IA en construcción: la mina de datos del jefe de obra que no estáis explotando

El jefe de obra es, sin discusión, la fuente de dato operativo más rica de una constructora. Cada día firma partes de horas, recoge consumos de material, hace fotos del avance, anota incidencias con la dirección facultativa, pacta modificados sobre la marcha, gestiona subcontratas, mide kilos de ferralla puestos y cuentas a fin de mes. Toda esa información — minuto a minuto, obra a obra — debería traducirse en conocimiento de la empresa.

La realidad de la constructora típica es otra. Ese dato entra parcialmente en Business Central + dvproject construcción gracias a la disciplina del jefe de obra y a la app móvil, pero el 30-40 % del valor que ese dato podría dar se queda sin explotar. No por falta de datos: por falta de una capa encima que ayude a leerlos.

Este artículo trata exactamente de eso. Qué puede hacer la IA con el dato del jefe de obra hoy, en 2026, sobre el ecosistema BC + dvproject construcción, y por qué Davisa AI Studio invierte ahí. Sin promesas de transformación. Cuatro casos concretos con métrica orientativa y una sección final honesta sobre lo que la IA no resuelve.

Qué dato hay disponible hoy en BC + dvproject construcción

Conviene fijar de qué dato hablamos. En una obra mediana de 6-18 meses con jefe de obra usando dvproject construcción a diario, el sistema acumula:

• Estructura de obra: capítulos, partidas, sub-partidas con presupuesto base, importado desde Presto o Arquímedes vía BC3.
• Partes diarios de horas: del propio jefe de obra, de los operarios propios, de las subcontratas, con asociación a partida.
• Fotos del avance: subidas desde la app móvil de dvproject construcción con georreferencia y timestamp.
• Consumos de material: salidas de almacén imputadas a partida concreta, albaranes entrantes en obra.
• Incidencias y modificados: registro de cambios pactados con dirección facultativa, fotos asociadas, importes estimados.
• Subcontratas: pedidos, recepciones, validaciones, documentación REA / TC1-TC2, certificaciones a subcontratista.
• Certificaciones a propiedad: avance porcentual por partida, importes, retención de garantía, calendario de cobros.
• Plazos: hitos contractuales, retrasos, ampliaciones pactadas.

En conjunto: cientos de miles de filas estructuradas por obra. Es una mina. La pregunta es por qué nadie la explota a fondo.

Por qué el dato existe pero nadie lo explota

Tres razones que vemos repetidas en empresas con dvproject construcción ya implantado y funcionando bien:

Fricción de consulta. El jefe de obra, el CFO o el director de obra necesitan tres clics y conocimiento de BC para sacar la información que quieren. En la práctica, la mayoría se queda en el resumen mensual de Power BI y pierde la posibilidad de mirar el dato cuando hace falta — un lunes a las 6 de la mañana en la obra, con la cabeza puesta en el día.

Capa de IA encima inexistente. El dato está, pero leerlo requiere interpretación. ¿Cuántas obras tienen una desviación del 8 % en la partida 03.04 este mes? ¿Qué subcontratistas generan más incidencias en obras de 18 meses contra obras de 8 meses? ¿Hay alguna obra donde el ritmo de partes de horas haya cambiado en las últimas dos semanas y no hayamos cobrado el modificado correspondiente? Sin una capa que lea por ti, esas preguntas se quedan sin hacer.

Inversión histórica en reporting, no en operativa diaria. Las empresas que han hecho proyecto serio con dvproject montan Power BI corporativo, dashboards de margen por obra y reportings consolidados — que son útiles para dirección y CFO. Pero el jefe de obra, que es quien genera el dato, sigue trabajando con la app móvil y la libreta. Para él el ROI de explotar el dato no llegó.

La IA viene a resolver esas tres fricciones. Y conviene insistir en algo que nos parece importante: el principal beneficiario directo es el jefe de obra, no el CFO. Si el jefe de obra usa la capa de IA, el dato fluye limpio; si no la usa, no hay nada que explotar.

Las cuatro cosas concretas que la IA puede hacer con ese dato

1. Asistente conversacional al jefe de obra en su móvil

El primer caso, el que mueve la aguja en obra. El jefe de obra abre la app de dvproject construcción y, además de los flujos habituales, tiene un chat de IA contextual sobre su obra. Pregunta en lenguaje natural y obtiene respuesta sobre el dato real:

• “¿Cuánto llevamos certificado en la obra Mar del Olivar?”
• “¿Cuántas horas ha echado este mes la subcontrata Ferrallas Pérez en la partida 03?”
• “Resume las incidencias abiertas con la dirección facultativa de los últimos 15 días.”
• “Necesito el parte de hoy: 8 operarios propios, 4 horas en partida 02.05, 2 horas en partida 03.02, foto de la zapata norte.”
• “Avísame si en los próximos 7 días hay vencimientos de TC1/TC2 de subcontratas.”

