Vea cómo utilizar IA en la construcción civil para apoyar presupuestos de obras sin perder trazabilidad, fuentes oficiales, memoria de cálculo y responsabilidad técnica.
¡Descúbrelo!
La IA en la construcción civil puede apoyar la elaboración y revisión de presupuestos de obras, pero no sustituye una fuente oficial de precios, investigación de mercado, memoria de cálculo, juicio profesional ni responsabilidad técnica. La Guía de Ingeniería de Costos en Obras Públicas del TCU, publicada durante 2026, trata la Inteligencia Artificial como apoyo instrumental y señala cuidados específicos para evitar que la velocidad de producción se confunda con la confiabilidad de la estimación.
En el presupuesto base, la aplicación más segura es utilizar IA para organizar información, identificar inconsistencias, sugerir caminos de verificación y acelerar tareas preparatorias. Valores, códigos de composiciones, productividades, normas, cantidades, precios y premisas deben continuar anclados en fuentes verificables. Una respuesta generada por un modelo no es evidencia primaria de mercado y no puede utilizarse como sustituta de SINAPI, SICRO, cotizaciones, contratos comparables o documentos técnicos del proyecto.
La ganancia real está en la combinación: automatización para ampliar la capacidad de análisis e ingeniería para validar, justificar y asumir responsabilidad por el resultado.
Qué admite el TCU para IA en el presupuesto de obras
El uso de IA en el presupuesto base es un control de método y evidencia dentro de la fase de planificación de la contratación. Para situar estos cuidados en la regla completa del TCU, vea Qué verifica el TCU en las contrataciones de obras y servicios de ingeniería.
La Guía de Ingeniería de Costos de 2026 introduce la Inteligencia Artificial en el proceso de presupuestación de forma pragmática. La tecnología puede apoyar actividades como la organización de la Estructura de Desglose del Proyecto, revisión de coherencia entre proyecto y planilla, identificación de omisiones, sugerencia de composiciones candidatas y organización de información de investigación de precios.
La palabra central es apoyo.
El presupuesto detallado continúa necesitando cumplir las exigencias legales y técnicas aplicables: cantidades vinculadas al proyecto, costos unitarios justificables, BDI, cargas sociales, memorias de cálculo y documentos que respalden las estimaciones. La Ley nº 14.133/2021 no crea una excepción metodológica porque determinada actividad haya sido automatizada.
Una IA puede indicar que aparentemente falta un servicio. Quien confirma la ausencia es el profesional que conoce el proyecto. Puede sugerir un código SINAPI. Quien verifica si el código existe, está vigente, representa el servicio y si la localidad y fecha base son correctas es el presupuestista.
La IA generativa no es una base de precios
Los modelos de lenguaje producen respuestas a partir de patrones aprendidos y del contexto proporcionado. No deben tratarse como una base de datos transaccional actualizada por naturaleza.
Esta distinción es decisiva en Ingeniería de Costos.
Si alguien pregunta a un modelo “¿cuál es el precio del hormigón elaborado de 30 MPa en Paraná?”, la respuesta puede ser plausible y aun así inadecuada porque no informa de forma auditable:
- fecha de recopilación;
- ubicación exacta;
- condición comercial;
- volumen considerado;
- transporte;
- impuestos;
- forma de pago;
- fuente del precio;
- validez de la cotización;
- representatividad estadística.
Una estimación de mercado debe ser reproducible. Una respuesta textual no sustituye este requisito.
El artículo sobre Presupuesto de Obras Públicas detalla la cadena que debe permanecer documentada incluso cuando se utilizan herramientas de IA.
Los ocho cuidados en el uso de IA para presupuestación
La Guía del TCU organiza puntos de atención que pueden convertirse en una política de control para el órgano, empresa de ingeniería o equipo de proyecto.
1. Trazabilidad: la respuesta de la IA no es una fuente primaria
La primera regla evita la mayor fragilidad del uso indiscriminado de la tecnología.
