Vol. 13/ Núm. 1 2026 pág. 982
https://doi.org/10.69639/arandu.v13i1.1957
Aplicación de Inteligencia Artificial en la Detección de
Riesgos Ambientales en Proyectos de Construcción Urbana
Comercial
Application of Artificial Intelligence in the Detection of Environmental Risks in
Commercial Urban Construction Projects
Williams Elías Velásquez Solórzano
https://orcid.org/0009-0009-9066-5834
williamsvelas95@gmail.com
UTM – Universidad Técnica de Manabí
Ecuador – Portoviejo
Virginia Isabel Tola Bodniza
https://orcid.org/0009-0001-2411-2176
virginia.tola@utm.edu.ec
UTM- Universidad Técnica de Manabí
Ecuador -. Portoviejo
Artículo recibido: 10 diciembre 2025 -Aceptado para publicación: 18 enero2026
Conflictos de intereses: Ninguno que declarar.
RESUMEN
El crecimiento acelerado de las zonas urbanas en América Latina ha incrementado la ejecución
de proyectos de construcción civil en áreas comerciales, generando riesgos ambientales como
contaminación del aire, suelo y agua, así como ruido y pérdida de biodiversidad. Las metodologías
tradicionales para detectar estos riesgos presentan limitaciones en capacidad predictiva y análisis
de datos. En este contexto, la Inteligencia Artificial (IA) surge como una herramienta innovadora
para anticipar impactos ambientales mediante el procesamiento de grandes volúmenes de
información. El objetivo de esta investigación fue analizar la aplicación de la IA para optimizar
la detección temprana de riesgos ambientales en proyectos de construcción urbana comercial. Se
empleó un enfoque cuantitativo, de diseño no experimental, transeccional y correlacional,
aplicando encuestas a 40 profesionales del sector. Los resultados muestran que el 60 % ha
utilizado herramientas de IA en los últimos dos años, principalmente para monitoreo ambiental,
predicción climática e identificación de riesgos. Más del 70 % considera que la IA mejora la
eficiencia, reduce errores y disminuye costos. No obstante, se identificaron barreras como la falta
de personal capacitado, resistencia al cambio y ausencia de soluciones adaptadas al sector. Se
concluye que la IA contribuye significativamente a la detección anticipada de riesgos y a la toma
de decisiones preventivas, aunque su adopción requiere fortalecer la capacitación y el desarrollo
tecnológico contextualizado. El estudio aporta evidencia relevante sobre el potencial de la IA para
mejorar la sostenibilidad y la gestión ambiental en proyectos urbanos.
Palabras clave: evaluación de impacto ambiental, ingeniería civil, inteligencia artificial,
sostenibilidad, riesgos ambientales
Vol. 13/ Núm. 1 2026 pág. 983
ABSTRACT
The accelerated growth of urban areas in Latin America has increased civil construction projects
in commercial zones, generating environmental risks such as air, soil, and water pollution, noise,
and biodiversity loss. Traditional methods for detecting these risks have limitations in predictive
capacity and data processing. In this context, Artificial Intelligence (AI) emerges as an innovative
tool for early environmental risk detection through large-scale data analysis. This study aimed to
analyze the application of AI to optimize early detection of environmental risks in urban
commercial construction projects. A quantitative, non-experimental, cross-sectional, and
correlational design was applied using surveys administered to 40 construction sector
professionals. Results indicate that 60% have used AI tools in the past two years, mainly for
environmental monitoring, climate prediction, and risk identification. Over 70% consider that AI
improves efficiency, reduces errors, and lowers costs. However, barriers were identified,
including lack of trained personnel, resistance to change, and limited sector-specific technological
solutions. The study concludes that AI significantly enhances early risk detection and supports
preventive decision-making, although its implementation requires strengthening training and
context-based technological development. The findings provide relevant evidence of AI’s
potential to improve sustainability and environmental management in urban construction projects.
Keywords: environmental impact assessment, civil engineering, artificial intelligence,
sustainability, environmental risks
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
ABSTRACT
The accelerated growth of urban areas in Latin America has increased civil construction projects
in commercial zones, generating environmental risks such as air, soil, and water pollution, noise,
and biodiversity loss. Traditional methods for detecting these risks have limitations in predictive
capacity and data processing. In this context, Artificial Intelligence (AI) emerges as an innovative
tool for early environmental risk detection through large-scale data analysis. This study aimed to
analyze the application of AI to optimize early detection of environmental risks in urban
commercial construction projects. A quantitative, non-experimental, cross-sectional, and
correlational design was applied using surveys administered to 40 construction sector
professionals. Results indicate that 60% have used AI tools in the past two years, mainly for
environmental monitoring, climate prediction, and risk identification. Over 70% consider that AI
improves efficiency, reduces errors, and lowers costs. However, barriers were identified,
including lack of trained personnel, resistance to change, and limited sector-specific technological
solutions. The study concludes that AI significantly enhances early risk detection and supports
preventive decision-making, although its implementation requires strengthening training and
context-based technological development. The findings provide relevant evidence of AI’s
potential to improve sustainability and environmental management in urban construction projects.
Keywords: environmental impact assessment, civil engineering, artificial intelligence,
sustainability, environmental risks
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 13/ Núm. 1 2026 pág. 984
INTRODUCCIÓN
El acelerado crecimiento de las zonas urbanas ha conllevado un aumento significativo en
la ejecución de proyectos de construcción civil, especialmente en áreas comerciales. Este
fenómeno ha generado una serie de riesgos ambientales que incluyen la contaminación del aire,
del suelo y del agua, así como niveles elevados de ruido y la pérdida de biodiversidad. Ante este
panorama, se hace cada vez más necesario implementar herramientas que permitan detectar de
manera temprana estos riesgos, con el fin de mitigar su impacto y garantizar la sostenibilidad de
los entornos urbanos.
