IA explicable en la gestión de activos: cómo generar confianza en las recomendaciones de inversión

Si un sistema de IA no es capaz de demostrar por qué Aunque haya elegido un proyecto, no deberías utilizarlo como guía para el gasto.

Resumiría este artículo en una sola idea: en la gestión de activos, las recomendaciones de la IA deben ser fáciles de rastrear, fáciles de revisar y fáciles de defender. Eso significa que cada plan debería vincular cada proyecto al registro del activo, a los datos de origen, a los resultados del modelo, a las reglas de negocio y al paso final de aprobación. Cuando eso ocurra, los equipos podrán desarrollar Planes de CAPEX y OPEX que resistan el escrutinio del consejo de administración, las auditorías y la presión presupuestaria.

Esta es la versión resumida:

• Necesito explicaciones locales para activos individuales: ¿Por qué este activo, por qué esta acción, por qué ahora?
• Necesito explicaciones sobre la cartera En cuanto al plan: ¿Por qué estos proyectos, en este orden y con este presupuesto?
• Necesito que cada recomendación refleje los mismos factores clave:
  • condición
  • riesgo de fallo
  • coste del ciclo de vida
  • repercusión en el servicio
  • consumo de energía
  • huella de carbono
• Necesito pruebas de escenarios para mostrar qué cambia cuando varían las hipótesis sobre el presupuesto, los costes o las políticas
• Necesito firma humana, control de versiones y un historial que se puede consultar años más tarde

El artículo también destaca unos resultados empresariales claros. Gracias a la planificación explicable, los equipos pueden reducir el tiempo de preparación de las auditorías en hasta 70% y reducir el coste total de propiedad en 25% a 30% gracias a una mejor planificación del trabajo. En pocas palabras: la IA resulta más útil cuando las personas pueden comprobar la lógica, cuestionarla y, aun así, respaldar la decisión final.

Una forma útil de verlo es la siguiente: el modelo no se limita a clasificar los proyectos. Tiene que mostrar las compensaciones entre riesgo, coste, servicio, cumplimiento normativo y emisiones de carbono en un lenguaje sencillo, con cifras que se ajustan a la forma en que ya funcionan los equipos estadounidenses, como $600,000, 380 000 kWh al año, 38 toneladas métricas de CO₂e al año, y ventanas de planificación como 2026–2035.

Comparación rápida

Lo que hay que explicar	Pregunta principal	Lo que debería ver
Recomendación sobre un único activo	¿Por qué este activo y por qué ahora?	Puntuación de estado, tendencia de fallos, coste del retraso, momento de la intervención, impacto previsto
Plan de cartera	¿Por qué empezar por estos proyectos?	Lógica de clasificación, ponderaciones, límites presupuestarios, riesgo y totales de emisiones de carbono
Cambio de escenario	¿Y si cambian las hipótesis?	Cambios en el proyecto, cambios en el gasto, cambios en los riesgos, cambios en las emisiones de carbono
Aprobación y registro de auditoría	¿Quién lo ha aprobado y en qué se ha basado?	Datos de origen, versión del modelo, motivo de la modificación, registro de la decisión final

En resumen, este artículo trata de cómo convertir la IA de una herramienta de clasificación de «caja negra» en un sistema de planificación que las personas puedan revisar, cuestionar, aprobar y utilizar con confianza.

sbb-itb-5be7949

1. Qué significa la IA explicable para las decisiones de inversión en activos

1.1 Qué significa la IA explicable en la gestión de activos

La IA explicable significa que una recomendación de inversión no se presenta como una «caja negra». Muestra por qué El sistema tomó esa decisión basándose en los mismos criterios de condición, riesgo, coste y huella de carbono en los que ya se basan los equipos de gestión de activos.

Así pues, si un sistema recomienda renovar el puente A en 2027 o aplazar la sustitución del sistema de climatización del edificio B, la lógica debe quedar clara tanto desde el punto de vista empresarial como técnico. Los ingenieros del puente, los gestores de instalaciones y los comités de inversión deben poder ver un razonamiento con el que puedan trabajar.

