Tradicionalmente, estas estimaciones se han realizado mediante
métodos descriptivos, conceptuales o estadísticos, los cuales presentan
limitaciones en entornos altamente dinámicos y complejos. En este contexto,
investigaciones recientes han demostrado que la incorporación de modelos de Inteligencia
Artificial (IA) y aprendizaje automático (Machine Learning, ML por sus
siglas en inglés) mejora significativamente la precisión predictiva, al emplear
técnicas avanzadas como Random Forest, K- Nearest Neighbors,
SVM o redes neuronales, logrando resultados más sólidos frente a la
variabilidad de los datos.
Este trabajo se fundamenta en una revisión bibliográfica
crítica y propone el desarrollo de modelos basados en IA como alternativa
eficaz frente a los métodos tradicionales, con el objetivo de optimizar la
estimación de tiempo y costos en proyectos de construcción, reduciendo la
incertidumbre y fortaleciendo la toma de decisiones desde etapas tempranas.
2.
Marco teórico
2.1. Factores e incertidumbres en los
proyectos de construcción
La finalización en tiempo y forma de
los proyectos de construcción depende en gran medida de estimaciones precisas
de tiempo y costo, dos parámetros que se ven fuertemente afectados por
incertidumbres inherentes al entorno constructivo. Estas incertidumbres, si no
se gestionan adecuadamente, impactan negativamente en la planificación,
ejecución y control del proyecto, por lo que es crucial desarrollar estrategias
eficaces para su identificación y mitigación.
En el trabajo consultado han
subrayado la importancia de incorporar la incertidumbre en los modelos de
programación de obras, mediante el uso de herramientas avanzadas como
algoritmos de IA y técnicas estadísticas. Se destaca, además, la influencia de
factores como la gestión deficiente del sitio, la escasez de recursos
financieros y las fallas comunicacionales, los cuales contribuyen a
desviaciones significativas en los cronogramas y presupuestos.
Han abordado estas problemáticas a
través de modelos matemáticos capaces de cuantificar el impacto de los riesgos
sobre la duración y los costos. El tratamiento explícito de distintos tipos de
incertidumbre, ya sea a través de estudios empíricos, curvas S de riesgo o
modelos predictivos, han demostrado mejorar considerablemente la precisión de
las estimaciones.
Asimismo, evidencian que el sistema
de entrega del proyecto influye directamente en la estimación del tiempo,
siendo objeto de análisis comparativos, evaluaciones de riesgo y estudios de
caso, especialmente en proyectos de vivienda pública. La adopción de enfoques
como el diseño-construcción o la entrega integrada de proyectos ha mostrado
ventajas frente a contextos de alta complejidad e incertidumbre, al facilitar
una mejor coordinación entre las partes y una mayor adaptabilidad frente a
eventos no previstos.
Finalmente mencionan, sobre nuevas
líneas de investigación que abordan temas emergentes que afectan la entrega de
proyectos, como la ciberseguridad en entornos digitales de construcción o la
incorporación de indicadores de sostenibilidad en los procesos de planificación
y ejecución, ampliando así la visión tradicional de riesgos hacia un enfoque
más integral y actual [1].
Respecto a los factores que inciden
en los resultados del proyecto, la literatura los clasifica en dos categorías:
Factores Cruciales, aquellos que ayudan a prevenir disputas y retrasos, por
ejemplo, la estimación precisa de la duración de cada actividad. Factores
Críticos de Éxito (CSF, por sus siglas en inglés), que garantizan el éxito en
la planificación y permiten una gestión eficiente de los recursos. Algunos CSF
identificados son: tamaño y complejidad del proyecto, condiciones del sitio,
tipo de obra, ubicación geográfica, disponibilidad de recursos y materiales,
productividad de la mano de obra, modificaciones en el diseño, cambios
normativos y condiciones climáticas imprevistas.
Se han identificado hasta 48 factores
causales de retrasos y 38 factores de sobrecostos, clasificados en cuatro
categorías: causas atribuibles al contratista, al consultor, al cliente y
causas externas. Estos estudios constituyen un marco valioso, pero es necesario
profundizar en su análisis para desarrollar soluciones viables y evaluar su
eficacia en la práctica, con el objetivo de asegurar la ejecución exitosa de
los proyectos de construcción [2].
2.2. Métodos tradicionales para
estimar tiempo y costo
Los proyectos de
construcción, especialmente los del tipo residencial, requieren estimaciones
precisas de la duración de cada actividad debido a los diversos riesgos e
incertidumbres que afectan el tiempo total de finalización. Tradicionalmente,
estas estimaciones se realizan mediante técnicas clásicas de planificación y
gestión de proyectos, entre las que se destacan:
·
El Método del
Camino Crítico (CPM, por sus siglas en inglés Critical Path Method) es
un enfoque determinista ampliamente utilizado en la planificación de proyectos
de construcción. Su principal ventaja radica en la simplicidad de su
implementación, ya que permite identificar la duración mínima del proyecto a
partir de un análisis lineal. Sin embargo, una de sus limitaciones más
significativas es que considera una única duración fija para cada actividad,
sin incorporar la variabilidad ni los factores de incertidumbre. Como
resultado, el cronograma generado puede no reflejar fielmente las condiciones
reales del proyecto [3].
·
La Técnica de
Evaluación y Revisión de Programas (PERT, por sus siglas en inglés Program
Evaluation and Review Technique), introduce un enfoque probabilístico al
considerar tres estimaciones de duración (optimista, más probable y pesimista)
para cada actividad. Este método permite incorporar la incertidumbre inherente
a los proyectos, generando una planificación más realista y detallada, al
tiempo que facilita la visualización de tareas y sus respectivas dependencias
[4].
·
El Método de
Simulación de Montecarlo (MCS) es una técnica estadística avanzada que permite
simular múltiples escenarios posibles en función de variables aleatorias. Su
aplicación no se limita solo a la estimación de tiempos, sino que también
considera restricciones de costo y riesgos asociados, lo cual proporciona un
marco más robusto para la toma de decisiones estratégicas durante la planificación
y ejecución del proyecto [5].
