Cómo utiliza la IA el sector de la construcción para reducir el despilfarro y el fraude

El sector mundial de la construcción, que mueve 13 billones de dólares, lleva mucho tiempo luchando contra la ineficacia, los retrasos y la corrupción. Tradicionalmente, éstas han sido difíciles de evitar. El sector está muy fragmentado y opera en un entorno normativo complejo, tiene un bajo nivel de digitalización y sufre escasez de mano de obra y una planificación deficiente en toda su cadena de valor. Estos problemas tampoco son fáciles de solucionar. A menudo se derivan de incentivos desalineados entre las partes interesadas, una transparencia limitada, información asimétrica y una aplicación incoherente de los reglamentos y las normas. Muchas de estas dinámicas se producen durante la fase de aprovisionamiento, antes incluso de que se ponga la primera piedra de un nuevo proyecto.

Para abordar estos problemas, la industria está adoptando la Inteligencia Artificial (IA) -que ya se utiliza en el diseño y la ingeniería- en el proceso de aprovisionamiento, donde puede influir enormemente en los resultados tanto financieros como éticos. La IA puede mejorar la planificación, ayudar a detectar la corrupción y la manipulación de licitaciones y mejorar la toma de decisiones de los contratistas. De hecho, la inversión de capital riesgo en tecnología de la construcción ha multiplicado por 15 la del sector en general.

El creciente uso de la IA, sin embargo, también introduce nuevos problemas para el sector: aunque puede utilizarse para reducir costes, también puede desplegarse para reducir la competencia y la transparencia.

Los líderes que trabajan en o con la industria de la construcción -ejecutivos del sector público, líderes empresariales, especialistas en aprovisionamiento y responsables políticos del desarrollo de infraestructuras- necesitan comprender las dos caras de cómo se están utilizando las herramientas de la IA. Por el lado positivo, cómo pueden aumentar la eficiencia, mejorar la selección de contratistas y detectar la colusión y la corrupción, pero también cómo pueden facilitar la manipulación sofisticada de las licitaciones. Este artículo ofrece una guía sobre las oportunidades y los riesgos de la IA en el aprovisionamiento de la construcción, basándose en ejemplos del mundo real, nuevas investigaciones y herramientas probadas sobre el terreno.

Los propietarios de proyectos pueden mejorar la eficiencia gracias a la IA

Imagine la planificación de un proyecto de construcción complejo y de alto coste: una autopista, un hospital o una infraestructura para un gran acontecimiento deportivo como un estadio o una pista de trineos de invierno para los Juegos Olímpicos de Invierno. Los funcionarios de los ministerios de infraestructuras, los departamentos de obras públicas locales, los responsables de aprovisionamiento, así como los directores de proyectos del sector privado, los consultores de ingeniería y los ejecutivos de la construcción deben equilibrar las necesidades de los múltiples stakeholder al tiempo que garantizan la seguridad, el cumplimiento de las normas medioambientales y la durabilidad. En este tipo de proyectos, incluso pequeños descuidos pueden provocar retrasos, sobrecostes o ineficiencias. Riesgos como la falta de fiabilidad de los contratistas, las subidas de precios de los materiales, la oposición local y la corrupción en el aprovisionamiento público complican aún más el proceso.

La Inteligencia Artificial (IA) puede mejorar significativamente la eficacia de la planificación en los proyectos a gran escala. Para los Campeonatos del Mundo de Esquí Alpino FIS de 2021 en Cortina d’Ampezzo (Italia), el Commissario di Governo (Comisario del Gobierno) colaboró con Microsoft para desarrollar la Plataforma OpenCortina, un sistema digital de gestión de proyectos destinado a agilizar la ejecución de obras públicas. La Plataforma OpenCortina sirvió de entorno digital centralizado para el intercambio de datos y la colaboración entre diversos stakeholder, incluidos organismos gubernamentales, contratistas y consultores. Facilitó la recopilación, el análisis y la difusión de datos digitales estructurados relacionados con la construcción y la remodelación de sedes de competiciones, la mejora de infraestructuras y otros proyectos relacionados. Al integrar el modelado de información para la construcción (BIM) y los recursos basados en la nube, la plataforma permitió el seguimiento y la gestión en tiempo real de los plazos y recursos del proyecto, así como el cumplimiento de las normas reglamentarias. (Divulgación: Uno de nosotros, Francesco Decarolis, actuó como asesor del Comisario del Gobierno en este proyecto).