Si una IA informa que determinada productividad es de 0,25 h/m², esa frase no es el origen técnico del coeficiente. El profesional debe identificar de dónde proviene el número o sustituirlo por una referencia verificable.
Lo mismo vale para:
- códigos SINAPI y SICRO;
- índices de reajuste;
- parámetros de BDI;
- porcentajes de pérdidas;
- coeficientes de mano de obra;
- consumo de materiales;
- costos horarios de equipos;
- exigencias normativas;
- fechas y números de sentencias del TCU.
La cadena correcta es:
IA identifica o sugiere → profesional verifica → fuente primaria respalda → memoria registra.
Cuando la herramienta trabaja sobre documentos internos controlados, la trazabilidad mejora, pero no desaparece la necesidad de citar el documento de origen.
2. Validación por profesional habilitado
La automatización no desplaza la responsabilidad profesional.
Un presupuesto de ingeniería implica decisiones sobre método ejecutivo, productividad, compatibilidad del proyecto, cantidades, movilización, equipos, riesgos y condiciones locales. Estas decisiones exigen formación y juicio técnico.
El uso de IA puede reducir esfuerzo repetitivo, pero el producto final continúa siendo una manifestación técnica humana. Cuando corresponda, la planilla presupuestaria debe estar vinculada a la responsabilidad técnica correspondiente.
El profesional debe ser capaz de explicar por qué aceptó determinado resultado. “La IA lo calculó” no es una memoria de cálculo.
3. La IA no sustituye SINAPI, SICRO ni otras referencias oficiales
La Ley nº 14.133/2021 establece un orden de parámetros para el valor estimado de obras y servicios de ingeniería. Para infraestructura de transporte, SICRO ocupa una posición central; para las demás obras, SINAPI es la referencia primaria en los casos comprendidos por la regla federal.
Una herramienta de IA puede ayudar a investigar, clasificar o confrontar composiciones. No debe crear una tercera tabla ficticia entre el proyecto y el sistema oficial.
Cuando el servicio no esté adecuadamente representado en la referencia pública, la solución continúa siendo desarrollar una composición propia, adaptar una composición con justificación o utilizar otro parámetro admitido, documentando el motivo.
El análisis de los cinco efectos que pueden distorsionar precios SINAPI y SICRO muestra que ni siquiera la referencia oficial debe aplicarse mecánicamente; con IA, la necesidad de justificación aumenta, no disminuye.
4. Alucinación: códigos, normas y productividades plausibles pueden ser falsos
Los modelos generativos pueden producir información sintácticamente convincente sin correspondencia factual.
En Ingeniería de Costos, esto puede generar errores como:
- código SINAPI inexistente;
- composición de otro estado o mes;
- referencia a una norma derogada;
- artículo de ley con contenido incorrecto;
- productividad incompatible con el equipo;
- consumo físicamente imposible;
- unidad de medida cambiada;
- precio sin fecha base;
- duplicidad entre insumos y servicios;
- fórmula aparentemente correcta y lógicamente incorrecta.
El riesgo es elevado porque el resultado suele parecer organizado. Una planilla visualmente consistente puede ocultar decenas de premisas fabricadas.
La validación debe ser sistemática, no intuitiva.
5. El uso de IA debe documentarse en el expediente cuando influya en la estimación
Si la herramienta se utilizó únicamente para corregir la ortografía de un texto, el efecto sobre la decisión de precio puede ser irrelevante. Si se utilizó para identificar composiciones, estructurar una EAP, clasificar cotizaciones o sugerir coeficientes, el uso pasa a integrar el proceso metodológico.
Una buena práctica es registrar:
- finalidad del uso;
- herramienta o entorno utilizado;
- fecha;
- conjunto de documentos suministrados;
- tipo de salida producida;
- verificaciones realizadas;
- decisiones humanas tomadas a partir de la salida;
- fuentes que confirmaron los datos aceptados.
El objetivo no es adjuntar miles de líneas de conversación sin utilidad. Es permitir que un auditor, revisor o sucesor entienda cómo la automatización influyó en el presupuesto.
