Por Kathya Santoyo

La inteligencia artificial se encuentra en un punto de inflexión dentro del sector de infraestructura. Lo que hace apenas unos años era una promesa experimental, hoy comienza a integrarse en las fases críticas de diseño, construcción y operación. En el marco del Year in Infrastructure and Going Digital Awards 2025, celebrado en Ámsterdam, Bentley Systems presentó el panel “From Hype to Hope: The State of Infrastructure AI”, una conversación entre especialistas de ingeniería, derecho y consultoría sobre la adopción real de la IA en proyectos complejos.

Moderado por Mark Coates FCIHT, FCInstCES, vicepresidente de Infrastructure Policy Advancement en Bentley Systems, el panel abordó los resultados de un estudio global elaborado por la firma Pinsent Masons en colaboración con el Institute of Civil Engineers, Mott MacDonald y Turner & Townsend. Los hallazgos reflejan que la inteligencia artificial ya no es una tendencia emergente, sino un componente operativo en la planeación de infraestructura a gran escala.

“El 68% de las organizaciones del sector ya cuenta con políticas activas de inteligencia artificial, y 40% ha iniciado su implementación en procesos críticos”, explicó Coates. “El reto no es la adopción, sino la confianza: cómo aseguramos que las decisiones automatizadas se alineen con la seguridad, la ética y la eficiencia técnica”, afirmó.

Junto a Coates participaron Anne-Marie Friel, socia de Pinsent Masons; Yeun Jin Kim, líder técnica de IA en Mott MacDonald; y Guy Beaumont, director y líder de consultoría digital en Turner & Townsend.

Los panelistas coincidieron en que la inteligencia artificial ha pasado de ser un experimento aislado a un componente estructural en la planeación, diseño y operación de proyectos de infraestructura. Sin embargo, advirtieron que la adopción apresurada, sin una base de datos confiable o una gobernanza sólida, puede comprometer los resultados y la confianza en el sistema.

Beaumont explicó que muchas empresas han superado la etapa experimental de pilotos aislados para avanzar hacia modelos más estructurados. “Las organizaciones deben fortalecer su arquitectura de datos, garantizar la trazabilidad y adoptar prácticas de DevOps que aseguren calidad, cumplimiento y productividad”, señaló. Subrayó además que la preparación de infraestructura tecnológica y la gobernanza corporativa son pasos críticos para lograr una adopción eficaz.

Desde una perspectiva jurídica, Anne-Marie Friel puntualizó que el éxito de la IA en infraestructura no depende únicamente de la tecnología. “Se pierde de vista el valor cuando se prioriza la herramienta sobre el modelo de negocio. Las empresas deben enfocarse en crear marcos contractuales y colaborativos que generen confianza entre los participantes”, expresó. Para Friel, la adopción responsable exige fundamentos sólidos en ética, transparencia y gobernanza de datos. “Los resultados deben ser confiables, justos y sostenibles. Sin esas bases, todo el sistema se convierte en una casa de naipes”, advirtió.

Valor, confianza y trazabilidad

El debate giró también en torno al impacto de la IA en la percepción del valor dentro de las organizaciones. Beaumont explicó que el verdadero cambio no está en la automatización, sino en la redefinición de cómo se mide y se captura el valor generado por los datos. “Estamos migrando de un modelo centrado en el tiempo humano a uno impulsado por resultados integrados, donde los sistemas tecnológicos complementan las capacidades de los equipos”, señaló.

Coates retomó el tema destacando la importancia de construir confianza en la toma de decisiones automatizadas. “Las decisiones en infraestructura tienen consecuencias reales; deben poder explicarse y auditarse. La trazabilidad es esencial para mantener la confianza del mercado”, sostuvo. Esta visión fue reforzada por Yeun Jin Kim, quien señaló que el reto no es solo técnico: “Las organizaciones necesitan comprender sus propios datos antes de confiar en los resultados de la IA. Sin una estructura clara y una cultura de datos, los algoritmos no pueden generar valor confiable”.

Los cimientos de la madurez digital

El consenso del panel fue que la próxima etapa de adopción requiere bases comunes de datos, interoperabilidad y calidad sostenida. La especialista de Mott MacDonald explicó que muchas empresas están retrocediendo a los fundamentos para fortalecer su infraestructura de datos. “La estandarización de procesos y la consistencia en la descripción de sistemas son pasos indispensables. No se trata de implementar IA por moda, sino de garantizar que los datos sean reutilizables, seguros y de calidad continua”, afirmó.

Beaumont añadió que la profesionalización técnica será un factor determinante. “No buscamos convertir a los ingenieros en científicos de datos, sino empoderarlos con herramientas y conocimiento para tomar decisiones más informadas”, comentó. Mencionó la creación de grupos de trabajo especializados y la integración de expertos en analítica dentro de los equipos de proyecto como una estrategia efectiva para acelerar la curva de aprendizaje.

Finalmente, los ponentes delinearon los tres ejes que marcarán la agenda ejecutiva de la IA en infraestructura durante los próximos años: propósito, colaboración y confianza.

Coates resumió: “Definir el propósito antes de aplicar la tecnología es esencial. Después viene la colaboración entre disciplinas y, finalmente, la confianza, que debe construirse con transparencia y responsabilidad”.

Friel complementó la visión enfatizando la necesidad de modelos de gobernanza que actúen como habilitadores y no como obstáculos. “La gobernanza debe centrarse en principios, no en barreras. Las organizaciones deben respetar la capacidad de adaptación de su gente y acompañar ese proceso”, señaló. Kim, por su parte, insistió en que los próximos tres años estarán marcados por la consolidación técnica. “Las compañías están dejando atrás la experimentación y enfocándose en asegurar que las soluciones sean técnicamente sólidas, seguras y compatibles con los estándares regulatorios”, concluyó.