Volver a casos
Construcción / Mass-Timber (CLT) Primeras 8 semanas

Startup de construcción industrializada en madera CLT

De perder cotizaciones por lentitud a responder en minutos con un cotizador AI-native

Una startup de construcción industrializada en un mercado de alta fricción comercial no podía darse el lujo de cotizar manualmente cada consulta. Construimos un cotizador AI-native que procesa planos de obra y devuelve un presupuesto desglosado en minutos, con revisión humana antes de salir al cliente.

Grabado de una mesa de planos y una máquina de cálculo convirtiendo documentación de obra en una cotización revisable
Resumen

Una startup de construcción industrializada en un mercado de alta fricción comercial no podía darse el lujo de cotizar manualmente cada consulta. Construimos un cotizador AI-native que procesa planos de obra y devuelve un presupuesto desglosado en minutos, con revisión humana antes de salir al cliente.

Costo bajo por consulta automatizada
Alta fricción en el mercado local de cotización
DWG/DXF parsing automático de planos de obra
El contexto

Qué estaba bloqueando la operación

En la industria de la construcción industrializada en LATAM, la matemática comercial exige velocidad: hay que responder muchas oportunidades para convertir pocas obras. La diferencia no es solo de mercado; es de capacidad de respuesta.

01

La situación antes

En la industria de la construcción industrializada en LATAM, la matemática comercial exige velocidad: hay que responder muchas oportunidades para convertir pocas obras. La diferencia no es solo de mercado; es de capacidad de respuesta.

01Alta fricción de conversión — un proceso de cotización formal y lento era económicamente inviable para el volumen de consultas.

02Dependencia de un ingeniero de referencia que era reacio a compartir sus estándares de cálculo — porque entendía que la herramienta podía desplazar parte de su trabajo.

03Parte de un grupo industrial con estructura corporativa rígida y herramientas heredadas que no siempre acompañaban el trabajo de campo.

04Sin equipo de IT propio para este frente — las herramientas se definían desde arriba y muchos usuarios de campo necesitaban adopción guiada.

05El fundador operador tenía las reglas de cálculo en la cabeza — el conocimiento existía, pero todavía no estaba convertido en reglas editables y revisables.

06Sin tablas de precios unitarios propias — los cálculos usaban benchmarks públicos que necesitaban validación contra costos reales.

02

Timeline

Mapeamos las reglas de cálculo del fundador y construimos un primer prototipo.

Semana 1-2

Discovery y primera demo

Mapeamos las reglas de cálculo del fundador y construimos un primer prototipo.

  • Extracción de las heurísticas de cálculo (m³ por m², variación por altura, tipos de panel).
  • Prueba end-to-end sobre un plano real, con presupuesto desglosado y revisión del fundador.
  • El fundador inmediatamente empezó a editar precios unitarios, márgenes y contingencia.
Semana 3-4

Parsing de planos y reglas editables

Implementamos el procesamiento de archivos de diseño.

  • Parser de DWG/DXF que extrae metadata línea por línea (superficies, alturas, divisiones).
  • Fallback a imagen para clientes que no tienen archivos CAD.
  • Rulesets editables por tipo de construcción (vivienda unifamiliar, condominio hasta 5 pisos).
  • Indicador de confianza (baja/alta) en la extracción, con visibilidad de qué asumió la IA.
Semana 5-6

Intake web y flujo de revisión

Construimos la interfaz de cara al cliente y el flujo de validación interno.

  • Formulario web que acepta DWG/DXF (y fallback a imagen) desde el cliente.
  • Back-office de revisión con human-in-the-loop: el fundador ve el desglose, ajusta si es necesario, y recién ahí sale al cliente.
  • Desglose itemizado: m³ de paneles, columnas, losas, precios individuales.
  • Costo operativo bajo por consulta automatizada.
Semana 7-8

Validación y preparación para uso comercial

Ajustes finales antes de usar la herramienta con clientes reales.

  • Validación de cálculos contra las heurísticas del fundador y del ingeniero civil.
  • Debugging de casos donde la IA interpretó mal la estructura de un plano.
  • Override de reglas base por limitaciones de maquinaria (ej. espesor máximo de panel de 75mm).
  • Preparación para uso activo en ventas.
03

Lo que encontramos al entrar

Conversión comercial Alta fricción
Benchmarks externos Mejores, pero no extrapolables al mercado local
Tablas de precios validadas Pendientes de validación interna
Reglas de cálculo codificadas Conocimiento experto todavía no sistematizado
Equipo técnico propio para este frente Limitado
Software del holding Heredado, rígido, bajo adopción

Hallazgos

  • La etapa de pre-cotización era el cuello de botella real: clientes mandaban planos y la respuesta tardaba días porque dependía del ingeniero.
  • Los estándares de cálculo existían como heurísticas mentales, no como reglas codificadas.
  • El grupo tenía un service desk muy manual, con demoras relevantes entre creación y ejecución de tickets.
  • La operación de obra seguía apoyándose en WhatsApp para reportes, planillas y coordinación con proveedores.
  • La gestión de proyectos de construcción se llevaba en Excel, con poca trazabilidad de versiones.
  • No había seguimiento financiero contra cronogramas de pago contractuales.
04

Lo que shipeamos

Motor de pre-cotización que toma un plano y devuelve un presupuesto desglosado.

