virtual dinámico basado en indicaciones para la búsqueda de información BIM.
Automatización en la Construcción, 155. https://doi.org/10.1016/j.autcon.2023.105067
[68] Sidani, A., Poças Martins, J. y Soeiro, A. (2022). Enfoques BIM para mejorar el estado de salud y seguridad en
la construcción: protocolo para una revisión sistemática. Revista Internacional de Seguridad Ocupacional y
Ambiental, 6(1). https://doi.org/10.24840/21840954_006.001_0001
[69] Yu, Y., Ha, D., Lee, K., Choi, J. y Koo, B. (2022). ArchShapesNet: un nuevo conjunto de datos para comparar algoritmos de
clasificación de elementos de modelado de información de edificios arquitectónicos. Revista de Ingeniería y Diseño Computacional,
9 (4). https://doi.org/10.1093/jcde/qwac064
[70] Rodrigues, F., Cotella, V., Rodrigues, H., Rocha, E., Freitas, F. y Matos, R. (2022). Aplicación del enfoque de
aprendizaje profundo para la clasificación del estado de degradación de los edificios en una metodología BIM.
Ciencias Aplicadas (Suiza), 12(15). https://doi.org/10.3390/app12157403
[71] Boje, C., Guerriero, A., Kubicki, S. y Rezgui, Y. (2020). Hacia un gemelo digital semántico de la construcción: futuro en la automatización
Direcciones para de la construcción 114).
investigación. en (vol.
https://doi.org/10.1016/j.autcon.2020.103179
[72] Alheeti, KMA y Aldaiyat, RM (2021). Una nueva seguridad laboral en la gestión de la construcción basada en la
artificial inteligencia. de Ingeniería y naturales
9(4). https://doi.org/10.21533/pen.v9i4.2425
Publicaciones periódicas ciencias,
[73] Sun, H. y Liu, Z. (2022). Investigación sobre Plataforma de Gestión de Sistemas de Despacho Inteligente para
Proyectos de Construcción Basado en Digital Twin y Tecnología BIM. Avances en Ingeniería Civil, 2022.
https://doi.org/10.1155/2022/8273451
[74] Arsiwala, A., Elghaish, F. y Zoher, M. (2023). Gemelo digital con Machine learning para seguimiento predictivo 284.
de CO2 equivalente de https://doi.org/10.1016/ edificios. Energía y edificios,
j.enbuild.2023.112851 existente
[75] Rafsanjani, HN y Nabizadeh, AH (2023). Hacia la industria de la arquitectura, ingeniería y construcción digital
(AEC) a través del diseño y construcción virtual (VDC) y el gemelo digital. Energía y entorno construido, 4(2).
https://doi.org/10.1016/j.enbenv.2021.10.004
[76] Jang, K., Kim, JW, Ju, KB y An, YK (2021). Plataforma BIM de infraestructura para la gestión del ciclo de vida.
Ciencias Aplicadas (Suiza), 11(21). https://doi.org/10.3390/app112110310
[77] Rane, Nitin (2023) Transformación de la ingeniería estructural a través de ChatGPT e inteligencia artificial
generativa similar: funciones, desafíos y oportunidades. Disponible en SSRN: https://ssrn.com/abstract=4603242
o http://dx.doi.org/10.2139/ssrn.4603242