6. Datos, secreto y confidencialidad deben estar controlados
Los proyectos pueden contener información sensible: planos de instalaciones críticas, valores aún confidenciales, estrategias de contratación, datos personales, documentación de proveedores e información protegida por confidencialidad.
Introducir este contenido en un servicio de IA sin gobernanza puede representar una transferencia indebida de información.
Antes del uso, la organización debe saber:
- dónde se procesan los datos;
- si se retienen;
- si pueden utilizarse para entrenamiento;
- quién tiene acceso;
- qué controles de autenticación existen;
- si existe un entorno corporativo aislado;
- qué categorías de documentos están prohibidas.
La Ley General de Protección de Datos agrega obligaciones cuando existen datos personales, pero la gobernanza debe ir más allá de la LGPD. El secreto comercial y la información de infraestructura crítica también exigen tratamiento.
7. El control de versiones es obligatorio
Las herramientas, modelos y bases evolucionan rápidamente. La misma solicitud puede producir una salida diferente después de una actualización del modelo o de la documentación de apoyo.
Por eso, los resultados relevantes deben congelarse en la memoria del proceso.
Registrar únicamente “se utilizó ChatGPT” o “se utilizó IA” es insuficiente. Lo importante es permitir reconstruir la etapa de decisión.
El presupuesto también debe tener su propia versión:
- revisión del proyecto utilizada;
- fecha base de las referencias;
- archivo de cantidades;
- versión de las composiciones;
- premisas vigentes;
- fecha del análisis automatizado;
- modificaciones humanas posteriores.
Esta disciplina reduce el riesgo de validar una salida de IA contra un proyecto diferente del utilizado para producirla.
8. Las composiciones propias continúan exigiendo productividad real y memoria técnica
La IA puede ayudar a descomponer un servicio en mano de obra, materiales y equipos. Esto es útil para iniciar una composición inexistente en las bases oficiales.
Pero el coeficiente final debe provenir de un fundamento técnico.
Una composición propia debe responder:
- qué método ejecutivo fue considerado;
- qué equipo ejecuta el servicio;
- qué producción horaria se espera;
- qué pérdidas se adoptaron;
- qué equipos son necesarios;
- qué condición de campo limita la productividad;
- qué datos históricos existen;
- qué ensayos, prototipos u obras comparables sustentan el valor.
La IA puede estructurar la pregunta. No puede inventar la productividad que cierra el precio deseado.
La diferencia entre uso asistivo y decisión automatizada
No todo uso de IA posee el mismo riesgo.
| Uso | Papel de la IA | Riesgo | Control recomendado |
| Organizar lista de servicios | Asistivo | Bajo | Revisión del presupuestista |
| Comparar nomenclaturas | Asistivo | Bajo a medio | Verificar fuente y unidad |
| Detectar posible omisión | Asistivo | Medio | Verificar proyecto y alcance |
| Sugerir composición candidata | Analítico | Medio | Confirmar código y adherencia |
| Extraer cantidades de texto | Analítico | Medio a alto | Validar contra plano/modelo |
| Proponer productividad | Decisorio | Alto | Exigir histórico o ingeniería de método |
| Definir precio unitario | Decisorio | Alto | Fuente oficial o investigación verificable |
| Aprobar presupuesto | Decisorio | Inaceptable sin responsable humano | Aprobación técnica formal |
La política de uso debe ser proporcional al riesgo de la decisión.
Dónde genera más valor la IA sin asumir la decisión
La aplicación más madura no es pedir al modelo que “haga el presupuesto”. Es utilizarlo para ampliar la capacidad de revisión.
Estructuración de la EAP
La IA puede transformar memoria, alcance y documentos de proyecto en una primera propuesta de Estructura de Desglose del Proyecto. El resultado ayuda a verificar si se consideraron disciplinas y paquetes relevantes.
Esta EAP debe reconciliarse con el proyecto, con el régimen de ejecución y con la planilla presupuestaria.