En este sentido, existen dos puntos de vista principales. Explicaciones generales mostrar cómo se comporta el modelo en toda la cartera. Explicaciones locales Mostrar los factores que han motivado una recomendación sobre un activo o un proyecto, como la puntuación de estado, la probabilidad de fallo, el coste del ciclo de vida, el tráfico o la criticidad, las restricciones normativas, el impacto en las emisiones de carbono y los requisitos de nivel de servicio.

Esas dos perspectivas son importantes por diferentes motivos. Las explicaciones globales muestran la lógica a nivel de cartera. Las explicaciones locales muestran los argumentos a nivel de activo que justifican una única opción de compra. Las explicaciones globales ayudan a confirmar que el modelo se ajusta a ISO 55001-objetivos alineados y nivel de tolerancia al riesgo. Las explicaciones a nivel local ayudan a justificar una renovación o una adaptación concreta ante un comité o un auditor.

Un registro de auditoría útil vincula cada recomendación con el activo, los datos de origen, el modelo y la acción final.

1.2 ¿Qué decisiones relativas a la planificación de activos requieren una explicación?

Este tipo de explicación cobra mayor importancia cuando una decisión afecta a capital, riesgo o cumplimiento normativo. En términos sencillos, las decisiones que más requieren ser explicables son aquellas que tienen importantes repercusiones financieras, de seguridad, normativas o a largo plazo. Se trata de decisiones que pueden inmovilizar capital durante años y que quizá tengan que resistir un examen mucho tiempo después de que se haya aprobado el plan.

Entre ellas se incluyen decisiones como:

• clasificación de proyectos
• plazo de renovación
• mantenimiento aplazado
• asignación presupuestaria
• opciones de mitigación de riesgos
• secuenciación de la modernización orientada a la reducción de las emisiones de carbono

Estas decisiones suelen encontrarse dentro de planes plurianuales de inversión y explotación, como un plan de actuación de 10 años para la rehabilitación de edificios o un programa de sustitución de puentes que abarque una década, todo ello dentro de las limitaciones de presupuesto, riesgo y emisiones de carbono. Si años más tarde se cuestionan las prioridades, los responsables de la toma de decisiones deben volver a explicar el contexto: qué se sabía en aquel momento, qué preveía el modelo y qué concesiones se aceptaron ^[6][4][5].

Para que esa revisión tenga algún sentido, cada recomendación debe incluir también los datos en los que se basa, el razonamiento y el historial de aprobaciones.

1.3 Cómo es una recomendación fiable

Una recomendación fiable es preciso, trazable y justificable. Para ello, es necesario que cuatro elementos funcionen conjuntamente:

• Insumos trazables: Las fechas de inspección, las calificaciones de estado, los recuentos de tráfico, el consumo energético, los factores de emisión y las estimaciones de costes deben estar vinculados a un sistema fuente que cuente con normas de calidad de los datos documentadas.
• Puntuación coherente: Las puntuaciones de riesgo, las puntuaciones de prioridad y los índices de coste-beneficio deben basarse en fórmulas transparentes y con control de versiones, que se apliquen de la misma manera en toda la cartera.
• Aprobación humana: Las recomendaciones de gran repercusión deben remitirse a un comité específico, con umbrales de aprobación bien definidos, antes de que se incorporen al plan.
• Registros preparados para una auditoría: Todo el proceso de toma de decisiones —los datos utilizados, los supuestos aplicados y la justificación final— debe ser reproducible y estar sujeto a revisión cuando se solicite.

Elemento	Qué se necesita
Insumos trazables	Datos cuya procedencia se remonta a los sistemas de origen, con normas de calidad documentadas
Puntuación coherente	Fórmulas transparentes, sometidas a control de versiones y aplicadas de manera uniforme en todos los activos
Aprobación humana	Se han establecido umbrales de aprobación para las recomendaciones de gran repercusión
Registros preparados para una auditoría	Un historial completo de decisiones que se puede reproducir y revisar posteriormente

2. Cómo hacer visibles los factores que influyen en las recomendaciones

2.1 Los factores fundamentales que subyacen a cada recomendación

La confianza aumenta cuando la gente puede ver por qué Un modelo ha hecho una recomendación. No es una suposición. No es una deducción. Es una constatación.

