Por Omar LazosPublicado: 16 oct 2026
Teníamos el rastreo GPS de la maquinaria desde hace años. Los datos estaban ahí, completos, en una plataforma que el gerente de mantenimiento usa para llevar la gestión. Lo que no teníamos era alguien que revisara el mantenimiento preventivo de cada equipo, todos los días, sin que se le pasara ninguno.
Eso hizo un agente de IA. En septiembre, comparado con mayo, los paros por mantenimiento de una flota de seis máquinas bajaron de 48 a 33 horas, 31% menos. Y las 33 horas que quedaron estaban programadas, así que no afectaron el programa de obra. Las horas que dejamos de perder se reflejaron directo en el avance de obra planeado: medido en metros cúbicos, 10% por encima de los meses anteriores.
Hay un detalle que me sigue pareciendo curioso: los operadores no saben que existe un agente de IA. Ellos creen que el departamento de mantenimiento tiene más personal y está más pendiente de ellos. Y en los hechos, los atienden. Cuento el caso con sus límites, porque cuatro meses es poco tiempo.
El problema, la atención se va a lo urgente
En mantenimiento hay dos tipos de trabajo. El correctivo llama la atención: una máquina se detuvo y hay que repararla ya. El preventivo no hace ruido: es la revisión que se hace para que la máquina no se detenga.
Con varios equipos en operación, la atención se va a lo urgente. A nuestro gerente de mantenimiento, que lleva la gestión desde hace años en la plataforma de rastreo, se le pasaba revisar el preventivo al 100%. No era falta de criterio: era falta de horas en el día. Nadie puede mirar todo, todos los días. Y cada preventivo sin revisar es una máquina que se acerca al correctivo y a las horas muertas.
En nuestra flota de movimiento de tierra, las horas muertas tenían una causa muy concreta: una máquina que no llega a tiempo al cambio de aceite, o que pierde niveles, se detiene. Y detrás había un problema de organización: los mecánicos no llevaban una agenda ordenada de los mantenimientos. Muchas veces el aviso lo daba el operador: se acordaba del cambio de aceite, lo exigía y detenía la máquina porque no quería correr riesgo. Funcionaba, pero dependía de la memoria de una persona, y el paro llegaba cuando ya urgía, no cuando convenía.
La flota que medimos tiene seis máquinas de movimiento de tierra: dos excavadoras, dos motoconformadoras y dos bulldozers.
Qué hace el agente, sin tecnicismos
Hace cuatro cosas:
- Extrae todos los días, por API, los datos de la plataforma de rastreo, donde los GPS de las máquinas reportan combustible, temperatura y movimiento. Esa plataforma ya existía: el agente no la reemplaza.
- Registra la hora de encendido y la hora de apagado de cada máquina.
- Controla el tiempo que cada equipo pasa en mantenimiento preventivo.
- Lleva una bitácora de mantenimiento correctivo.
Cada día hace un corte con esa información, arma reportes por equipo y los envía por correo a la dirección y a la administración de la empresa.
Lo hace con las horas de trabajo que cada máquina va acumulando, que la propia plataforma de rastreo registra. El cambio de aceite toca a los 30 días o a las 200 horas de trabajo, lo que ocurra primero, y el agente vigila ambos contadores. Cuando una máquina se acerca a cualquiera de los dos, lo agenda.
Hoy no da órdenes ni decide mantenimientos. Entrega la agenda por correo al gerente de mantenimiento, que la carga en la plataforma de rastreo y coordina al equipo. Quien decide y ejecuta sigue siendo una persona. Es un registro disciplinado que antes no existía, o que existía en pedazos. Si te interesa ver cómo funciona una automatización parecida en otro frente de la obra, lo expliqué en cómo automatizar reportes de obra con IA.