Además, en el estudio [5] se
ejemplifica la aplicabilidad de estos métodos tradicionales en un proyecto de construcción
de una vivienda con 24 actividades planificadas. Al aplicar CPM, se obtuvo una
duración estimada de 63 días. En contraste, al emplear PERT y MCS con un nivel
de confianza del 95 %, las duraciones proyectadas fueron de 70 y 79 días,
respectivamente. Estos resultados evidencian que los métodos probabilísticos,
como PERT y MCS, ofrecen cronogramas más ajustados a la realidad al contemplar
los riesgos e incertidumbres propios de los proyectos de construcción.
Estos resultados demuestran que los
métodos probabilísticos constituyen herramientas valiosas para los gerentes de
proyectos, permitiéndoles programar obras de construcción residencial
considerando los riesgos e incertidumbres inherentes. Si bien PERT y MCS son
útiles para la elaboración de cronogramas más realistas, su precisión está
directamente condicionada por la calidad de las variables de entrada y por la
fidelidad del modelo que representa al proyecto. Las deficiencias de estos
modelos, están en que las estimaciones de duración de las actividades no son
precisas, perdiendo confiabilidad en sus resultados. Es importante destacar que
ni PERT, ni MCS proporcionan soluciones definitivas por sí mismos, sino que
actúan como herramientas de apoyo para anticipar el comportamiento del proyecto
en escenarios inciertos y la toma de decisiones finales recae en el gerente de
proyecto, quien debe realizar una evaluación integral de las condiciones
particulares de la obra antes de adoptar una estrategia de planificación
adecuada [6].
2. 3. Modelación de Información de
la Construcción
Como se ha mencionado previamente,
los métodos tradicionales, deterministas o probabilísticos, utilizados en la
planificación de proyectos de construcción presentan limitaciones
significativas, especialmente en lo que respecta a la integración de información
multidimensional y la actualización en tiempo real.
En respuesta a estas limitaciones, el
Modelado de Información de la Construcción (Building Information Modeling,
BIM) se posiciona como una tecnología disruptiva que ha transformado la forma
en que se planifican, diseñan, ejecutan y gestionan los proyectos. BIM opera
dentro de un entorno colaborativo e integrado, facilitando la centralización de
datos y mejorando la coordinación entre los distintos actores del proceso
constructivo.
En la actualidad, numerosos
profesionales del sector de la arquitectura, la ingeniería y la construcción
(AEC) reconocen un cambio de paradigma marcado por la convergencia entre BIM y
la IA. Esta integración promueve nuevas oportunidades para optimizar el
rendimiento organizacional, mejorar la toma de decisiones y aumentar la
eficiencia en la entrega de proyectos, especialmente mediante el
aprovechamiento de grandes volúmenes de datos secundarios generados durante el
ciclo de vida del proyecto.
BIM puede entenderse a partir de sus
dos componentes fundamentales: por un lado, como una representación digital
compartida de un activo físico, que constituye una base confiable para la toma
de decisiones a lo largo de todo su ciclo de vida, desde su concepción hasta la
demolición; y por otro lado, como un proceso basado en modelos 3D inteligentes,
que proporciona a los profesionales del sector AEC las herramientas y la
información necesarias para planificar, diseñar, construir y operar
edificaciones e infraestructuras de manera más eficiente.
Un concepto clave de BIM es su
estructura en una serie de capas interconectadas, cada una de las cuales aporta
niveles adicionales de información y funcionalidad al modelo, enriqueciendo su
capacidad para representar y gestionar el ciclo de vida de un proyecto de
construcción. Comienza con la capa geométrica (3D), que representa la forma y
ubicación de los elementos del edificio, y se complementa con la capa
semántica, que agrega propiedades y atributos técnicos. La capa topológica
define relaciones funcionales entre componentes, mientras que las capas
temporales (4D) y costos (5D) incorporan planificación y estimación
financiera. A esto se suman la capa de sostenibilidad (6D), que evalúa el
impacto ambiental, la gestión de instalaciones (7D), que abarca el
mantenimiento y uso eficiente del edificio, y finalmente la integración con
IoT, que conecta sensores y dispositivos inteligentes para monitoreo en tiempo
real.
2.3.1. Rol de la IA en BIM
La integración entre la
IA y BIM está dando lugar a modelos inteligentes capaces de procesar grandes
volúmenes de datos en tiempo real, reconocer patrones y proponer soluciones
optimizadas en todo el ciclo de vida del proyecto. Esta sinergia ha impulsado
el desarrollo de múltiples aplicaciones especializadas, acompañadas de
herramientas concretas en el mercado:
• Diseño paramétrico
y generativo: Autodesk Forma, permite generar múltiples opciones de diseño en
función de datos del sitio y normativas; Project Refinery, aplica IA para
explorar alternativas según objetivos específicos.
• Análisis energético
y sostenibilidad: Autodesk Insight, integrado con Revit, analiza el rendimiento
energético del edificio; Tally, complemento de Revit, calcula el impacto
ambiental de los materiales.
• Detección de
conflictos y coordinación: Navisworks, con capacidades de IA, identifica
conflictos y sugiere resoluciones basadas en datos históricos.
• Simulación de
construcción y planificación (4D): Synchro, permite simular escenarios,
optimizar cronogramas y prever retrasos.
• Cumplimiento
normativo automatizado: UpCodes AI, vinculado con Revit, verifica
automáticamente la conformidad con códigos de edificación.
• Evaluación de riesgos del
proyecto: Kognoz, aplica ML para anticipar riesgos combinando datos BIM e
históricos.
• Gestión inteligente
de instalaciones (7D): IBM TRIRIGA, integrado con BIM, optimiza el
mantenimiento, la gestión de activos y el uso eficiente del espacio.
• Modificaciones de
diseño en tiempo real: Revit con IA, puede sugerir cambios basados en costos,
rendimiento y regulaciones.