Tradicionalmente, la detección de riesgos ambientales en proyectos de construcción se ha
basado en metodologías convencionales que, si bien han sido útiles, presentan limitaciones en
términos de capacidad predictiva, cobertura de variables y eficiencia en la recolección y
procesamiento de datos. En este contexto, la Inteligencia Artificial (IA) surge como una
alternativa innovadora y prometedora para optimizar la detección temprana de riesgos
ambientales. Esta tecnología permite analizar grandes volúmenes de datos en tiempo real,
identificar patrones ocultos y anticipar posibles impactos ambientales antes de que estos se
materialicen.
Pese a los avances tecnológicos, la aplicación de inteligencia artificial en contextos urbanos
comerciales sigue siendo limitada, lo que dificulta la detección eficaz de riesgos ambientales de
forma anticipada.
En el contexto latinoamericano, donde la expansión urbana muchas veces carece de una
adecuada planificación ambiental, la aplicación de tecnologías basadas en IA podría representar
un avance crucial para la gestión sostenible del territorio. La identificación temprana de riesgos
permitiría a los responsables de los proyectos adoptar medidas preventivas antes de iniciar las
obras, minimizando así conflictos socioambientales y daños irreversibles al ecosistema.
Además, la escasez de estudios aplicados en entornos urbanos comerciales de América
Latina evidencia una brecha de conocimiento que esta investigación busca abordar. Al ofrecer
una alternativa tecnológica basada en IA, se pretende no solo mejorar la eficiencia en la detección
de riesgos, sino también contribuir a la sostenibilidad ambiental de estos territorios, permitiendo
una planificación más inteligente y responsable.
El problema central que se plantea en esta investigación es la falta de aplicación sistemática
y validada de herramientas de Inteligencia Artificial en la detección temprana de riesgos
ambientales en estos proyectos, lo cual limita la capacidad de anticipación y prevención de
impactos negativos.
Investigaciones recientes como la de Zhang et al. (2023) han explorado el uso de algoritmos
de aprendizaje automático para predecir daños ambientales en proyectos de construcción en zonas
suburbanas, destacando que, mediante el entrenamiento de modelos de IA con datos históricos y
INTRODUCCIÓN
El acelerado crecimiento de las zonas urbanas ha conllevado un aumento significativo en
la ejecución de proyectos de construcción civil, especialmente en áreas comerciales. Este
fenómeno ha generado una serie de riesgos ambientales que incluyen la contaminación del aire,
del suelo y del agua, así como niveles elevados de ruido y la pérdida de biodiversidad. Ante este
panorama, se hace cada vez más necesario implementar herramientas que permitan detectar de
manera temprana estos riesgos, con el fin de mitigar su impacto y garantizar la sostenibilidad de
los entornos urbanos.
Tradicionalmente, la detección de riesgos ambientales en proyectos de construcción se ha
basado en metodologías convencionales que, si bien han sido útiles, presentan limitaciones en
términos de capacidad predictiva, cobertura de variables y eficiencia en la recolección y
procesamiento de datos. En este contexto, la Inteligencia Artificial (IA) surge como una
alternativa innovadora y prometedora para optimizar la detección temprana de riesgos
ambientales. Esta tecnología permite analizar grandes volúmenes de datos en tiempo real,
identificar patrones ocultos y anticipar posibles impactos ambientales antes de que estos se
materialicen.
Pese a los avances tecnológicos, la aplicación de inteligencia artificial en contextos urbanos
comerciales sigue siendo limitada, lo que dificulta la detección eficaz de riesgos ambientales de
forma anticipada.
En el contexto latinoamericano, donde la expansión urbana muchas veces carece de una
adecuada planificación ambiental, la aplicación de tecnologías basadas en IA podría representar
un avance crucial para la gestión sostenible del territorio. La identificación temprana de riesgos
permitiría a los responsables de los proyectos adoptar medidas preventivas antes de iniciar las
obras, minimizando así conflictos socioambientales y daños irreversibles al ecosistema.
Además, la escasez de estudios aplicados en entornos urbanos comerciales de América
Latina evidencia una brecha de conocimiento que esta investigación busca abordar. Al ofrecer
una alternativa tecnológica basada en IA, se pretende no solo mejorar la eficiencia en la detección
de riesgos, sino también contribuir a la sostenibilidad ambiental de estos territorios, permitiendo
una planificación más inteligente y responsable.
El problema central que se plantea en esta investigación es la falta de aplicación sistemática
y validada de herramientas de Inteligencia Artificial en la detección temprana de riesgos
ambientales en estos proyectos, lo cual limita la capacidad de anticipación y prevención de
impactos negativos.
Investigaciones recientes como la de Zhang et al. (2023) han explorado el uso de algoritmos
de aprendizaje automático para predecir daños ambientales en proyectos de construcción en zonas
suburbanas, destacando que, mediante el entrenamiento de modelos de IA con datos históricos y
Vol. 13/ Núm. 1 2026 pág. 985
contextuales, es posible mejorar la capacidad de anticipación de eventos adversos, ofreciendo así
una herramienta poderosa para la toma de decisiones preventivas.
Zambrano Salazar, Acosta Lozada, Mayacela Rojas y Renteria Bustamante (2024) explican
que la aplicación de la inteligencia artificial en la evaluación del impacto ambiental de proyectos
de ingeniería civil ha demostrado ser una herramienta valiosa para mejorar la precisión y eficacia
de este proceso. A diferencia de los métodos tradicionales, la Inteligencia Artificial permite
analizar grandes cantidades de datos, generar modelos predictivos y facilitar la toma de decisiones
informadas.