Revisión de coherencia entre proyecto y planilla
Un modelo puede comparar listas extraídas de memorias, especificaciones y presupuesto y señalar términos presentes en un documento y ausentes en otro.
Ejemplo: la memoria menciona impermeabilización de un depósito, pero no existe un servicio correspondiente en la planilla. Esto no prueba una omisión; crea un punto de verificación.
Identificación de composiciones candidatas
La IA puede ayudar a mapear la descripción del proyecto hacia palabras clave de una base de composiciones. La salida debe tratarse como shortlist, no como composición elegida.
Análisis de cotizaciones
Puede organizar propuestas recibidas, normalizar descripciones, destacar diferencias de alcance e identificar campos faltantes.
El análisis estadístico final debe utilizar datos efectivamente recibidos y una metodología declarada.
Revisión de la Curva ABC
Después de formar el presupuesto, la IA puede apoyar la lectura de la Curva ABC de costos para identificar qué ítems merecen validación profundizada.
El valor no está en recalcular el porcentaje acumulado, tarea simple y determinística. Está en cruzar los ítems más relevantes con riesgos de especificación, disponibilidad de mercado, economías de escala y sensibilidad de precio.
Qué debe continuar en herramientas determinísticas
Los modelos generativos no son la mejor herramienta para toda tarea.
Los cálculos repetibles y críticos deben permanecer en una planilla, código, sistema de presupuestación o mecanismo determinístico validado.
Ejemplos:
- sumas;
- aplicación de fórmulas de BDI;
- cargas sociales;
- actualización monetaria;
- Curva ABC;
- conversión de unidades;
- distribución porcentual;
- análisis de escenarios numéricos;
- consolidación de cantidades;
- comparación automática de revisiones.
La IA puede explicar el resultado, ayudar a encontrar una inconsistencia o generar un script de revisión. El cálculo final debe ser reproducible independientemente del lenguaje natural utilizado en la conversación.
Cómo controlar alucinaciones en códigos SINAPI y SICRO
Un procedimiento simple reduce gran parte del riesgo.
- Solicitar a la IA únicamente composiciones candidatas, sin afirmar nunca que se adoptará la salida.
- Buscar cada código en la base oficial correspondiente.
- Verificar descripción, unidad, fecha base y localidad.
- Comparar insumos y coeficientes.
- Verificar si el servicio del proyecto posee la misma tecnología constructiva.
- Registrar el motivo de selección o descarte.
- Si ninguna composición es adecuada, desarrollar una solución técnicamente justificada.
Este flujo crea trazabilidad entre sugerencia y decisión.
La IA deja de ser “fuente” y pasa a ser un mecanismo de búsqueda y clasificación.
Ejemplo: composición inexistente sugerida de forma convincente
Imagine que un modelo devuelve:
> “SINAPI 104532 — Instalación de bandeja metálica perforada de 200 mm, incluidos soportes, mano de obra y accesorios.”
La descripción parece perfectamente plausible. El número puede no existir, puede pertenecer a otro servicio o puede ser de una base diferente.
Si el presupuestista inserta el código directamente en la planilla, crea una referencia falsa con apariencia oficial.
El control adecuado es buscar el código en la fuente. Si no existe, el texto generado sirve únicamente como pista de investigación. La composición debe sustituirse por una referencia real o construirse como composición propia.
Esta es una pequeña diferencia en el flujo y enorme en la auditabilidad.
La IA puede detectar omisiones, pero también puede crear servicios innecesarios
Cuando recibe una memoria, un modelo puede sugerir ítems “normalmente presentes” en obras similares. Esto ayuda a descubrir lagunas, pero también puede introducir alcance que el proyecto no exige.
Por eso, toda sugerencia debe clasificarse:
- previsto explícitamente en el proyecto;
- necesario técnicamente para ejecutar un ítem previsto;
- requisito normativo aplicable;
- provisión de riesgo;
- mejora opcional;
- ítem sin respaldo en el alcance.
Solo las categorías técnicamente justificadas entran en el presupuesto base.
