Un piloto de dos semanas con 49 estudiantes en Florida Universitària en España redujo el modelado de marcadores de posición de 1–2 horas a 5–15 minutos, generando 448 modelos en 8 equipos de desarrollo de juegos.
Pau Comes enseña animación 3D, juegos y entornos interactivos en Florida Universitària, una escuela de educación superior en Valencia, España, donde los estudiantes de segundo año pasan seis meses llevando un proyecto de juego desde el concepto hasta la publicación. Dentro de ese cronograma, la previsualización es la fase que más sufre.
Para probar si la IA generativa podría cambiar eso, Pau, junto con otro profesor, realizó un piloto de dos semanas en noviembre de 2025, dentro del módulo Proyecto de Animación Audiovisual, utilizando Meshy 6 Preview para llevar la IA de imagen a 3D a la fase de previs. Con acceso ilimitado al estudio durante la duración, los estudiantes que adoptaron Meshy dejaron de construir activos de marcador de posición a mano. En su lugar, introdujeron su propio arte conceptual en Meshy, generaron proxies volumétricos rápidos y los usaron para probar cámaras, escala y composición en la escena real, todo antes de que comenzara cualquier trabajo de modelado final.
Ese cambio no solo ahorró tiempo. Reintegró la previs en el currículo como una fase de trabajo real y la abrió a todo el equipo, no solo a uno o dos especialistas que solían encargarse de ella. También brindó al grupo su primera experiencia práctica con flujos de trabajo 3D asistidos por IA, del mismo tipo que los estudios están construyendo ahora.
Por qué la Previs 3D se Convierte en un Cuello de Botella en las Aulas de Animación
En la educación de animación y juegos, la preproducción suele ser lo primero que se elimina cuando los plazos se ajustan. Los storyboards, animatics y previs 3D suenan esenciales en teoría, pero los estudiantes que aún están aprendiendo todo el flujo de trabajo tienden a saltar directamente al modelado de activos finales. La previs se reduce a un boceto aproximado o desaparece del cronograma por completo.
Para Pau, ese era el punto más frágil del currículo. Antes del piloto, sus estudiantes seguían enfrentándose a los mismos cuatro problemas durante el trabajo 3D en etapas tempranas:
- Marcadores de posición manuales lentos. Un marcador de posición comparable construido a mano tomaba de 1 a 2 horas, dejando poco tiempo para probar cámaras, escala y composición.
- Carga de trabajo concentrada. Con solo unas pocas horas presupuestadas para la previs, uno o dos estudiantes por grupo producían una sola versión, mientras el resto del equipo permanecía enfocado en sus propias especializaciones.
- Ideas espaciales difíciles de comunicar. Los bocetos y las descripciones verbales no eran suficientes para alinear al equipo en forma, escala y encuadre antes de la producción.
- Imaginación por delante de la habilidad. Algunos estudiantes podían imaginar claramente una escena pero aún no podían modelarla desde cero, por lo que las buenas ideas permanecían en sus cabezas.
El resultado era una brecha familiar entre el storyboard y el bloqueo. Esa brecha es exactamente donde las mejores herramientas de imagen a 3D hacen la mayor diferencia.
Diseñando un Piloto de Dos Semanas Dentro de un Proyecto de Juego Real
Pau realizó el estudio dentro de un contexto de producción activo, no como un ejercicio independiente:
- 49 estudiantes de segundo año en el Grado Superior de Formación Profesional en Animación 3D y Entornos Interactivos (el sistema de Formación Profesional de España)
- 8 equipos de desarrollo, cada uno produciendo un tráiler cinematográfico o de juego para su propio título
- Una ventana de previs de dos semanas dentro del proyecto más amplio de seis meses
- Acceso ilimitado a Meshy en modo estudio durante la duración
- Evaluación de métodos mixtos: encuestas pre y post piloto, registros de activos en la plataforma y revisión cualitativa de modelos generados y resultados del equipo
El alcance fue claro desde el primer día. Meshy fue diseñado específicamente para la fase de previsualización desde el primer día, donde la velocidad y la iteración importan más que la calidad final de producción. La pregunta era más específica: ¿podría la IA evitar que se sacrificara la previsualización y ayudar a los estudiantes a tomar mejores decisiones antes de comprometerse con cientos de horas de modelado?