[78] Rane, Nitin (2023) Impresión 3D, 4D y 5D en la industria de arquitectura, ingeniería y construcción (AEC): aplicaciones,
desafíos y alcance futuro. Disponible en SSRN: https://ssrn.com/abstract=4609912 o http://dx.doi.org/10.2139/ssrn.4609912
[79] BienvenidoHuertas, D., NietoJulián, J. E., Moyano, J. J., MacíasBernal, J. M., & Castro, J. (2020).
Implementación de Inteligencia Artificial en HBIM utilizando el algoritmo J48 para la gestión de edificios históricos.
Revista Internacional de Patrimonio Arquitectónico, 14(8). https://doi.org/10.1080/15583058.2019.1589602
[80] Rane, Nitin (2023) Transformadores en la industria de arquitectura, ingeniería y construcción inteligentes
(AEC): aplicaciones, desafíos y alcance futuro. Disponible en SSRN: https://ssrn.com/abstract=4609914 o
http://dx.doi.org/10.2139/ssrn.4609914
[81] Rane, Nitin (2023) Transformadores en la Industria 4.0, Industria 5.0 y Sociedad 5.0: funciones y desafíos.
[82] Rane, Países Bajos, (2016). Aplicación de técnicas de ingeniería de valor en proyectos de construcción de edificación.
Revista Internacional de Ciencias y Tecnología de la Ingeniería, 5(7).
[83] Petrova, EA (2019). IA para la construcción sostenible basada en BIM. Diseño que integra el descubrimiento de conocimientos y el
modelado de datos semánticos para respaldar las decisiones de diseño basadas en evidencia.
[84] Garozzo, R. y Santagati, C. (2021). Encuesta digital AI y semántica para la evaluación del estado de los puentes de mampostería
ferroviaria. Archivos internacionales de fotogrametría, teledetección y ciencias de la información espacial Archivos ISPRS,
46 (M1–2021). https://doi.org/10.5194/isprsArchivesXLVIM12021249
2021
[85] Buldo, M., AgustínHernández, L., Verdoscia, C. y Tavolare, R. (2023). Una propuesta de flujo de trabajo scantobim para el
patrimonio cultural. Segmentación automática de nubes de puntos y modelado paramétricoadaptativo de sistemas
abovedados. Archivos internacionales de fotogrametría, teledetección y ciencias de la información espacial Archivos
ISPRS, 48 (M2–2023). https://doi.org/10.5194/isprsArchivesXLVIIIM220233332023
[86] Dinis, FM, Poças Martins, J., Guimarães, AS y Rangel, B. (2022). BIM y métodos y aplicaciones de
enriquecimiento semántico: una revisión de desarrollos recientes. En Archivos de métodos computacionales
en ingeniería (Vol. 29, Número 2). https://doi.org/10.1007/s11831021095956
[87] Masoumi, H., Shirowzhan, S., Eskandarpour, P. y Pettit, CJ (2023). City Digital Twins: su madurez Big 7(1).
nivel y diferenciación de la ciudad 3D https:// modelos. Tierra Datos,
doi.org/10.1080/20964471.2022.2160156
[88] Akhtar, F. (2023). El impacto de los chatbots de IA como ChatGPT en el cumplimiento de SarbanesOxley (SOX).
Disponible en SSRN 4589571.
[89] Yao, D. y de Soto, BG (2023). Una base de datos de corpus para el modelado de temas de ciberseguridad en la industria de la
construcción. En ISARC. Actas del Simposio internacional sobre automatización y robótica en la construcción (Vol. 40,
págs. 537544). Publicaciones de la IAARC.
[90] Na, S., Heo, S., Choi, W., Kim, C. y Whang, SW (2023). Adopción de tecnología basada en inteligencia artificial (IA) en la
industria de la construcción: una perspectiva transnacional utilizando el modelo de aceptación de tecnología. Edificios,
13(10), 2518.
[91] Mohapatra, A., Mohammed, AR y Panda, S. Papel de la inteligencia artificial en la industria de la construcción–
Una revisión sistemática.
[92] Vakilzadeh, A. y Pourahmad Ghalejoogh, S. (2023). Evaluación del potencial de la IA del modelo de lenguaje grande como
asistentes de gestión de proyectos: una simulación comparativa para evaluar la capacidad de GPT3.5, GPT4 y Google
Bard para aprobar la prueba PMP del PMI. Evaluación del potencial de la IA del modelo de lenguaje grande como asistentes
de gestión de proyectos: una simulación comparativa para evaluar la capacidad de GPT3.5, GPT4 y GoogleBard para
aprobar la prueba PMP del PMI (1 de agosto de 2023).
[93] Pedro, A., Baik, S., Jo, J., Lee, D., Hussain, R. y Park, C. (2023). Un marco basado en ontologías y datos vinculados para
mejorar el intercambio de materiales de capacitación en seguridad en la industria de la construcción. Acceso IEEE.
[94] Liu, Y., Li, M., Wong, BCL, Chan, CM, Cheng, JCP y Gan, VJL (2021). Integración BIMBVBS con estándares openBIM para la
prefabricación automática de armaduras de acero. Automatización en la Construcción, 125. https://doi.org/10.1016/
j.autcon.2021.103654
[95] Liu, L., Li, B., Zlatanova, S. y van Oosterom, P. (2021). Navegación en interiores respaldada por Industry
Foundation Classes (IFC): una encuesta. En Automatización en la Construcción (Vol. 121). https://doi.org/
10.1016/j.autcon.2020.103436

