LATIDO CONSTRUCTIVO

Latido constructivo

Cámaras, escaneo láser y sensórica para convertir la actividad diaria en indicadores auditables.

La obra siempre ha tenido una dinámica propia: cuadrillas que se desplazan, materiales que llegan, equipos que entran en operación, frentes que avanzan y riesgos que cambian sin previo aviso. Tradicionalmente, esa realidad se ha interpretado mediante recorridos de supervisión, reportes diarios y registros fotográficos que ofrecen una visión parcial de lo que ocurre en el proyecto. Hoy, la combinación de visión computacional, captura de realidad y sensores está cambiando ese modelo al convertir la actividad cotidiana en información continua para la gestión.

El cambio no consiste en observar más por curiosidad tecnológica, sino en transformar el sitio de construcción en una fuente permanente de evidencia operacional. Las investigaciones más recientes sobre monitoreo automatizado coinciden en que estas tecnologías ya permiten apoyar el seguimiento de equipos, la productividad, la seguridad y la evaluación estructural. Sin embargo, también advierten que su efectividad depende de factores como la integración con los procesos de obra, la adaptación a cada proyecto y la calidad de la información disponible.

En ese contexto, la captura continua de la realidad modifica la naturaleza misma del control. En lugar de depender exclusivamente de lo que un supervisor logra observar durante una visita, el proyecto puede construir una memoria visual, espacial y temporal de su evolución mediante escaneo láser, fotogrametría, video y otras tecnologías de captura.

Esta información permite verificar avances, detectar desviaciones, generar modelos as-built e integrar el estado real de la obra con los modelos digitales utilizados para su gestión.

Este nuevo enfoque no sustituye el criterio técnico. Los sistemas pueden identificar patrones, anomalías o cambios relevantes, pero corresponde a los profesionales interpretar esa evidencia, validar su impacto y decidir las acciones necesarias. La transformación radica en automatizar la supervisión, y ampliar la capacidad de observación para tomar decisiones con mayor oportunidad y fundamento.

Fotografías convertidas en porcentajes

La fotografía de obra dejó de ser únicamente un registro para informes, reclamaciones o archivos. Hoy, la visión computacional permite procesar imágenes y videos para reconocer actividades, identificar condiciones de obra y comparar el avance físico con la planificación del proyecto. De esta manera, cada recorrido fotográfico puede transformarse en información útil para medir el progreso y detectar desviaciones antes de que afecten el cronograma.

Las principales plataformas comerciales de este segmento —entre ellas OpenSpace, Buildots, Doxel y DroneDeploy— representan distintas aproximaciones a un mismo objetivo: convertir recorridos de campo, imágenes 360 y levantamientos con drones en indicadores automáticos de avance. Algunas priorizan la comparación entre la ejecución y el cronograma; otras incorporan modelos de inteligencia artificial para validar trabajos ejecutados, identificar retrasos y generar reportes casi en tiempo real.

Más allá de las diferencias entre fabricantes, todas responden a una misma tendencia del mercado: la documentación visual está dejando de ser un simple archivo para convertirse en una fuente permanente de información para la gestión. El valor ya no reside en producir más fotografías, sino en transformar esa evidencia en indicadores que permitan conocer el estado real de la obra, anticipar desviaciones y respaldar decisiones con información verificable.

Temperatura, vibración y humedad fuera del lente

pero existen variables que una cámara no puede registrar por sí sola. Temperatura, humedad, vibración, resistencia del concreto, concentración de gases o condiciones ambientales forman parte de la información que determina el desempeño de una obra y que requiere otro tipo de tecnologías para ser monitoreada. Es ahí donde la telemetría y las redes de sensores amplían la capacidad de observación del proyecto.

Los avances en Internet de las Cosas (IoT) han permitido incorporar sensores en equipos, materiales, estructuras temporales y zonas de trabajo para registrar variables físicas y ambientales en tiempo real. Esta información complementa la evidencia visual y aporta una comprensión más precisa de las condiciones bajo las que evoluciona la construcción, fortaleciendo el seguimiento de la seguridad, la operación y el desempeño del proyecto.

El aporte no radica en acumular más datos, sino en integrar distintas fuentes de información para comprender mejor lo que ocurre en la obra. Las cámaras muestran el avance visible; los sensores revelan condiciones que permanecen fuera del campo visual; y el análisis conjunto permite identificar desviaciones con mayor anticipación y reducir la incertidumbre en la toma de decisiones. La supervisión deja así de depender de una única fuente de evidencia para construirse sobre una visión más completa del proyecto.

