Fase 1 · Banco y muestra
Curamos el banco de partidas relevantes para instalaciones, definimos esquema de campos y seleccionamos un proyecto público de prueba con 159 partidas sin códigos.

Inicio Casos Presupuestos de instalaciones: de las mediciones…
Última actualización: 2026-11-17
Caso real: matching híbrido sobre 1.045 partidas; 83 % a la primera y 91,8 % top-5 en 159 partidas de un proyecto público; exporta .bc3 sin inventar precios.
Empresa instaladora (nombre no publicado).
La oficina técnica de una empresa instaladora prepara decenas de presupuestos al mes. El input típico es un PDF de mediciones o un BC3 incompleto: descripciones largas, unidades mezcladas y, con frecuencia, sin código de partida. Pasar eso a mano a Presto (o Arquímedes/CYPE) y buscar cada línea en BEDEC, BCCA o el banco propio consumía tardes enteras.
Sin código, la búsqueda textual falla: sinonimia, abreviaturas de obra y redacciones del proyectista no coinciden con la ficha del banco. El técnico acababa abriendo pestañas, copiando cantidades y corrigiendo unidades. Los plazos de licitación no esperan a que el modelo BIM esté «perfecto».
El dolor no era «generar texto con IA», sino tipificar con rigor: acertar la partida, anclar el precio al descompuesto del banco y dejar un .bc3 que el software de presupuestos abra sin drama. Cualquier alucinación de precio era inaceptable.
Construimos un motor de matching híbrido (texto + semántica) sobre un banco curado, con la IA proponiendo y el técnico decidiendo. Los precios salen del descompuesto del banco — la IA no inventa importes.
El flujo se diseñó con la oficina técnica, no contra ella: atajos de teclado, vista lado a lado medición/partida y trazabilidad de qué candidato se eligió. La adopción dependía de que el primer presupuesto real fuera más rápido que el método antiguo.
Documentamos errores típicos del matching (unidad mal inferida, sinonimia de materiales, partidas compuestas) y los convertimos en reglas o en ejemplos de entrenamiento. Cada ciclo semanal bajaba la cola de «sin candidato» sin abrir la puerta a precios inventados.
| Métrica | Valor |
|---|---|
| Acierto a la primera | 83 % |
| Correctas en top-5 | 91,8 % |
| Partidas en banco curado | 1.045 |
| Proyecto de prueba | 159 partidas sin códigos |
Medidos sobre un proyecto público real tipificado con el sistema. El técnico sigue siendo responsable del presupuesto firmado: la IA propone; la firma es humana. El salto cualitativo es pasar de «una tarde por presupuesto» a revisión en minutos cuando el matching encaja.
Con un 83 % de acierto a la primera y casi un 92 % de acierto si se mira el top-5, el trabajo humano se concentra en las líneas difíciles — justo donde aporta más valor — en lugar de en la mecanografía de las fáciles.
Curamos el banco de partidas relevantes para instalaciones, definimos esquema de campos y seleccionamos un proyecto público de prueba con 159 partidas sin códigos.
Entrenamos/ajustamos la búsqueda híbrida, montamos la UI de top-5 y medimos acierto a la primera y cobertura top-5 antes de ampliar volumen.
Piloto con presupuestos reales de la oficina, formación corta y criterios de cuándo forzar revisión manual. Iteración semanal sobre errores de matching.
Sin banco curado, el matching semántico se degrada: basura entra, basura sale. La métrica que importa es acierto a la primera + confianza calibrada, no «páginas generadas». Exportar al software que ya usa el equipo (Presto) evita una guerra de adopción.
Encaja en oficinas técnicas de instalaciones/ingeniería con volumen de ofertas y bancos BEDEC/BCCA/propios. Encaja menos en obra civil genérica sin tipología estable, o si el proceso real es dibujar en BIM y el presupuesto ya nace estructurado.
Si el equipo ya pelea cada semana con mediciones sin código y plazos de licitación cortos, este patrón suele ser el primer ROI visible de IA en la oficina técnica: no sustituye el criterio del proyectista, acelera la mecanografía hacia el banco y deja evidencia medible (83 % / 91,8 %) antes de ampliar a más tipologías.
Layouts variables, excepciones y sistemas propios obligan a ingeniería con cola humana, no a un SaaS genérico.
Acordar métrica antes; muestra real; no publicar cifras sin permiso; handoff documentado.
Fases: prototipo con datos reales → validación → producción con monitorización. Enlaces a servicios relacionados en el cuerpo existente.
LogIA demuestra que construimos producto en produccion, no solo slides. Cuando el caso es logistica, aceleramos; en el resto de sectores aplicamos la misma ingenieria a medida.
Enlazamos servicios, soluciones y casos para que cada busqueda aterrice en un proceso concreto: pedidos, facturas, presupuestos, WhatsApp o lectura de documentos.
El presupuesto es cerrado por fase: diagnostico, prototipo e implantacion. No hay ticket enterprise opaco. Los factores de coste estan en la pagina de precios.
El Reglamento de IA de la UE y el Omnibus 2026 marcan alfabetizacion, transparencia y plazos de alto riesgo. Los incluimos en el diseno tecnico; el dictamen juridico es externo.
Publicamos solo cifras medidas con el cliente. El 83 por ciento de acierto a la primera y el 91,8 por ciento en top-5 del caso de presupuestos son el tipo de evidencia que pedimos.
La revisión humana no es un adorno: las excepciones van a cola con motivo y quedan registradas para auditar qué decidió el sistema y qué decidió una persona.
La integración escribe en el ERP, el CRM, el correo o WhatsApp sin dobles tecleos. Si no hay API, usamos ficheros, base de datos o correo; el RPA es el último recurso.
Antes de construir, pedimos volumen real, sistema de registro, KPI, owner y criterio de datos personales. Sin eso, el piloto muere en la semana dos aunque el modelo funcione en un notebook.
Enviad un extracto anonimizado de mediciones. Os decimos si el matching encaja.