Carvajal-Rivadeneira, Guaranda-Mero, Domínguez-Gálvez y Regalado-Jalca (2024)
indican que la inteligencia artificial (IA) está transformando la ingeniería civil mediante la
optimización de procesos, reducción de costos y mejora en sostenibilidad. Este artículo tuvo como
objetivo evaluar el impacto de la IA en proyectos de infraestructura, identificando sus
aplicaciones principales, beneficios y barreras.
María Jaimes-Quintanilla y Sergio Zabala-Vargas (2024) señalan que su investigación
tiene como objetivo identificar los niveles de apropiación de tecnologías emergentes,
principalmente la inteligencia artificial en la gestión de proyectos dentro del sector de la
construcción.
Yoan Sebastián Gómez Quiroga, Lorena Liseth Melo Moreno y Daniel Stiven Arevalo
Quintero (2025) indicaron la importancia de desarrollar estrategias efectivas de mitigación y
control de los riesgos operativos en la gestión de proyectos radica en garantizar su éxito en
términos de tiempo, costo y calidad. Su investigación plantea que las técnicas tradicionales
pueden ser mejoradas o complementadas con enfoques innovadores para responder a los desafíos
actuales en la gerencia de proyectos de construcción.
Moreira Pérez, Rodríguez Espinoza, Solórzano Jaramillo y Zambrano Tuarez (2021)
indican en su estudio que, según los resultados de una encuesta aplicada a ciudadanos de la ciudad
de Portoviejo, las gestiones realizadas por el GAD Municipal han contribuido a generar cambios
positivos en la concientización ambiental. Esto ha permitido considerar la implementación de
campañas orientadas a fortalecer la educación ambiental. Asimismo, se destaca que la ciudad ha
enfrentado diversos desafíos vinculados con el deterioro ecológico y sus consecuencias sobre la
salud de la población.
En la ciudad de Portoviejo, se encuentra vigente la Ordenanza que regula la obligación
de realizar estudios ambientales obligatorios en obras civiles, la industria, el comercio y
otros servicios, la cual establece directrices fundamentales para la protección del entorno. Esta
disposición se sustenta en el artículo 164 de la Ley de Régimen Municipal, que asigna a la
administración municipal la responsabilidad de dictar normas de control orientadas al
saneamiento ambiental, en particular aquellas relacionadas con olores desagradables, gases
contextuales, es posible mejorar la capacidad de anticipación de eventos adversos, ofreciendo así
una herramienta poderosa para la toma de decisiones preventivas.
Zambrano Salazar, Acosta Lozada, Mayacela Rojas y Renteria Bustamante (2024) explican
que la aplicación de la inteligencia artificial en la evaluación del impacto ambiental de proyectos
de ingeniería civil ha demostrado ser una herramienta valiosa para mejorar la precisión y eficacia
de este proceso. A diferencia de los métodos tradicionales, la Inteligencia Artificial permite
analizar grandes cantidades de datos, generar modelos predictivos y facilitar la toma de decisiones
informadas.
Carvajal-Rivadeneira, Guaranda-Mero, Domínguez-Gálvez y Regalado-Jalca (2024)
indican que la inteligencia artificial (IA) está transformando la ingeniería civil mediante la
optimización de procesos, reducción de costos y mejora en sostenibilidad. Este artículo tuvo como
objetivo evaluar el impacto de la IA en proyectos de infraestructura, identificando sus
aplicaciones principales, beneficios y barreras.
María Jaimes-Quintanilla y Sergio Zabala-Vargas (2024) señalan que su investigación
tiene como objetivo identificar los niveles de apropiación de tecnologías emergentes,
principalmente la inteligencia artificial en la gestión de proyectos dentro del sector de la
construcción.
Yoan Sebastián Gómez Quiroga, Lorena Liseth Melo Moreno y Daniel Stiven Arevalo
Quintero (2025) indicaron la importancia de desarrollar estrategias efectivas de mitigación y
control de los riesgos operativos en la gestión de proyectos radica en garantizar su éxito en
términos de tiempo, costo y calidad. Su investigación plantea que las técnicas tradicionales
pueden ser mejoradas o complementadas con enfoques innovadores para responder a los desafíos
actuales en la gerencia de proyectos de construcción.
Moreira Pérez, Rodríguez Espinoza, Solórzano Jaramillo y Zambrano Tuarez (2021)
indican en su estudio que, según los resultados de una encuesta aplicada a ciudadanos de la ciudad
de Portoviejo, las gestiones realizadas por el GAD Municipal han contribuido a generar cambios
positivos en la concientización ambiental. Esto ha permitido considerar la implementación de
campañas orientadas a fortalecer la educación ambiental. Asimismo, se destaca que la ciudad ha
enfrentado diversos desafíos vinculados con el deterioro ecológico y sus consecuencias sobre la
salud de la población.
En la ciudad de Portoviejo, se encuentra vigente la Ordenanza que regula la obligación
de realizar estudios ambientales obligatorios en obras civiles, la industria, el comercio y
otros servicios, la cual establece directrices fundamentales para la protección del entorno. Esta
disposición se sustenta en el artículo 164 de la Ley de Régimen Municipal, que asigna a la
administración municipal la responsabilidad de dictar normas de control orientadas al
saneamiento ambiental, en particular aquellas relacionadas con olores desagradables, gases
Vol. 13/ Núm. 1 2026 pág. 986
tóxicos, emanaciones y otros factores que puedan afectar la salud y el bienestar de la población
(GAD Municipal de Portoviejo, 2015).
La presente investigación se justifica por su aporte científico-técnico, ya que contribuirá al
avance del conocimiento mediante la integración de la Inteligencia Artificial (IA) en un campo
con escasa aplicación previa: la gestión de riesgos ambientales en contextos urbanos comerciales.