Cada recomendación debe indicar los cuatro factores que la sustentan: estado, riesgo, coste del ciclo de vida e impacto en las emisiones de carbono y el consumo energético. Y esas cifras deben aparecer en unidades y con el formato estándar de EE. UU.

La condición debe expresarse como una puntuación numérica, como por ejemplo: 0–100 o 1–5, junto con una línea de tendencia de deterioro elaborada a partir de registros de inspección con fecha. El riesgo debe dividirse en dos partes: probabilidad de fallo y consecuencia del fracaso, que se muestra en dólares estadounidenses, horas, o repercusiones en materia de seguridad. El coste del ciclo de vida debería compararse no hacer nada, mantener, en renovar o sustituir escenarios a lo largo de un a 20 o 30 años horizonte, con todas las cifras en dólares estadounidenses y una tasa de descuento especificada. Las cifras relativas al carbono y a la energía deben aparecer como kWh/año en cuanto al consumo de energía y toneladas métricas de CO₂e al año en cuanto a las emisiones, con los valores de referencia y los valores posteriores al proyecto para cada opción.

En el caso de la renovación del tablero de un puente, esto implica indicar la puntuación del estado actual y la disminución prevista durante los próximos De 5 a 7 años, el aumento de la probabilidad de fallo y la diferencia en el coste del ciclo de vida entre actuar ahora y esperar. Toda recomendación de aplazamiento debería incluir también coste-del-retraso.^[2]

Una vez que esos factores estén claros, lo siguiente es sencillo: explicar una recomendación en un lenguaje sencillo.

2.2 Explicaciones locales para un único activo o proyecto

Una explicación local se centra en un activo y responde a tres preguntas directas: ¿Por qué este activo, por qué esta acción y por qué ahora?

El mejor formato es un breve resumen redactado en un lenguaje sencillo, acompañado de un desglose de factores que muestre qué variables hicieron que la recomendación superara el umbral de decisión. Por ejemplo:

"Sustituir en el ejercicio fiscal 2027. Estado: 30/100. Probabilidad de fallo: 7% y en aumento. Coste anual de reparación: $85 000. Ahorro energético: 380 000 kWh/año. Reducción de emisiones: 38 toneladas métricas de CO₂e/año. Coste inicial: $600 000. El valor actual neto (VAN) del ciclo de vida de 20 años mejora en aproximadamente $420 000"."

Esto funciona porque cada indicador está directamente relacionado con algo que le importa al comité: objetivos de previsibilidad presupuestaria, seguridad o sostenibilidad.

Una reparación de fachada pospuesta requiere el mismo nivel de claridad, solo que en sentido contrario. La explicación debería mostrar por qué tiene sentido esperar. Si la probabilidad de que se produzca un fallo crítico para la seguridad es inferior a 1% al año, la importancia crítica del activo es moderada, y el análisis de los costes del ciclo de vida muestra que agrupar las obras de la fachada con una mejora prevista de las ventanas y el aislamiento en 5 años Si esa es la mejor opción, la explicación debería indicar precisamente eso. También debería mostrar el ahorro energético combinado que supone la combinación de ambas medidas frente a la realización de las obras en la fachada por separado. Cada explicación local debería incluir un enlace a la recurso, datos, modelo y acción.^[2]

A partir de ahí, la planificación de la cartera integra esos motivos a nivel de activos en un programa de inversión ordenado por prioridades.

2.3 Explicaciones generales del plan de cartera completo

A nivel de cartera, la cuestión cambia: ¿Por qué estos proyectos, en este orden y con estas limitaciones?