[96] Horn, R., Ebertshäuser, S., di Bari, R., Jorgji, O., Traunspurger, R. y von Both, P. (2020). El enfoque BIM2LCA: una interfaz
basada en clases fundamentales de la industria (IFC) para integrar la evaluación del ciclo de vida en la planificación integral.
Sostenibilidad (Suiza), 12(16). https://doi.org/10.3390/su12166558
[97] Gao, G., Liu, YS, Wang, M., Gu, M. y Yong, JH (2015). Un método de expansión de consultas para recuperar recursos BIM en
línea basados en Industry Foundation Classes. Automatización en la Construcción, 56. https://doi.org/10.1016/
j.autcon.2015.04.006
[98] Qiu, Q., Zhou, X., Zhao, J., Yang, Y., Tian, S., Wang, J., Liu, J. y Liu, H. (2021). Del boceto BIM al diseño BIM: un enfoque de
identificación de elementos utilizando Industry Foundation Classes y reconocimiento de objetos.
Construcción y Medio Ambiente, 188. https://doi.org/10.1016/j.buildenv.2020.107423
[99] Siddiqui, AA, Ewer, JA, Lawrence, PJ, Galea, ER y Frost, IR (2021). Modelado de información de construcción para análisis
de ingeniería de seguridad contra incendios basado en el desempeño: una estrategia para compartir datos. Revista de
Ingeniería de la Construcción, 42. https://doi.org/10.1016/j.jobe.2021.102794
[100] Zhu, J. y Wu, P. (2021). Un enfoque común para georreferenciar modelos de construcción en clases básicas de la
industria para la integración bim/gis. Revista internacional de información geográfica de ISPRS, 10 (6). https://doi.org/
10.3390/ijgi10060362
[101] Corrado, R., Soy, M. y Heang, V. (2023). BIM e IFC: Conciencia y conocimiento autoevaluado desde la perspectiva de
estudiantes universitarios camboyanos. Revista de ingeniería Ain Shams, 14 (2). https://doi.org/10.1016/j.asej.2022.101851
[102] Zhong, B., Gan, C., Luo, H. y Xing, X. (2018). Marco basado en ontologías para el monitoreo ambiental de edificios y la
verificación de cumplimiento en un entorno BIM. Construcción y Medio Ambiente, 141. https://doi.org/10.1016/
j.buildenv.2018.05.046
[103] Karan, EP e Irizarry, J. (2015). Ampliar la interoperabilidad BIM a operaciones previas a la construcción mediante análisis
geoespaciales y servicios web semánticos. Automatización en la Construcción, 53. https://doi.org/10.1016/j.autcon.2015.02.012
[104] Eneyew, DD, Capretz, MAM y Bitsuamlak, GT (2022). Hacia gemelos digitales de construcción inteligente: BIM
e integración de datos de IoT. Acceso IEEE, 10. https://doi.org/10.1109/ACCESS.2022.3229370
[105] Farghaly, K., Abanda, FH, Vidalakis, C. y Wood, G. (2018). Taxonomía para BIM y la interoperabilidad de la gestión de activos. del
Semántico Diario Gestión
34(4). https://doi.org/10.1061/(asce)me.19435479.0000610 en Ingeniería,
[106] Alecrim, I., Carvalho, JP, Braganca, L. y Mateus, R. (2020). Uso de BIM para evaluar los impactos del ciclo de vida de los
edificios. Serie de conferencias del IOP: Ciencias de la Tierra y el Medio Ambiente, 503(1). https://doi.org/
10.1088/17551315/503/1/012005
[107] Johansson, M. y Roupé, M. (2019). BIM y Realidad Virtual (VR) en la obra. XIX Internacional
Jornada sobre Aplicaciones de la Realidad Virtual en Construcción, noviembre.
[108] Shin, MH, Kim, JM y Baek, JH (2021). Estudio sobre estándares de interfaz de usuario al construir un sistema integrado de
gestión del ciclo de vida basado en bim para infraestructura ferroviaria. En Revista de la Sociedad Coreana de Ferrocarriles (Vol.
24, Número 8). https://doi.org/10.7782/JKSR.2021.24.8.746
[109] Kim, J., Kim, H., Tanoli, WA y Seo, J. (2019). Diseño BIM de movimiento de tierras 3D y su aplicación en Arquitectura e
Operación avanzada de equipos de construcción. https:// Ingeniería, 4(2).
doi.org/10.23968/250000552019422226
[110] Yamamura, S., Fan, L. y Suzuki, Y. (2017). Evaluación del Desempeño Energético Urbano a través de la Integración Smart City Procedia
de BIM y GIS para 180. Planificación. Ingeniería,
https://doi.org/10.1016/j.proeng.2017.04.309
[111] Rane, NL, (2016) Aplicación de la ingeniería de valor en proyectos de construcción, Revista Internacional de
Investigación en ingeniería y gestión, 6(1), 2529.
[112] Zou, Y., Kiviniemi, A. y Jones, SW (2017). Una revisión de la gestión de riesgos a través de BIM y relacionados con BIM
tecnologías. Ciencias de la seguridad, 97. https://doi.org/10.1016/j.ssci.2015.12.027
[113] Rane, NL, (2016) Aplicación de técnicas de ingeniería de valor en proyectos de construcción, revista internacional de ciencias de
de
ingeniería y tecnología de investigación, 14091415. https://doi.org/10.5281/zenodo.58597 5(7),
[114] Ganbat, T., Chong, HY y Liao, PC (2020). Mapeo de usos de BIM para la mitigación de riesgos en proyectos de
construcción internacionales. Avances en Ingeniería Civil, 2020. https://doi.org/10.1155/2020/5143879