Peligros y defectos dentro de la escena

La seguridad es uno de los ámbitos donde la visión computacional muestra mayor potencial. El estudio Artificial Intelligence (AI) in Construction Safety, publicado en Buildings (2025), identifica aplicaciones relacionadas con la detección de riesgos para los trabajadores, el monitoreo del uso de equipos de protección personal, la interacción con maquinaria y la seguridad del sitio. Cámaras, drones, sensores y dispositivos portátiles comienzan a generar información continua sobre condiciones que antes solo podían verificarse mediante inspecciones presenciales.

Los avances más recientes buscan ir más allá del reconocimiento de objetos. Investigaciones sobre modelos de visión-lenguaje, como Using Vision Language Models for Safety Hazard Identification in Construction (2025), señalan que muchos sistemas tradicionales identifican cascos, chalecos o maquinaria, pero presentan dificultades para interpretar relaciones espaciales, secuencias de trabajo o situaciones de riesgo que dependen del contexto. La evolución consiste precisamente en comprender la escena y no solo los elementos que la componen.

Ese cambio se confirma en el estudio Real-time Safety Detection on Construction Sites Using a Vision-Language Model, publicado en Automation in Construction (2026), donde se presentan modelos capaces de combinar detección de objetos, identificación de peligros y generación automática de reportes. Aunque la aplicación en entornos reales continúa enfrentando desafíos, la investigación evidencia una transición hacia sistemas con mayor capacidad de interpretación.

La misma lógica comienza a extenderse al control de calidad. La visión computacional puede identificar trabajos incompletos, instalaciones fuera de secuencia o desviaciones respecto al proyecto, mientras que los sensores aportan información sobre condiciones que no son visibles durante una inspección convencional. El objetivo ya no es generar más alertas, sino proporcionar evidencia suficiente para priorizar las situaciones que realmente requieren intervención.

El desafío consiste en evitar una supervisión basada únicamente en el volumen de datos. Una plataforma útil no es la que detecta más eventos, sino la que distingue cuáles representan un riesgo real para la seguridad, la calidad o el desempeño del proyecto y facilita que los equipos actúen antes de que una desviación se convierta en un problema operativo.

Privacidad, proporcionalidad y vigilancia

inevitable: cuanto mayor es la capacidad para observar una obra, mayor debe ser la responsabilidad con la que se gestionan los datos que esa observación produce. Cámaras, drones y sistemas de visión computacional fortalecen la seguridad y el control operativo, pero también plantean preguntas sobre privacidad, transparencia y el uso adecuado de la información generada en el lugar de trabajo.

En este escenario, el Artificial Intelligence Risk Management Framework (AI RMF 1.0), desarrollado por el National Institute of Standards and Technology (NIST), ofrece un marco de referencia para la implementación responsable de sistemas de inteligencia artificial. Sus principios —confiabilidad, seguridad, gestión del riesgo, transparencia, protección de la privacidad y rendición de cuentas— recuerdan que la incorporación de estas tecnologías exige una gobernanza tan sólida como la infraestructura sobre la que operan.

La confiabilidad tampoco depende únicamente de los algoritmos. Los estudios sobre visión computacional y captura de realidad coinciden en que la calidad de las decisiones está directamente relacionada con la calidad de la evidencia disponible. Datos incompletos, registros deficientes o modelos insuficientemente validados pueden limitar el desempeño de cualquier sistema, por avanzado que sea.

Para las organizaciones, el desafío consiste en definir con claridad qué información se recopila, con qué propósito, quién puede acceder a ella y cómo se protege. Cuando estas reglas forman parte de la estrategia de gobernanza, la supervisión tecnológica fortalece la seguridad, la calidad y la eficiencia operativa. Sin ellas, el riesgo no es tecnológico, sino organizacional y reputacional.

La atención se concentra en anomalías

La obra ya no tiene que interpretarse únicamente al final de la jornada. La combinación de visión computacional, captura de realidad, sensores y telemetría permite construir una lectura continua del avance físico y detectar desviaciones cuando aún existe margen para corregirlas. Hoy, la información fluye con una velocidad que hace posible pasar de la supervisión reactiva a una gestión basada en evidencia.

En la actualidad, el valor de la inteligencia artificial radica en ayudar a distinguir qué requiere atención inmediata. Al integrar información procedente de múltiples fuentes, estos sistemas permiten identificar las anomalías que pueden comprometer el plazo, el costo, la calidad o la seguridad, facilitando que la dirección del proyecto concentre sus decisiones donde realmente generan impacto. La construcción siempre ha producido datos. Lo que está cambiando es la capacidad de convertirlos en conocimiento útil para actuar con mayor anticipación.