Page 21 - Revista - CICDECH 207 - Rood

INTELIGENCIA ARTIFICIAL EN LA CONSTRUCCIÓN

La IA no debe concebirse solo como una herra-
mienta tecnológica, sino como un componente es-
tratégico para la resiliencia de la infraestructura del
transporte. Su adopción en México requiere una vi-
sión sistémica que combine innovación, gobernan-
za, colaboración interinstitucional y actualización
normativa alineada con estándares internacionales
de inspección y con políticas de resiliencia climática
y financiamiento sostenible.

Recomendaciones para México

Figura 2. Análisis de la SHM realizada en el IMT. Fuente: IMT (2024); Porres et al (2025). • Estandarizar los datos, consolidando inventa-
rios y habilitando repositorios nacionales que
En términos generales, la adopción de IA puede aportar en: mitiguen sesgos (Qiao et al., 2021; AASHTO,
2019/2022/2024/2025).
• Reducir los costos del ciclo de vida por mantenimiento predictivo y asignación • Implementar proyectos piloto en infraestruc-
óptima de recursos (Eneyew, et al., 2022; Mousavi et al., 2024). turas críticas, instrumentando y evaluando mo-
• Mejorar la precisión diagnóstica con detección temprana y cuantificación ob- delos predictivos con métricas de desempeño
jetiva del deterioro (Zhang et al., 2022; Mousavi et al., 2024). y análisis costo-beneficio (Eneyew, et al., 2022).
• Acelerar la respuesta posterior a eventos extremos, priorizando inspecciones • Fortalecer la normatividad y capacitación, ho-
con evidencia visual y puntuaciones de severidad (Mousavi et al., 2024). mogeneizando lineamientos e incorporando
• Fortalecer la planificación resiliente con simulación de escenarios y evaluación anexos técnicos; formar perfiles mixtos (inge-
multicriterio (Mousavi et al., 2024). niería–datos) en agencias y centros académicos
(AASHTO, 2019/2022/2024/2025).
En la Figura 3 se muestra una comparativa de aplicaciones y tecnologías IA que pue-
den ser utilizadas para el desarrollo de proyectos de gestión de la infraestructura del Referencias:
transporte.

DISEÑO ASISTIDO MANTENIMIENTO AASHTO. (2019/2022/2024/2025). Manual for Bridge
PREVENTIVO Element Inspection. [store.tran...tation.org]
AUTOMATIZACIÒN Eneyew, D. D., Capretz, M. A. M., & Bitsuamlak, G. T.
DE INSPECCIONES 0 1 2 34 5 MONITOREO EN APRENDIZAJE (2022). Toward smart-building digital twins: BIM and
TIEMPO REAL AUTOMÀTICO IoT data integration. 10.1109/ACCESS.2022.3229370
SIMULACIÒN DE Mousavi, V., Rashidi, M., Mohammadi, M., & Sama-
ESCENARIOS VISIÒN POR li, B. (2024). Evolution of digital twin frameworks in
EXTREMOS COMPUTADORA bridge management: Review and future directions.
https://doi.org/10.3390/rs16111887
INTERPRETABILIDAD GEMELOS Porres, A., Carrión, F. & Abarca, E. (2025) Estudio ex-
DIGITALES ploratorio de la inteligencia artificial como estrategia
para la resiliencia de puentes. Descarga archivo - Ins-
IA GENERATIVA tituto Mexicano del Transporte
Qiao, W., Ma, B., Liu, Q., Wu, X., & Li, G. (2021). Compu-
SISTEMAS ter vision based bridge damage detection using deep
EXPERTOS CNN with EMA module. https://doi.org/10.3390/
s21030824
NORMATIVIDAD Sonbul, O. S., & Rashid, M. (2023). Algorithms and
techniques for SHM of bridges: Systematic review.
Figura 3. Aplicaciones de IA en infraestructura del transporte. Fuente: Porres et al. (2025). https://doi.org/10.3390/s23094230 AÑO 34, NÚM. 207 MAR-ABR 2026
Sun, L., Shang, Z., Xia, Y., Bhowmick, S., & Nagara-
Limitaciones y desafíos jaiah, S. (2020). Review of bridge SHM aided by big
data and AI. https://doi.org/10.1061/(ASCE)ST.1943-
Persisten retos que condicionan la escalabilidad de estas tecnologías, entre los que 541X.0002535.
destacan: Ye, X. W., Ma, S. Y., Liu, Z. X., Ding, Y., Li, Z. X., & Jin, T.
(2022). Post earthquake bridge damage recognition
• Mejorar la calidad y gobernanza de datos, atendiendo procesos de curación, via UAV + deep learning approach. 10.1002/stc.3128
sesgos y trazabilidad que limitan la generalización de modelos; se requieren Zhang, G. Q., Wang, B., Li, J., & Xu, Y. L. (2022). The
inventarios estandarizados y protocolos de validación (Eneyew, et al., 2022; application of deep learning in bridge health mo-
Mousavi et al., 2024). nitoring: A literature review. https://doi.org/10.1186/
• Avanzar en la interoperabilidad entre plataformas BIM, IoT, SHM y analítica s43251-022-00078-7
(Qiao et al., 2021; Ye et al., 2022).
• Actualizar el marco normativo para una incorporación explícita y estandariza-
da de guías operativas.

Conclusiones

Este artículo puede favorecer a los tomadores de decisiones en la adopción tecnoló-
gica alineada con las prioridades globales de infraestructura resiliente; organismos in-
ternacionales subrayan que al integrar la resiliencia en la planeación, diseño, financia-
miento y operación subrayan que al integrar reduce pérdidas económicas y sociales,
fomentando inversiones con criterios de adaptación y gestión de riesgos.

19