[115] Rane, NL, Achari, A. y Choudhary, SP (2023) Mejorar la lealtad del cliente a través de la calidad del servicio: estrategias efectivas
para mejorar la satisfacción, la experiencia, las relaciones y el compromiso del cliente. Revista internacional de investigación
sobre modernización en tecnología y ciencia de ingeniería, 5(5), 427452. https://www.doi.org/10.56726/IRJMETS38104
[116] Rajabi, MS, Rezaeiashtiani, M., Radzi, AR, Famili, A., Rezaeiashtiani, A. y Rahman, RA (2022).
Factores y estrategias subyacentes para las capacidades BIM organizacionales: el caso de Irán. Innovación de sistemas
aplicados, 5 (6). https://doi.org/10.3390/asi5060109
[117] Rajabi, MS, Radzi, AR, Rezaeiashtiani, M., Famili, A., Rashidi, ME y Rahman, RA (2022). Criterios de evaluación clave para las
capacidades BIM organizacionales: un estudio interregional. Edificios, 12(7). https://doi.org/10.3390/buildings12071013
[118] Yilmaz, G., Akcamete, A. y Demirors, O. (2019). Un modelo de referencia para evaluaciones de capacidades BIM.
Automatización en la Construcción, 101. https://doi.org/10.1016/j.autcon.2018.10.022
[119] Yilmaz, G., Akcamete, A. y Demirors, O. (2023). BIMCAREM: Evaluación de las capacidades BIM de los procesos
de diseño, construcción y gestión de instalaciones en la industria de la construcción. Computadoras en la industria,
147. https://doi.org/10.1016/j.compind.2023.103861
[120] Rane, Nitin (2023) YOLO y Detección de objetos RCNN más rápida para la Industria 4.0 y la Industria 5.0 inteligentes:
aplicaciones, desafíos y oportunidades. Disponible en SSRN: https://ssrn.com/abstract=4624206 o http://dx.doi.org/10.2139/
ssrn.4624206
[121] Gilson, A., Safranek, CW, Huang, T., Socrates, V., Chi, L., Taylor, RA y Chartash, D. (2023). ¿Cómo se desempeña ChatGPT en
el examen de licencia médica de los Estados Unidos? Las implicaciones de los grandes modelos lingüísticos para la educación
médica y la evaluación del conocimiento. Educación Médica JMIR, 9. https://doi.org/10.2196/45312
[122] Gamallo, P., García, M. y deDiosFlores, I. (2022). Evaluación de vectores contextualizados tanto de modelos de
lenguaje grandes como de estrategias de composición. Procesamiento Del Lenguaje Natural, 69. https://doi.org/
10.26342/20226913
[123] Rane, Nitin (2023) Funciones y desafíos de ChatGPT e inteligencia artificial generativa similar para
Logrando el Objetivos de Desarrollo Sostenible en la SSRN: (ODS). Disponible
https://ssrn.com/abstract=4603244 o http://dx.doi.org/10.2139/ssrn.4603244
[124] Schoch, S., Mishra, R. y Ji, Y. (2023). Selección de datos para ajustar modelos de lenguaje grandes utilizando
valores Shapley transferidos. Actas de la reunión anual de la Asociación de Lingüística Computacional, 4. https://
doi.org/10.18653/v1/2023.aclsrw.37
[125] Li, S., Moayedpour, S., Li, R., Bailey, M., Riahi, S., Miladi, M., Miner, J., Zheng, D., Wang, J., Balsubramani, A., Tran, K., Zacharia,
M., Wu, M., Gu, X., Clinton, R., Asquith, C., Skalesk, J., Boeglin, L., Chivukula, S.,… Jager , S. (2023). CodonBERT: modelos
de lenguaje grandes para el diseño y optimización de ARNm. BioRxiv.
[126] Merschbrock, C. y Munkvold, BE (2015). Colaboración digital efectiva en la industria de la construcción: A