Cómo los Estudiantes Usaron la Función de Imagen a 3D de Meshy para Previsualización
Un patrón claro emergió en los primeros días. En lugar de trabajar solo con indicaciones de texto, los estudiantes usaron Meshy como un traductor de 2D a 3D: introducían su propio arte conceptual y bocetos anteriores, luego evaluaban si la interpretación volumétrica que recibían valía la pena para continuar.
El flujo de trabajo de imagen a 3D en el que la mayoría de los equipos se establecieron:
- Subir referencia. Arte conceptual o un boceto 2D de una etapa anterior del proyecto.
- Generar un volumen. Imagen a 3D devuelve un proxy texturizado rápido en minutos.
- Incorporarlo en la escena. Probar proporciones, encuadre y escala contra el resto del diseño.
- Decidir. Mantener lo que funciona, limpiar la topología donde sea necesario, y pasar a producción con una idea más clara de cómo debería verse la toma final.
Lo que Meshy les ofreció fue un cuaderno de bocetos volumétrico: la instantánea 3D que una fase de previsualización realmente necesita. Los equipos podían probar un encuadre, descartarlo, probar otro, y llegar a la fase de producción con decisiones ya tomadas en lugar de adivinadas.
Surgieron algunos casos de uso en casi todos los equipos:
- Poblar escenas con proxies texturizados para ir más allá de una caja gris plana
- Probar ángulos de cámara y escala contra volúmenes reales en lugar de imaginados
- Convertir arte conceptual 2D en maquetas 3D que todo el equipo pudiera criticar
- Comunicar ideas espaciales que eran difíciles de describir verbalmente o esbozar rápidamente
A lo largo del proceso, el estudiante se mantuvo a cargo del trabajo. Meshy proponía, y los estudiantes seleccionaban, corregían y decidían. Esa mezcla de generación rápida de IA con juicio humano consistente fue lo que hizo que el flujo de trabajo se mantuviera.
"Meshy ayudó a los estudiantes a clarificar ideas y mostrarlas en una imagen."
Pau Comes
Profesor de Animación 3D, Florida Universitària
Lo que Cambió Meshy en el Aula
Evaluación de un Vistazo
Después de la prueba de dos semanas, los estudiantes calificaron a Meshy en seis dimensiones:
| Dimensión | Calificación |
|---|---|
| Facilidad de Uso | 5 / 5 |
| Utilidad para Previsualización | 4.5 / 5 |
| Velocidad | 4.1 / 5 |
| Calidad de Textura | 4 / 5 |
| Fidelidad a la Referencia | 3.2 / 5 |
| Geometría y Topología | 2 / 5 |
Las puntuaciones se ubicaron exactamente donde el piloto fue diseñado para probar. Facilidad de uso, utilidad para previsualización y velocidad —las tres dimensiones que más importan para pasar del concepto a un diseño 3D funcional— todas calificaron por encima de 4 sobre 5.
Previsualización Más Rápida Reestructuró Cómo Trabajaban los Equipos
El mayor beneficio fue la velocidad. La creación de marcadores de posición se redujo de 1–2 horas a aproximadamente 5–15 minutos por modelo, una reducción de hasta el 90%. Durante las dos semanas, los ocho equipos generaron 448 modelos entre ellos.
El cambio más interesante fue estructural. Los marcadores de posición más rápidos permitieron a los equipos reestructurar cómo dividían la etapa inicial:
- Sub-equipos produjeron versiones de previsualización en paralelo y las compararon lado a lado, en lugar de comprometerse con una sola versión apresurada desde el principio.
- Cada estudiante podría contribuir a las decisiones visuales tempranas, no solo el uno o dos especialistas que solían encargarse del previs por defecto — aunque en la práctica, el uso se concentraba entre unos pocos usuarios intensivos.
- Más tiempo del proyecto se dedicó a experimentos de cámara y ritmo, con más retroalimentación del instructor por iteración.
Para una cohorte construida en torno al trabajo en equipo interdisciplinario, ese último punto importaba tanto como la velocidad en sí. Los estudiantes ya no eran empujados a roles estrechos vinculados solo a su especialización, y la propiedad de las decisiones creativas tempranas terminó compartida en todo el equipo.
