Traducido automáticamente por IA, leer el original
Entrevista: El dilema del sesgo en la IA de la construcción
23 enero 2025
El papel de la inteligencia artificial (IA) en la construcción está en aumento, pero los desafíos relacionados con los sesgos exigen soluciones bien pensadas. Catrin Jones habla con Karoliina Torttila, directora de IA en Trimble, sobre algunas de estas soluciones.
La IA ha transformado las industrias en todo el mundo, y el sector de la construcción no es una excepción. Desde la optimización de la logística hasta la mejora de los controles de cumplimiento, la IA está dando forma al entorno construido de maneras que antes eran inimaginables.

Por ejemplo, las herramientas de diseño basadas en IA pueden automatizar los flujos de trabajo, acelerando los plazos de los proyectos y reduciendo los errores. Los sistemas de mantenimiento predictivo aprovechan la IA para identificar posibles fallos en los equipos antes de que se produzcan, lo que garantiza la seguridad de los trabajadores y minimiza el tiempo de inactividad. Además, la IA está transformando la gestión de recursos, ayudando a las empresas de construcción a asignar materiales de forma más eficiente y sostenible.
Sin embargo, estos avances traen consigo desafíos, en particular en lo que respecta a los sesgos. Para analizar este tema, Construction Europe habló con Karoliina Torttila, directora de IA en Trimble. Con su amplia experiencia en el desarrollo de IA, Torttila ofrece información sobre las causas de los sesgos, sus implicaciones para la industria y las posibles soluciones.
Comprender el sesgo en la IA
“El sesgo es un concepto esencial en el desarrollo de la IA�, comienza Torttila. “Si bien los debates sociales a menudo presentan el sesgo de forma negativa, en la IA, cierto nivel de sesgo inductivo es necesario para que los modelos de aprendizaje automático funcionen�. Explica que el sesgo inductivo permite a los modelos de IA hacer suposiciones basadas en datos de entrenamiento, lo que les permite centrarse en escenarios plausibles en lugar de verse abrumados por infinitas posibilidades.
Sin embargo, el problema surge con sesgos perjudiciales derivados de datos de entrenamiento incompletos o sesgados. “Tomemos como ejemplo la cartografía geoespacial�, dice. “Si los datos de entrenamiento carecen de representación de áreas remotas o de ciertos continentes, los modelos de IA pueden producir mapas de menor calidad, lo que conduce a una planificación inadecuada de la infraestructura o a una asignación incorrecta de los recursos�.
También señala los algoritmos de cumplimiento como otro ejemplo. Si se los entrena con datos de una sola jurisdicción, estos modelos podrían señalar o pasar por alto incorrectamente problemas debido a discrepancias regulatorias regionales, advierte.
Sesgo en los modelos lingüísticos
Torttila analiza los matices del sesgo en los grandes modelos de lenguaje (LLM), que se utilizan cada vez más en todas las industrias. “El sesgo puede aparecer en múltiples etapas del desarrollo, desde la fase de preentrenamiento, donde los modelos aprenden patrones de lenguaje, hasta la fase de ajuste, donde la intervención humana introduce preferencias subjetivas�.
Por ejemplo, la tarea humana de clasificar los resultados de los modelos en función de su calidad introduce sesgos de manera inherente. “Incluso las pautas estrictas para los anotadores se basan en la interpretación de alguien�, señala. Torttila también destaca los desafíos en la alineación de seguridad, donde los esfuerzos por prevenir resultados dañinos a veces pueden sobrecorregir. Ha habido ejemplos de modelos de generación de imágenes que produjeron resultados inesperados debido a estas correcciones.
El contexto de la industria
En el sector de la construcción, las implicaciones del sesgo pueden ser significativas. Las aplicaciones de inteligencia artificial de Trimble suelen incluir datos sobre activos del entorno construido, como edificios y puentes, en lugar de información personal. Esta distinción no elimina el sesgo, pero cambia su naturaleza. “Los datos inadecuados sobre materiales más nuevos o regiones subrepresentadas pueden dar lugar a errores que afecten a proyectos enteros�, explica Torttila.
Enfatiza que la industria debe abordar los prejuicios con una mentalidad constructiva. “Buscar prejuicios y castigar los errores no fomenta la mejora�, afirma. En cambio, fomentar la colaboración entre las partes interesadas puede impulsar el progreso.
“Un avance positivo en el sector de la construcción, tanto en Europa como en el resto del mundo, es el creciente número de consorcios que reúnen a diferentes partes. Esto refleja una comprensión compartida de que los desafíos a los que nos enfrentamos son demasiado grandes para que una sola entidad los aborde por sí sola�.
Cuando se le pregunta por las soluciones, Torttila es clara: la calidad y la transparencia de los datos son fundamentales. “Incluir conjuntos de datos diversos y de alta calidad es una parte importante de la mitigación del sesgo�, afirma. También subraya la importancia de construir sistemas en torno a modelos de IA que incluyan salvaguardas como la supervisión humana o controles secundarios de IA.
En su opinión, la regulación es otro ámbito que desempeñará un papel fundamental. “La Ley Europea de Inteligencia Artificial es un paso importante, pero es fundamental lograr el equilibrio adecuado�, aconseja.
La regulación excesiva podría sofocar la innovación, limitando el desarrollo de la IA a las empresas más grandes y mejor financiadas. “Solo empresas como Microsoft, Google, OpenAI y algunas otras que desarrollan esta tecnología serán capaces de gestionarla. Las empresas emergentes más pequeñas, las organizaciones sin fines de lucro o incluso las universidades podrían no poder hacerlo debido a la gran carga regulatoria.
"Creo que existe el riesgo de obstaculizar el progreso si la regulación no se aborda de forma reflexiva. Por eso, legislar y regular en el nivel adecuado, cualquiera que sea ese nivel, debe ser el punto de partida", afirma.
La dinámica hombre-máquina
Torttila destaca la importancia de la interacción entre humanos y máquinas para mitigar los sesgos. La IA no opera de forma aislada. La mayoría de las industrias, incluida la construcción, aún no han llegado a un punto en el que se sientan cómodas con sistemas totalmente autónomos que tomen decisiones. La supervisión humana sigue siendo esencial, ya sea como punto de control final o como parte de un ciclo de retroalimentación más amplio.
También aborda la rendición de cuentas, un tema polémico en la ética de la IA. “La responsabilidad es compartida entre los desarrolladores, los usuarios y la sociedad en general�, sostiene. La transparencia y el establecimiento de expectativas realistas son vitales. “La perfección es inalcanzable, pero vamos a empezar desde algún lugar, aportar valor y luego, con suerte, vamos a mejorar las cosas colectivamente�.
Las ideas de Torttila revelan tanto los desafíos como las oportunidades de abordar los sesgos en la IA dentro de la industria de la construcción. A medida que la IA se integra cada vez más en el entorno construido, será fundamental adoptar enfoques reflexivos sobre los datos, la regulación y la interacción entre humanos y máquinas. Si bien el camino por delante es complejo, fomentar la colaboración y mantener una mentalidad constructiva puede garantizar que la IA siga brindando beneficios transformadores a la sociedad y a la construcción.
Mantente conectado




Reciba la información que necesita cuando la necesite a través de nuestras revistas, boletines y resúmenes diarios líderes en el mundo.
CONECTE CON EL EQUIPO



