ChatGPT en el estudio: qué cambia y qué no

El 30 de noviembre de 2022 OpenAI abrió al público ChatGPT. A comienzos de febrero, una nota de UBS basada en datos de Similarweb, recogida por Reuters, estimaba que la herramienta había alcanzado unos 100 millones de usuarios activos mensuales en enero: la adopción más rápida registrada por una aplicación de consumo. En los estudios de arquitectura la pregunta ya no es si alguien del equipo lo está usando, sino para qué y con qué control.

Conviene leer estas diez semanas con frialdad. Hay cambios reales y hay expectativas que no resisten una revisión técnica.

Lo que sí cambia

Un modelo de lenguaje de propósito general es, ante todo, una herramienta de redacción y reorganización de texto. En un estudio, eso toca más superficie de la que parece:

• Borradores de textos no normativos. La descripción general de un proyecto básico, la carta de presentación a un concurso, el correo que explica a un cliente por qué el presupuesto de ejecución material ha subido. El modelo produce una primera versión aceptable en segundos; el arquitecto la corrige y la firma.
• Reescritura y tono. Pasar un acta de visita de obra de notas sueltas a un documento legible, o adaptar una memoria técnica a un lenguaje comprensible para una comunidad de propietarios.
• Estructura. Proponer el índice de un pliego, ordenar un listado de comprobaciones o resumir un documento largo que alguien ya ha leído y puede verificar.

En todos estos casos el valor es el mismo: reducir el tiempo que pasa entre la página en blanco y un borrador revisable. No sustituye criterio; acelera la parte mecánica de escribir.

Lo que no cambia

La responsabilidad profesional sigue donde estaba. La Ley de Ordenación de la Edificación atribuye al proyectista y a la dirección facultativa obligaciones que no se delegan en una herramienta. Ningún colegio va a visar una memoria porque la haya redactado un modelo, y ningún juzgado va a aceptar ese argumento ante un defecto.

Tampoco cambia la naturaleza del trabajo técnico: la solución constructiva, la compatibilidad de instalaciones, la coordinación con estructura. ChatGPT no ve planos, no conoce la parcela y no sabe qué dijo el técnico municipal en la última consulta previa.

El límite crítico: normativa sin fuentes

Aquí está el riesgo serio. Los modelos de lenguaje generan texto plausible, no texto verificado. Cuando se les pregunta por el Código Técnico de la Edificación responden con seguridad, con apariencia de precisión, y con frecuencia mezclan versiones, inventan apartados o atribuyen a un Documento Básico exigencias que pertenecen a otro.

Algunos ejemplos de lo que se observa al probarlo con tareas reales de estudio:

• Referencias a tablas del DB-SI con valores que no corresponden a la versión vigente.
• Exigencias del DB-HE descritas según la redacción anterior a la actualización de 2019.
• Artículos del RITE citados con un número que no existe.

El problema de fondo no es que se equivoque, sino que no cita. Una respuesta sin referencia exacta al artículo, apartado y versión no es verificable, y en normativa lo que no se puede verificar no se puede usar. Un técnico no puede trasladar a una memoria justificativa una afirmación cuyo origen desconoce.

Un modelo que responde sobre el CTE sin citar el artículo exacto no es una fuente; es un rumor bien redactado.

Además, el conocimiento del modelo tiene fecha de corte y no distingue entre la normativa estatal y las particularidades autonómicas o municipales, que en licencias suelen ser las que deciden.

Cómo empezar sin exponerse

Mi recomendación para los próximos meses es pragmática:

1. Delimitar usos. Permitirlo para redacción no normativa, comunicación y resúmenes de documentos propios. Prohibirlo, por ahora, como fuente de justificación normativa.
2. No introducir datos de clientes. Las condiciones de uso del servicio gratuito permiten utilizar las conversaciones para mejorar el modelo. Nada de nombres, direcciones, presupuestos ni documentación de expediente.
3. Revisión obligatoria. Todo texto generado pasa por un técnico que lo firma como propio. Si no se puede revisar, no se usa.
4. Registrar lo aprendido. Un documento compartido con los prompts que funcionan y los errores detectados vale más que cualquier curso genérico.
5. Mirar la tendencia, no la demo. OpenAI ya ha anunciado una suscripción de pago y Microsoft ha presentado su buscador con un modelo integrado. La capacidad de citar fuentes llegará; hasta entonces, prudencia.

Un ejemplo de reparto razonable

Pensemos en la redacción de un proyecto básico de vivienda unifamiliar. El modelo puede proponer la estructura de la memoria descriptiva, ordenar el programa de necesidades que el cliente envió en un correo desordenado y redactar un primer texto sobre la implantación en la parcela, a partir de datos que el técnico le facilita. Lo que no debe hacer es redactar el apartado de cumplimiento del DB-SI ni el de limitación de la demanda energética: ahí el texto tiene que salir de la comprobación del propio proyecto contra la normativa vigente, con la referencia exacta. La línea divisoria es sencilla de formular: el modelo ayuda a escribir lo que el técnico ya sabe, no a decidir lo que el técnico todavía no ha comprobado.

Lo que viene

La pregunta estratégica no es si la IA redactará memorias, sino cuándo existirán herramientas que respondan sobre normativa con la cita exacta y la versión vigente, de forma que el arquitecto pueda comprobar cada afirmación en segundos. Ese es el umbral que convierte un juguete de redacción en una herramienta profesional.

Mientras tanto, el estudio que gana es el que experimenta con orden: aprovecha la velocidad en lo que no tiene consecuencias legales y mantiene el criterio técnico exactamente donde estaba. La firma sigue siendo nuestra, y con ella la obligación de saber de dónde sale cada frase.