Estudio de caso de implementación de BIM en un proyecto de construcción de un hospital. Computadoras en la industria, 73, 17.
[127] Shafiq, MT, Matthews, J. y Lockley, S. (2013). Un estudio de los requisitos de colaboración BIM y las funciones disponibles en los
sistemas de colaboración de modelos existentes. Revista de Tecnología de la Información en la Construcción (ITcon), 18,
148161.
[128] Rane, Nitin (2023) ChatGPT e inteligencia artificial (IA) generativa similar para la industria inteligente: función,
desafíos y oportunidades para la Industria 4.0, la Industria 5.0 y la Sociedad 5.0. Disponible en SSRN: https://
ssrn.com/abstract=4603234 o http://dx.doi.org/10.2139/ssrn.4603234
[129] Boton, C. y Forgues, D. (2017). La necesidad de un nuevo enfoque sistémico para estudiar la colaboración en el
industria de construccion. Ingeniería de Procedia, 196, 10431050.
[130] Amarnath, CB, Sawhney, A. y Maheswari, JU (diciembre de 2011). Computación en la nube para mejorar la colaboración, la
coordinación y la comunicación en la industria de la construcción. En 2011 Congreso Mundial de Tecnologías de la Información
y las Comunicaciones (págs. 12351240). IEEE.
[131] Matthews, J., Love, PE, Mewburn, J., Stobaus, C. y Ramanayaka, C. (2018). Modelado de información de construcción en la
construcción: conocimientos desde las perspectivas de colaboración y gestión del cambio. Planificación y control de la
producción, 29(3), 202216.

[132] MacLoughlin, SARAH y Hayes, E. (2019). Superar la resistencia a BIM: alinear un método de gestión del cambio con una estrategia de
implementación de BIM. Informes Capstone, 10.
[133] Jaaron, AA, Hijazi, IH y Musleh, KIY (2022). Un modelo conceptual para la adopción de BIM en proyectos de construcción: ADKAR como
modelo integrador de gestión del cambio. Análisis tecnológico y gestión estratégica, 34(6), 655667.
[134] Maali, O., Lines, B., Smithwick, J., Hurtado, K. y Sullivan, K. (marzo de 2020). Mejores prácticas de gestión del cambio organizacional
para la adopción de nuevas tecnologías dentro de la industria AEC. En Congreso de Investigación en Construcción 2020 (págs.
358367). Reston, VA: Sociedad Estadounidense de Ingenieros Civiles.
[135] Acampa, G., Marino, G. y Ticali, D. (2019, diciembre). Validación de infraestructuras mediante BIM. En AIP
actas de la conferencia (Vol. 2186, No. 1). Publicación AIP.
[136] Hijazi, AA, Perera, S., Calheiros, RN y Alashwal, A. (2021). Justificación de la integración de BIM y blockchain para la entrega de datos
de la cadena de suministro de la construcción: una revisión y validación sistemática de la literatura
a través de grupos focales. Revista de ingeniería y gestión de la construcción, 147(10), 03121005.
[137] Olugboyega, O., Windapo, A., Aigbavboa, C. y Oseghale, GE (2022). Implementación BIM: una experiencia empírica
Validación para un modelo de cuatro ruedas. Fronteras en ingeniería y entorno construido, 3(1), 115.
Declaraciones
Financiamiento: No se recibió financiamiento.
Conflictos de intereses/Intereses en competencia: No hay conflicto de intereses.
Disponibilidad de datos y material: No aplicable.
Disponibilidad de código: No aplicable.
Agradecimientos: No Aplica.
Ver estadísticas de publicación