Los proyectos maduros permiten una IA más útil
La calidad de la automatización está limitada por la calidad de los documentos suministrados.
Si el proyecto posee planos inconsistentes, memorias genéricas, cantidades sin memoria y especificaciones contradictorias, la IA solo puede reorganizar la incertidumbre.
Este principio conecta el tema con el Design Review de proyectos. Antes de automatizar el presupuesto, conviene verificar si el proyecto posee información suficiente para ser presupuestado.
Un modelo no transforma un anteproyecto incompleto en proyecto ejecutivo. Como máximo, puede ayudar a explicitar lo que falta.
IA y presupuesto paramétrico: asociación poderosa y peligrosa
El presupuesto paramétrico utiliza relaciones entre variables técnicas y costos históricos. La IA y las técnicas estadísticas pueden ayudar a encontrar correlaciones, clasificar proyectos comparables y probar hipótesis.
El riesgo surge cuando se confunde correlación con causalidad o cuando el modelo utiliza proyectos no comparables.
Una estimación paramétrica debe declarar:
- universo de datos;
- variables explicativas;
- tratamiento de outliers;
- fecha base;
- ubicación;
- tipología;
- medida de error;
- rango de aplicación;
- validación fuera de la muestra, cuando corresponda.
La IA puede apoyar la modelación, pero no elimina la necesidad de estadística e Ingeniería de Costos.
La IA aplicada a la investigación de mercado debe preservar la evidencia original
Una herramienta puede leer diversas cotizaciones y crear una tabla consolidada. Esto ahorra tiempo, especialmente cuando los proveedores utilizan formatos diferentes.
Sin embargo, la planilla consolidada no sustituye los documentos recibidos.
El proceso debe conservar:
- propuesta original;
- identificación del proveedor;
- fecha;
- plazo de validez;
- alcance;
- condiciones comerciales;
- flete;
- impuestos;
- cantidades;
- unidad de medida;
- responsable de la recopilación.
Si la IA normaliza “unidad”, “kit”, “conjunto” y “metro” de forma incorrecta, la comparación puede ser matemáticamente correcta y económicamente inválida.
La protección de datos y la información sensible deben formar parte de la política
La Ley nº 13.709/2018 regula el tratamiento de datos personales, pero el presupuesto de ingeniería puede implicar riesgos de confidencialidad incluso sin datos personales.
Los proyectos de infraestructura crítica pueden contener:
- ubicación de sistemas de seguridad;
- rutas de telecomunicaciones;
- diagramas eléctricos;
- información de vulnerabilidad;
- precios confidenciales;
- nombres de proveedores estratégicos;
- contratos y condiciones comerciales.
Una política interna puede clasificar documentos por niveles, definiendo cuáles pueden procesarse en un servicio externo y cuáles exigen un entorno corporativo controlado.
RAG y bases controladas mejoran la calidad, pero no crean verdad automática
Una arquitectura de retrieval-augmented generation permite que la IA consulte documentos seleccionados antes de responder. En ingeniería, esto es mucho más útil que depender únicamente del conocimiento general del modelo.
Una base controlada puede contener:
- manuales SINAPI y SICRO;
- composiciones exportadas con fecha base;
- cuadernos técnicos;
- especificaciones de la organización;
- historial de obras;
- productividad propia;
- jurisprudencia seleccionada;
- normas internas;
- proyectos y memorias del emprendimiento.
Aun así, la salida debe indicar el origen de los datos. Si la base contiene un documento antiguo o incorrecto, el sistema simplemente recuperará el error con mayor eficiencia.
La gobernanza documental y la gobernanza de IA deben avanzar juntas.
El registro de uso no necesita convertirse en una transcripción completa de la conversación
Documentar IA en el expediente no significa adjuntar cada interacción sin curaduría.