Para ello es necesario contar con un marco de puntuación claro que combine varios criterios con ponderaciones establecidas. Por ejemplo:

• Riesgo: 35%
• Coste del ciclo de vida: 20%
• Continuidad del servicio: 20%
• Riesgos relacionados con el cumplimiento normativo: 15%
• Reducción de las emisiones de carbono: 10%

Esos pesos no deberían aparecer de la nada. Deberían estar vinculados a políticas, normativas u objetivos de descarbonización del consejo de administración.

La tabla siguiente muestra cómo aparece cada factor en una explicación global.^[2]

Factor decisivo	Propósito	Cómo aparece en las explicaciones
Riesgo	Proteger la seguridad pública; evitar fallos	"Este proyecto reduce el coste anual previsto de las averías en $X y aborda un activo que presenta un alto riesgo para la seguridad"."
Continuidad del servicio	Mantener las operaciones	"Evita unas 120 horas de interrupción del servicio al año, según las estimaciones"
Riesgo de incumplimiento normativo	Cumplir con los requisitos normativos	"Elimina un riesgo de sanciones reglamentarias de $250 000 al año"
Coste del ciclo de vida	Reducir al mínimo el gasto a largo plazo	"Mejora el valor actual neto (VAN) a 30 años en $3.100.000, con un periodo de amortización de 7 años"."
Reducción de las emisiones de carbono	Cumplir los objetivos climáticos	"Reduce las emisiones de la cartera en 12% y evita la emisión de 1.800 toneladas métricas de CO₂e al año"

Una explicación global sólida también debería mostrar los totales de la cartera. Por ejemplo, los principales 20 proyectos podrían reducir en conjunto el coste anual previsto del riesgo en $12,000,000, reducir el consumo de energía en 9,2 millones de kWh al año, y evita 3.400 toneladas métricas de CO₂e al año. Ese tipo de resumen permite al comité de inversiones examinar el plan de un solo vistazo y comprobar si está equilibrado en todos los aspectos seguridad, coste y sostenibilidad – en lugar de inclinarse demasiado hacia un único objetivo.

3. Cómo crear un flujo de trabajo explicable en Oxand Simeo™

Hacer que las recomendaciones de la IA sean explicables no consiste únicamente en obtener mejores resultados. Significa crear un flujo de trabajo en el que cada paso deje un registro de auditoría claro. Oxand Simeo™ integra los datos de los activos, los modelos predictivos, las reglas de priorización y la simulación de escenarios en un único flujo de planificación, de modo que cada recomendación pueda rastrearse desde el propio activo hasta la decisión final de inversión.

3.1 Empezar por un inventario de activos de confianza y unas normas sobre los datos

La confianza se genera cuando todas las recomendaciones se basan en registros de activos validados y en datos introducidos según un conjunto de reglas. Una vez definidos los factores determinantes, el flujo de trabajo comienza fijando los datos de los activos y las reglas.

Simeo Inventory recopila datos sobre activos procedentes de fuentes existentes, tales como GMAO, SIG, en BIM en un único registro estructurado. Los activos se organizan siguiendo una jerarquía estándar: emplazamiento, sistema, componente y subcomponente. En el caso de una cartera de puentes, esto podría ser Puente → Tablero → Junta de dilatación. En el caso de una cartera inmobiliaria, podría ser Edificación → Climatización → Unidad de tratamiento de aire. Esa configuración contribuye a garantizar que los modelos predictivos y las reglas de inversión se apliquen con el nivel adecuado de detalle.

Cada registro de activo incluye los campos que permiten la explicabilidad: índices de condición en una escala del 1 al 5 o del 1 al 10, ámbitos de riesgo como la probabilidad de fallo, las consecuencias del fallo y el impacto en la seguridad, además de atributos de los costes del ciclo de vida como el coste de reposición, las tarifas unitarias de mantenimiento y la vida útil. Las carteras estadounidenses también recogen medidas imperiales, como la longitud de los vanos en pies y la superficie útil en pies cuadrados, y todos los costes se indican en dólares estadounidenses.

