Page 20 - Revista - CICDECH 207 - Rood

INTELIGENCIA ARTIFICIAL EN LA CONSTRUCCIÓN

M. en C. Adriana
Guadalupe Porres

Inteligencia artificialLópez,

M. en I. Danae
Vilchis Hernández

y M. en I. Emilio

como estrategia paraAbarcaPérez

Instituto
Mexicano del

promover la resilienciaTransporte(IMT)

CICDECH,
AÑO 34, NÚM.

de la infraestructura207/
del transporteMAR-ABR2026

L a resiliencia de la infraestructura del transporte es crítica para la seguridad para planear, simular y documentar decisiones, mejo-
vial y la continuidad logística, especialmente ante el envejecimiento de la rando trazabilidad y productividad. Las revisiones des-
infraestructura, el aumento de cargas y los impactos del cambio climático. criben arquitecturas que integran sensores, modelos
La inteligencia artificial (IA) y los enfoques basados en datos están transfor- físicos y analítica para soporte de decisiones a lo largo
mando el monitoreo, la evaluación y el mantenimiento de la infraestructu- del ciclo de vida de la infraestructura (Zhang et al., 2022;
ra, al pasar de prácticas reactivas a estrategias predictivas y proactivas. Las revisio- Mousavi et al., 2024).
nes recientes muestran que la IA puede aplicarse de manera eficiente para extraer
datos que mejoran la detección y el diagnóstico de daño (Sun et al., 2020; Eneyew, Para la infraestructura en servicio, el énfasis está en
et al., 2022). la SHM con enfoques de aprendizaje supervisado y
redes profundas que pueden mejorar la detección de
El objetivo de este artículo es analizar el potencial de la IA como estrategia para for- anomalías, la estimación de daño y el pronóstico de
talecer la resiliencia de la infraestructura del transporte, a partir de una revisión del deterioro (Eneyew, et al., 2022; Mousavi et al., 2024).
estado del arte y de experiencias de implementación nacionales e internacionales. Mediante la visión por computadora y variantes aten-
cionales se puede realizar la detección de grietas y des-
Metodología prendimientos en superficies de concreto (Qiao et al.,
2021; Mousavi et al., 2024).
El estudio se fundamenta en una revisión sistemática de publicaciones científicas,
reportes técnicos y experiencias de implementación. Se consultaron fuentes en- Para evaluar la respuesta ante eventos extremos la IA
tre 2017 y 2025 que cubren avances metodológicos de aprendizaje automático y puede clasificar daños y realizar la priorización de ins-
profundo, marcos de digitalización (BIM–Digital Twin), lineamientos AASHTO de ins- pecciones y cierres, con modelos transfer learning que
pección a nivel de elemento y experiencias nacionales de Técnicas de Monitoreo de alcanzan desempeños útiles en conjuntos de imáge-
Salud Estructural (SHM) (Mousavi et al., 2024; AASHTO, 2025; Porres et al., 2025). Se nes moderados, reduciendo tiempos de respuesta (Ye
identificaron las tecnologías relevantes, consultar Figura 1, y algoritmos generati- et al., 2022; Mousavi et al., 2024; Porres et al., 2025).
vos. El análisis incluyó criterios de aplicabilidad, costo-beneficio, interoperabilidad y
sostenibilidad. La rehabilitación y modernización puede realizarse me-
diante DT que combinan IoT, nubes de puntos (UAV/
TLS) y modelos analíticos que permitan evaluar esce-
narios de intervención, coordinar obras y documentar
desempeño; la integración BIM–IoT puede resolver la
interoperabilidad semántica para explotar datos en
tiempo real (Mousavi et al., 2024; Ye et al., 2022).

AÑO 34, NÚM. 207 MAR-ABR 2026 Resultados

A nivel internacional, las revisiones de referencia subra-
yan la madurez creciente de la IA, aunque con retos en
curación de datos, explicabilidad y validación en campo
(Sun et al., 2020; Eneyew, et al., 2022).

Figura 1. Tecnologías aplicadas a la infraestructura del transporte. Fuente: elaboración El Instituto Mexicano del Transporte (IMT) cuenta con
propia. casos documentados de implementación en la SHM (p.
ej., Río Papaloapan y El Carrizo, consultar Figura 2) pro-
Aplicaciones de IA porcionandobeneficiosenevaluación,costosyseguridad
operacional, demostrando valor costo-beneficio cuando
En etapas tempranas, la IA puede contribuir a la optimización topológica, control existenincertidumbres estructurales o ambientalessigni-
de calidad automatizado y la creación de gemelos digitales (DT) integrados con BIM ficativas (Zhangetal., 2022; Porresetal.,2025).

18