Desde una perspectiva social y ambiental, este estudio busca promover la prevención de impactos
negativos en zonas habitadas y ecológicamente sensibles. Asimismo, representa un aporte
académico y formativo al abordar una problemática contemporánea respaldada por estudios
recientes, consolidando así una línea de investigación pertinente y de alto impacto.
El objetivo general de esta investigación es analizar la aplicación de la Inteligencia
Artificial para optimizar la detección temprana de riesgos ambientales en proyectos de
construcción civil en zonas comerciales urbanas.
Para alcanzar este objetivo se plantean los siguientes objetivos específicos:
1. Identificar los principales riesgos ambientales asociados a proyectos de construcción en
zonas comerciales urbanas.
2. Evaluar técnicas de IA para la detección anticipada de dichos riesgos.
3. Determinar la aplicabilidad de herramientas de IA para la previsión y prevención de riesgos
ambientales.
En este contexto, se formula la siguiente hipótesis general:
• La aplicación de herramientas de Inteligencia Artificial mejora significativamente la
detección temprana de riesgos ambientales en proyectos de construcción urbana comercial.
Como hipótesis específicas se plantean:
1. La implementación de IA reduce el tiempo necesario para detectar riesgos ambientales
emergentes.
2. La aplicación de IA se asocia con una mayor eficacia en la toma de decisiones preventivas
en la planificación urbana.
MATERIALES Y MÉTODOS
La presente investigación adopta un enfoque cuantitativo, sustentado en el paradigma
positivista o empírico-analítico, el cual busca explicar la realidad a partir de la observación
objetiva, la medición y el análisis estadístico de datos. Este enfoque resulta pertinente dado que
se pretende establecer relaciones entre variables observables y medibles, como la implementación
de tecnologías de Inteligencia Artificial (IA) y sus efectos en la eficiencia, reducción de errores y
costos en proyectos de construcción civil en zonas comerciales urbanas.
Desde el punto de vista metodológico, el estudio se clasifica como exploratorio y
descriptivo. Es exploratorio porque la aplicación de IA en la gestión de riesgos ambientales en el
sector de la construcción urbana constituye un fenómeno emergente y poco documentado,
tóxicos, emanaciones y otros factores que puedan afectar la salud y el bienestar de la población
(GAD Municipal de Portoviejo, 2015).
La presente investigación se justifica por su aporte científico-técnico, ya que contribuirá al
avance del conocimiento mediante la integración de la Inteligencia Artificial (IA) en un campo
con escasa aplicación previa: la gestión de riesgos ambientales en contextos urbanos comerciales.
Desde una perspectiva social y ambiental, este estudio busca promover la prevención de impactos
negativos en zonas habitadas y ecológicamente sensibles. Asimismo, representa un aporte
académico y formativo al abordar una problemática contemporánea respaldada por estudios
recientes, consolidando así una línea de investigación pertinente y de alto impacto.
El objetivo general de esta investigación es analizar la aplicación de la Inteligencia
Artificial para optimizar la detección temprana de riesgos ambientales en proyectos de
construcción civil en zonas comerciales urbanas.
Para alcanzar este objetivo se plantean los siguientes objetivos específicos:
1. Identificar los principales riesgos ambientales asociados a proyectos de construcción en
zonas comerciales urbanas.
2. Evaluar técnicas de IA para la detección anticipada de dichos riesgos.
3. Determinar la aplicabilidad de herramientas de IA para la previsión y prevención de riesgos
ambientales.
En este contexto, se formula la siguiente hipótesis general:
• La aplicación de herramientas de Inteligencia Artificial mejora significativamente la
detección temprana de riesgos ambientales en proyectos de construcción urbana comercial.
Como hipótesis específicas se plantean:
1. La implementación de IA reduce el tiempo necesario para detectar riesgos ambientales
emergentes.
2. La aplicación de IA se asocia con una mayor eficacia en la toma de decisiones preventivas
en la planificación urbana.
MATERIALES Y MÉTODOS
La presente investigación adopta un enfoque cuantitativo, sustentado en el paradigma
positivista o empírico-analítico, el cual busca explicar la realidad a partir de la observación
objetiva, la medición y el análisis estadístico de datos. Este enfoque resulta pertinente dado que
se pretende establecer relaciones entre variables observables y medibles, como la implementación
de tecnologías de Inteligencia Artificial (IA) y sus efectos en la eficiencia, reducción de errores y
costos en proyectos de construcción civil en zonas comerciales urbanas.
Desde el punto de vista metodológico, el estudio se clasifica como exploratorio y
descriptivo. Es exploratorio porque la aplicación de IA en la gestión de riesgos ambientales en el
sector de la construcción urbana constituye un fenómeno emergente y poco documentado,
Vol. 13/ Núm. 1 2026 pág. 987
especialmente en contextos latinoamericanos. Así mismo es descriptivo porque busca caracterizar
el grado de implementación de estas tecnologías, sus beneficios, limitaciones y nivel de adopción
dentro del sector de la construcción civil.
El diseño adoptado es no experimental, de tipo transeccional o transversal, ya que no se
manipularán las variables estudiadas y los datos serán recolectados en un único punto temporal.
Este tipo de diseño resulta adecuado para obtener una fotografía del fenómeno en el momento
actual, permitiendo identificar correlaciones sin intervenir directamente en los procesos
estudiados.
El diseño es además correlacional, dado que uno de los objetivos principales es analizar la
relación entre la aplicación de IA y distintas variables dependientes como la eficiencia operativa,
la reducción de errores y el control de costos. Se utilizarán técnicas estadísticas para establecer el
grado y sentido de estas relaciones.