La fusión entre IA y BIM no solo
mejora la eficiencia operativa, sino que redefine la forma en que se conciben,
construyen y mantienen los entornos construidos. Las aplicaciones actuales ya
impactan en áreas clave como diseño generativo, análisis de sostenibilidad,
planificación 4D, gestión de riesgos y mantenimiento predictivo.
Las investigaciones apuntan al
desarrollo de algoritmos de IA más robustos, la incorporación de computación
cuántica, técnicas de aprendizaje federado, IA explicable, biomimética,
blockchain, y gemelos digitales inteligentes aplicados a ciudades. Este ecosistema
tecnológico promete transformar radicalmente la industria de la AEC,
facilitando la creación de entornos más sostenibles, resilientes e inteligentes
[7].
De lo expuesto se
desprende que la implementación efectiva de la metodología BIM, especialmente
en combinación con herramientas de IA, requiere la utilización de múltiples
softwares especializados que abordan distintas dimensiones del proyecto
(diseño, análisis energético, planificación, gestión de riesgos, mantenimiento,
entre otros). Esta multiplicidad de plataformas, muchas veces desarrolladas por
distintos proveedores y con niveles variables de interoperabilidad, genera una
fragmentación de la información. Como resultado, no es posible disponer de una
base de datos única y centralizada que contenga de forma integrada todos los
datos del proyecto. Esta dispersión dificulta la trazabilidad completa, la
sincronización entre disciplinas y la aplicación de modelos de análisis
globales basados en datos unificados.
2.4. Automatizar las estimaciones del
tiempo y costo de un proyecto de construcción
En disciplinas ajenas a las Ciencias de
la Computación, los términos Inteligencia Artificial (IA), aprendizaje
automático o ML, y aprendizaje profundo o Deep Learning (DL, por sus siglas en
inglés) suelen utilizarse de manera indistinta, especialmente en contextos
comerciales. Sin embargo, desde una perspectiva técnica y académica, presentan
diferencias sustanciales que es importante esclarecer (ver Fig. 1).
La IA abarca el conjunto de técnicas
que permiten a las máquinas imitar capacidades cognitivas humanas, como el
razonamiento, la toma de decisiones, el reconocimiento de patrones o el
procesamiento del lenguaje. El ML constituye un subconjunto de la IA, que se
enfoca en desarrollar algoritmos capaces de aprender a partir de datos,
identificar patrones y realizar predicciones sin ser explícitamente programados
para cada tarea específica. Algunos algoritmos de ML utilizados para
estimaciones incluyen la regresión lineal, los árboles de decisión y los
métodos basados en vecinos más cercanos (K-Nearest Neighbors por
sus siglas en inglés KNN). El aprendizaje profundo es un subconjunto dentro del
ML que se basa en arquitecturas de redes neuronales artificiales compuestas por
múltiples capas de procesamiento. Estas redes permiten modelar relaciones no
lineales complejas y extraer representaciones jerárquicas de los datos,
mejorando el rendimiento en tareas como el reconocimiento de imágenes, el
procesamiento de lenguaje natural y la predicción de variables en contextos de
alta dimensionalidad, siendo eficaz en contextos donde los datos son masivos y
no estructurados [8].
Fig. 1.
Taxonomía IA [9].
Diversas investigaciones han
evidenciado que la integración de modelos de inteligencia artificial con
técnicas estadísticas mejora significativamente la precisión en la estimación
de costos y plazos en proyectos de construcción. Se han aplicado algoritmos de
aprendizaje automático como Máquinas de Vectores de Soporte (SVM), Bosques
Aleatorios, Naive Bayes y Redes Neuronales Artificiales (ANN), superando las
limitaciones de métodos tradicionales como PERT, CPM y simulación de
Montecarlo.
Entre los enfoques más prometedores
destacan los modelos híbridos, que combinan distintos algoritmos para
aprovechar sus fortalezas individuales, logrando mejoras sustanciales en la
estimación, con errores MAPE (por sus siglas en inglés Mean Absolute
Percentage Error) reportados inferiores al 5 % en costos y al
8 % en tiempo. Además, se ha incorporado la incertidumbre como variable
crítica, considerando tanto componentes aleatorios como epistémicos, lo que
permite una planificación más robusta y adaptativa.
En el ámbito del aprendizaje
profundo, las Redes Neuronales Convolucionales (CNN) han mostrado potencial
para estimar duraciones a partir de datos visuales o topográficos, mientras que
las Redes Neuronales Recurrentes (RNN) destacan por su capacidad para modelar
dependencias temporales y patrones secuenciales en actividades de obra. Estos
avances posicionan a las arquitecturas neuronales, especialmente en
configuraciones híbridas, como herramienta clave en la transformación digital
del sector AEC, permitiendo anticipar desviaciones, reducir la incertidumbre y
optimizar la planificación desde etapas tempranas del proyecto [10].
Una investigación reciente abordó la
comparación entre algoritmos de aprendizaje automático y métodos tradicionales
para predecir la duración de proyectos de construcción, utilizando datos
recolectados mediante encuestas a organizaciones del sector. Se evaluaron
modelos como Redes Neuronales Artificiales (NN), Random Forest (RF),
Máquinas de Vectores de Soporte (SVM), K-Nearest Neighbors (KNN) y
árboles de regresión (CART), implementados en R con la librería caret.
Los resultados indicaron que KNN fue
el modelo más preciso, con un RMSE (por sus siglas en inglés Root Mean Square
Error) de 81 días y un R² de 0,97, seguido de cerca por RF. En contraste, las
redes neuronales mostraron bajo rendimiento debido a limitaciones en el tamaño
del conjunto de datos y la selección de variables. El estudio concluye que RF y
KNN ofrecen alta precisión para proyectos públicos, pero destaca la necesidad
de incorporar más datos y variables contextuales para mejorar la robustez de
modelos más complejos, como los de aprendizaje profundo [11].
