¿Cómo empezamos los líderes de la Gerencia de Proyectos de Construcción a adoptar Machine Learning?
Pensemos así: el aprendizaje automático se basa en encontrar patrones en los datos.
Si no tienes datos estructurados, no hay nada que modelar, ni patrones que identificar.
Y ahí está uno de nuestros principales retos. Aunque el sector AECO ha avanzado en estructurar información —especialmente con la integración de presupuestos, diseño y modelos BIM, y con tecnologías de reality capture— aún persiste el desafío de conectar estos datos de forma fluida y consistente. Cada vez generamos mejor información, pero todavía cuesta convertirla en conjuntos de datos útiles y reutilizables para análisis con herramientas de IA.
Quienes trabajamos en este sector conocemos de primera mano nuestras restricciones, dinámicas y realidades con otros actores. Eso también es una ventaja: podemos liderar el cambio desde adentro. Pero para lograrlo, tenemos una doble tarea: construir datasets útiles y entender cómo extraer valor de ellos.
📚 McKinsey propone tres acciones concretas para integrar IA en el sector AECO (Artificial Intelligence: Construction Technology’s Next Frontier):
- Identificar dónde ya hay soluciones de IA emergiendo en el sector.
- Estudiar casos exitosos en otras industrias y pensar cómo adaptar esas ideas.
- Evaluar qué algoritmos pueden aplicarse a nuestros problemas específicos.
Pero hay que ser realistas. En muchas industrias hay un entusiasmo colectivo (y frenético) por la IA. Con el auge de la Inteligencia Artificial Generativa, cada semana aparecen versiones de modelos más rápidos, más baratos, menos alucinadores. Es fácil caer en la ansiedad del FOMO.
Por eso fuimos con mi equipo de Entrez Ingenieros Civiles al Analytics Forum 2025 de Uniandes. A aprender.
Nos encontramos con líderes de sectores como educación, logística, banca, salud y agro. Pero éramos, hasta donde pudimos ver, los únicos del sector de la construcción. Estas son algunas ideas del Forum que me dejaron pensando:
👨🏫 Ryan Keenan (Deeplearning.ai):
Uno de los grandes educadores en AI y ML en el mundo. Recomendó dos líneas de formación para cualquier profesional:
- Fortalecer bases en ciencia de datos, AI y programación (los chatbots ni el Vibe Coding no reemplazarán pronto a los programadores, pero sí elevarán la exigencia).
- Desarrollar habilidades blandas: pensamiento crítico, liderazgo y capacidad de enseñar.
💡 Recomendación: Conocer los cursos de Deeplearning.com para entender mejor los fundamentos matemáticos, de programación y requisitos de datos.
💡 Recomendación extra: interactuar con el avatar beta de Andrew Ng para diseñar rutas personalizadas de aprendizaje.
🧠 Alejandro Correa (AI Hype vs AI Reality):
Alejandro nos dio la charla que todos necesitábamos y no lo sabíamos: una cosa es el hype por la AI y otra es la realidad. Nos recordó algo esencial: la IA tiene un potencial enorme, pero su poder predictivo depende totalmente de los datos. Y el juicio humano sigue siendo insustituible (o exploren qué pasó en este experimento de crear una empresa con 100% de sus integrantes como agentes de AI). Alejandro opina que la AGI no es lograble.
🚛 Julián Pachón (Amazon Last Mile):
Director Global de Tecnología de Última Milla. Su intervención fue una clase maestra de cómo explicar ideas complejas de forma sencilla. Habló de cómo Amazon optimiza la logística en todo el mundo con ciencia de datos, ML y equipos interdisciplinarios.
Me hizo pensar: ¿qué tanto podríamos optimizar la cadena de suministro en nuestros proyectos si aplicáramos ese mismo enfoque? Aun siendo otro tipo de reto (con obras in situ, prefabricaciones, pagos, anticipos, cientos de proveedores, espacios reducidos para acopios), hay aprendizajes valiosos que podríamos adaptar.
💡 Recomendado: su entrevista con Robbie Frye → YouTube
🤖 María Paula Ríos (Alianza Team):
Conocí la historia de Alianza Team a través de la entrevista de Freddy Vega a su CEO, Luis Alberto Botero. Impresionante.
Luego, en el foro, escuchamos a María Paula Ríos, y quedó claro por qué han logrado superar con éxito tanto los retos técnicos como los humanos de la transformación digital. María Paula no solo tiene un conocimiento profundo del negocio, sino que además es científica y cuenta con sólidas habilidades de liderazgo para ejecutar estrategias complejas con equipos diversos. Su capacidad de articular la visión, conectar con las personas y llevarla a la acción fue evidente. También abordó el rol de la mujer en tecnología, un tema relevante.
Lo interesante es que, al igual que en construcción, ellos tienen que transformar operaciones reales con personas reales, en entornos inciertos. Un paralelo útil para nuestro sector.
Y finalmente, dos conceptos que resonaron mucho para trabajar al interior de mi empresa de forma inmediata:
- Gobernanza de datos: políticas, roles, procesos y métricas para que los datos sean útiles, accesibles y confiables.
- Ciberseguridad: si usamos modelos externos, debemos proteger la información de nuestra operación y la privacidad de nuestros clientes.
En resumen: no se trata de subirnos al tren de la IA por moda, sino de hacerlo con criterio. De construir nuestros datos, entender sus patrones, y, sobre todo, mantenernos curiosos y abiertos a aprender de otros sectores.
Desde Entrez Ingenieros, seguiremos explorando caminos para traer valor al sector AECO desde los datos, la tecnología y como siempre, de la colaboración entre las personas.