AECnovel

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

AECnovel

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Consulte debates, estadísticas y perfiles de autores de esta publicación en: https://www.researchgate.net/publication/376222353

Artículo en Revista Electrónica SSRN ∙ Enero 2023

nitin rane Saurabh Purushottam Choudhary

Universidad de Bombay Facultad de Arquitectura de la Sociedad de Educación Vivekanand

101 PUBLICACIONES 1.410 CITAS 53 PUBLICACIONES 296 CITAS

VER EL PERFIL VER EL PERFIL

52 PUBLICACIONES 255 CITAS

El usuario ha solicitado una mejora del archivo descargado.

*1 Nitin Liladhar Rane 2

El sector de la arquitectura, la ingeniería y la construcción (AEC) está experimentando actualmente un profundo

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Figura 1 Análisis de coocurrencia de las palabras clave en la literatura.

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Contribución de ChatGPT o Bard o IA generativa similar al proceso BIM

Comunicación y colaboración mejoradas:

Soporte de diseño y planificación:

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Tabla 1 Contribución de ChatGPT o Bard o IA generativa similar al proceso BIM

Sr. Contribución Caso de uso Beneficios Desafíos

2 Proyecto Comunicación, Facilita equipo Dependencia del procesamiento

Resolución de problemas y gestión de conflictos:

Capacitación de las partes interesadas del proyecto:

Facilitar la toma de decisiones:

Monitoreo de proyectos en tiempo real:

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Arquitectura y componentes del marco de integración propuesto.

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Ecuación para la integración BIM y ChatGPT:

Ecuación para la representación de datos BIM:

Ecuación para la comprensión de ChatGPT de consultas BIM:

Ecuación para la integración BIM y ChatGPT:

− representa el sistema integrado de BIM y ChatGPT.

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Mecanismos de interoperabilidad e intercambio de datos entre modelos BIM e IA.

Fig. 2 Arquitectura y componentes del marco de integración propuesto.

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Fig. 3 Mecanismos de interoperabilidad e intercambio de datos entre modelos BIM e IA

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Pasos para implementar el framework BIM­ChatGPT

Definir los objetivos y el alcance del proyecto

Evaluar las capacidades BIM actuales

Seleccione una implementación de ChatGPT adecuada

Garantizar la seguridad y privacidad de los datos

Definir estándares y protocolos de datos

Integra ChatGPT con BIM

Implementar la comprensión del lenguaje natural (NLU)

Habilitar la comunicación bidireccional

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Facilitar la colaboración y el apoyo a las decisiones

Implementar control de versiones y gestión de cambios

Capacitar a los usuarios y brindar soporte

Probar y validar el marco integrado

Supervisar y optimizar el rendimiento

Documentar las lecciones aprendidas y las mejores prácticas

Desafíos en la integración e implementación

Complejidad de los Modelos BIM:

Copia electrónica disponible en: https://ssrn.com/abstract=4645601

Integración con Sistemas de Gestión de Proyectos:

Comprensión del lenguaje natural:

conversaciones relacionadas con la construcción es crucial para una integración exitosa.

Preocupaciones sobre la seguridad y privacidad de los datos:

Entrenamiento de la IA para conocimientos específicos de la construcción:

Adopción y capacitación de usuarios:

Pasos para implementar el framework BIMChatGPT

Fig. 4 Pasos para implementar el marco BIMChatGPT