Una memoria técnica compacta puede registrar:
| Campo | Ejemplo de registro |
| Finalidad | Revisar coherencia entre memoria y planilla |
| Documentos | PB-R02, MD-R03, presupuesto R04 |
| Herramienta | Entorno corporativo de IA |
| Fecha | 17/09/2026 |
| Resultado | 14 divergencias candidatas identificadas |
| Validación | 9 descartadas, 3 corregidas, 2 justificadas |
| Fuentes finales | Proyecto, SINAPI, cotizaciones y memoria de cantidades |
| Responsable | Profesional que revisó y aprobó |
Esta estructura es más auditable que guardar un historial extenso sin indicar qué salidas influyeron en la decisión.
Cómo revisar un presupuesto producido con apoyo de IA
La revisión independiente debe partir de la premisa de que la tecnología puede haberse equivocado de forma coherente.
Una secuencia eficiente es:
- congelar la revisión del presupuesto;
- validar totales y fórmulas mediante mecanismo determinístico;
- revisar la Curva ABC de servicios;
- revisar la Curva ABC de insumos;
- verificar códigos de bases oficiales;
- probar ítems sin código oficial;
- comparar cantidades críticas con memoria y proyecto;
- probar unidades de medida;
- verificar precios de mercado relevantes;
- auditar BDI y cargas;
- revisar referencias normativas;
- documentar divergencias y correcciones.
La prioridad debe ser económica. No tiene sentido dedicar el mismo esfuerzo a validar un ítem que representa el 0,01% y otro que representa el 15% del presupuesto.
La Curva ABC es la mejor puerta de entrada para validar IA
La Curva ABC permite ordenar la exposición financiera.
En un presupuesto asistido por IA, los ítems de clase A merecen control reforzado porque cualquier alucinación, duplicidad o error de productividad posee impacto material.
Para cada ítem relevante, puede verificarse:
- origen de la cantidad;
- adherencia de la composición;
- precio del insumo dominante;
- productividad;
- economías de escala;
- condición local;
- duplicidad con otro servicio;
- presencia de riesgo ya cubierto en otra partida.
Este proceso genera una mejora de calidad incluso cuando no se utilizó IA. Con IA, se convierte en una barrera de seguridad adicional.
Cómo usar IA para comparar revisiones de proyecto y revisiones de presupuesto
Una aplicación de alto valor es el análisis de cambios.
Cuando el proyecto pasa de R02 a R03, el sistema puede ayudar a identificar:
- nuevos elementos;
- elementos eliminados;
- cambio de materiales;
- cambio de capacidad;
- revisión de especificaciones;
- cambio de dimensiones;
- impacto potencial sobre servicios existentes.
La salida debe generar una lista de impactos candidatos. El presupuestista verifica cada uno y actualiza la memoria de revisión.
Esto mejora la gobernanza de cambios y reduce el riesgo de que la planilla permanezca vinculada a una revisión anterior del proyecto.
Una política interna de IA para Ingeniería de Costos
La Guía del TCU abre espacio para transformar estos cuidados en un procedimiento corporativo.
Una política puede contener cinco capas.
Usos permitidos
- organización de documentos;
- clasificación de ítems;
- revisión textual;
- identificación de inconsistencias;
- generación de checklists;
- apoyo a la investigación;
- comparación entre revisiones;
- estructuración preliminar de EAP.
Usos condicionados
- sugerencia de composiciones;
- extracción de cantidades;
- análisis de cotizaciones;
- estimación paramétrica;
- modelación de productividad;
- análisis de riesgos.
En estos casos, la política exige validación específica y una fuente externa.
Usos prohibidos sin validación formal
- crear precio final sin fuente;
- inventar código de composición;
- aprobar presupuesto;
- definir BDI de forma autónoma;
- sustituir al responsable técnico;
- insertar documento confidencial en un entorno no autorizado.
Registro
Definir cuándo debe documentarse el uso y qué nivel de detalle es necesario.
Auditoría
Prever revisión periódica de la política, herramientas autorizadas y muestras de uso.
Cómo exigir gobernanza de IA en el Término de Referencia
Si la Administración contrata una empresa para elaborar presupuesto, proyecto o análisis de costos, puede establecer requisitos de trazabilidad para automatizaciones relevantes sin obligar al uso de una tecnología específica.