Cotizador AI-native

Motor de pre-cotización que toma un plano y devuelve un presupuesto desglosado.

  • Parsing de DWG/DXF con extracción de superficies, alturas y divisiones.
  • Cálculo basado en rulesets editables (m³ por m², tipo de panel, contingencia).
  • Desglose completo: paneles CLT, columnas, losas, precios unitarios, margen.
  • Costo operativo bajo por consulta, viable para mercados de alta fricción comercial.

Sistema de reglas editables

Cada tipo de obra tiene sus propias reglas, y el fundador puede ajustarlas sin tocar código.

  • Criterio experto interno codificado: vivienda unifamiliar, condominio, reglas por altura.
  • Override por proyecto para limitaciones de maquinaria o materiales no estándar.
  • Modular: CLT ahora, GLT/concreto después; pre-cotización ahora, cotización formal y producción después.

Flujo human-in-the-loop

El presupuesto no sale sin que alguien lo mire.

  • Vista previa completa del desglose antes de enviar al cliente.
  • Indicador de confianza: la IA muestra qué asumió (ej. "interpreté 1 plano como 2 pisos").
  • El fundador edita precios, márgenes y contingencia antes de confirmar.

Intake web para clientes

Formulario simple para que el cliente suba su plano y reciba respuesta rápida.

  • Acepta DWG/DXF y fallback a imagen.
  • Límites de tamaño de archivo configurables.
  • Vista cenital, un archivo por piso, proyectos residenciales.
05

Impacto visible

Lo que antes tardaba días (esperar al ingeniero, calcular manualmente, armar el presupuesto) ahora tarda minutos de revisión.

Velocidad de respuesta comercial

Lo que antes tardaba días (esperar al ingeniero, calcular manualmente, armar el presupuesto) ahora tarda minutos de revisión.

Tiempo de respuesta a consultaDías (dependencia del ingeniero)Costo por cotizaciónHoras de ingenieroCapacidad de cotizaciónLimitada por persona
  • En un mercado de alta fricción, la única forma de cerrar más obras es cotizar más rápido. El cotizador lo hace económicamente viable.
  • El fundador puede responder a una consulta el mismo día en vez de ponerla en cola.

Posicionamiento AI-native

La herramienta no es solo operativa — es un statement de marca.

  • El co-fundador lo definió: "AI-native, ni siquiera AI-first. Que arranquen con AI. Entonces, todo lo que es el pipeline, cuando sea eso, se piensa primero como agentes."
  • La velocidad de adopción de nuevas herramientas de IA fue un diferenciador en sí: "Salió la herramienta nueva y a los quince minutos ya la estamos usando."
  • El potencial de expandir la herramienta al resto del holding (3.000+ empleados) convierte este proyecto en una plataforma, no en un one-off.

Independencia del ingeniero de referencia

Las reglas de cálculo ya no viven en la cabeza de una sola persona.

Reglas de cálculoEn la cabeza del fundadorDependencia del ingenieroTotal (cuello de botella)Transparencia del cálculoCaja negra
    06

    Por qué este caso importa

    Este no es software legado al que le pegaron un chatbot. Es una herramienta pensada desde cero para que la IA sea el motor, no el adorno. Eso cambia todo: la velocidad, el costo, la escalabilidad.

    AI-native, no AI-retrofitted

    Este no es software legado al que le pegaron un chatbot. Es una herramienta pensada desde cero para que la IA sea el motor, no el adorno. Eso cambia todo: la velocidad, el costo, la escalabilidad.

    El costo operativo bajo cambia la ecuación comercial

    En un mercado de alta fricción, cada cotización que mandás es una apuesta. Si automatizar la pre-cotización tiene costo bajo y revisión humana, podés responder más oportunidades sin multiplicar horas de ingeniería. La IA no mejora el proceso; lo hace viable.

    Human-in-the-loop con transparencia

    La IA no manda nada sola. Muestra qué asumió, con qué confianza, y el fundador decide. Eso convierte una herramienta en una extensión del criterio del equipo, no en un reemplazo.

    Modular desde el diseño

    CLT hoy, GLT y concreto mañana. Pre-cotización ahora, cotización formal y producción después. El sistema está pensado para crecer con el negocio, no para resolver un caso y quedarse ahí.

    Lo que viene

    • Validar las tablas de precios unitarios contra costos reales de producción con el ingeniero civil.
    • Expandir el parser a proyectos más complejos (comerciales, condominios multi-nivel).
    • Agregar el módulo de cotización formal (no solo pre-cotización) con generación de propuesta para el cliente.
    • Explorar la expansión al holding: gestión de facturas contra cronogramas de pago, seguimiento financiero de obra.
    • Implementar el módulo de producción: de cotización confirmada a orden de fabricación.