Inteligencia Artificial en Construcción. IA y Colaboración: ¿Cómo predecir el éxito de un proyecto desde el 10% de su avance?
- Magíster en Administración de la Construcción UC
- 30 ene
- 3 Min. de lectura
Actualizado: 11 feb
Inteligencia Artificial en construcción
La industria de la construcción enfrenta una realidad crítica a nivel global: más del 50% de los proyectos sufren desviaciones significativas en sus cronogramas. En megaobras de infraestructura, los retrasos pueden alcanzar un alarmante 80%. Ante este escenario, la pregunta para los gerentes de proyecto no es solo cómo reaccionar, sino cómo anticiparse.
Investigadores de la Pontificia Universidad Católica de Chile, liderados por Luis F. Alarcón, Alejandro Mac Cawley, Rodrigo F. Herrera, Camilo I. Lagos, han desarrollado un modelo de vanguardia que transforma la gestión de proyectos de construcción de un enfoque reactivo a uno puramente proactivo mediante el uso de Inteligencia Artificial en la construcción(IA).
Más allá de los indicadores tradicionales: El fin de la gestión reactiva
Tradicionalmente, el control de gestión se ha apoyado en el Earned Value Method (EVM). Aunque útil, el EVM es considerado un método "reactivo" porque analiza resultados de eventos que ya ocurrieron.
La innovación propuesta por los expertos del MAC UC sugiere complementar el EVM con dos pilares fundamentales:
Last Planner System (LPS): Para gestionar la fiabilidad de la planificación.
Social Network Analysis (SNA): Para medir la calidad de la colaboración y el flujo de información entre los equipos.
Innovación Técnica: Machine Learning y SNA en la obra
El estudio utiliza un algoritmo de Support Vector Regression (SVR), un tipo de aprendizaje automático supervisado que identifica patrones complejos para predecir el éxito final del cronograma.
Los pilares del modelo predictivo:
Colaboración cuantificable: Mediante técnicas de SNA, se mide la interacción entre los planificadores. No solo importa el dato, sino cómo fluye la información entre las personas.
Base de datos robusta: El modelo fue entrenado con datos de 160 proyectos reales ejecutados en Chile y Colombia entre 2018 y 2022, garantizando su aplicabilidad en el contexto latinoamericano.
Métricas de proceso clave: Se integran indicadores como el PPC (Porcentaje de Plan Completado) y el PCR (Porcentaje de Restricciones Removidas).
Resultados del Modelo M12: Precisión y Confianza
El modelo final, denominado M12, alcanzó un coeficiente de determinación de:
R^2 = 0.861Este valor indica una precisión excepcionalmente alta para predecir el Schedule Performance Index (SPI) final del proyecto. Los hallazgos más relevantes para la industria son:
Detección temprana: La capacidad de predicción es efectiva incluso desde que el proyecto alcanza apenas el 10% de avance.
Menor dependencia de lo retroactivo: El modelo logró disminuir la necesidad de métricas reactivas del 88% al 49%, priorizando los indicadores de colaboración humana.
Robustez en la complejidad: M12 demostró ser más confiable que los modelos tradicionales en casos extremos, reduciendo errores en proyectos de alta incertidumbre.
Métrica | Gestión Tradicional | Modelo M12 (IA) |
Enfoque | Reactivo (Pasado) | Proactivo (Futuro) |
Base de datos | Históricos aislados | 160 proyectos integrados |
Precisión (R^2) | Media-Baja | 0.861 |
Punto de alerta | >50% de avance | 10% de avance |
El futuro de la gestión es humano y digital
Este avance permite a los gerentes de proyecto automatizar alertas tempranas y centrar sus esfuerzos en los factores humanos y de proceso que realmente garantizan el cumplimiento de los plazos. La inteligencia artificial no reemplaza al constructor, sino que le otorga una "visión de rayos X" sobre el futuro de su obra.
¿Quieres liderar la transformación digital en la construcción?
Este tipo de investigaciones y aplicaciones prácticas son las que impulsamos en el Magíster en Administración de la Construcción de la UC.
October 2025 Engineering Construction & Architectural Management
Comentarios