Un caso concreto, las dos excavadoras
Las dos excavadoras trabajaron horas extras. Ese ritmo adelantó el momento en que necesitaban el cambio de aceite, antes de que se cumplieran los 30 días del calendario. En nuestra flota el cambio de aceite toca a los 30 días o a las 200 horas de trabajo, lo que ocurra primero. Con las horas extras, las 200 horas llegaron antes que el día 30.
El agente lo detectó en los datos y lo puso en la agenda que envía por correo al gerente, sin esperar a que se cumplieran los 30 días. El gerente la cargó en la plataforma de rastreo y coordinó al equipo de mantenimiento. El cambio de aceite se hizo a tiempo y los equipos no sufrieron daños.
Esa es la diferencia entre mantener por calendario y mantener por uso real. Antes dependía de que alguien lo recordara. Ahora el agente revisa todos los días lo que cada máquina realmente trabajó.
Por qué campo no sabe que existe
Los operadores no saben que hay una IA. Lo que perciben es que el departamento de mantenimiento tiene más personal y está más pendiente de ellos. Esa percepción apunta a algo real: la atención aumentó. Lo que cambió no fue una persona más, sino que ahora ningún preventivo se queda sin revisión. No se sumó personal: al tener todo agendado, el mismo equipo trabaja de forma más ordenada. Y no se les explica del agente por una razón simple: no interactúan directo con él. Trabaja con los datos del GPS y entrega su agenda al gerente.
Hay una aclaración que me parece importante. Que campo no sepa que detrás hay un agente de IA no significa que no sepa que las máquinas tienen GPS y bitácora. Los GPS llevan más de 10 años en la flota y el personal ya está adaptado a ellos: lo nuevo no es el rastreo, sino cómo se gestionan sus datos. Lo que medimos es la máquina: horas de encendido y tiempos de mantenimiento. No es una herramienta para vigilar personas, y conviene decirlo con claridad desde el principio.
Lo que empezó a cambiar
A los cuatro meses empezamos a ver cambios en el comportamiento del personal. Son señales tempranas y no las voy a vender como una conclusión.
El cambio más importante lo protagoniza el gerente de mantenimiento. Al inicio verificaba en campo cada dato que le llegaba del agente, y eso nos dio fricción en los primeros meses de la implementación. Hoy revisa los correos del agente y confía en los datos.
En campo el cambio se nota de otra forma: los operadores perciben a un mantenimiento más atento.
Otro dato que ya vemos: en algunos casos, el mantenimiento preventivo evitó que el equipo llegara al correctivo, como en el caso de las excavadoras. Al gerente le tomó dos meses pasar de verificar en campo a confiar en los datos.
Mi lectura, y la doy como opinión y no como resultado medido: la confianza en el dato no llegó con una capacitación. Llegó con la repetición. Día tras día, el reporte coincidía con lo que el gerente veía en campo, hasta que dejó de necesitar comprobarlo.
Qué dicen las cifras y qué no
Lo que dicen: en septiembre, comparado con mayo, los cortes diarios del agente muestran que los paros por mantenimiento bajaron de 48 a 33 horas, 31% menos, y que las 33 horas de septiembre fueron programadas y no afectaron el programa de obra. Las horas que dejamos de perder se reflejaron directo en el avance de obra planeado, que medimos en metros cúbicos: 10% por encima de los meses anteriores. Fueron seis máquinas y un mes contra otro: una muestra pequeña.
Lo que no dicen: que la IA, por sí sola, produzca esos porcentajes. Entre mayo y septiembre pudieron cambiar otras cosas, como las lluvias, la carga de trabajo o los frentes activos. No hay grupo de control. Por eso son lo que detectamos en nuestra operación, no una promesa para la tuya.
Lo que aprendí, y lo que todavía no sé
Tres cosas hasta hoy:
- El dato ya existía; faltaba atención constante. Teníamos el GPS desde hace años. El agente no vio nada nuevo: miró todos los días, a todos los equipos, sin distraerse con lo urgente.