El asistente lee BC + dvproject construcción en tiempo real, responde con datos exactos y, donde aplica, ejecuta la acción (crear parte, abrir incidencia, enviar email). Caso de uso completo en asistente del jefe de obra en construcción con IA.

Ahorro orientativo: 4-6 horas/semana de tareas administrativas por jefe de obra, según volumetría. Una empresa con 8 jefes de obra activos recupera 32-48 horas semanales de capacidad de obra real. La métrica que más importa al cliente: el jefe de obra deja de quemarse en papeleo.

2. Anticipación de modificados antes de que se conviertan en pérdida

Un modificado no avisado a tiempo es la pérdida silenciosa más cara del sector. La empresa ejecuta trabajo extra confiando en pactarlo después, llega el cierre y resulta que el modificado no se firmó, no se certificó o se certificó tarde — y el coste ya está consumido.

La IA cruza tres señales tempranas para avisar al jefe de obra y a la dirección de obra antes de que el modificado se convierta en problema:

• Desviación de horas o material en partidas concretas contra el presupuesto base — cuando la realidad supera el 8-12 % en una partida, salta señal.
• Patrones en partes diarios que indican trabajo no previsto (operarios en zonas no presupuestadas, materiales fuera del listado original).
• Fotos del avance comparadas con el alcance contractual — la app móvil ya captura fotos georreferenciadas; la IA detecta cuándo la foto del avance muestra elementos que no estaban en el presupuesto.

Cuando hay señal, el sistema avisa al jefe de obra y al director de obra con la propuesta de modificado: a quién hay que pedir conformidad, qué importe estimado, qué partidas afecta. El cobro del modificado se anticipa entre 2 y 8 semanas respecto a la práctica habitual.

Ahorro orientativo: para una constructora mediana con 8-15 obras activas, el modificado bien gestionado supone típicamente entre 1,5 % y 4 % de margen recuperado sobre el volumen de obra anual, según volumetría. Es una métrica que el CFO sigue muy de cerca y que justifica el ROI con holgura.

3. Detección de patrones de incidencias por subcontratista u obra

Una constructora media trabaja con 30-80 subcontratistas activos. Cada subcontratista tiene su perfil de incidencias: unos llegan tarde, otros traen documentación incompleta, otros tienen problemas de calidad recurrentes, otros generan modificados al alza. El jefe de obra de cada obra sabe el suyo — pero la empresa no consolida el patrón cruzado.

La IA cruza el histórico de incidencias, retrasos, no conformidades y validaciones de subcontratas en todas las obras activas y pasadas, y produce patrones accionables:

• “La subcontrata X tiene una tasa de incidencias 2,3× superior a la media en obras de duración superior a 12 meses.”
• “Las obras donde la subcontrata Y interviene en partidas estructurales acumulan modificados al alza por encima del 6 %.”
• “En obras pequeñas (<800 k€), la subcontrata Z mantiene perfil bajo de incidencias y precio competitivo — buen candidato a priorizar.”

El director de operaciones y el responsable de compras tienen criterio para seleccionar y negociar con base en datos, no en sensaciones. La política de homologación de subcontratas pasa de Excel + memoria a sistema vivo.

Ahorro orientativo: difícil de medir como ahorro directo. El valor está en reducir incidencias en obras nuevas mediante mejor selección. Empresas que aplican el patrón de forma sistemática reducen entre 15 % y 30 % las incidencias graves de obra en el segundo año según volumetría.

4. Generación de informes ejecutivos automáticos por obra

Cada semana, el director de obra y la dirección general necesitan un resumen ejecutivo por obra: avance, desviación, riesgos abiertos, hitos próximos. La práctica común son emails dispares del jefe de obra de cada proyecto y una reunión semanal donde cada uno presenta su parte. Tiempo del jefe de obra dedicado a redacción: 1-3 horas semanales por proyecto.

La IA genera el informe semanal por obra desde los datos reales de BC + dvproject construcción:

• Avance vs planificación, con foto comparativa de avance.
• Desviación de coste por capítulo y comentario sobre causas probables.
• Incidencias abiertas con dirección facultativa, estado y siguiente paso.
• Modificados pendientes de firma o de certificación.
• Riesgos próximos: vencimientos de subcontratas, hitos contractuales en próximos 30 días, posibles tensiones de plazo.