La recolección de datos se proyecta para el período comprendido entre septiembre y
octubre de 2025, mediante la aplicación de encuestas estructuradas dirigidas a profesionales del
sector construcción, ingenieros ambientales, responsables de obra y especialistas en tecnologías
aplicadas a la construcción urbana.
El estudio se guiará por los principios del método científico, siguiendo las etapas clásicas:
observación del fenómeno, formulación de hipótesis, recolección de datos, análisis estadístico e
interpretación de resultados. Esta metodología permitirá abordar el problema de forma lógica,
sistemática y objetiva, proporcionando evidencia empírica sobre el uso y el impacto de las
tecnologías de IA en el control de riesgos ambientales en proyectos urbanos comerciales.
RESULTADOS
Link de encuesta: Encuesta
De los resultados realizados en la encuesta a diferentes personas del ámbito de la
construcción tenemos que:
Nivel de familiaridad con la IA en la gestión de proyectos de construcción
Los resultados muestran que la mayoría de los encuestados posee una familiaridad
intermedia con las aplicaciones de inteligencia artificial (IA). En una escala de 1 a 5, las respuestas
se concentraron principalmente entre los niveles 3 y 4, representando el 37,5 % y el 22,5 %
respectivamente. Esto sugiere que la comunidad profesional está en una fase de adopción
temprana–intermedia, con niveles de conocimiento suficientes para reconocer beneficios, pero
aún lejos de un dominio avanzado.
especialmente en contextos latinoamericanos. Así mismo es descriptivo porque busca caracterizar
el grado de implementación de estas tecnologías, sus beneficios, limitaciones y nivel de adopción
dentro del sector de la construcción civil.
El diseño adoptado es no experimental, de tipo transeccional o transversal, ya que no se
manipularán las variables estudiadas y los datos serán recolectados en un único punto temporal.
Este tipo de diseño resulta adecuado para obtener una fotografía del fenómeno en el momento
actual, permitiendo identificar correlaciones sin intervenir directamente en los procesos
estudiados.
El diseño es además correlacional, dado que uno de los objetivos principales es analizar la
relación entre la aplicación de IA y distintas variables dependientes como la eficiencia operativa,
la reducción de errores y el control de costos. Se utilizarán técnicas estadísticas para establecer el
grado y sentido de estas relaciones.
La recolección de datos se proyecta para el período comprendido entre septiembre y
octubre de 2025, mediante la aplicación de encuestas estructuradas dirigidas a profesionales del
sector construcción, ingenieros ambientales, responsables de obra y especialistas en tecnologías
aplicadas a la construcción urbana.
El estudio se guiará por los principios del método científico, siguiendo las etapas clásicas:
observación del fenómeno, formulación de hipótesis, recolección de datos, análisis estadístico e
interpretación de resultados. Esta metodología permitirá abordar el problema de forma lógica,
sistemática y objetiva, proporcionando evidencia empírica sobre el uso y el impacto de las
tecnologías de IA en el control de riesgos ambientales en proyectos urbanos comerciales.
RESULTADOS
Link de encuesta: Encuesta
De los resultados realizados en la encuesta a diferentes personas del ámbito de la
construcción tenemos que:
Nivel de familiaridad con la IA en la gestión de proyectos de construcción
Los resultados muestran que la mayoría de los encuestados posee una familiaridad
intermedia con las aplicaciones de inteligencia artificial (IA). En una escala de 1 a 5, las respuestas
se concentraron principalmente entre los niveles 3 y 4, representando el 37,5 % y el 22,5 %
respectivamente. Esto sugiere que la comunidad profesional está en una fase de adopción
temprana–intermedia, con niveles de conocimiento suficientes para reconocer beneficios, pero
aún lejos de un dominio avanzado.
Vol. 13/ Núm. 1 2026 pág. 988
Gráfico 1
Nivel de familiaridad con las aplicaciones de IA
Uso reciente de herramientas basadas en IA para riesgos ambientales
El 60 % de los participantes indicó haber utilizado herramientas o tecnologías de IA para
la gestión de riesgos ambientales en los últimos dos años, mientras que el 40 % señaló no haberlo
hecho. Esta distribución evidencia que la adopción es significativa pero no uniforme en el sector.
Gráfico 2
Utilización de herramientas o tecnología basada en IA
Áreas de aplicación de la IA en riesgos ambientales
Entre quienes afirmaron haber usado IA, las aplicaciones se distribuyeron equitativamente
entre:
• Monitoreo de calidad del aire,
• Predicción de eventos climáticos,
• Optimización del uso de recursos,
• Identificación de riesgos ambientales,
• Evaluación de impacto ambiental.
Gráfico 1
Nivel de familiaridad con las aplicaciones de IA
Uso reciente de herramientas basadas en IA para riesgos ambientales
El 60 % de los participantes indicó haber utilizado herramientas o tecnologías de IA para
la gestión de riesgos ambientales en los últimos dos años, mientras que el 40 % señaló no haberlo
hecho. Esta distribución evidencia que la adopción es significativa pero no uniforme en el sector.
Gráfico 2
Utilización de herramientas o tecnología basada en IA
Áreas de aplicación de la IA en riesgos ambientales
Entre quienes afirmaron haber usado IA, las aplicaciones se distribuyeron equitativamente
entre:
• Monitoreo de calidad del aire,
• Predicción de eventos climáticos,
• Optimización del uso de recursos,
• Identificación de riesgos ambientales,
• Evaluación de impacto ambiental.
Vol. 13/ Núm. 1 2026 pág. 989
Estas categorías presentaron porcentajes similares (22,5 % cada una). Asimismo, algunos
participantes declararon no haber aplicado IA debido a falta de conocimiento o pertinencia en su
contexto.
