Midjourney V5 y GPT-4: el render deja de ser el cuello

La semana del 13 de marzo de 2023 concentró dos anuncios que afectan de lleno a la práctica del estudio. El día 14, OpenAI presentó GPT-4, un modelo que acepta texto e imágenes como entrada y que, según la propia compañía, obtiene resultados de nivel humano en varios exámenes profesionales. El día 15, Midjourney publicó en alfa su versión 5, con un salto evidente en fotorrealismo, iluminación y coherencia de materiales.

Por separado, son noticias tecnológicas. Juntas, cambian una variable que durante dos décadas ha condicionado la fase temprana del proyecto: el coste de producir una imagen convincente.

El render ya no es el cuello de botella

Hasta ahora, una imagen fotorrealista de anteproyecto implicaba modelado, materiales, iluminación y horas de cálculo, o un encargo externo con plazos de días. Esa fricción tenía un efecto útil: obligaba a decidir antes de visualizar. Se hacían pocas imágenes y se hacían tarde.

Con Midjourney V5, un arquitecto puede generar en una tarde decenas de variaciones de atmósfera para una vivienda unifamiliar o un equipamiento: fachada ventilada frente a revoco, celosía cerámica frente a lamas de madera, luz de invierno frente a luz de verano. El coste marginal de una imagen tiende a cero.

Esto desplaza el valor. Si producir imágenes es barato, lo escaso pasa a ser el criterio para elegir cuál defender y por qué.

Ideación no es definición

Conviene separar dos tipos de imagen que el mercado tiende a confundir:

• Imagen de ideación. Sirve para explorar intenciones: escala, materialidad, relación con el paisaje, carácter. No responde a una geometría concreta ni a una parcela real. Es una herramienta de conversación.
• Imagen técnicamente definida. Nace de un modelo con dimensiones, alturas reguladas por el planeamiento, huecos compatibles con el DB-HE y una solución constructiva viable. Es una representación de algo que se puede construir y licenciar.

Midjourney produce la primera. No conoce la ordenanza, ni la edificabilidad, ni la transmitancia de un muro. Un voladizo de doce metros sin apoyos aparentes o un vidrio continuo en orientación oeste aparecen con la misma naturalidad que una solución sensata.

GPT-4 no corrige esto. Su capacidad de interpretar imágenes, anunciada pero todavía no disponible de forma general, apunta a que en el futuro un modelo podrá describir un plano o una foto de obra. Hoy su aportación en esta fase es textual: ordenar el programa, redactar la narrativa del concurso, preparar el guion de una presentación.

El riesgo real: las expectativas del cliente

El problema más inmediato no es técnico, es comercial. Un promotor que recibe en la primera reunión tres imágenes fotorrealistas tiende a interpretarlas como compromiso. Si después el proyecto básico, ajustado a la normativa urbanística, a la estructura y al presupuesto, se parece poco a esas imágenes, la conversación se complica.

Una imagen generada en fase temprana es una pregunta al cliente, no una promesa de proyecto.

Tres reglas que recomiendo aplicar desde ya:

1. Etiquetar. Toda imagen generada con IA en fase de ideación debe identificarse como tal en la presentación, con una nota visible: imagen de intención, no vinculante, sin definición técnica.
2. Acompañar con una base técnica mínima. Una sección esquemática, la superficie construida aproximada y las limitaciones del planeamiento al lado de la imagen ponen los pies en el suelo.
3. Dejarlo por escrito en la hoja de encargo. Una cláusula que distinga imágenes de ideación de infografías de proyecto evita discusiones en la fase de ejecución.

Lo que cambia en la organización del estudio

La consecuencia de fondo es que el estudio puede iterar más antes de comprometerse. Eso es bueno si se gestiona:

• Las sesiones de ideación pueden hacerse con el cliente, en tiempo real, explorando referencias visuales en lugar de describirlas.
• El tiempo que antes se dedicaba a producir imagen puede reinvertirse en análisis de parcela, programa y viabilidad.
• El perfil de visualizador no desaparece, se desplaza hacia la imagen técnicamente definida, la que requiere control de geometría, materiales reales y coherencia con el proyecto.

Hay también cuestiones abiertas que no conviene ignorar: los términos de uso de cada herramienta sobre la propiedad de las imágenes, la procedencia de los datos de entrenamiento y la posibilidad de que una imagen reproduzca rasgos reconocibles de obras de otros arquitectos. No son motivos para no usar estas herramientas, pero sí para no presentarlas como obra original sin más.

Un flujo de trabajo posible

En un encargo de rehabilitación de un edificio residencial entre medianeras, por ejemplo, el flujo razonable sería este. Primero, una sesión de ideación con imágenes generadas para explorar con la propiedad el carácter de la fachada y de los espacios comunes. Segundo, la selección de una o dos direcciones y su traslado inmediato a un modelo propio, con la geometría real del edificio, las limitaciones del catálogo municipal si existen y una primera aproximación al cumplimiento del DB-HE. Tercero, la producción de las infografías del proyecto básico desde ese modelo, ya técnicamente definidas. Las imágenes generadas cumplen su función en la primera fase y no deberían reaparecer después como si fueran el proyecto.

Mi posición

El render deja de ser el cuello de botella de la fase temprana, y eso es una buena noticia para quien sabe qué quiere decir. El riesgo es confundir abundancia de imágenes con calidad de proyecto. El estudio que se diferencie no será el que genere más imágenes, sino el que sepa traducir una intención visual en una solución construible, justificada y licenciable. Esa traducción sigue siendo, íntegramente, trabajo de arquitecto.