El jefe de obra revisa el borrador, añade el contexto cualitativo del campo, ajusta el tono y firma. Tiempo de redacción baja de 1-3 horas a 15-30 minutos por obra y semana según volumetría.

Ahorro orientativo: para una empresa con 10 obras activas, recupera entre 7 y 25 horas semanales del conjunto de jefes de obra. Plus implícito: la dirección recibe los informes consistentes, comparables semana a semana, sin tener que reformatear nada.

Cómo se implanta sin romper el flujo del jefe de obra

Esta es la parte más importante operativamente — y la más invisible en presentaciones de IA. Toda la propuesta cae si el jefe de obra siente que la IA es una capa más encima de su día. El método de Davisa AI Studio se ocupa exactamente de eso:

Fase 1: discovery y baseline (2-3 semanas). Acompañamos a 2-3 jefes de obra en su día real. Medimos cuánto tiempo dedican hoy a tareas administrativas, qué información buscan, qué reuniones pierden tiempo. Sin esa base no hay forma de medir ROI honesto.

Fase 2: piloto en obras seleccionadas (8-10 semanas). Activamos las capacidades una por una, empezando por el asistente conversacional móvil (la que más ahorro inmediato da al jefe de obra). Los otros tres frentes — modificados, patrones, informes — se añaden cuando el primero está rodando.

Fase 3: go/no-go con cifras (1-2 semanas). Comparamos baseline vs piloto. Si los números no dan ROI, lo decimos y paramos. Si dan, escalamos al resto de obras y jefes de obra.

Fase 4: ajuste continuo. La IA aprende con cada obra. El modelo de patrones de incidencias se afina trimestre a trimestre.

La clave operativa: el jefe de obra no aprende un sistema nuevo. Trabaja con la app de dvproject construcción que ya conoce, simplemente con un icono más — el asistente — y con notificaciones inteligentes que antes no llegaban. El cambio de hábito es mínimo. El método completo está en método Davisa AI Studio.

Los límites honestos: lo que la IA no resuelve en obra

Tres frentes que conviene reconocer antes de firmar.

La experiencia técnica del jefe de obra es insustituible. Decidir si la armadura está bien resuelta, si la junta de hormigón pide replanteo, si el subcontratista de fontanería entiende el detalle del baño — eso es criterio humano y debe seguir siéndolo. La IA aporta velocidad y orden a lo operativo; no juicio técnico.

Obras muy pequeñas con poco dato. Para una obra de 2-3 meses con un único equipo y 200 partes de horas en total, los patrones no emergen y la inversión no se justifica. La IA en obra tiene sentido a partir de obras de duración media o de cartera con varias obras simultáneas.

Relaciones humanas con subcontratas conflictivas. La IA detecta el patrón (“este subcontratista genera incidencias sistemáticamente”), pero la conversación dura — la renegociación, el cambio de proveedor, la decisión política — sigue siendo del jefe de obra y la dirección. La IA da munición de datos, no resuelve la conversación.

Conclusión: el dato del jefe de obra es la mina, la IA es la palanca

El jefe de obra genera el dato operativo más rico de una constructora. En la mayoría de empresas con dvproject construcción implantado, ese dato está disponible y limpio — pero infrautilizado. La capa de IA encima desbloquea cuatro casos con ROI razonable según volumetría: asistente conversacional móvil, anticipación de modificados, patrones de incidencias y resumen ejecutivo por obra.

La IA no sustituye al jefe de obra. Le quita fricción para que dedique tiempo a lo importante: pisar la obra, coordinar al equipo, hablar con la propiedad. La métrica que más nos importa al medir un piloto: el jefe de obra deja de quemarse en papeleo y recupera capacidad de campo.

Si vuestra empresa ya tiene BC + dvproject construcción funcionando bien y queréis valorar una capa de IA encima, el primer paso es un discovery medible — no una compra a ciegas. Para empezar:

• Revisar la sección sectorial de IA en construcción para ver los casos completos por orden.
• Leer el método Davisa AI Studio — cómo medimos baseline, piloto y go/no-go.
• Mirar ERP industriales construcción y rentabilidad obra si todavía estáis evaluando si vuestro ERP base soporta lo que viene encima.
• Cruzar contra la comparativa de plataformas ERP para construcción si la decisión de plataforma sigue abierta.
• Abrir discovery de Davisa AI Studio cuando esté claro que el dato está, que el dolor está y que queréis cifrar el ROI antes de invertir.