Las reglas de validación impiden que se introduzcan datos incompletos o incoherentes antes de que un registro se incorpore a un modelo. La plataforma señala las entradas que faltan, como una inspección enviada sin una calificación del estado, un identificador de activo o una fecha de inspección en MM/DD/AAAA formato. Además, detecta problemas lógicos, como una calificación de estado "deficiente" combinada con una probabilidad de fallo poco realista. La aplicación móvil Simeo GO ayuda a los equipos de campo con inspecciones guiadas que funcionan sin conexión y se sincronizan posteriormente con la nube, lo que reduce las lagunas de datos en el origen.

3.2 Conectar los modelos predictivos con una lógica de planificación comprensible

Una vez que se haya comprobado la fiabilidad del inventario de activos, el siguiente paso consiste en vincularlo a modelos que muestren por qué es necesaria una intervención y cuándo debe llevarse a cabo. El modelo debe facilitar la comprensión de los factores relacionados con el estado, el riesgo, el coste del ciclo de vida y las emisiones de carbono que subyacen a cada recomendación.

Simeo utiliza reglas validadas de degradación y consumo energético para proyectar cómo evolucionan con el tiempo el estado, el riesgo y el coste de cada activo. Supongamos que tienes un puente de acero en una zona costera. Es posible que pase de "bueno" a "aceptable" en un plazo de 10 años. El mismo tipo de puente en un clima seco del interior podría mantener esa calificación durante más tiempo. Las reglas de intervención especifican entonces cómo determinadas acciones modifican esas trayectorias. Por ejemplo, una regla podría establecer que repintar los elementos de acero en el año 12 añade 10 años a la vida útil restante y reduce la probabilidad de fallo por corrosión en un porcentaje determinado.

Cada acción recomendada procede de una biblioteca de Más de 30 000 intervenciones de mantenimiento y renovación, con los costes, la reducción de riesgos y el impacto en las emisiones de carbono asociados a cada una de ellas ^[1]. Cuando Simeo formula una recomendación —por ejemplo, la renovación de un puente en 2028—, almacena todo el proceso de toma de decisiones: la tendencia prevista del estado, el umbral de riesgo que activó la alerta, la regla de intervención aplicada y la comparación de costes del ciclo de vida que justificó el año seleccionado. Esto significa que los planificadores, los auditores y los miembros del consejo de administración pueden rastrear la clasificación de un proyecto hasta llegar a datos claros y documentados, en lugar de tratar el resultado como una «caja negra».

Una vez que la lógica del modelo queda a la vista, las pruebas de escenarios muestran qué cambia cuando varían las restricciones.

3.3 Utilizar escenarios y situaciones hipotéticas para explicar las compensaciones

Por lo general, un único plan recomendado no es suficiente. Los responsables de la toma de decisiones necesitan ver cómo cambia el plan cuando cambian los supuestos. Ahí es donde entran en juego la simulación de escenarios y los contrafactuales.

Simeo permite a los usuarios simular la misma cartera en más de un escenario. Un escenario de referencia podría mostrar un gasto sin restricciones a lo largo de 10 años, con un total de $22,000,000 de De 2026 a 2035. En un escenario con restricciones presupuestarias, los gastos de capital podrían limitarse a $15 000 000 a lo largo de cinco años (2026-2030). Esto obliga al motor a posponer los proyectos de menor prioridad, proteger los que son fundamentales para la seguridad y centrar más la atención en las medidas de modernización que ofrecen la mayor reducción de emisiones de carbono por cada dólar invertido.

En ese caso, la renovación del puente podría pasar de De 2027 a 2030. El gasto se reduce, pero el riesgo residual sigue siendo elevado durante esos tres años. La plataforma muestra exactamente por qué: el estado sigue empeorando, pero el riesgo se mantiene por debajo del umbral definido y el gasto total no supera el límite máximo.

Las explicaciones contrafactuales van un paso más allá.

"¿Qué pasaría si aumentáramos el presupuesto de $15 000 000 a $18 000 000?"

Cuando surge esa pregunta, la plataforma vuelve a calcular el plan y muestra qué proyectos siguen adelante, cómo varía el riesgo y cuál es el coste presupuestario que supone esa decisión en términos de reducción cuantificada del riesgo a lo largo de los años siguientes. ^[1].