Gráfico 3
Áreas de aplicación de la IA para la gestión de riesgos ambientales
Valoración de la IA para mejorar la eficiencia en la gestión de riesgos
El 47,5 % calificó con un nivel 5 (máxima percepción de mejora), seguido de un 22,5 %
que seleccionó el nivel 4. Solo un 2,5 % eligió el nivel más bajo de percepción. Esto revela una
percepción altamente positiva sobre la capacidad de la IA para mejorar la eficiencia operativa.
Gráfico 4
Percepción de las mejoras que la IA puede ofrecer
Reducción de errores frente a métodos tradicionales
La mayoría de los encuestados (32,5 % en nivel 4 y 27,5 % en nivel 5) considera que la IA
contribuye notablemente a disminuir errores en comparación con métodos convencionales de
gestión de riesgos ambientales.
Gráfico 5
Contribución de la IA a la reducción de errores
Estas categorías presentaron porcentajes similares (22,5 % cada una). Asimismo, algunos
participantes declararon no haber aplicado IA debido a falta de conocimiento o pertinencia en su
contexto.
Gráfico 3
Áreas de aplicación de la IA para la gestión de riesgos ambientales
Valoración de la IA para mejorar la eficiencia en la gestión de riesgos
El 47,5 % calificó con un nivel 5 (máxima percepción de mejora), seguido de un 22,5 %
que seleccionó el nivel 4. Solo un 2,5 % eligió el nivel más bajo de percepción. Esto revela una
percepción altamente positiva sobre la capacidad de la IA para mejorar la eficiencia operativa.
Gráfico 4
Percepción de las mejoras que la IA puede ofrecer
Reducción de errores frente a métodos tradicionales
La mayoría de los encuestados (32,5 % en nivel 4 y 27,5 % en nivel 5) considera que la IA
contribuye notablemente a disminuir errores en comparación con métodos convencionales de
gestión de riesgos ambientales.
Gráfico 5
Contribución de la IA a la reducción de errores
Vol. 13/ Núm. 1 2026 pág. 990
Impacto en la reducción de costos
El 37,5 % evalúa el impacto de la IA en reducción de costos con una puntuación máxima
(5), mientras que el 27,5 % la valora con un 4. No se registraron puntuaciones inferiores a 2,
evidenciando una percepción favorable en términos de eficiencia financiera.
Gráfico 6
Impacto de la IA en la educación de costos
Barreras percibidas para la adopción de IA
Las barreras más relevantes identificadas fueron:
• Falta de personal capacitado (52,5 %),
• Resistencia al cambio organizacional (35 %),
• Falta de soluciones adaptadas al sector (20 %),
• Incertidumbre sobre el retorno de la inversión (15 %),
• Alto costo de implementación (10 %)
Gráfico 7
Barreras para la adopción de tecnologías de IA
Impacto en la reducción de costos
El 37,5 % evalúa el impacto de la IA en reducción de costos con una puntuación máxima
(5), mientras que el 27,5 % la valora con un 4. No se registraron puntuaciones inferiores a 2,
evidenciando una percepción favorable en términos de eficiencia financiera.
Gráfico 6
Impacto de la IA en la educación de costos
Barreras percibidas para la adopción de IA
Las barreras más relevantes identificadas fueron:
• Falta de personal capacitado (52,5 %),
• Resistencia al cambio organizacional (35 %),
• Falta de soluciones adaptadas al sector (20 %),
• Incertidumbre sobre el retorno de la inversión (15 %),
• Alto costo de implementación (10 %)
Gráfico 7
Barreras para la adopción de tecnologías de IA
Vol. 13/ Núm. 1 2026 pág. 991
Importancia de la investigación y desarrollo (I+D)
El 40 % puntuó con 5 la importancia del I+D en IA para mejorar la gestión de riesgos
ambientales en contextos latinoamericanos, seguido del 37,5 % que la evaluó con un nivel 4, lo
que refleja una alta demanda de nuevas innovaciones aplicadas a realidades urbanas regionales.
Importancia de la investigación y desarrollo (I+D)
El 40 % puntuó con 5 la importancia del I+D en IA para mejorar la gestión de riesgos
ambientales en contextos latinoamericanos, seguido del 37,5 % que la evaluó con un nivel 4, lo
que refleja una alta demanda de nuevas innovaciones aplicadas a realidades urbanas regionales.
Vol. 13/ Núm. 1 2026 pág. 992
Gráfico 8
Importancia de la IA para la gestión de riesgos ambientales
Necesidad de capacitación en IA para construcción
Un 87,5 % considera necesaria una mayor capacitación del personal asociado a la
construcción para el uso adecuado de tecnologías de IA, en contraste con un 10 % que respondió
“tal vez” y un 2,5 % que no la considera necesaria.
Gráfico 9
Necesidad de capacitación y formación en el uso de la IA
Expectativas sobre el rol de la IA en sostenibilidad y gestión de riesgos
Finalmente, las expectativas futuras son altamente positivas: el 45 % eligió un nivel 5 y el
32,5 % un nivel 4 en cuanto al impacto esperado de la IA en los próximos cinco años dentro de
la construcción urbana sostenible.
Gráfico 8
Importancia de la IA para la gestión de riesgos ambientales
Necesidad de capacitación en IA para construcción
Un 87,5 % considera necesaria una mayor capacitación del personal asociado a la
construcción para el uso adecuado de tecnologías de IA, en contraste con un 10 % que respondió
“tal vez” y un 2,5 % que no la considera necesaria.