2.5. Modelos predictivos basados en arboles de decisión
Si bien el avance de la IA y del ML
ha impulsado el desarrollo de modelos predictivos de alta precisión aplicables
a múltiples dominios, incluyendo la industria de la construcción; los
algoritmos basados en árboles de decisión constituyen una de las familias más
utilizadas por su capacidad para modelar relaciones no lineales y manejar
variables heterogéneas. Entre ellos, los modelos Random Forest y Extremely
Randomized Trees (ExtraTrees) se destacan por su robustez ante ruido y su
estabilidad frente al sobreajuste, al combinar múltiples árboles entrenados
sobre subconjuntos aleatorios de los datos. [12]. Estudios recientes evidencian
que las variantes modernas de estos algoritmos, como SPLDExtraTrees, logran
mejorar la generalización mediante mayor aleatorización en los puntos de corte.
Asimismo, investigaciones comparativas demuestran que los métodos de ensamble
basados en árboles —como Random Forest, ExtraTrees y BART— presentan un
excelente equilibrio entre precisión y explicabilidad en entornos con alta incertidumbre
[13].
Dentro de los modelos de boosting,
XGBoost y LightGBM son ampliamente reconocidos por su capacidad para optimizar
tanto el rendimiento como la eficiencia computacional. XGBoost emplea técnicas
de regularización y poda que reducen el error de generalización, mientras que
LightGBM introduce métodos de muestreo y compresión de histogramas que aceleran
el entrenamiento sin pérdida significativa de precisión. Aplicaciones recientes
confirman la efectividad de XGBoost en la predicción de variables económicas y
de ingeniería, superando a modelos lineales tradicionales. En paralelo, la
literatura también destaca el uso de descenso estocástico del gradiente (SGD)
como método de optimización eficaz para modelos lineales y redes neuronales en
contextos de grandes volúmenes de datos [14].
Más recientemente, las herramientas
de AutoML han permitido automatizar el proceso de selección de modelos y ajuste
de hiperparámetros. En particular, FLAML (Fast Lightweight AutoML)
propone un enfoque eficiente y de bajo costo computacional que prioriza la
precisión en escenarios con recursos limitados, mostrando resultados
competitivos frente a pipelines manuales. En el ámbito específico de la
construcción, diversos estudios de revisión confirman que los algoritmos de
aprendizaje automático, en especial los modelos de ensamble, han sido los más
utilizados para predecir costos, duraciones y productividad de obra, destacando
su potencial para reducir la incertidumbre y optimizar la toma de decisiones
[15].
3.
Materiales y
métodos
Este estudio adopta un enfoque basado
en el flujo de trabajo típico del aprendizaje automático (ML), ampliamente
utilizado por empresas tecnológicas líderes como Amazon, Google y Microsoft. El
proceso se estructura en tres etapas principales: tratamiento de los datos,
modelado e implementación (ver Fig. 2).
Fig. 2. Flujo de trabajo ML [16].
3.1. Tratamiento de los datos y
entrenamiento del mejor modelo
El éxito de cualquier modelo de ML
depende en gran medida de la calidad de los datos. Dado que no fue posible
acceder a bases de datos reales de empresas constructoras ni realizar
entrevistas exhaustivas con profesionales del sector en la provincia de
Misiones, se recurrió al uso de conjuntos de datos sintéticos (Data set 1 y 2)
y reales (Data set 3).
Data set 1: fue generado mediante un script en
Python, se generó 100.000 registros de 40 columnas, relacionados con proyectos
de construcción, algunas de las características son: nombre del constructor, código
del constructor, código del proyecto, nombre del proyecto, año, ubicación,
etapa, dimensión, tipo de propiedad, material nombre, material descripción, precio
del material. Este conjunto incluye información simulada sobre la ubicación del
proyecto, valoraciones del constructor, la seguridad, sociedad y amenidad
relacionados a la ubicación de la propiedad. Se utilizó para pruebas iniciales
y simulaciones [17].
Las características y descripción
estadística del conjunto se pueden apreciar en la Fig. 3.
Fig. 3. Características y descripción estadística del Data
set 1.
Para identificar los datos relevantes,
se procedió a listar las variables numéricas (medibles) y las variables
categóricas (contextuales). Esto se aprecia en la Fig. 4.
Fig. 4. Variables numéricas y variables categóricas del Data
set 1.
Seguidamente, se procedió a obtener las
respectivas distribuciones de las variables numéricas (Fig. 5) y la
correlación entre las variables (Fig. 6).
Fig. 5. Distribución estadística de las variables
numéricas.
Se implementó la librería
FLAML de AutoML para evaluar cuál es el mejor modelo de predicción según el set
de datos; el algoritmo recomendado fue extra_tree con una exactitud del 99%
(Fig. 7).
Se entrenó el
modelo extra_tree con set de entrenamiento, ya que se dividió el data set en dos conjuntos. Set de entrenamiento con el
80% de los datos y set de prueba con el 20% los datos (Fig. 8).
Fig. 6.
Mapa de correlación entre variables.
Fig. 7. Mejor modelo encontrado por AutoML (extra_tree).
Fig. 8. Evaluación del modelo mediante MAE, R2 y RMSE.
Se aplicó validación
cruzada (Fig. 9), para evaluar el modelo en múltiples divisiones de datos
logrando una evaluación más robusta y evitando el overfitting. Los
resultandos obtenidos fueron en promedio: 0.917701 esto explica el modelo con
el 91.77% de varianza en promedio; con una variabilidad: +/- 0.004138 muy baja
siendo excelente para el modelo y la consistencia se refleja mediante el folds
que están entre 0.914 - 0.920.
Fig. 9.
Validación cruzada.
Mediante el análisis
residual (Fig. 10) se observó que en el gráfico de residuales vs. predicciones
los puntos no siguen un patrón claro, sino que están distribuidos de manera
aleatoria alrededor de la línea cero y existen algunos puntos más dispersos en
los valores centrales de las predicciones (posible problema). El gráfico
predicciones vs valores reales muestra que el modelo tiene buena predicción,
debido a que los puntos se agrupan de manera aceptable alrededor de la línea
roja, asegurando una buena correlación del modelo. Y por último el gráfico
distribución residual permite interpretar que la distribución es normal, la
mediana está cerca de cero, la forma es simétrica con una leve asimetría hacia
la izquierda.