Los resultados de esos escenarios se incorporan a continuación a las fases de validación, aprobación y documentación de la siguiente sección.

4. Cómo validar, gestionar y documentar las recomendaciones de auditoría

La explicabilidad no tiene apenas sentido si nadie comprueba el modelo, nadie sabe quién da el visto bueno y los registros se desmoronan en cuanto un auditor los solicita.

4.1 Validar los resultados del modelo mediante pruebas retrospectivas y pruebas de estrés

Tras el análisis de escenarios, comprueba si las recomendaciones se sostienen a la luz de los resultados anteriores y en condiciones adversas.

Utiliza el backtesting, las pruebas de estrés y el análisis de sensibilidad para someter al modelo a pruebas de resistencia desde distintos ángulos. El backtesting compara las recomendaciones pasadas del modelo con los resultados reales. Esto incluye qué activos se depreciaron más rápidamente, qué reparaciones ayudaron a evitar fallos de emergencia y en qué aspectos el modelo se equivocó. Oxand Simeo™ facilita este proceso mediante la calibración del modelo y las señales de uso, comparando las predicciones de la IA con el rendimiento real de los activos a lo largo del tiempo. ^[3].

Las pruebas de resistencia permiten comprobar si las clasificaciones y las curvas de reducción del riesgo se mantienen estables en condiciones adversas, como una repentina 20% recorte presupuestario, un 30% un aumento en los costes de construcción o una nueva norma federal de resiliencia. El análisis de sensibilidad comprueba si los resultados varían como deberían cuando cambian los datos de entrada. Por ejemplo, si mejorar la puntuación del estado de un edificio de "deficiente" a "aceptable" no reduce su clasificación de urgencia, hay algún aspecto de la lógica del modelo que debe analizarse con más detenimiento.

Incluye datos sobre precisión, estabilidad, sesgos y coherencia de las explicaciones en un cuadro de mando que puedan consultar los comités y los auditores. Actualízalo al menos una vez al año e inclúyelo en los documentos que se envían al consejo de administración y a los comités.

Una vez que los resultados superan la validación, el siguiente paso es sencillo: decidir quién puede aprobarlos, quién puede anularlos y quién firma la decisión final.

4.2 Definir los puntos de aprobación humana y las funciones de los comités

Utiliza los resultados de la validación como punto de partida para tomar decisiones sobre aprobaciones y anulaciones.

En este caso, el modelo de las tres líneas de defensa funciona bien:

• Los gestores de activos son los responsables de las recomendaciones a nivel de proyecto.
• Metodología de revisión de riesgos y cumplimiento normativo, y armonización de las políticas.
• Los comités de inversión aprueban las decisiones importantes en materia de capital.

La tabla siguiente muestra cómo suelen repartirse esas funciones entre los tipos de decisiones más habituales:

Tipo de decisión	Función de la IA	Propietario	Responsable de la aprobación	Documentación necesaria
Cambios en los parámetros del modelo	Proporciona salidas de sensibilidad	Responsable de análisis de activos	Director de activos	Registro de cambios, resumen de validación, ficha del modelo actualizada
Plan anual de inversiones	Genera una cartera clasificada	Gestores de activos	Comité de inversiones	Informes de escenarios, comprobación de sesgos, revisión de la coherencia de las políticas
Anulación de la IA a nivel de proyecto	Marcar la recomendación original	Una gestora de activos propone un cambio	Director regional o responsable de la aprobación designado	Justificación de la excepción, pruebas que la respaldan, riesgos e impacto en las emisiones de carbono

Exigir la aprobación de una persona antes de realizar cambios en los modelos, lanzar nuevas versiones y llevar a cabo proyectos que superen los umbrales definidos en dólares estadounidenses.

4.3 Elaborar documentación que sirva de apoyo para las auditorías y la revisión por parte del consejo de administración

Una vez establecidas las funciones de aprobación, documenta cada decisión de forma que pueda superar una auditoría y el examen del consejo de administración.