- La adopción es confianza, y la confianza tarda. En otro caso aprendí que la IA no se implementa, se adopta. Aquí el adoptante clave fue el gerente de mantenimiento: al inicio verificaba cada dato en campo y eso nos dio fricción; hoy lee los correos del agente y confía en ellos.
- El mantenimiento debe seguir al uso real, no al calendario. Dos excavadoras trabajaron horas extras y su cambio de aceite llegó antes de lo previsto. El agente lo agendó sin esperar los 30 días y los equipos no sufrieron daños. Esa es la diferencia entre reparar una máquina y no llegar a pararla.
Lo que todavía no sé: si la reducción de 31% se sostiene después del primer año, qué pasará cuando campo conozca el sistema y cómo cambiará la relación con los operadores cuando eso ocurra.
Esperamos que este mismo flujo mejore otras áreas de la empresa. Cuando tenga datos, los documento aquí. Así estamos empezando a adoptar la IA en nuestra empresa: un frente a la vez, midiendo antes de contar. Si quieres el panorama completo, está en la guía práctica de IA en construcción.
Preguntas frecuentes
¿Qué hace un agente de IA para el control de maquinaria en obra?
Extrae cada día, por API, los datos que envían los GPS de los equipos, registra encendidos y apagados, controla los tiempos de mantenimiento preventivo, lleva la bitácora de mantenimiento correctivo y envía reportes a dirección y administración.
¿Los operadores necesitan usar la IA?
En nuestro caso, no. Los operadores no saben que hay una IA y no interactúan con ella: perciben que mantenimiento está más pendiente de ellos.
¿Cuánto tarda en verse un resultado?
En nuestra operación empezamos a ver cambios de conducta a los cuatro meses. Depende del tamaño de la flota, de la calidad del registro previo y de qué tanto se use el reporte.
¿Qué porcentaje de horas muertas se puede recuperar?
En nuestro caso, en septiembre comparado con mayo, los paros por mantenimiento bajaron de 48 a 33 horas (31% menos) y los de septiembre fueron todos programados. No es una cifra para trasladar a otra empresa sin medir antes su punto de partida.
Fuentes y método
Cómo se obtuvieron las cifras de este artículo: datos propios de nuestra operación, tomados de los cortes diarios del agente.
- Periodo analizado: septiembre (30 días), comparado con mayo.
- Fuente de los datos: plataforma de rastreo GPS en uso desde hace más de 10 años, con sensores de combustible, temperatura y movimiento. El agente extrae los datos por API. Más las bitácoras de mantenimiento preventivo y correctivo.
- Flota: 6 máquinas de movimiento de tierra: 2 excavadoras, 2 motoconformadoras y 2 bulldozers.
- Horas de paro: horas en que la máquina se detiene por mantenimiento. En mayo fueron paros no programados: el operador recordaba el cambio de aceite, lo exigía y la máquina se detenía porque no quería correr riesgo. En septiembre fueron paros programados.
- Resultado: mayo, 48 horas de paro. Septiembre, 33 horas, todas programadas.
- Avance directo: avance de obra planeado, medido en m³ y comparado con los meses anteriores.
- Otras variables: pudieron influir lluvias, carga de trabajo y frentes activos. No hay grupo de control.
Las cifras son referencias, no una promesa de resultados: dependen del tipo de proyecto, de la calidad de los datos de partida y del proceso de cada empresa.
Si operas maquinaria propia
Si no tienes claro cuántas horas pierdes por mantenimiento, ese es un buen primer dato. Escríbeme y revisamos cómo medirlo. Me encuentras en LinkedIn.
www.linkedin.com/in/omar-lazos
Omar Lazos
Ingeniero civil, fundador de Simmtech AI y creador de PROBIM y SmartVal. Escribe sobre IA aplicada a construcción, BIM, valuación inmobiliaria y PropTech a partir de lo que construye y opera en sus propias empresas.