Fig. 10.
Resultado análisis residual.
Los resultados obtenidos al evaluar
el modelo con el set de test permiten describir que el R² Score fue de 0.9272,
esto significa un excelente rendimiento, dado que el modelo logra explicar el
92.72% de la variabilidad en los datos. Los errores absoluto promedio (error
cuadrático medio RMSE = 422,627.73 y error absoluto MAE: 335,599.67) muestran
que las predicciones se desvían en promedio $335,600 del valor real, en este
punto se deberá considerar el rango típico de los valores para así evaluar si
esto es bueno o malo.
El gráfico de la figura 11,
muestra la Distribución Asimétrica Positiva Mediana (11.14%) < Promedio
(19.70%) indicando la existencia de outliers que inflan el promedio. Además,
se observa que el 25% de las predicciones tienen error ≤ 5.35% (muy
bueno) y el 75% de las predicciones tienen error ≤ 21.66% (3 de cada 4
casos). La diferencia que se observa entre el Promedio= 19.70% y la Mediana =
11.14% significa que hay predicciones con errores muy altos que elevan el
promedio; por lo tanto, detectando y eliminando los outliers, el error
típico sería alrededor del 11%.
Fig. 11. Evaluación del modelo con el set test (20000
ejemplos).
Por lo tanto, para el set de datos 1
el modelo extra_tree podrá estimar el costo de un proyecto con una capacidad
explicativa excelente de R² = 0.927; el 50% de las predicciones con error
≤ 10% y el 75% de casos con error ≤ 21.66%. Ofreciendo un buen rendimiento
general para la mayoría de casos, siendo confiable para 73% de los casos
aproximadamente y es problemático para el 27% de los casos restantes.
A continuación, se buscó el mejor
modelo para estimar el tiempo utilizando el mismos Data set 1. Los pasos que se
siguieron fueron: preprocesamiento de los datos para descartar características
no relevantes para el modelo, selección del modelo, entrenamiento y prueba del
modelo. Posterior a la limpieza de los datos el data set que se obtuvo se
muestra en la Fig. 12.
En la Fig. 13a se muestra
el modelo con mayor precisión para estimar el tiempo de finalización de un
proyecto de construcción, nuevamente utilizamos la librería FLAML de AutoML. El modelo seleccionado fue xgb_limitdepth
que es el modelo XGBoost con profundidad limitada, dando como salida R² en test
= -0.00028, lo cual indica un grave error y es que el modelo no está
aprendiendo. Como solución al problema detectado, se aplicó ingeniería de
características (Fig. 13b), para definir un target más robusto, filtrar valores
extremos, seleccionar características potencialmente relevantes y convertir
algunas categorías, antes de aplicar nuevamente AutoML.
Los resultados preliminares (Fig. 14)
evidencian un desempeño insuficiente, por lo que se propone realizar un
análisis exploratorio más exhaustivo de los datos con el fin de identificar
posibles outliers y mejorar la calidad del modelo.
Fig. 12a. Preprocesamiento de datos.
Fig. 12b. Selección de características.
Fig.
13a. Selección de modelo para estimar el tiempo de finalización.
Fig.
13b. Selección del modelo posterior a la Ingeniería de características.
|
|
|
|
Fig. 14a. Análisis de variable
objetivo.
|
Fig. 14b. Valores extremos y outliers.
|
|
|
|
|
Fig. 14c. Análisis de
correlaciones.
|
Fig. 14d. Análisis de
información que comparten 2 variables.
|
Este análisis evidencia
que el Data set 1 contiene características que no
presentan relación alguna con el tiempo de finalización del proyecto. Tanto las
correlaciones como la información mutua resultan prácticamente nulas, lo que
indica que las variables disponibles no aportan valor predictivo. Si bien la
variable objetivo days_until_completion presenta valores entre 30 y 365
días, dichos tiempos no dependen de las características del proyecto.
Además, al tratarse de
datos sintéticos o generados artificialmente, no reflejan relaciones reales
propias del proceso constructivo y carecen de información crucial (como
condiciones climáticas, permisos, mano de obra o capacidad del equipo).
Ejemplos evidentes de esto son que un proyecto de 50 m² y otro de 500 m²
registran exactamente el mismo tiempo de ejecución, o que un contratista con rating
1 finaliza en el mismo plazo que uno con rating 5.
Por lo tanto, se infiere que los
tiempos de entrega se mantienen fijos o estandarizados, independientemente de
las características consideradas. Las correlaciones observadas resultan muy
débiles y las variables disponibles no aportan información predictiva
relevante. En consecuencia, se decide trabajar con otro conjunto de datos, dado
que este se considera de calidad insuficiente para abordar adecuadamente el
problema planteado.
Data
set 2: este set de
datos se encuentra en [18], está compuesto por 300 ejemplos y 15
características. En la Fig. 15a y 15b se exhibe la descripción estadística de las
características.
|
|
|
|
Fig. 15a– Descripción de los
ejemplos y características
|
Fig. 15b– Descripción
estadística.
|
Para seleccionar el
modelo más adecuado para predecir el tiempo de finalización de un proyecto de
construcción, se identificaron las características categóricas más relevantes y
se transformaron a variables numéricas mediante técnicas de codificación
apropiadas.
Con la librería ProfileReport se realizó
un análisis exploratorio (Fig. 16a y 16b), el cual ofrece como salida un
informe interactivo (en HTML o dentro de Jupyter Notebook) que resume toda la
información estadística y estructural del set de datos (como valores faltantes
y correlación entre variables).
Fig. 16a. Información de las características
(ProfileReport).
Fig. 16b. Información estadística del data set
(ProfileReport).
Seguidamente se realizó ingeniería de
características para determinar las características más relevantes para el
escenario planteado (Fig. 17).
Fig.
17. Ingeniería de características.
Se seleccionó el modelo
RandomForestRegressor (siguiendo lo sugerido en la bibliografía). Para el
entrenamiento se utilizó 80% de los ejemplos del data set, dejando el 20% de
los ejemplos para las pruebas del modelo (Fig. 18). Los
resultados obtenidos del entrenamiento del
modelo se muestran en la Figura 19a y 19b.
