El proceso de diseño estructural no es lineal, siempre se deben evaluar diferentes alternativas, iterar en los diseños o revisar requerimientos de modificaciones. Todo este proceso es aún más complejo en el diseño de cimentaciones, pues son los últimos elementos en diseñarse y los primeros en ser construidos, por lo que el tiempo rara vez es un factor a favor.
La aparición y masificación del uso de softwares para el análisis estructural fue una revolución en este aspecto, pues redujo muchísimo los tiempos de cálculo y aumentó su precisión. Sin embargo, aún debía modelarse todo manualmente, trabajo que se vuelve muy tedioso al evaluar múltiples soluciones y buscar una solución óptima.
Al combinar un poderoso y eficiente motor de cálculo, con una inteligencia artificial que automatice el modelamiento de sistemas de cimentaciones, se logra una productividad sin precedentes, eso es Foundaxis.
¿ChatGPT diseñará mi sistema de cimentaciones?
La respuesta corta es no. Para una respuesta más elaborada, es necesario entender unos cuantos conceptos de base sobre la inteligencia artificial. En principio, la inteligencia artificial no es más que una herramienta que aprende de vastos conjuntos de datos para identificar patrones complejos y luego utilizarlos para realizar tareas.
Pensemos en los generadores de imágenes por IA. Estos modelos han sido entrenados con miles de millones de imágenes y descripciones de texto. Al analizar estas imágenes, la red neuronal aprende patrones visuales: qué aspecto tiene un perro, cómo se combinan los colores en un estilo cubista o qué texturas definen el concreto en una obra.
Una lógica similar aplica para la inteligencia artificial conversacional, como ChatGPT. Estas herramientas han leído una cantidad masiva de texto humano y, al hacerlo, han identificado patrones en el lenguaje: gramática, sintaxis, cómo respondemos a preguntas, cómo explicamos conceptos o incluso cómo escribimos artículos de ingeniería estructural. No entienden realmente la ingeniería estructural en un nivel conceptual, replican patrones de cómo los humanos explican estos conceptos.
Del mismo modo, podríamos entrenar una red neuronal especializada en la estructuración de sistemas de cimentaciones superficiales. Para esto, tendríamos que partir de una serie de sistemas de cimentaciones en "bruto", que luego un ingeniero estructural con experiencia modifique. De este modo, la red neuronal relaciona una estructuración en "bruto" con una "refinada", pudiendo identificar patrones para luego replicar.
Entrenamiento de la red neuronal
El entrenamiento de una red neuronal requiere miles de datos, por lo que debe diseñarse un método óptimo para la generación de estos datos. Podemos generar una base de datos de superestructuras, con las coordenadas de sus nodos basales y reacciones, pero ¿Cómo definimos un sistema de cimentaciones inicial? un acercamiento intuitivo, automatizable y que entrega muchísima información es diseñar para cada punto de carga una cimentación aislada. Este diseño no es con IA, sino con un algoritmo numérico de optimización.
Claramente esta no es una configuración de cimentaciones admisible, pero como input sirve mucho para imaginarse estructuraciones posibles. Un ingeniero estructural experimentado podría solamente a partir de esta imagen hacer modificaciones al sistema de cimentaciones para hacerlo factible. ¿Qué tipo de modificaciones? por ejemplo, optar por una cimentación corrida en lugar de dos aisladas muy cercanas, o por una losa de cimentación, o por poner una viga de cimentación para apoyar una cimentación excéntrica.
Al entregarle miles de estos pares input-output a la red neuronal, esta identifica patrones para lograr, en cierta medida, replicar el criterio ingenieril experimentado. De esta forma, a partir de una nueva estructura puede proponer diversas alternativas de soluciones razonables, basándose en múltiples parámetros: profundidad de sello de cimentación, cercanía de cimentaciones, tensiones admisibles del suelo, distribución de presiones en el sello, solapamiento de cimentaciones aisladas, y tantos otros más.
Limitaciones al uso de IA
El uso de inteligencia artificial tiene mucho potencial en ingeniería, pese a que en el área de ingeniería estructural ha sido bastante lenta su adopción. Este comportamiento no es arbitrario, pues es un área en que los cálculos son sumamente delicados y estamos acostumbrados a ser conservadores por naturaleza, así que no es de extrañar que seamos precavidos también con el uso de nuevas tecnologías.
En Foundaxis, la inteligencia artificial se emplea solamente para las propuestas de estructuración de cimentaciones. La evaluación del desempeño de las cimentaciones, así como el diseño del refuerzo de acero, se logra mediante la automatización de métodos tradicionales de diseño. En particular, el método de elementos finitos (MEF) está completamente implementado en Foundaxis, considerando la interacción no lineal con el suelo. De este modo, puedes estar seguro de que los resultados son precisos y confiables.
Sin embargo, esto podría cambiar prontamente. La inteligencia artificial tiene mucho potencial para ser integrada directamente en los motores de cálculo, y así reemplazar los algoritmos usados actualmente. Generación de mallado de elementos finitos, o incluso reemplazar el método de elementos finitos propiamente tal. Si se entrena con suficientes casos de input (geometría, fuerzas) y output (esfuerzos, deformaciones), se podría desarrollar una IA que prediga presiones y asentamientos a partir de las condiciones de carga, sin hacer realmente ningún cálculo explícito.
Descubre cómo se integra la estructuración de sistemas de cimentaciones con IA en el flujo completo de Foundaxis:
Software para Diseño de Cimentaciones: Guía Completa para Ingenieros Estructurales 2026