Es una de las preguntas que plantea “Visualización arquitectónica con IA generativa: un estudio comparativo de tres plataformas accesibles”, una investigación de Nataliia Vergunova y Maria Blinova, de la National University of Urban Economy (Ucrania), publicada en Anales de Investigación en Arquitectura, vol. 16, n.º 2 (2026).
Las autoras compararon Fabrie, Mnml AI y LookX AI Cloud para estudiar cuánto del proyecto permanece reconocible cuando la inteligencia artificial interviene en su representación.
Una vivienda de 52 m², muchos detalles por conservar
El experimento utilizó una vivienda de 52 m², de una sola planta, con una cocina exterior junto a la entrada. En el jardín había senderos de hormigón, vegetación y gaviones —mallas metálicas rellenas de piedras—. La cocina reunía una cubierta metálica, una pérgola de madera, columnas de acero y equipamientos como parrilla, pileta y campana extractora.
El encuadre complicaba la tarea: un cerramiento ocultaba parcialmente algunos objetos y los reflejos de las ventanas permitían reconocer otros. Para reproducir esa escena, las herramientas debían respetar tanto la forma general de la casa como relaciones menos evidentes entre estructura, equipamiento y paisaje.
Las investigadoras pusieron a prueba dos procedimientos: mejorar un render existente y generar una nueva imagen a partir de un boceto, en ambos casos con las mismas instrucciones textuales. La comparación se concentró en esas funciones compartidas, no en todas las prestaciones de las plataformas.
- Quizá también pueda interesarte la lectura: “Cómo la inteligencia artificial está transformando la arquitectura”
El hallazgo inesperado: un boceto puede conservar más que un render
La preparación del boceto atravesó tres etapas. En el primero, sin vegetación dibujada, las plataformas interpretaron de forma inconsistente la posición de árboles y arbustos. Las autoras incorporaron después sus siluetas y, finalmente, simplificaron la representación hasta obtener un dibujo lineal que resultó más fácil de interpretar.
En términos generales, las imágenes creadas desde bocetos conservaron mejor ciertas relaciones geométricas y elementos arquitectónicos que las obtenidas al mejorar el render. No sucedió en todas las zonas ni con todas las herramientas.
El resultado permite una lectura interesante para la práctica proyectual: una imagen más elaborada visualmente no siempre ofrece a una herramienta generativa instrucciones más claras. En este caso, definir gráficamente la posición de la vegetación y simplificar los contornos ayudó a conservar información que las indicaciones textuales no habían transmitido con suficiente consistencia.
- Quizá también pueda interesarte leer: “Arquitectura digital en ORT: diseñar con IA, RA y RV desde el primer año en la universidad”
Tres plataformas, tres tipos de desvíos
Fabrie generó imágenes de atmósfera convincente, pero algunas variantes se alejaron del volumen y las proporciones de la vivienda. En otras se perdieron componentes de la cocina exterior, los gaviones o el paisaje. El boceto mejoró la conservación de la geometría principal, aunque persistieron cambios en estructuras secundarias y materiales.
Mnml AI se destacó por sus efectos de iluminación y ambiente. Su principal dificultad fue la correspondencia con el entorno: desplazó vegetación, reinterpretó gaviones y simplificó elementos de la cocina exterior. Las imágenes podían resultar atractivas sin respetar la organización paisajística prevista.
LookX AI Cloud conservó con mayor consistencia la organización arquitectónica principal, especialmente la volumetría de la casa y ciertos componentes de la cocina. Tampoco estuvo libre de errores: simplificó cubiertas, modificó equipamientos y reinterpretó detalles del terreno.
La comparación no establece cuál herramienta es «la mejor» en términos generales. Describe sus respuestas ante un proyecto concreto y dos tareas de visualización, en un estudio exploratorio.
- Quizá también te pueda interesar leer: “Herramientas de inteligencia artificial para arquitectos y diseñadores”
Un resultado que cambia según dónde se mire
El caso de LookX permite entender por qué no alcanza con juzgar una imagen en su conjunto. Las autoras separaron la escena en vivienda, cocina exterior, cielo y paisaje, y valoraron su correspondencia con el diseño mediante cuatro criterios: capacidad interpretativa, detalle, expresividad y características técnicas. Cuando surgieron varias imágenes, seleccionaron para el análisis detallado la de mayor correspondencia según una regla previa.
En la zona de la vivienda, LookX registró un 85 % al mejorar el render y un 75 % al generar desde el boceto. En la cocina exterior ocurrió lo contrario: la correspondencia pasó del 25 % al 50 %.
Estos porcentajes proceden de una rúbrica de evaluación; son indicadores relativos del caso, no tasas de precisión estadística. Su interés está en la contradicción que hacen visible: un procedimiento puede mejorar la representación de una parte del edificio y alterar otra. La fidelidad no se resuelve mediante una impresión general de realismo.
Quizá también pueda interesarte leer: “EPICA: inteligencia artificial para potenciar la creatividad en la investigación en arquitectura”
Qué puede ocultar una imagen convincente
Las alteraciones se repitieron en puntos delicados: objetos parcialmente ocultos, reflejos, estructuras compuestas y elementos del paisaje. Una cubierta simplificada o una parrilla desplazada pueden pasar inadvertidas si quien observa desconoce el proyecto. En una presentación arquitectónica, esa diferencia importa: el cliente puede estar mirando una imagen plausible, pero distinta de lo diseñado.
El estudio también identifica el trabajo que permanece en manos del proyectista: preparar las entradas, comparar variantes y corregir desviaciones. Las investigadoras proponen una secuencia de preparación, generación, comparación y revisión crítica, antes que aceptar el resultado visual como comprobación del diseño.
Conviene mantener el alcance del hallazgo: se examinó una sola vivienda, con tres plataformas y sin promediar series de pruebas repetidas. Sus conclusiones orientan la evaluación de imágenes, pero no pueden generalizarse a todos los proyectos ni a las versiones futuras de esas herramientas.
- Quizá también pueda interesarte leer: “La perspectiva de Smiljan Radić Clarke (Pritzker 2026) sobre la inteligencia artificial en arquitectura”
Volver al proyecto detrás de la imagen
El experimento comienza con una vivienda pequeña y termina con una pregunta de mayor alcance: ¿qué significa representar fielmente una obra cuando una herramienta puede cambiar sus elementos sin perder verosimilitud?
La respuesta exige volver a mirar la cocina, sus apoyos y sus equipamientos; el terreno, sus senderos y sus gaviones. La calidad de una visualización arquitectónica también depende de las decisiones que consigue preservar.
La investigación completa permite confrontar los bocetos y renders originales con las variantes de cada plataforma, examinar sus resultados por zonas y comprender el método empleado para evaluarlos. Allí está el valor de continuar la lectura más allá de las imágenes.
Si te interesa aprender a diseñar, representar y evaluar críticamente los espacios y sus imágenes:
Conocé la carrera de Arquitectura