El sector de la construcción trabaja desde hace décadas con una cadena estratificada: cliente, contratista principal, subcontratistas, proveedores. Esa cadena está acostumbrada a repartir responsabilidades y a entregar el trabajo por fases. Eso hace que el sector esté, en ciertos aspectos, mejor preparado para la IA que otros sectores: hay disciplina en la planificación, en el control de calidad, en la formalización de acuerdos. Pero esa misma cadena hace que los datos sean frágiles. Los planos, cálculos, planificaciones e informes de avance se generan en distintas partes, en distintos sistemas, con distintas versiones de la verdad. Una aplicación de IA que debe funcionar con esos datos, funciona sobre algo que a menudo no está completo, no está actualizado o no está centralizado.
Esa diferencia entre disciplina organizativa y madurez de datos es precisamente donde se estancan muchos pilotos de IA en la construcción. Un jefe de proyecto intenta implementar una herramienta de IA para optimizar la planificación, pero los datos de entrada proceden de tres sistemas que no se conectan entre sí. Un preparador de obra quiere que los cálculos se verifiquen automáticamente, pero los datos históricos están repartidos en archivos de Excel sueltos por proyecto. El piloto se detiene no porque la tecnología no funcione, sino porque la organización todavía no está preparada para ello.
La madurez de IA no mide únicamente si una organización usa herramientas, sino si la base debajo de ellas está firme. Eso empieza por la propia organización: ¿hay un responsable claro de la digitalización, se comparte el conocimiento entre proyectos, o cada proyecto sigue siendo una isla? Después viene la infraestructura de TI: ¿están los sistemas conectados entre sí, existe una base sobre la que puedan funcionar nuevas aplicaciones sin que todo deba volver a introducirse manualmente? Solo después llega la gestión de datos: ¿los datos existentes son fiables, están actualizados y son accesibles para quienes deben trabajar con ellos?
Este orden no es una preferencia, sino la forma en que realmente funciona. Una organización que quiere mejorar la gestión de datos sin que la infraestructura de TI lo respalde, construye sobre arenas movedizas. Una organización que quiere implementar aplicaciones de IA sin que la propia organización sepa quién es responsable de qué proceso, obtiene una herramienta que nadie mantiene. En la construcción, este patrón es visible: el sector suele tener la voluntad organizativa, pero la infraestructura y los datos van a la zaga. Eso explica por qué los pilotos a menudo tienen éxito a nivel de proyecto y fracasan a nivel de organización: las dimensiones fundamentales no han crecido al mismo ritmo que la ambición.
La medición de madurez de hybridresourcing analiza siete dimensiones, desde la organización y la infraestructura hasta las capas más dependientes, como la automatización de procesos y la toma de decisiones. Para cada dimensión se aplica uno de cinco niveles: baseline, foundation, activation, insight o intelligence. En la construcción, el panorama suele estar desigualmente distribuido entre esas dimensiones. Una empresa puede estar avanzada a nivel de organización —roles claros, una agenda de digitalización, respaldo de la dirección— y aun así situarse en baseline en gestión de datos, porque los datos de proyecto nunca se han centralizado.
Esa desigualdad se hace visible en la ronda de plot, en la que varias personas dentro de la organización puntúan por separado. Un director y un capataz pueden valorar la misma empresa de forma muy distinta, y esa dispersión es en sí misma información. Si el CIO piensa que los datos están en orden y el preparador de obra lucha a diario con archivos dispersos, ahí hay un cuello de botella que una sola conversación no habría revelado. En un sector donde el trabajo se reparte entre proyectos y partes, esa dispersión suele ser mayor que la media, y por eso resulta más informativa.
Esta medición no dice nada sobre qué tareas puede asumir la IA ni cuánto tiempo ahorra eso. Se trata de la pregunta de si la organización puede sostener la IA: ¿está la base en su sitio, está lista la infraestructura, son los datos suficientemente fiables como para construir sobre ellos? Esa pregunta es más relevante para la construcción que en sectores donde los datos ya se registran de forma centralizada por naturaleza. Compárelo con el sector de instalaciones, donde el trabajo por proyectos y los datos fragmentados generan cuellos de botella similares, o con la industria manufacturera, donde los datos de producción y la estructura organizativa muestran un equilibrio distinto. También el sector del transporte conoce una tensión similar entre la disciplina operativa y la base digital, lo que indica que este patrón no es exclusivo de la construcción, aunque se manifiesta con una intensidad propia debido a la estructura de la cadena.
La herramienta con la que se mide esto está en construcción. Quien desee realizar la medición en cuanto esté disponible, puede inscribirse en la lista de espera. Aquí no se ofrece nada que todavía no funcione, y no se promete nada sobre el resultado: solo una imagen honesta de dónde se encuentra la organización ahora, dimensión por dimensión.
Si resulta que las dimensiones fundamentales están en orden, o en vías de estarlo, se plantea otra pregunta relevante: qué parte del trabajo en sí es adecuada para que la asuma la IA. Esa es una medición distinta de esta. Mientras hybridresourcing analiza si la organización puede sostener la IA, el escáner de trabajo de FTE TO AI calcula, tarea por tarea, qué parte del trabajo se puede asumir, no como una estimación, sino como resultado de un análisis de tareas. Para una empresa constructora que sabe dónde está su base, ese es el siguiente paso lógico: primero el fundamento, después la pregunta de qué se puede construir sobre él.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.