Presupuesto de obra con IA: qué acelera de verdad y dónde te miente

Un presupuesto impecable que en obra explotó

Probamos una de estas herramientas nuevas en un anteproyecto de vivienda en Asunción, cargamos el modelo, apretamos el botón y en minutos teníamos un presupuesto que daba gusto mirar: rubros clasificados, análisis de precios unitarios armados solos, cantidades al gramo, un PDF que cualquiera firmaría. El entusiasmo duró hasta que arrancó la obra y los muros de un núcleo húmedo aparecieron con un espesor que en el modelo estaba mal, heredado de una versión vieja que nunca se depuró. La cantidad de mampostería estaba equivocada desde el origen, y la IA la había computado, valorizado y presentado con una prolijidad que hacía imposible sospechar del número. El presupuesto de obra con IA no había mentido: había repetido, más rápido y más lindo, una mentira que ya estaba en el modelo. Ese día entendimos dónde acelera de verdad esta tecnología y dónde solo acelera el error.

Porque hay una confusión de base que el marketing de estas plataformas alimenta: se habla de "presupuestar con IA" como si computar y presupuestar fueran lo mismo. No lo son. Computar es medir cantidades — cuántos metros cúbicos de hormigón, cuántos metros cuadrados de revoque. Presupuestar es asignarles precio, rendimiento y condiciones de mercado a esas cantidades. La IA entra en los dos, pero con niveles de confiabilidad muy distintos, y confundirlos es lo que hace que un estudio termine con un número rápido en vez de un número correcto.

Qué automatiza de verdad la IA en cómputos y presupuestos

Empecemos por lo que sí funciona, porque es real y no es poco. Herramientas como Budquo, metroKUBIKO, PresconIA o Esfera AI atacan las tareas más mecánicas del proceso, y ahí genuinamente devuelven horas de trabajo que antes se iban en planillas.

Lo primero es la reutilización del histórico de precios. Un estudio que presupuestó veinte obras tiene, disperso en veinte planillas distintas, un conocimiento de rendimientos y costos que ningún presupuestista recuerda completo. La IA lo indexa, lo cruza y lo trae al análisis nuevo: cuando cargás un rubro, te sugiere el APU que usaste en una obra parecida en vez de armarlo de cero. Eso no es magia, es memoria organizada — pero organizar esa memoria a mano era carísimo y casi nadie lo hacía.

Lo segundo es la generación de análisis de precios unitarios y descompuestos. Armar un APU implica desagregar un rubro en materiales, mano de obra, equipos y rendimientos, y hacerlo para cientos de ítems es donde el presupuestista pierde días. Una IA entrenada con bases de precios arma el descompuesto en segundos y deja que el humano corrija, en vez de construir. Cambia el trabajo de escribir por el trabajo de auditar, que es mucho más rápido.

Lo tercero, y para nosotros lo más valioso, es comparar versiones. Cuando el proyecto cambia — y siempre cambia — saber qué rubros se movieron entre la versión tres y la cuatro del presupuesto, y cuánto, era un ejercicio manual y propenso al olvido. Acá la IA brilla: te muestra el delta, rubro por rubro, y convierte el control de cambios económico en algo consultable en el momento. Es la misma lógica que defendemos cuando hablamos de lo que un modelo 5D puede y no puede hacer por tu presupuesto: el valor no está en el número final, está en la trazabilidad de cómo se llegó a él.

El problema de fondo que la IA no resuelve

Ahora la parte incómoda. Todo lo anterior acelera la medición y la valorización de algo que ya existe. Y ese "algo" es un modelo, o unos planos, o una lista de rubros que alguien definió antes. La IA opera sobre esa entrada, y hereda todos sus defectos sin cuestionar ninguno. Basura entra, basura sale — la regla más vieja de la informática se aplica acá con crueldad, porque el resultado no parece basura: parece un presupuesto profesional.

