Septiembre 2025
Por:
Ing. Luis R Infante, Ing. Francisco Rivera, Lic. Alani Rosas
Resumen ejecutivo
La Simulación Monte Carlo es una técnica estadística que permite analizar la incertidumbre en proyectos de construcción al generar miles de escenarios posibles. Tradicionalmente, su aplicación requería software especializado y costoso, pero hoy es posible realizarla de manera accesible gracias a herramientas de inteligencia artificial como ChatGPT.
Este artículo explica cómo cualquier ingeniero puede plantear un modelo, identificar variables críticas, y obtener resultados claros con apoyo de la IA. Incluye un prompt práctico para ejecutar una simulación desde cero en Python o Excel, y demuestra cómo interpretar los resultados para justificar decisiones de costo, tiempo y riesgo en proyectos de construcción.
Palabras clave
Simulación Monte Carlo
Inteligencia Artificial en construcción
ChatGPT en proyectos de construcción
Análisis de riesgos
Introducción
En los proyectos de construcción, el clima, el precio de los materiales, los retrasos de proveedores o la variación en el tipo de cambio generan incertidumbre que impacta directamente en los plazos y costos. La simulación Monte Carlo surge como una herramienta que permite cuantificar esa incertidumbre, mostrando un rango de escenarios probables que ayudan a tomar mejores decisiones. Hasta hace poco, aplicar Monte Carlo exigía experiencia técnica y software especializado. Sin embargo, con la llegada de la inteligencia artificial —y en particular con el uso de ChatGPT— ahora es posible construir simulaciones rápidas, personalizadas y accesibles para cualquier ingeniero. En este artículo aprenderás cómo integrar ChatGPT a tus procesos de análisis, cómo estructurar tu modelo y cómo ejecutar tu primera simulación con un prompt listo para usar.
¿Te ha tocado estimar plazos, costos o tomar decisiones con datos incompletos en un proyecto de construcción? La buena noticia es que hoy puedes simular miles de escenarios antes de tomar una decisión crítica. Mejor aún: puedes hacerlo con Chat GPT. ¿Quieres saber más?
¿POR QUÉ HABLAR DE SIMULACIÓN MONTE CARLO?
La Simulación Monte Carlo (SMC) es una técnica estadística que se usa para entender el impacto de la variabilidad en modelos de predicción o decisión. Hoy puedes pedirle a una Inteligencia Artificial (IA) (como Chat GPT) que te ayude a realizar una SMC, explicar los resultados, y hasta generar el código o fórmulas para ti.
¿QUÉ ES UNA SIMULACIÓN MONTE CARLO?
Esta técnica se aplica en el análisis de riesgos y hoy en día es mucho más fácil que hace unos años. No se requiere de licencias caras, ni depender del especialista de planeación o del analista de riesgos que usa Primavera Crystal Ball® o @RISK®, por nombrar algunos softwares especializados en la SMC.
En otras palabras, te ayuda a saber cómo se comportaría tu proyecto de construcción si realizaras miles de escenarios con variables que no puedes controlar. Por ejemplo:
- ¿Y si el proveedor de concreto se retrasa 3 días en lugar de 1?
- ¿Y si costo de la partida de concreto es más caro?
La SMC muestra el rango de resultados posibles y te proporciona una curva de probabilidades. Por ejemplo, te podría decir:
«Tienes un 72% de confiabilidad de que el proyecto termine dentro del presupuesto».
Con base en este resultado, se podría justificar un colchón o ajustar cronogramas.
¿POR QUÉ «SIMULACIÓN MONTE CARLO»?
El nombre viene del famoso casino de Mónaco, donde todo se trata de probabilidades. En los años 40, científicos de Los Álamos (como Stanislaw Ulam y John von Neumann) empezaron a usar esta técnica para cálculos nucleares… y el resto es historia.
¿Interesante, no? Y ahí nace una pregunta más interesante…
¿CÓMO FUNCIONA UNA SIMULACIÓN MONTE CARLO?
No olvides que esto es una simulación de escenarios probables, por eso debes tener claro qué es lo que quieres analizar.
Paso 1: Define el problema
Antes de simular, necesitas un modelo: ¿qué estás tratando de predecir o analizar? Puede ser el costo total de un proyecto, el tiempo de entrega, el rendimiento, etc.
Paso 2: Identifica variables inciertas
Estos son los elementos del modelo que no conoces con certeza. Por ejemplo:
- Costos de partidas del presupuesto
- Tiempo de entrega de maquinaria
- Tasa de inflación
- Clima o eventos externos
Paso 3: Asigna distribuciones de probabilidad
- Aquí defines cómo se comportan esas variables. ¿El precio del acero varía entre $500 y $700 por tonelada? Tal vez sigue una distribución normal, beta, triangular o uniforme.
Paso 4: Ejecuta simulaciones
- Con el apoyo de un software especializado, haces que se lleven a cabo miles de veces con valores aleatorios para esas variables. El resultado: un histograma de posibles escenarios.
Paso 5: Analiza los resultados
- Ya no tienes solo “una respuesta”, sino un espectro: probabilidades de éxito, riesgo de sobrecostos, niveles de confianza, etc.
¿QUÉ DATOS NECESITO?
- Históricos: Para estimar los rangos o distribuciones de variables inciertas.
- Expertos: Cuando no tienes datos suficientes, pero cuentas con experiencia.
- Técnicos: Planos, cronogramas, presupuestos, rutas críticas, etc.
