[Volver a casos](/#cases) 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. **Dónde dolía:** En mercados donde hay que responder muchas oportunidades para cerrar una obra, un proceso de cotización lento vuelve inviable sostener el ritmo comercial. **Qué pusimos en producción:** Construimos un cotizador AI-native que parsea planos, aplica reglas de cálculo editables por tipo de obra, y genera presupuestos desglosados con revisión humana antes de salir al cliente. 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. 01 Alta fricción de conversión — un proceso de cotización formal y lento era económicamente inviable para el volumen de consultas. 02 Dependencia 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. 03 Parte de un grupo industrial con estructura corporativa rígida y herramientas heredadas que no siempre acompañaban el trabajo de campo. 04 Sin equipo de IT propio para este frente — las herramientas se definían desde arriba y muchos usuarios de campo necesitaban adopción guiada. 05 El fundador operador tenía las reglas de cálculo en la cabeza — el conocimiento existía, pero todavía no estaba convertido en reglas editables y revisables. 06 Sin 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 consulta**Días (dependencia del ingeniero) **Costo por cotización**Horas de ingeniero **Capacidad de cotización**Limitada 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 cálculo**En la cabeza del fundador **Dependencia del ingeniero**Total (cuello de botella) **Transparencia del cálculo**Caja 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. 07 ## Más casos para comparar tu cuello de botella Si tu operación se parece a esta presión, estos casos muestran otras formas de pasar del bloqueo a producción. [Logística / Gestión de flota pólizas de flota automatizadas Si una póliza no llegaba a tiempo, la operación podía sufrir demoras en sitios de alta exigencia documental. El proceso manual no solo consumía tiempo; afectaba la continuidad operativa.](/casos/fleet-insurance-automation/)[Oil & Gas / Field Services inspecciones oil & gas en campo Tu equipo inspecciona todos los meses y produce evidencia valiosa. Pero si esa evidencia no llega ordenada al cliente, el trabajo pierde trazabilidad y los reportes dependen de notas sueltas.](/casos/oil-gas-field-inspection-app/)[Professional Services / Compliance SaaS modernización de línea ética Tu plataforma de compliance la usan empresas grandes para gestionar denuncias anónimas. Cada personalización por cliente requiere cuidado, trazabilidad y pruebas. Un cambio que parece menor puede tocar workflows, roles, notificaciones y auditoría.](/casos/whistleblower-platform-modernization/) 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. Qué demuestra el caso - Construimos un cotizador AI-native que parsea planos, aplica reglas de cálculo editables por tipo de obra, y genera presupuestos desglosados con revisión humana antes de salir al cliente. - Costo bajo · por consulta automatizada - Alta fricción · en el mercado local de cotización [Agendá una llamada de 30 minutos con el founder →](#cta)