Un Nuevo Rol: De Modelador a Director 3D
El piloto también cambió lo que los estudiantes estaban haciendo durante el previs. Menos tiempo se dedicó a modelar desde cero en esta etapa. Más se dedicó a enmarcar indicaciones, elegir entre variaciones, criticar resultados y planificar correcciones.
Ese cambio abrió espacio para enseñar habilidades que la industria ya está pidiendo:
- Diseño de indicaciones multimodales. Trabajar fluidamente con entradas de texto e imagen.
- Curaduría de resultados de IA. Saber cuándo una generación es útil como referencia y cuándo no lo es.
- Retopología y limpieza de mallas generadas por IA. Una habilidad técnica concreta superpuesta al flujo de trabajo generativo.
El rol se movió parcialmente de modelador hacia director 3D: alguien que enmarca el problema, evalúa las opciones y dirige el refinamiento.
IA como Andamiaje Cognitivo: Accesibilidad en la Educación 3D
Un hallazgo replanteó cómo el equipo pensaba sobre la adopción en sí. Un aprendiz que típicamente tenía dificultades con el modelado 3D manual generó el 57% de todos los modelos en el piloto. Para algunos aprendices, la IA generativa funciona como una especie de andamiaje cognitivo: un puente entre la imaginación y la ejecución que les permite externalizar ideas que aún no pueden modelar a mano.
Eso apunta a un verdadero beneficio de accesibilidad junto al de productividad. Las herramientas de IA 3D pueden ampliar quiénes pueden contribuir al trabajo creativo temprano, no solo acelerar a las personas que ya lo están produciendo. Para un programa construido en torno al trabajo en equipo interdisciplinario, eso es un cambio significativo. Los estudiantes que de otro modo podrían haber delegado tareas de modelado a compañeros de equipo pudieron participar directamente en dar forma a la dirección visual de su proyecto.
"Me ayuda a expresar lo que no sé cómo modelar, o me ahorra horas de búsqueda." dijo un estudiante participante.
Una Mirada Realista a la Adopción
La adopción dentro de la cohorte fue desigual, y eso resultó ser útil. Alrededor del 55% de los estudiantes adoptaron Meshy, mientras que el 45% optó por no usarlo, principalmente por razones consideradas más que por barreras técnicas: una preferencia por el trabajo manual, preocupaciones sobre el impacto de la IA en el trabajo creativo, o preguntas sobre derechos de autor y estilo. El equipo docente incorporó esa división en el módulo en sí, tratándolo como una oportunidad para discutir cómo coexistir con la IA sin perder la identidad artística. Al final del piloto, las actitudes habían pasado de una ansiedad generalizada a una comprensión más clara de dónde encaja realmente la herramienta.
Lo Que Sigue: Integrar Meshy en el Programa
El piloto solo cubrió la preproducción. La siguiente fase, ya en marcha, toma los activos de previs generados con Meshy y los utiliza para fijar cámara, escala y ritmo narrativo antes de producir activos finales a través del canal tradicional. La diferencia, en comparación con cohortes anteriores, es mucha menos incertidumbre al entrar en producción.
Para Florida Universitària, el piloto ha llevado a varias decisiones concretas sobre el programa en sí:
- Posicionar Meshy como una herramienta de concepto y previs 3D dentro del currículo: una capa de maquetas rápidas y bocetos volumétricos, con espacio para evolucionar hacia la producción final con el tiempo.
- Diseñar ejercicios de "Generar + Arreglar" donde los estudiantes generan una base en Meshy, retopologizan y desempaquetan UV en Blender, e integran el resultado en Unity o Unreal.
- Agregar módulos de alfabetización y ética en IA al programa, para que los estudiantes aprendan a usar estas herramientas de manera crítica en lugar de acrítica.
- Extender el enfoque a otras materias. Se están considerando cursos de digitalización y programas más avanzados, posiblemente en formato de taller o bootcamp.
Para un profesor que trabaja con horarios ajustados y estudiantes exigentes, Meshy encontró su lugar exactamente donde el currículo era más frágil: la previsualización.
"La pregunta no es si la IA entrará en el aula. Es para qué la queremos allí."
Pau Comes
Profesor de Animación 3D, Florida Universitària
En este piloto, la respuesta fue clara: un catalizador para la fase más frágil del proceso creativo.
Florida Universitària está ahora llevando a cabo la siguiente fase del experimento con la cohorte de este año. Volveremos con lo que encuentren.