El TR puede exigir que:
- todas las fuentes de costo sean identificadas;
- las composiciones propias tengan memoria de productividad;
- los resultados automatizados sean validados por profesional habilitado;
- las herramientas de IA no se consideren fuente primaria;
- los documentos confidenciales se traten en un entorno autorizado;
- las alteraciones relevantes generadas por automatización posean registro de revisión;
- el contratista entregue archivos editables y memorias de cálculo;
- la responsabilidad técnica permanezca claramente identificada.
Este enfoque regula el resultado y la evidencia, no la marca del software utilizado.
El organismo público no necesita prohibir la IA para preservar el control
Una prohibición genérica puede ser impracticable y difícil de fiscalizar. Las herramientas de productividad ya incorporan recursos de IA en editores, planillas, sistemas de búsqueda y plataformas de proyecto.
Es más eficaz establecer requisitos de control:
- ninguna decisión material sin fuente verificable;
- ninguna información confidencial en entorno no autorizado;
- ninguna composición propia sin memoria;
- ninguna aprobación sin responsable humano;
- toda automatización relevante sujeta a revisión.
El foco deja de ser “¿se utilizó IA?” y pasa a ser “¿el producto es reproducible, fundamentado y técnicamente responsable?”.
El responsable técnico debe comprender la salida antes de firmar
Firmar una planilla producida por una herramienta automática sin comprender su lógica transfiere el riesgo al profesional, no al software.
La responsabilidad técnica exige capacidad para defender:
- cantidades;
- método de estimación;
- composiciones;
- productividad;
- precios;
- BDI;
- cargas;
- premisas de riesgo;
- fecha base.
El artículo sobre ART, RRT y TRT en obras públicas detalla la función de la responsabilidad técnica en los documentos de contratación.
La Ingeniería de Costos con IA exige más documentación, no menos
Es tentador imaginar que la automatización reduce la necesidad de memoria de cálculo. El efecto correcto es el opuesto.
Cuantas más etapas se automaticen, más importante se vuelve documentar:
- entradas;
- reglas;
- versiones;
- excepciones;
- validaciones;
- fuente final de cada decisión material.
La Ingeniería de Costos para Obras y Servicios de Ingeniería puede incorporar automatización sin perder la trazabilidad que exige el presupuesto público.
La tecnología es útil cuando reduce esfuerzo mecánico y libera al profesional para investigar ítems relevantes, cuestionar premisas y revisar el proyecto.
Checklist de ocho controles antes de aceptar una salida de IA
Antes de incorporar información generada por IA al presupuesto, confirme:
- existe una fuente primaria verificable para el dato material;
- un profesional habilitado revisó la salida;
- ninguna referencia oficial fue sustituida por un valor inventado;
- códigos, normas, unidades y fechas fueron confirmados;
- el uso relevante fue registrado en la memoria del proceso;
- ningún dato restringido fue enviado a un entorno no autorizado;
- proyecto, presupuesto, base y herramienta poseen una versión identificable;
- las composiciones propias poseen productividad y método de ejecución fundamentados.
Si cualquier respuesta es negativa, la salida todavía no está lista para integrar el presupuesto base.
Consideraciones finales
La IA en la construcción civil puede aumentar sustancialmente la capacidad de análisis de proyectos y presupuestos, pero la ganancia depende de una arquitectura de control. La tecnología es especialmente útil para organizar grandes volúmenes de información, comparar documentos, identificar divergencias y dirigir la revisión humana hacia los ítems de mayor materialidad.
En el presupuesto base, la línea roja es clara: la IA no crea evidencia económica por sí sola. El precio necesita una fuente; la cantidad necesita proyecto o memoria; la productividad necesita método o histórico; la decisión necesita un profesional responsable.