Fig.
18. Entrenamiento del modelo
Los resultados
obtenidos del entrenamiento del modelo se muestran en la Figura 19a y 19b.
Fig.
19a. Evaluación y predicción del modelo.
Fig.
19b. Correlación del modelo con datos de entrenamiento.
Asimismo, este
data set se utilizó para entrenar y evaluar el modelo XGBoost, los resultados
no mejoraron, en la Figura 20 se muestran las métricas obtenidas.
Fig.
20. Entrenamiento y prueba del modelo XGBoost.
En cuanto a la predicción
del costo se definió como target a la característica Actual_Cost y se seleccionó
el modelo XGBRegressor. Las métricas obtenidas se pueden apreciar en la Fig.
21.
Fig.
21. Métricas del modelo XGBRegressor.
Con el
objetivo de mejorar el error cuadrático se decidió determinar las
características más relevantes, para luego entrenar y probar el mismo
modelo (Fig. 22a y 22b).
Fig. 22a. Características relevantes para estimar el
costo.
Seguidamente, se probó y
evaluó el modelo utilizando únicamente las características relevantes, logrando
una mejora del 1 % respecto de las métricas obtenidas previamente (Fig. 23).
Fig.
22b. Ranking de características.
Fig.
23. Filtrado de las características relevantes para estimar el costo.
Los
resultados del entrenamiento del modelo XGBRegressor utilizando las cuatro
características más relevantes se muestran en la Figura 24.
Fig.
24. Métricas de XGBRegressor.
Data set
3: compuesto
por 378 ejemplos con 109 características relacionados a proyectos de construcción
[19].
Para evaluar la
viabilidad de utilizar este conjunto de datos en el proyecto desarrollado, se
recurrió a una consulta mediante NotebookLM, a fin de obtener un análisis
inicial sobre su pertinencia y calidad [20]. El objetivo fue evaluar la
relevancia del data set para estimar tiempo y costo en la finalización de proyectos
de construcción. La salida proporcionada fue un documento con una gran cantidad
de datos relacionados con proyectos de construcción residencial, organizados
según el calendario persa, con columnas para el año/trimestre de inicio del
proyecto y el año/trimestre de finalización del proyecto. Una sección
significativa de la información se centra en variables físicas y financieras
del proyecto (V-1 a V-10), incluyendo medidas de área como metros cuadrados ($m2$)
y valores monetarios en la moneda iraní (Rial). Además, el texto enumera
extensas variables e índices económicos (V-11 a V-29), como el índice de
precios al por mayor (WPI), la liquidez acumulada, y varios índices de precios
al consumidor (IPC), presentados con hasta cinco retrasos de tiempo para el
análisis. Finalmente, el pie de página aclara que algunas variables se han
calibrado entre 0 y 1 y proporciona definiciones para los identificadores de
las variables.
La preparación
de los datos para el modelado consistió en cargar el conjunto de datos
omitiendo las filas de encabezado incorrectas, para luego identificar la
estructura real de la información. A partir de ello, se construyó un nuevo DataFrame
con la organización adecuada, se determinaron las columnas clave y se
analizaron patrones en su nomenclatura. Finalmente, se asignaron nombres más
claros y consistentes, atendiendo a la estructura del conjunto de datos:
columnas 0–3 correspondientes a fechas del proyecto; columnas 4–11 asociadas a
variables físicas y financieras (V-1 a V-8); y las dos últimas columnas
correspondientes a las variables objetivo (V-9 y V-10).
La variable
objetivo (target) seleccionada para la estimación del tiempo de ejecución del
proyecto corresponde a la característica V-7 del conjunto de datos, denominada “Duration
of Construction”, la cual presenta un tipo de dato numérico. Por otro lado,
para la predicción del gasto total del proyecto, se definió como target la
característica V-10, asociada a “Actual Construction Costs (output)”, es
decir, el costo real incurrido durante la construcción.
La selección
de ambas variables se sustenta en su relación directa con los objetivos
planteados en esta etapa del estudio (Figs. 25a, 25b, 25c y 25d).
Fig.
25a. Data Frame.
Fig.
25b. Encabezado de las características.
Fig.
25c. Distribución estadística target V-10.
Fig.
25d. Distribución estadística target V-7.
Posteriormente, se llevó a cabo el preprocesamiento del conjunto de
datos, el cual incluyó la identificación y clasificación de las características
en categóricas y numéricas, la detección de valores nulos o faltantes, y el
análisis de correlaciones entre variables para evaluar relaciones
significativas. Las variables categóricas fueron transformadas en
características numéricas mediante la técnica One-Hot Encoding,
empleando la librería Pandas, que genera una nueva columna para cada categoría
presente en la variable original. Asimismo, se realizó la estandarización de
las características numéricas, procedimiento fundamental para garantizar un
desempeño adecuado en numerosos algoritmos de ML al homogenizar las escalas de
los datos. Este proceso de preparación se resume en las Figs. 26a, 26b, 26c y 26d.
|
|
|
|
Fig.
26a. Correlaciones fuertes entre características.
|
Fig.
26b. Eliminación de valores nulos.
|
|
|
|
|
Fig.
26c. Estandarización de características numéricas.
|
Fig.
26d. Transformación de características categóricas.
|
Finalizado el proceso de
preprocesamiento, se empleó la librería FLAML con el objetivo de identificar
los algoritmos de ML más adecuados para la predicción del tiempo de
construcción y del costo del proyecto en este conjunto de datos.
Como resultado
de esta optimización automática de modelos, FLAML determinó que el algoritmo Stochastic
Gradient Descent (SGD) es el más apropiado para la estimación del
tiempo de construcción, obteniendo el mejor desempeño en las métricas evaluadas
(Fig. 27).
Fig.