Genera documentación de forma continua a partir del modelo de planificación en tiempo real. Oxand Simeo™ genera automáticamente un registro de auditoría, en el que se almacena cada recomendación junto con sus datos de origen, la versión del modelo y la acción final. ^[2]. Las organizaciones que utilizan este enfoque han reducido el tiempo de preparación de las auditorías hasta en 70% ^[1][2].

El conjunto de documentación debe abarcar tres niveles. En el nivel del modelo, mantén un inventario de modelos en el que se explique la finalidad de cada uno, sus fuentes de datos, sus supuestos clave y sus limitaciones conocidas. Mantén un historial de versiones con las fechas de publicación y los resultados de la validación. Añade fichas de modelo que resuman las métricas de rendimiento.

En el nivel de datos, diccionarios de datos de documentos, reglas de calidad, sistemas de origen como CMMS, SIG y BIM, además de unidades como pies cuadrados, millas, °F y USD. También permite realizar un seguimiento del linaje de los datos, desde los datos brutos de entrada hasta el conjunto de datos de planificación utilizado por el modelo.

En el nivel de recomendación, conserva los documentos explicativos de las decisiones más importantes. Entre ellos pueden figurar gráficos de importancia de los factores, informes comparativos de escenarios y resúmenes redactados en un lenguaje sencillo que los miembros del consejo puedan leer sin tener que descifrar la jerga de los modelos.

Registra cada modificación indicando la recomendación original, el cambio, el motivo del mismo y el efecto previsto sobre el riesgo y las emisiones de carbono.

Los plazos de conservación deben ajustarse a los requisitos de auditoría financiera de EE. UU., que suelen ser 7-10 años ^[2]. Combina esto con controles de acceso basados en roles y normas de nomenclatura coherentes, de modo que cualquier registro pueda recuperarse rápidamente en caso de una investigación regulatoria o una revisión por parte del consejo de administración.

5. Cómo convertir la IA explicable en planes de inversión fiables

Una vez que se han llevado a cabo la validación, la aprobación y la documentación, el último paso es sencillo en teoría, pero difícil en la práctica: convertir los resultados explicables en decisiones que los responsables puedan financiar y defender. Es aquí donde la IA explicable deja de ser un resultado del modelo para convertirse en un plan de inversión listo para presentarse ante el consejo de administración y para ser sometido a auditoría.

5.1 Conclusiones clave para las carteras de infraestructuras e inmobiliarias

Para los propietarios de infraestructuras y de inmuebles en EE. UU., la recompensa es bastante directa: prioridades de proyecto más claras, planes de CAPEX y OPEX más fundamentados, menor riesgo operativo y planes que se ajusten a los objetivos de emisiones de carbono. La explicabilidad es lo que marca la diferencia entre una lista ordenada que aparece en un panel de control y un plan financiado que los ejecutivos realmente respaldarán.

Hay unos cuantos principios que lo resumen todo.

En primer lugar, las explicaciones deben funcionar en dos niveles: cartera y activos. Respuestas sobre la vista de cartera ¿Por qué estos proyectos ahora?. La vista de activos responde ¿Por qué este puente, edificio o sistema?. Cuando se mantiene un acceso sencillo a ambas vistas, los directivos obtienen la información resumida que necesitan, mientras que los ingenieros y los auditores pueden profundizar en los datos que respaldan cada partida.

En segundo lugar, cada recomendación debe presentar los mismos factores determinantes en el mismo formato. Esa coherencia es importante. Cada recomendación debe exponer sus principales factores determinantes en términos empresariales claros:

• condición
• probabilidad de fallo
• coste del ciclo de vida
• repercusión en el servicio
• consumo de energía
• huella de carbono

Cuando esos factores se presentan en paralelo —en el caso de la renovación de puentes, la rehabilitación de edificios y los aplazamientos de mantenimiento—, los comités de inversión pueden comparar las opciones en igualdad de condiciones. Y eso cambia el tono del debate. En lugar de discutir sobre qué proyecto parece más urgente, los equipos pueden analizar los mismos datos de forma generalizada.