La aplicación de OpenCortina dio lugar a notables mejoras en la ejecución de los proyectos. Aumentó la transparencia al proporcionar a los stakeholder información actualizada, fomentando así la confianza pública. La plataforma también contribuyó a que los procesos de toma de decisiones fueran más eficientes, reduciendo los retrasos y garantizando que los proyectos cumplieran sus plazos antes de lo previsto. Aunque en las fuentes disponibles no se detallaron datos cuantitativos específicos sobre el ahorro de costes o la reducción de plazos, los comentarios generales indicaron un impacto positivo en la eficiencia de la gestión de proyectos y la colaboración de las partes interesadas.

Los responsables del aprovisionamiento también utilizan estas herramientas para evaluar y seleccionar a los contratistas de forma más eficaz. Por ejemplo, la Agencia Logística de Defensa de EE.UU. (DLA) utiliza herramientas de IA para automatizar la identificación de proveedores que podrían sobrevalorar los precios mediante el análisis de los comportamientos de los proveedores y su rendimiento en el pasado. Otro ejemplo es el Servicio Comercial de la Corona (CCS) del Reino Unido, que en sí mismo no emplea la IA para puntuar y filtrar a los proveedores, pero proporciona las herramientas y los marcos necesarios para que las organizaciones del sector público evalúen a los proveedores de forma eficaz.

Además de los responsables del aprovisionamiento, los bancos de desarrollo que les proporcionan financiación para sus proyectos les imponen la adopción de mecanismos de selección de contratistas, que se solapan significativamente con los resultados de las recientes investigaciones impulsadas por la IA. El Banco Europeo de Reconstrucción y Desarrollo (BERD ) y el KfW alemán intentaron promover una competencia más sana en las fases de licitación filtrando a los contratistas sobrecargados y precalificando únicamente a los contratistas cuyos compromisos actuales son inferiores a 1,2 veces su rotación anual. Según una investigación realizada por uno de nosotros -Emrah Ergelen-, la competitividad de los contratistas aumenta de media un 24% a medida que sus cargas de trabajo disminuyen de 1,2 a 0,7 veces su rotación anual.

Cómo están utilizando las organizaciones la IA para detectar la corrupción y la manipulación de licitaciones

Más allá de la eficiencia, la IA puede ayudar a combatir la corrupción y la manipulación de licitaciones, dos problemas que se plantean desde hace tiempo en las compras de las administraciones públicas. Una estimación popular es que más de 2,6 billones de dólares, o el 5% del PIB mundial, se pierden anualmente a causa de la corrupción en todo el mundo. Los gobiernos adoptan diferentes prácticas de detección, cuyos costes varían mucho en función de la escala, las herramientas utilizadas, la región y la capacidad del organismo. Aunque es difícil calcular el coste total de las prácticas de detección utilizadas en el mundo, la detección del fraude suele ser una práctica muy rentable. Por ejemplo, la Oficina Europea de Lucha contra el Fraude (OLAF) -con un presupuesto de 60 millones de euros- propuso acciones para recuperar más de 1.000 millones de euros de fondos de la UE gastados indebidamente y evitó el gasto indebido de más de 200 millones de euros en 2023.

Existen varios ejemplos en todo el mundo que ya han dado pasos significativos en esta dirección. Por ejemplo, la Autoridad de Competencia y Mercados (CMA) del Reino Unido está pasando de los controles tradicionales a las aplicaciones avanzadas de IA. La CMA ya ha multado a 10 empresas constructoras por un total de casi 60 millones de libras en 2023 y ha registrado las oficinas de contratistas y asesores técnicos de varias empresas anónimas al iniciar una investigación sobre sospechas de manipulación de licitaciones en contratos de techado de escuelas en 2024. Otro ejemplo es el de la autoridad brasileña de defensa de la competencia, el Conselho Administrativo de Defesa Económica, que utilizandosu herramienta de detección y extracción de datos Proyecto Cérebro inició procedimientos contra 42 empresas y 43 particulares en 2021 y acusaciones de cartel en el aprovisionamiento público y privado.

La Organización para la Cooperación y el Desarrollo Económico (OCDE), un foro político internacional de 38 países miembros, clasifica 10 métodos de cribado que pueden utilizarse para detectar posibles amaños de licitaciones. Entre ellos se incluyen métodos como el análisis de la distribución de los precios de las ofertas, la detección de rupturas estructurales y la comprobación de la estabilidad de la cuota de mercado. Cuando se combinan con modelos de IA, estas técnicas pueden identificar patrones sospechosos -como regularidades improbables en los precios o victorias rotatorias- analizando las características de los licitadores y su comportamiento histórico en las licitaciones. Sin embargo, aplicar con éxito estas técnicas requiere algo más que algoritmos: las instituciones públicas deben colaborar con especialistas en ciencia de datos e invertir en el desarrollo de capacidades analíticas internas.