27. Salida de FLAML para estimar el tiempo.
De manera
análoga, para identificar el modelo más adecuado en la predicción del costo
total del proyecto, se aplicó nuevamente FLAML, el cual recomendó el algoritmo
con el mejor desempeño para esta tarea (Fig. 28).
Fig. 28. Salida de FLAML para estimar el costo.
A continuación, se muestra
el resultado que se obtuvo durante el entrenamiento y prueba para estimar el
tiempo con el modelo SGD (Fig. 29).
Como se observa en las
Figs. 29a y 29b, la evaluación del modelo SGD evidencia un rendimiento
moderado: el MAE = 1.2879 resulta considerablemente menor que el RMSE = 1.7848,
lo que indica la presencia de algunos errores elevados y, por ende, posibles outliers.
Por su parte, el coeficiente de determinación R² = 0.3892 (aprox. 38.92 %) sugiere
que el modelo explica una fracción limitada de la variabilidad en la duración
de los proyectos, dejando alrededor del 61 % de la variación sin capturar.
Frente a este desempeño,
se decidió explorar modelos no lineales de mayor complejidad, tales como XGBoost
y LightGBM, los cuales fueron evaluados también con FLAML, con el
objetivo de incrementar el valor de R² por encima del 0.60 o incluso 0.70 (Fig.
30a y 30b).
Entre los tres modelos
evaluados (SGD, LGBM y XGBoost), la opción más adecuada para predecir el tiempo
de finalización es SGD. Este modelo obtiene el mejor desempeño en el error
RMSE (1.7848) —indicador sensible a la presencia de outliers— y se
posiciona segundo en MAE (1.2879). Además, presenta el mayor poder explicativo,
con un R² = 0.3892, lo que lo convierte en la alternativa más sólida dentro del
conjunto de algoritmos analizados (Fig. 31).
Para la estimación
del costo del proyecto, se empleó el algoritmo XGBoost, recomendado por el
proceso de selección automática de modelos (Fig. 32).
Como se observa en
las métricas de la Fig. 32, el modelo alcanzó un R² = 0.9249 (92.49 %), lo que
constituye un desempeño sobresaliente. Este nivel de ajuste indica que XGBoost
es capaz de explicar prácticamente toda la variabilidad de los costos de
construcción a partir de las características del proyecto y de las variables
económicas consideradas. En consecuencia, se trata de un modelo con alta
capacidad predictiva y robustez en el análisis.
Fig. 29a. Métricas para SGD.
Fig. 29b– Predicción de SGD.
|
|
|
|
Fig.
30a. Métricas del modelo LGBM.
|
Fig.
30b. Métricas del modelo XGBoost.
|
Fig.
31. Comparación de modelos para predecir el tiempo.
Fig.
32. Métricas de XGBoost.
3.2. Observaciones de los
modelos aplicados
En función
del alcance definido para este estudio, la evaluación de los modelos se realizó
mediante validación cruzada estándar y partición entrenamiento/prueba, según el
conjunto de datos analizado. No se aplicaron esquemas de validación cruzada
anidada, análisis formal de incertidumbre ni técnicas de explicabilidad de
modelos, los cuales se consideran extensiones metodológicas relevantes para
etapas futuras del trabajo.
Se entrenaron
y evaluaron múltiples modelos de regresión utilizando bibliotecas como
scikit-learn, pandas y matplotlib. La validación del rendimiento se realizó
sobre el conjunto de prueba, empleando métricas estándar como el coeficiente de
determinación (R²).
Los
resultados iniciales obtenidos para la predicción de los días de retraso
reflejaron un desempeño deficiente (R² = -0.07), lo que evidencia que el modelo
no lograba capturar adecuadamente la variabilidad del fenómeno. Esta situación
motivó la revisión y ajuste de las variables sintéticas para incrementar su
representatividad.
Estos
hallazgos subrayan la importancia de formular hipótesis sólidas y validadas
antes de intervenir los datos, con el fin de prevenir el sesgo de adaptar los
datos a la hipótesis, cuando en realidad debe ocurrir lo contrario.
3.3. Implementación y
monitoreo
Si
bien este trabajo no contempla una implementación en producción, en etapas
futuras se prevé la integración de los modelos desarrollados en aplicaciones
web o sistemas de gestión de proyectos, con el fin de posibilitar su uso
operativo por parte de los actores del sector. Asimismo, se plantea la
comparación del desempeño de dichos modelos utilizando datos reales,
contrastándolos con métodos tradicionales como CPM, PERT y la simulación
Montecarlo. Finalmente, se destaca la importancia del monitoreo, mantenimiento
y actualización periódica de los modelos predictivos, dado que los patrones de
los datos pueden evolucionar con el tiempo y afectar la estabilidad y precisión
de las predicciones.
4. Conclusiones
El
estudio demuestra que los modelos de IA, en particular los basados en
aprendizaje automático como Random Forest, Extra Trees y XGBoost,
ofrecen un desempeño predictivo altamente confiable para la estimación de
costos de construcción, alcanzando niveles de precisión superiores al 90 %.
Estos resultados confirman el potencial de la IA como herramienta estratégica de
apoyo a la gestión y planificación de obras en contextos caracterizados por
alta incertidumbre.
No
obstante, la precisión en la predicción del tiempo de finalización depende en
gran medida de la disponibilidad y calidad de los datos de entrada. La limitada
cantidad de conjuntos de datos reales en la provincia de Misiones constituyó la
principal restricción del estudio, lo que pone de manifiesto la necesidad
urgente de desarrollar una base de datos estructurada, abierta y actualizable
sobre proyectos de construcción a nivel provincial.
En
este marco, se recomienda avanzar hacia la integración de fuentes heterogéneas
de información (técnicas, económicas y geoespaciales) en una plataforma
interoperable, idealmente dentro del ecosistema IDE Misiones, a fin de
facilitar la generación de modelos predictivos robustos y escalables. Asimismo,
se proyecta la futura incorporación de técnicas de aprendizaje profundo y
modelos híbridos IA–BIM, que permitan abordar dimensiones adicionales como
sostenibilidad, eficiencia energética y gestión de riesgos. Además, se prevé la
incorporación de esquemas de validación cruzada anidada, análisis de
incertidumbre e interpretabilidad de los modelos predictivos, con el objetivo
de fortalecer la robustez, transparencia y aplicabilidad operativa de los
resultados obtenidos.