Si el cómputo sale de un modelo BIM incompleto, con elementos duplicados, superpuestos o mal clasificados, la IA te va a dar cantidades que se ven precisas y no lo son — exactamente el peor escenario, porque un número obviamente malo se detecta y uno prolijamente malo se firma. Si sale de planos desactualizados, vas a presupuestar una obra que ya no es la que se va a construir. La velocidad, en estos casos, juega en contra: te entrega el error terminado antes de que tengas tiempo de dudar de él.

Y esto conecta con algo que venimos sosteniendo hace tiempo. Los sobrecostos de obra no nacen donde se facturan, nacen meses antes, en documentación incompleta y decisiones que se postergaron. La IA de presupuesto no toca ninguna de esas causas raíz. No completa la documentación que falta, no obliga al promotor a decidir a tiempo, no releva el terreno que nadie estudió. Acelera la medición de lo que ya está bien o mal definido — y si está mal definido, lo único que hace es que te enteres del número equivocado más rápido y con más confianza de la que merecés. Automatizar un proceso roto no lo arregla: lo hace fallar a mayor velocidad.

Cómo lo usamos sin creerle de más

Nuestra postura no es rechazar estas herramientas — las usamos, y nos ahorran tiempo real. Es no dejar que la prolijidad del output sustituya la validación de la entrada. Y para eso el flujo importa más que el software.

Lo primero es que el cómputo se valida contra el modelo, no contra la intuición. Antes de dejar que la IA mida, el modelo pasa por auditoría: geometría depurada, elementos clasificados con criterio único, versiones controladas. Un cómputo automático sobre un modelo sucio es más peligroso que un cómputo manual sobre un modelo limpio, porque el manual al menos obliga a mirar cada elemento. Esto es todo el argumento del BIM 5D llevado un paso más lejos: la IA solo hereda la calidad del modelo que la alimenta.

Lo segundo es separar tajantemente las dos operaciones. Dejamos que la IA compute con fuerza — que mida, que clasifique, que traiga cantidades — pero el presupuestar sigue teniendo criterio humano encima: rendimientos ajustados a la obra real, condiciones de mercado local, desperdicios que la planta baja de una obra en la región no respeta igual que un manual. La IA propone el descompuesto; el presupuestista decide si ese descompuesto cierra constructivamente y no solo matemáticamente.

Lo tercero es tratar el número como una hipótesis trazable, no como una verdad. Cada cantidad tiene que poder rastrearse hasta el elemento del modelo que la generó. Si un rubro no se puede explicar contra el modelo, no es un dato: es una alarma. Esa disciplina de trazabilidad es la que convierte la velocidad de la IA en algo confiable en vez de solamente veloz.

La velocidad no es el problema; la fe sí

La IA de cómputo y presupuesto es una de las mejores cosas que le pasaron al trabajo tedioso del sector, y quien no la incorpore va a quedar midiendo con escalímetro mientras el resto mide con el modelo. Pero acelerar una medición no es lo mismo que garantizar que la medición esté bien, y la trampa de estas herramientas es justamente que su prolijidad invita a saltarse ese paso. Un presupuesto vale exactamente lo que vale el modelo del que sale, ni un guaraní más. La IA no cambió esa regla — solo la volvió más fácil de olvidar.

Esto es parte de una discusión más amplia que venimos dando sobre qué es real y qué es demo en la IA aplicada a la arquitectura, donde el patrón se repite: la herramienta acelera, pero el criterio sobre qué acelerar sigue siendo humano. Si estás evaluando incorporar IA de presupuesto a tu proceso y querés que la velocidad no se te convierta en errores más rápidos, conversemos — el primer paso casi nunca es el software, es el modelo que lo alimenta.

Para el marco conceptual detrás de "basura entra, basura sale", el principio de calidad de datos está bien documentado en el glosario técnico del NIST sobre integridad de datos, y vale la pena leerlo antes de confiar un presupuesto a cualquier automatización.