Una empresa constructora se compone de trabajo que difícilmente se resume en un solo proceso. El cálculo de costes, la preparación de obra, la planificación, la compra, la ejecución en obra, la supervisión, la revisión y la entrega se entrelazan y dependen de un plano que aún puede cambiar, un proveedor que entrega más tarde, o condiciones climáticas que trastocan la planificación. Muchas horas se destinan a coordinar estos elementos entre sí: un cálculo que se corresponde con un pliego de condiciones, una planificación que se ajusta a la entrega de materiales, una ejecución que se corresponde con lo que realmente hay en el suelo o en la estructura. Eso convierte a la construcción en un sector en el que las ambiciones se plasman rápido en papel, pero tardan más en aterrizar en el trabajo diario, porque el trabajo mismo está fragmentado entre roles, ubicaciones y momentos.
La IA ya asume tareas en parte de este trabajo, no como una visión de futuro, sino como algo que hoy en día ocurre en algunas empresas y en otras todavía no. Un cálculo que se genera en gran medida automáticamente a partir de proyectos anteriores, una planificación que se recalcula sola ante un plazo de entrega modificado, una licencia de obra que se pretesta en cuanto a su integridad: estas son tareas en las que el software puede hacer la mayor parte del trabajo. Otras tareas, como evaluar una desviación en la obra o estimar un riesgo ante un subsuelo complicado, siguen siendo en parte trabajo humano, con la IA aportando una primera estimación y un jefe de proyecto que aprueba o rechaza con motivo. Y aún otro tipo de trabajo, como negociar con un subcontratista o reorientar a un equipo en la obra, sigue siendo trabajo humano sin que la IA intervenga a corto plazo.
La diferencia entre las empresas que ya lo organizan así y las que todavía no lo hacen rara vez está en la disponibilidad de la tecnología. Está en si los datos subyacentes están en orden: un sistema de cálculo que aprende de proyectos anteriores necesita datos de proyecto coherentes, y estos no existen de forma espontánea en la construcción, porque cada proyecto se documenta de manera distinta. También está en si los roles y los derechos de decisión están adaptados al nuevo trabajo: quién evalúa una propuesta de planificación generada por IA, y con qué criterio esa persona puede desviarse de ella. Sin esa respuesta, una ambición sigue siendo solo una idea.
Un equipo directivo que habla de "IA en el cálculo de costes" no siempre se refiere a lo mismo. Una ambición presupone que la IA entrega un cálculo preliminar que un calculista todavía revisa; otra presupone que la IA entrega cálculos de forma autónoma que solo se revisan en caso de desviación. Son dos niveles distintos de preparación, con diferentes exigencias en cuanto a la calidad de los datos, la confianza del calculista en el sistema y la forma en que se reparte la responsabilidad. Quien no hace explícita esa diferencia solo la descubre cuando el proyecto ya está en marcha y el cálculo no es correcto.
Aquí es donde entra la prueba de ambición: las ambiciones se registran en cuatro capas, desde la visión amplia hasta el objetivo concreto, y se evalúan en cuanto a su preparación en ocho dimensiones, con cinco confidence gates que indican dónde la ambición se sostiene sobre una base sólida y dónde no. Esa evaluación se traduce de nuevo en capabilities: qué roles deben ser capaces de algo nuevo, y quién recibe qué derecho de decisión en el proceso modificado. Esto no es un asesoramiento de personal ni una justificación para una decisión sobre puestos de trabajo; para eso rigen requisitos legales propios. Se trata de la pregunta de qué debe ser capaz de hacer una organización antes de que el trabajo pueda desplazarse realmente, y dónde queda claro en este momento que todavía no lo es.
La construcción comparte este patrón con otros sectores donde el trabajo está fragmentado entre ubicaciones y roles: el sector de instalaciones enfrenta cuestiones similares en torno a la planificación y el diagnóstico de averías, el comercio mayorista lucha con exigencias de datos similares en existencias y compras, y la industria manufacturera se enfrenta a límites similares en el control de calidad y la planificación de procesos. Siempre la pregunta no es si la IA puede asumir algo, sino si la organización que lo rodea está preparada de tal forma que esa asunción también se mantenga. Para un equipo directivo, eso suele ser primero una conversación sobre el lenguaje: cómo consigue alinear a una dirección cuando cada uno interpreta "IA en la planificación" de forma distinta, y cómo evita que una estrategia se quede en un documento cuando la ambición sí se ha establecido pero en ningún lugar se ha traducido a lo que un calculista, planificador o ejecutor hará distinto mañana.
La pregunta subyacente —qué trabajo en esta empresa puede realmente ser asumido por la IA— se responde tarea por tarea con el escáner de trabajo de FTE TO AI, independientemente de la prueba de ambición más amplia.
Un equipo directivo que quiera saber dónde se encuentran sus propias ambiciones sobre IA en la construcción no necesita empezar con un plan elaborado. El chequeo de preparación gratuito consta de ocho preguntas breves, una por dimensión, y ofrece una imagen de dónde la organización está más avanzada y dónde menos. La prueba de ambición completa, con las cuatro capas y los cinco confidence gates, está en desarrollo.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.