Por ejemplo, las autoridades públicas de Italia mejoraron su capacidad de supervisión de los riesgos de corrupción concediendo un acceso sin precedentes a los datos sobre los riesgos de corrupción a nivel de empresa a un grupo de académicos en 2022. La investigación resultante ofreció a las autoridades italianas una hoja de ruta sobre cómo proceder: los investigadores identificaron técnicas específicas de IA -incluido el algoritmo de bosque aleatorio- que deben aplicarse para evaluar con precisión el riesgo de corrupción. En particular, la investigación también demostró que los datos que normalmente no serían tenidos en cuenta por los supervisores humanos son, en cambio, elementos clave para predecir la corrupción.

También se necesitan conocimientos específicos en IA para combatir la manipulación de licitaciones, ya que los métodos basados en datos deben adaptarse a los riesgos y las características de la técnica de subasta específica adoptada para adjudicar un contrato. Las normas de aprovisionamiento desempeñan un papel importante a la hora de determinar la probabilidad de manipulación de licitaciones y de formación de cárteles. Francesco Decarolis ha descubierto, por ejemplo, que las subastas de oferta media son especialmente propensas a la coordinación de ofertas. Comprender este incentivo permite idear herramientas estadísticas para detectar las pujas coordinadas.

La eficacia de las herramientas de IA para preservar la equidad y la competencia está extendiendo su adopción más allá de las agencias gubernamentales. Algunas empresas públicas, como la alemana Deutsche Bahn, ya están desarrollando sus propios sistemas internos de supervisión. Este enfoque demuestra que la IA puede ser eficaz tanto en la aplicación como en la disuasión cuando está bien integrada en la gobernanza del aprovisionamiento.

Adoptar la IA para mejorar la detección de la corrupción puede ser una tarea técnicamente difícil. Con el fin de maximizar el potencial de la tecnología, los responsables políticos y los encargados del aprovisionamiento deben seguir los siguientes pasos a la hora de adoptar la IA para detectar la corrupción y la manipulación de licitaciones:

• Recopilar datos no estructurados de diversas fuentes en una plataforma centralizada.
• Limpiar y clasificar los datos en un formato utilizable
• Dividir los datos en muestras de entrenamiento (por ejemplo, el 80%) y de prueba (por ejemplo, el 20%)
• Asegúrese de que los equipos que gestionan todo el proceso cuentan con las competencias necesarias
• Revise los marcos normativos para que funcionen junto con el modelo de IA
• Imponga a las autoridades públicas el uso del modelo de IA
• Cooperar con las autoridades públicas de otros países para compartir conocimientos, conjuntos de datos, software para mejorar los modelos

La inteligencia como ventaja competitiva para los contratistas

Al otro lado de la mesa de aprovisionamiento, el uso de la IA por parte de los contratistas es igualmente sofisticado. Los contratistas, por ejemplo, pueden utilizar estas herramientas para predecir el comportamiento de los competidores y recabar información que puede ser clave para ganar licitaciones.

Las herramientas de IA del lado del contratista pueden tener en cuenta la complejidad de las licitaciones incorporando variables como la cartera de pedidos de los contratistas, la experiencia regional, la especialización en el tipo de proyecto y la situación de las alianzas con socios locales. Los resultados son estimaciones de gran precisión de los resultados de las licitaciones, que pueden predecirse con una exactitud de hasta el 96%.

En general, las técnicas de IA pueden mejorar la eficiencia de los contratistas orientando tres decisiones clave:

• Participación en licitaciones: Al predecir la probabilidad de ganar una licitación, los contratistas pueden ahorrar tiempo y dinero evitando participar cuando es poco probable que ganen. Al mismo tiempo, pueden evitar perder oportunidades presentándose a aquellas licitaciones que tienen altas probabilidades de ganar.
• Aumentar las posibilidades de ganar: Los contratistas pueden identificar los factores clave para aumentar sus probabilidades de ganar una licitación e invertir su tiempo, dinero y esfuerzo en la dirección correcta, lo que incluye establecer alianzas con otros contratistas.
• Tamaño del margen de beneficio: Analizando las características de los competidores y prediciendo su comportamiento, los contratistas pueden ajustar su oferta para aumentar la rentabilidad sin reducir significativamente sus posibilidades de ganar la licitación.