Gráfico 9
Necesidad de capacitación y formación en el uso de la IA
Expectativas sobre el rol de la IA en sostenibilidad y gestión de riesgos
Finalmente, las expectativas futuras son altamente positivas: el 45 % eligió un nivel 5 y el
32,5 % un nivel 4 en cuanto al impacto esperado de la IA en los próximos cinco años dentro de
la construcción urbana sostenible.
Vol. 13/ Núm. 1 2026 pág. 993
Gráfico 10
Expectativas sobre el papel de la IA
DISCUSIÓN
Los resultados permiten identificar varias tendencias clave respecto a la adopción de IA en
la gestión de riesgos ambientales en la construcción.
En primer lugar, la familiaridad general con la IA es moderada, lo cual coincide con
procesos de transformación digital típicos en industrias de desarrollo gradual. El hecho de que el
60 % ya haya utilizado herramientas basadas en IA sugiere que el sector se encuentra en una fase
de transición hacia mayor digitalización, con experiencias diversas que abarcan monitoreo
ambiental, predicción climática y optimización operativa. Estos usos coinciden con tendencias
globales, donde la IA se integra principalmente en tareas de análisis predictivo, automatización
de monitoreo y apoyo a la toma de decisiones.
El consenso respecto a la eficiencia y reducción de errores confirma que los profesionales
perciben un claro valor agregado en estas tecnologías. La alta valoración (más del 70 % entre
niveles 4 y 5) en indicadores como eficiencia, reducción de errores y disminución de costos
muestra que la IA se entiende como un mecanismo para mejorar la precisión y confiabilidad en
procesos tradicionalmente manuales o basados en criterios subjetivos. Esto refuerza su potencial
en entornos urbanos complejos, donde la variabilidad ambiental y los riesgos asociados requieren
respuestas rápidas y basadas en datos.
Sin embargo, la encuesta también revela barreras estructurales significativas. La falta de
personal capacitado (52,5 %) constituye el principal obstáculo, seguido de la resistencia al cambio
(35 %). Estas barreras son comunes en la industria de la construcción, que históricamente ha
adoptado nuevas tecnologías de forma más lenta que otros sectores productivos. Asimismo, la
preocupación por la ausencia de soluciones adaptadas al sector (20 %) y la incertidumbre sobre
el retorno de la inversión evidencian la necesidad de mayor madurez tecnológica y estrategias de
implementación contextualizadas a América Latina.
La percepción positiva sobre la investigación y desarrollo en IA, evaluada con niveles altos
(4 y 5 en más del 77 % de los casos), sugiere que existe una fuerte expectativa de innovación.
Gráfico 10
Expectativas sobre el papel de la IA
DISCUSIÓN
Los resultados permiten identificar varias tendencias clave respecto a la adopción de IA en
la gestión de riesgos ambientales en la construcción.
En primer lugar, la familiaridad general con la IA es moderada, lo cual coincide con
procesos de transformación digital típicos en industrias de desarrollo gradual. El hecho de que el
60 % ya haya utilizado herramientas basadas en IA sugiere que el sector se encuentra en una fase
de transición hacia mayor digitalización, con experiencias diversas que abarcan monitoreo
ambiental, predicción climática y optimización operativa. Estos usos coinciden con tendencias
globales, donde la IA se integra principalmente en tareas de análisis predictivo, automatización
de monitoreo y apoyo a la toma de decisiones.
El consenso respecto a la eficiencia y reducción de errores confirma que los profesionales
perciben un claro valor agregado en estas tecnologías. La alta valoración (más del 70 % entre
niveles 4 y 5) en indicadores como eficiencia, reducción de errores y disminución de costos
muestra que la IA se entiende como un mecanismo para mejorar la precisión y confiabilidad en
procesos tradicionalmente manuales o basados en criterios subjetivos. Esto refuerza su potencial
en entornos urbanos complejos, donde la variabilidad ambiental y los riesgos asociados requieren
respuestas rápidas y basadas en datos.
Sin embargo, la encuesta también revela barreras estructurales significativas. La falta de
personal capacitado (52,5 %) constituye el principal obstáculo, seguido de la resistencia al cambio
(35 %). Estas barreras son comunes en la industria de la construcción, que históricamente ha
adoptado nuevas tecnologías de forma más lenta que otros sectores productivos. Asimismo, la
preocupación por la ausencia de soluciones adaptadas al sector (20 %) y la incertidumbre sobre
el retorno de la inversión evidencian la necesidad de mayor madurez tecnológica y estrategias de
implementación contextualizadas a América Latina.
La percepción positiva sobre la investigación y desarrollo en IA, evaluada con niveles altos
(4 y 5 en más del 77 % de los casos), sugiere que existe una fuerte expectativa de innovación.
Vol. 13/ Núm. 1 2026 pág. 994
Este hallazgo es coherente con la creciente demanda en la región de soluciones para adaptación
climática, sostenibilidad urbana y reducción de riesgos ambientales.
Finalmente, la necesidad de capacitación (87,5 %) se alinea con la barrera más evidente: la
falta de personal especializado. La construcción, al integrar IA, requiere nuevos perfiles técnicos
y una transición hacia culturas organizacionales orientadas a datos, automatización y análisis
predictivo. Las expectativas optimistas sobre el rol de la IA en los próximos cinco años refuerzan
la importancia estratégica de invertir en formación, investigación y desarrollo tecnológico local.
En conjunto, los resultados demuestran un sector en transición, con una percepción
mayoritariamente positiva hacia la IA, pero con desafíos claros en capacitación, resistencia
organizacional y adaptación tecnológica que deben abordarse para lograr una implementación
efectiva y sostenible.