En
síntesis, este trabajo constituye un aporte metodológico relevante para la
digitalización del sector de la construcción en entornos regionales,
evidenciando que la IA puede transformar la forma en que se planifican,
ejecutan y controlan los proyectos, al ofrecer estimaciones más precisas,
ágiles y respaldadas por datos.
Referencias
[1] Djatnika, Suntana Sukma, Witjaksana, Budi, Oetomo, Wateno,
y Bambang, W., «Risk Analysis on the Construction Project of the Basement
Building under Jalan Pemuda-Yos Sudarso, Surabaya», J. Phys. Conf. Ser.,
vol. 1364, 2019, doi: 10.1088/1742-6596/1364/1/012073.
[2] Ullah, K, Abdullah, A. H., Nagapan, S., Suhoo, S., y Khan,
M. S., «Theoretical framework of the causes of construction time and cost
overruns», IOP Conf. Ser. Mater. Sci. Eng., vol. 271,
2017, doi: 10.1088/1757-899X/271/1/012032.
[3] Anastasia
Stepanets, «Método de la ruta crítica en la gestión de proyectos»,
https://blog.ganttpro.com/. [En línea]. Disponible en: https://blog.ganttpro.com/es/metodo-de-la-ruta-critica-en-la-administracion-de-proyectos/.
Accedido el: 28/10/2025.
[4] Team
Asana, «El diagrama de PERT: qué es y cómo crearlo (incluye ejemplos)». [En
línea]. Disponible en: https://asana.com/. Accedido el: 28/10/2025.
[5] Sonia
Coma, «Método de simulación Montecarlo: Qué es y cómo adoptarlo en tu empresa».
[En línea]. Disponible en: https://asana.com/. Accedido el: 28/10/2025.
[6] Setiawan, A, Fadjar, A., y Labombang, M., «Scheduling the
Construction of Low-Income Community Houses in Palu City Using the
Probabilistic Duration Method», IOP Conf. Ser. Earth Environ. Sci., vol.
1355, 2024, doi: 10.1088/1755-1315/1355/1/012013.
[7] Mirindi, Derrick, Mirindi, Frederic, Bezabih, Tajebe,
Sinkhonde, David, y Kiarie, Winfred, «Review: The Role of Artificial
Intelligence in Building Information Modeling», ACM- SIMIS-CPR, 2025,
doi: 10.1145/3716489.3728433.
[8] Nihad Hassan, «AI vs. machine learning vs. deep learning:
Key differences», https://www.techtarget.com/. [En línea]. Disponible
en: https://www.techtarget.com/searchenterpriseai/tip/AI-vs-machine-learning-vs-deep-learning-Key-differences/?utm_source=chatgpt.com.
Accedido el: 28/10/2025.
[9] I. H. Sarker, «Deep Learning: A Comprehensive Overview on
Techniques, Taxonomy, Applications and Research Directions», SN Comput. Sci.,
vol. 2, 2021, doi: 10.1007/s42979-021-00815-1.
[10] Demiss, Belachew A. y Elsaigh, Walied A., «Application of
novel hybrid deep learning architectures combining Convolutional Neural
Networks (CNN) and Recurrent Neural Networks (RNN): construction duration
estimates prediction considering preconstruction uncertainties», Eng. Res.
Express, vol. 6, 2024, doi: 10.1088/2631-8695/ad6ca7.
[11] Soreti M Liben, Demiss A Belachew, y Walied A Elsaigh,
«Comparing advanced and traditional machine learning algorithms for
construction duration prediction: a case study of Addis Ababa’s public sector»,
Eng. Res. Express, vol. 6, 2024, doi: 10.1088/2631-8695/ad979f.
[12] Mohammad Savargiv, Behrooz Masoumi, y Mohammad Reza
Keyvanpour, «A New Random Forest Algorithm Based on Learning», Comput. Intell.
Neurosci, 2021, doi: 10.1155/2021/5572781.
[13] Zi-Yi Yang, Zhao-Feng Ye, Chang-Yu Hsieh, y Yi-Jia Xiao,
«SPLDE XTRA T REES : R OBUST MACHINE LEARNING APPROACH FOR PREDICTING
KINASE INHIBITOR RESISTANCE», arXiv preprint, 2021.
[14] Cynthia Lokker, Wael Abdelkader, y Elham Bagheri, «Boosting
efficiency in a clinical literature surveillance system with LightGBM», PLOS
Digit. Health, 2024, doi: /10.1371/%20journal.pdig.0000299.
[15] Chi Wang, Qingyun Wu, Markus Weimer, y Erkang Zhu, «FLAML: A
F AST AND L IGHTWEIGHT AUTO ML LIBRARY», Proc. 4 Th MLSys Conf., 2021.
[16] Arunn Thevapalan, «The Machine Learning Workflow Explained
(and How You Can Practice It Now)». [En línea]. Disponible en: https://towardsdatascience.com/.
Accedido el: 28/10/2025.
[17] Deepakcode07,
«Construction-Project-Data-Generator». https://github.com/. [En línea].
Disponible en: https://github.com/Deepakcode07/Construction-Project-Data-Generator?utm_source=chatgpt.com.
Accedido el: 28/10/2025.
[18] «JohnVans123/ProjectManagement».
[En línea]. Disponible en: https://huggingface.co/datasets/JohnVans123/ProjectManagement?utm_source=chatgpt.com.
Accedido el: 28/10/2025.
[19] Mohammad Rafiei,
«Residential Building». [En línea]. Disponible en: https://archive.ics.uci.edu/dataset/437/residential%2Bbuilding%2Bdata%2Bset?utm_source=chatgpt.com.
Accedido el: 28/10/2025.
[20] Google,
NotebookLM. [En línea]. Disponible en: https://notebooklm.google/.
Accedido el: 28/10/2025.