Los ocho cuidados presentados por la Guía de Ingeniería de Costos del TCU durante 2026 proporcionan una estructura adecuada para esta gobernanza: trazabilidad, validación profesional, preservación de referencias oficiales, control de alucinaciones, documentación del uso, protección de datos, versionado y fundamentación de composiciones propias.
La organización que aplica estos controles puede utilizar IA para ganar velocidad sin intercambiar auditabilidad por conveniencia. Este es el punto de equilibrio: automatizar el trabajo repetitivo y preservar en el profesional aquello que no puede delegarse — juicio, decisión y responsabilidad técnica.
Referencias técnicas
[1] TRIBUNAL DE CONTAS DA UNIÃO. Engenharia de Custos em Obras Públicas: um guia de perguntas e respostas. Ítem 5.1.37 y demás orientaciones de presupuestación. Brasília: TCU, 2026. Disponible en: [TCU — Infraestructura y publicaciones](https://portal.tcu.gov.br/infraestrutura).
[2] TRIBUNAL DE CONTAS DA UNIÃO. Licitações e Contratos: Orientações e Jurisprudência do TCU. Ítem 4.4.3.6 — Presupuesto detallado del costo global de la obra. Disponible en: [TCU — Presupuesto detallado](https://licitacoesecontratos.tcu.gov.br/4-4-3-6-orcamento-detalhado-do-custo-global-da-obra/).
[3] BRASIL. Lei nº 14.133, de 1º de abril de 2021. Lei de Licitações e Contratos Administrativos, especialmente arts. 18, 23 y 59. Disponible en: [Planalto — Lei nº 14.133/2021](https://www.planalto.gov.br/ccivil_03/_ato2019-2022/2021/lei/l14133.htm).
[4] BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais — LGPD. Disponible en: [Planalto — Lei nº 13.709/2018](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm).
Preguntas frecuentes
Puede utilizarse como herramienta de apoyo, pero el presupuesto continúa necesitando fuentes verificables, memorias de cálculo, referencias oficiales y validación por un profesional responsable. La IA no debe tratarse como fuente primaria de precios.
No. SINAPI y SICRO continúan siendo referencias oficiales en los casos previstos por la Ley 14.133 y la reglamentación aplicable. La IA puede ayudar a investigar o comparar composiciones, pero cada código y dato debe verificarse en la base oficial.
Es la generación de información plausible, pero falsa o sin respaldo, como códigos de composición inexistentes, normas incorrectas, productividades irreales, unidades cambiadas o precios sin fuente.
Cuando la IA influye materialmente en la estimación, es recomendable registrar finalidad, documentos utilizados, tipo de salida, verificaciones y decisiones humanas. El objetivo es preservar la trazabilidad, no necesariamente adjuntar la conversación completa.
Puede apoyar la descomposición y estructuración, pero los coeficientes de mano de obra, materiales, equipos y productividad deben sustentarse en método ejecutivo, datos históricos, ensayos, referencias u otra evidencia técnica verificable.
La responsabilidad permanece con los agentes y profesionales que elaboran, revisan y aprueban el documento según sus atribuciones. La herramienta no sustituye la responsabilidad técnica ni el juicio profesional.
Organización de documentos, comparación entre revisiones, identificación de inconsistencias, shortlist de composiciones candidatas, clasificación de cotizaciones y orientación de la revisión humana son usos de alto valor cuando existe validación posterior.
La organización debe clasificar información, utilizar entornos autorizados, comprender retención y acceso a los datos e impedir el envío de contenido confidencial o sensible a herramientas sin controles adecuados.
Materiales técnicos complementarios
Soluciones relacionadas
Servicios relacionados
- Ingeniería de Costos para Obras y Servicios de Ingeniería: cantidades, composiciones, BDI y base de referencia
- Design Review en Proyectos de Ingeniería: revisión técnica, interfaces y madurez del proyecto
Contenidos principales sobre el tema
- Presupuesto de Obras Públicas: cómo estructurar cantidades, costos, BDI y riesgos
- Precio SINAPI y SICRO: 5 efectos que pueden distorsionar el valor de mercado