Un proyecto consular en Karachi, Pakistán, ofreció el ejemplo perfecto del papel de la IA en la toma de decisiones de los contratistas. Emrah Ergelen recuerda que -a pesar de las reticencias iniciales a licitar por el proyecto- su empresa, Arge Construction de Türkiye, optó por participar en la licitación cuando un modelo de licitación basado en IA desarrollado por Frux Consulting de Canadá le sugirió que sus posibilidades de ganar aumentarían significativamente si se asociaba con una empresa española, que tenía experiencia previa en proyectos de tipo similar con el mismo cliente. Tras utilizar el modelo también para afinar su margen de beneficio, la empresa conjunta consiguió presentar la oferta más baja de la licitación.

El uso de la IA por parte de los contratistas no se limita a las estrategias de licitación. También se utilizan para elaborar estimaciones de costes precisas, a través de herramientas como Autodesk ProEst, Ediphi, HeavyBid, Trimble, Pinpoint, Buildxact y Sage. Además, existen herramientas específicas para ayudar a los contratistas en la tarea de organizar, seguir y presentar complejos paquetes de licitación, como Autodesk BuildingConnected, TrunkTools, Procore, Pantera, SmartBid y CMIC.

Los grandes modelos lingüísticos (LLM) han surgido recientemente como herramientas valiosas para los contratistas globales que navegan por licitaciones multilingües. Mediante el uso de la traducción mejorada por IA y el análisis de documentos, las empresas pueden interpretar los documentos de licitación, las especificaciones técnicas y los requisitos legales con mayor rapidez y precisión. Es importante destacar que estas herramientas suelen utilizarse internamente -como apoyo a la preparación de licitaciones-, no para generar y presentar propuestas finales. Los equipos jurídicos y el personal técnico siguen revisando todos los resultados para garantizar la precisión, la conformidad y la adecuación al público destinatario.

Cómo la IA puede obstaculizar la competencia y la transparencia

A pesar de su prometedor papel en la mejora de la eficiencia de los procesos de construcción, tanto para los responsables del aprovisionamiento como para los contratistas, la IA tiene un lado más oscuro. Las mismas herramientas de IA que prometen equidad y eficiencia también pueden esgrimirse para manipular las licitaciones y excluir a los competidores. Especialmente en el caso de los aprovisionamientos de alta frecuencia y estructura similar, la IA puede ayudar a las empresas coludidas a idear estrategias para rotar las adjudicaciones, utilizar empresas fantasma para presentar ofertas diseñadas para dar la apariencia de un proceso competitivo. El uso de la IA para la colusión dificulta aún más la detección por parte de las autoridades.

Los riesgos no se limitan a la colusión. La dependencia excesiva de los sistemas algorítmicos podría dar lugar a una toma de decisiones opaca, a una reducción de la competencia y a nuevas barreras para las empresas más pequeñas que no tienen acceso a las herramientas de IA, aunque la disminución de los costes de la tecnología podría hacer que estos instrumentos fueran más asequibles. La integración del BIM y la IA también podría verse obstaculizada por la incompatibilidad de los formatos de los distintos instrumentos y por problemas de seguridad, ya que compartir datos sensibles de la construcción implica un riesgo.

La clave para aprovechar el potencial de la IA en el aprovisionamiento de la construcción reside en una adopción responsable y una supervisión sólida. Aunque estas tecnologías ofrecen oportunidades sin precedentes de eficiencia y transparencia, los marcos reguladores deben garantizar que las decisiones de aprovisionamiento sigan estando sujetas, en última instancia, a la revisión humana. Los reguladores nunca deben basar las acciones punitivas únicamente en señales de alarma estadísticas.

Una idea crucial para los responsables de aprovisionamiento es la necesidad de evaluar cuidadosamente cómo las normativas de aprovisionamiento dan forma a los incentivos del mercado. El diseño de los procedimientos de licitación -desde los formatos de las subastas hasta los requisitos de transparencia y los criterios de cualificación- no sólo influye en una competencia sana, sino que también puede crear oportunidades de coordinación y colusión entre los licitadores. Comprender esta dinámica es esencial para diseñar sistemas de aprovisionamiento sólidos.

Para los responsables políticos, los líderes empresariales y los encargados del aprovisionamiento, el objetivo debe ser equilibrar la innovación con la inclusión, la eficiencia con la integridad. La IA no es sólo una herramienta más: está reconfigurando las reglas del aprovisionamiento en el sector de la construcción. Si se maneja con prudencia, puede elevar el sector. Si no se controla, podría atrincherar viejos problemas en nuevas formas.