Las comparaciones entre escenarios también resultan útiles en este caso. A plan basado en el riesgo, a plan de neutralidad de carbono, y un plan con restricciones presupuestarias Cada uno de ellos muestra un camino diferente. Al compararlos entre sí, esos escenarios dejan claras las ventajas e inconvenientes. Ese tipo de claridad fomenta la confianza del comité y ayuda a que las aprobaciones avancen, en lugar de que se estanquen.

La gobernanza y la documentación son lo que hace que todo esto sea posible utilizable en los procesos de toma de decisiones reales. Un registro de auditoría completo debe vincular cada inversión recomendada con el activo, los datos sobre su estado, el modelo y la acción correspondiente. Ese es el nivel de exigencia que debe cumplir la planificación de inversiones para poder resistir el examen del consejo de administración, la revisión de auditoría y el escrutinio público.

La IA explicable transforma la IA de un mero motor de puntuación en un sistema de planificación transparente para la gobernanza, la elaboración de presupuestos y la gestión a largo plazo.

Preguntas frecuentes

¿En qué se diferencia la IA explicable de una herramienta de clasificación de tipo «caja negra»?

Una herramienta de clasificación de tipo «caja negra» ofrece resultados sin mostrar cómo los ha obtenido. IA explicable Hace justo lo contrario. Crea un registro de auditoría que vincula cada recomendación con las pruebas en las que se basa.

Esto significa que puedes ver qué factores han influido en el plan de inversión, incluidos los perfiles de riesgo, los costes del ciclo de vida, el impacto de carbono y los datos sobre el estado de los activos. De este modo, los propietarios de activos, los auditores y los comités de inversión pueden comprobar la lógica, validar la recomendación y confiar en lo que ven.

¿Qué datos necesitamos para que las recomendaciones de inversión basadas en la IA sean explicables?

Necesitas datos limpios y centralizados en una base unificada. Esto implica reunir registros internos de los activos —como fechas de instalación, registros de mantenimiento, historiales de averías y evaluaciones del estado— junto con información externa, como la variabilidad climática, los requisitos normativos, las tendencias del mercado y la actividad sísmica.

También necesitas que estén estandarizados salud y criticidad puntuaciones, además de restricciones operativas como límites presupuestarios, fechas de los contratos de arrendamiento, periodos de cierre y indicadores de rendimiento en materia de emisiones de carbono o de consumo energético.

¿Cómo podemos demostrar que una recomendación de IA está preparada para una auditoría?

Una recomendación de IA está preparada para una auditoría cuando cada decisión deja un un camino claro y basado en pruebas. En pocas palabras, debería ser posible rastrear el origen de la recomendación hasta los datos, las reglas y los registros que la han determinado.

Eso empieza por registros de activos centralizados y normalizados respaldado por datos de alta calidad y registros completos. Si los datos de origen están dispersos, son incoherentes o carecen de detalles clave, los resultados se vuelven poco fiables rápidamente.

También es útil contar con los puntos de control adecuados:

• ISO 55000 listas de control para mantener las reseñas coherentes
• Registros de auditoría de los planes de inversión para que las decisiones puedan seguirse paso a paso
• Gobernanza en materia de titularidad, validación y control de versiones de los datos para mostrar quién gestiona los datos, cómo se verifican y qué cambios se han producido con el tiempo

En conjunto, todo ello hace que las recomendaciones sean más transparente, repetible, controlado y justificable ante los auditores, los comités de inversión y las partes interesadas.

Entradas de blog relacionadas

• Gestión de activos de infraestructura: Un enfoque basado en el riesgo para la planificación plurianual de CAPEX
• De los datos a las decisiones: Convertir el análisis de activos en ahorro de CAPEX
• IA para la planificación de la inversión de activos: Donde realmente crea valor
• Cómo la IA puede ayudar a priorizar la renovación de infraestructuras antiguas con restricciones presupuestarias