Sin datos, no hay simulación. Pero… es hora de llamar a la IA (Chat GPT).
¿Y QUÉ TIENE QUE VER CHAT GPT AQUÍ?
Mucho. Hoy puedes usar Chat GPT como asistente técnico para:
- Plantear tu modelo
- Identificar las variables clave
- Elegir distribuciones (uniforme, beta, triangular, normal)
- Generar el código en Python, Excel o Google Sheets
- Explicarte los resultados en lenguaje claro
- Y lo mejor: lo hace en segundos, sin que tú tengas que escribir una sola fórmula.
Nada que no sepas ya.
- Un problema claro
- Tus variables inciertas
- Un rango razonable para cada variable (optimista, más probable y pesimista)
- Una pregunta concreta que quieres responder
EL PROMPT: TU PUNTO DE PARTIDA
Aquí te dejamos un prompt listo para copiar y pegar que hemos probado en proyectos reales.
Quiero que actúes como un experto en análisis de riesgos. Realiza una simulación Monte Carlo para estimar el costo total de un proyecto de construcción. Considera:
- El precio del concreto puede variar entre $1,400 y $1,700 por m³
- El tiempo de ejecución puede fluctuar entre 60 y 90 días
- El tipo de cambio USD/MXN puede ir de 17.80 a 18.90
Hazlo en Python y dame una explicación sencilla de los resultados.
¿Y QUÉ RECIBES?
Al usar ese prompt, ChatGPT te va a generar:
- Un código completo para simular miles de escenarios
- Gráficas (si estás en Python)
- Resultados explicados: promedio, peor caso, mejor caso
- Sugerencias de cómo mejorar el modelo
Si usas Excel, incluso puede darte las fórmulas de simulación con RAND() y explicarte cómo hacer tablas dinámicas o gráficas automáticas.
¿QUÉ SIGUE DESPUÉS?
Una vez que tienes los resultados, el siguiente paso es lo que sabes hacer mejor: tomar decisiones con base en datos.
Y ahora tendrás argumentos duros:
- Justificar una reserva de contingencia
- Solicitar días adicionales con respaldo probabilístico
- Negociar con proveedores usando escenarios
| ¿Los softwares de SMC serán reemplazados por herramientas de IA? Es probable. En el sentido de que hoy ya es posible replicar mucho de lo que hacen softwares de alto costo para la SMC usando código abierto e IA. Estudiantes, emprendedores y PYMEs ya no necesitan licencias costosas para hacer análisis de riesgo. | ¿La SMC es sólo para expertos analistas de riesgos? La SMC con ayuda de ChatGPT ya no es solo para analistas de riesgos o grandes corporativos. Hoy cualquier persona puede usarla para anticiparse, planear mejor y tomar decisiones más sólidas, con argumentos técnicos que marcan la diferencia. |
Antes, este tipo de análisis estaba reservado para consultoras grandes, bancos o empresas que pagaban por licencias.
Hoy lo puedes hacer tú mismo, desde tu laptop, con la IA como aliada.
Y si lo ves fríamente: si no lo haces tú, probablemente lo hará alguien más en la sala. Y va a tener mejores datos para argumentar.
¿LISTO PARA LLEVAR TUS DECISIONES A OTRO NIVEL?
Hazlo hoy. Pega el prompt.
Prueba. Pregunta. Aprende.
Infante, Luis; Rivera, Francisco; Rosas, Alani. “Simulación Monte Carlo en Proyectos de Construcción: cómo usar Chat GPT para obtener resultados (con prompt incluido)”. México 2025.
SOBRE LOS AUTORES
Luis es consultor, asesor y coach en dirección y administración de proyectos para la industria de la construcción e infraestructura entre otras. Cuenta con más de 30 años de experiencia en dirección, desarrollo, ejecución y control de proyectos. Luis tiene una licenciatura en Ingeniería Química y además cuenta con el grado de Maestro en Administración con Especialidad en Ingeniería Financiera y el grado de Maestro en Diseño, Gestión y Dirección de Proyectos. Luis ha impartido cátedras a nivel Posgrado y Licenciatura en prestigiosas Universidades de México y Latinoamérica sobre Dirección de Proyectos. Luis cuenta con certificaciones en Dirección de Proyectos (incluido el PMP del PMI), entre otras.
Francisco es Ingeniero con 30 años de experiencia en proyectos para diversas industrias y sectores. Ha participado en varias etapas de proyectos como evaluación técnico-económica-financiera, planeación, ejecución, auditoría, análisis de riesgos, supervisión, control y cierre de proyectos de construcción. Cuenta con una Maestría en Computación y otra Maestría en Dirección de Proyectos. Dirige equipos de trabajo en aspectos como: planeación, procesos de negocios, calidad, procura, optimización de costos y administración de proyectos; además de estar capacitado en el funcionamiento de la Administración Pública Federal en México y regulatoria para el sector público.
Alani es consultora, y ha desarrollado e implementado soluciones innovadoras que ayudan a las marcas a conectar con su audiencia, potenciar su visibilidad y construir una identidad sólida y memorable. Cuenta con estudios de habilidades directivas y de desarrollo de diagramas y análisis de procesos operativos y de marketing, además de participar en proyectos de consultoría complejos.
1.Bookdown. (s. f.). A bit of history. En An introduction to Monte Carlo simulation. Recuperado el 11 de
septiembre de 2025, de https://bookdown.org/manuele_leonelli/SimBook/a-bit-of-history.html
