Evaluación predictiva de riesgos mediante inteligencia artificial y la gestión del cronograma en proyectos de infraestructura vial en Trujillo, 2025

Samuel Demetrio Julca Infantes; Marco Antonio Marcos Rodríguez

doi:10.46363/warmi.v5i1.8.

Autores/as

Samuel Demetrio Julca Infantes Universidad Católica de Trujillo https://orcid.org/0009-0006-5194-2219
Marco Antonio Marcos Rodríguez https://orcid.org/0000-0002-6680-826X

DOI:

https://doi.org/10.46363/warmi.v5i1.8.

Palabras clave:

inteligencia artificial, riesgos predictivos, gestión del cronograma, infraestructura vial

Resumen

La presente investigación tuvo como objetivo determinar la relación entre la evaluación predictiva de riesgos mediante inteligencia artificial (IA) y la gestión del cronograma en proyectos de infraestructura vial en Trujillo durante el año 2025. El estudio se desarrolló bajo un enfoque cuantitativo, con diseño no experimental, transversal y correlacional, utilizando una muestra de 120 profesionales vinculados a obras viales públicas. Se emplearon encuestas estructuradas como técnica de recolección de datos y análisis estadístico mediante el coeficiente de Spearman. Los resultados revelaron una correlación positiva moderada y significativa entre ambas variables (ρ = .505; p < .001), así como asociaciones relevantes entre las dimensiones de captura de datos y planificación (ρ =
856), y entre algoritmos predictivos y ejecución del cronograma (ρ = .516). No se encontró relación significativa entre alertas automatizadas y el control del cronograma. Se concluye que la integración de herramientas predictivas basadas en IA mejora la planificación y ejecución de obras viales, aunque persisten desafíos en su aprovechamiento para el control del cronograma.

Citas

Al-Sinan, M., Al-Hussein, M., & Bouferguene, A. (2024). An AI-powered planning automation framework for construction projects using machine learning and building information modeling (BIM). Automation in Construction, 155, 105112. https://doi.org/10.1016/j.autcon.2023.105112

Arias, F. (2020). El proyecto de investigación: Introducción a la metodología científica (7.ª ed.). Episteme.

Asociación Médica Mundial. (2013). Declaración de Helsinki – Principios éticos para las investigaciones médicas en seres humanos.

Bermúdez Pulgarín, A., Linares Forero, C., & Mutumbajoy Muchavisoy, J. (2025). Impacto de la Inteligencia Artificial en la ejecución y gestión de proyectos de construcción de vías en Cundinamarca. https://hdl.handle.net/10882/14944

Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta (6.ª ed.). McGraw-Hill.

Kalogiannidis, S., Kontsas, S., & Chatzitheodoridis, F. (2024). Artificial intelligence applications in project risk management: A quantitative study. International Journal of Project Management, 42(3), 317–329.

https://doi.org/10.1016/j.ijproman.2023.12.004

Mohajeri, B., Rezaei, S., & Ghasemi, A. (2021). Risk assessment in road construction projects using analytic hierarchy process (AHP): Evidence from Iran. Journal of Construction Engineering and Management, 147(8), 04021074. https://doi.org/10.1061/(ASCE)CO.1943-7862.0002055

Navarro, J. (2023). Limitaciones estructurales en la gestión de proyectos de infraestructura pública en el Perú. Revista Peruana de Administración y Políticas Públicas, 5(2), 55–72.

PMI (Project Management Institute). (2021). A guide to the project management body of knowledge (PMBOK® Guide) (7th ed.). Project Management Institute.

Pinedo Huamán, R. (2023). Gestión del cronograma y ejecución de obras públicas en gobiernos locales de Ayacucho. Revista de Ingeniería y Gestión, 15(2), 78–92.

Supo, J., & Zacarías, R. (2024). Metodología de la investigación científica aplicada. Fondo Editorial Universitario.

Tian, Y., Li, X., & Zhang, H. (2025). Artificial intelligence for predictive risk management in infrastructure projects Opportunities and challenges. Journal of Civil Engineering and Management, 31(2), 145–160.

https://doi.org/10.3846/jcem.2025.20345

Yacila Espinoza, M., & Luján Johnson, P. (2025). Gestión predictiva de riesgos en proyectos viales en América Latina: un enfoque basado en inteligencia artificial. Revista Latinoamericana de Ingeniería de Proyectos, 14(1), 50–66.

Yaseen, Z. M., Deo, R. C., & Kisi, O. (2021). Application of artificial intelligence models for delay risk prediction in highway projects. Automation in Construction, 129, 103827. https://doi.org/10.1016/j.autcon.2021.103827.