CONCLUSIONES
Los resultados de esta investigación permiten confirmar la hipótesis general planteada: la
aplicación de herramientas de Inteligencia Artificial (IA) mejora significativamente la detección
temprana de riesgos ambientales en proyectos de construcción urbana comercial. La percepción
de los profesionales encuestados evidencia que la IA aporta mejoras sustanciales en términos de
eficiencia operativa, precisión predictiva, reducción de errores y optimización de costos, lo cual
coincide con los postulados de estudios recientes como los de Zhang et al. (2023), Zambrano
Salazar et al. (2024) y Carvajal-Rivadeneira et al. (2024).
En primer lugar, se constató que, aunque el nivel de familiaridad con la IA aún se mantiene
en rangos intermedios, una proporción considerable de los profesionales del sector (60 %) ya ha
implementado tecnologías basadas en IA para la gestión de riesgos ambientales. Este hallazgo
refleja una transición progresiva hacia la digitalización del sector, aun cuando persisten
limitaciones y brechas de conocimiento. Las aplicaciones más frecuentes —monitoreo ambiental,
predicción climática, optimización de recursos e identificación de riesgos— demuestran que la
IA se está integrando de forma concreta en tareas críticas, alineándose con la literatura que destaca
su potencial para gestionar grandes volúmenes de datos y generar modelos predictivos confiables.
Asimismo, los participantes manifestaron una alta valoración respecto al impacto de la IA
en la eficiencia, la detección temprana y la reducción de errores. Más del 70 % calificó con niveles
altos (4 y 5) la contribución de la IA en estos aspectos, lo cual respalda la primera hipótesis
específica: la IA reduce el tiempo necesario para identificar riesgos ambientales emergentes. Esto
es coherente con las capacidades descritas por Zhang et al. (2023), quienes subrayan el poder
predictivo de los algoritmos de aprendizaje automático para anticipar daños ambientales antes de
su materialización.
La segunda hipótesis específica también se confirma: la IA mejora la eficacia en la toma
de decisiones preventivas dentro de la planificación urbana. La alta percepción sobre su impacto
Este hallazgo es coherente con la creciente demanda en la región de soluciones para adaptación
climática, sostenibilidad urbana y reducción de riesgos ambientales.
Finalmente, la necesidad de capacitación (87,5 %) se alinea con la barrera más evidente: la
falta de personal especializado. La construcción, al integrar IA, requiere nuevos perfiles técnicos
y una transición hacia culturas organizacionales orientadas a datos, automatización y análisis
predictivo. Las expectativas optimistas sobre el rol de la IA en los próximos cinco años refuerzan
la importancia estratégica de invertir en formación, investigación y desarrollo tecnológico local.
En conjunto, los resultados demuestran un sector en transición, con una percepción
mayoritariamente positiva hacia la IA, pero con desafíos claros en capacitación, resistencia
organizacional y adaptación tecnológica que deben abordarse para lograr una implementación
efectiva y sostenible.
CONCLUSIONES
Los resultados de esta investigación permiten confirmar la hipótesis general planteada: la
aplicación de herramientas de Inteligencia Artificial (IA) mejora significativamente la detección
temprana de riesgos ambientales en proyectos de construcción urbana comercial. La percepción
de los profesionales encuestados evidencia que la IA aporta mejoras sustanciales en términos de
eficiencia operativa, precisión predictiva, reducción de errores y optimización de costos, lo cual
coincide con los postulados de estudios recientes como los de Zhang et al. (2023), Zambrano
Salazar et al. (2024) y Carvajal-Rivadeneira et al. (2024).
En primer lugar, se constató que, aunque el nivel de familiaridad con la IA aún se mantiene
en rangos intermedios, una proporción considerable de los profesionales del sector (60 %) ya ha
implementado tecnologías basadas en IA para la gestión de riesgos ambientales. Este hallazgo
refleja una transición progresiva hacia la digitalización del sector, aun cuando persisten
limitaciones y brechas de conocimiento. Las aplicaciones más frecuentes —monitoreo ambiental,
predicción climática, optimización de recursos e identificación de riesgos— demuestran que la
IA se está integrando de forma concreta en tareas críticas, alineándose con la literatura que destaca
su potencial para gestionar grandes volúmenes de datos y generar modelos predictivos confiables.
Asimismo, los participantes manifestaron una alta valoración respecto al impacto de la IA
en la eficiencia, la detección temprana y la reducción de errores. Más del 70 % calificó con niveles
altos (4 y 5) la contribución de la IA en estos aspectos, lo cual respalda la primera hipótesis
específica: la IA reduce el tiempo necesario para identificar riesgos ambientales emergentes. Esto
es coherente con las capacidades descritas por Zhang et al. (2023), quienes subrayan el poder
predictivo de los algoritmos de aprendizaje automático para anticipar daños ambientales antes de
su materialización.
La segunda hipótesis específica también se confirma: la IA mejora la eficacia en la toma
de decisiones preventivas dentro de la planificación urbana. La alta percepción sobre su impacto
Vol. 13/ Núm. 1 2026 pág. 995
positivo en la reducción de costos, combinada con la capacidad de análisis en tiempo real,
coincide con lo planteado por Gómez Quiroga et al. (2025), quienes sostienen que los enfoques
innovadores complementan y superan las técnicas tradicionales de gestión de riesgos.
No obstante, la investigación también identifica barreras significativas que limitan la
adopción plena de estas tecnologías. Entre ellas destacan la falta de personal capacitado (52,5 %),
la resistencia al cambio (35 %) y la ausencia de soluciones tecnológicas adaptadas al sector (20
%). Estas barreras confirman que, aunque la IA posee un alto potencial transformador, su
integración efectiva requiere estrategias de capacitación, concientización y adaptación
tecnológica, especialmente en contextos latinoamericanos donde los niveles de planificación
ambiental son variables y, en muchos casos, insuficientes.
Asimismo, la alta valoración sobre la importancia del I+D en IA (77,5 % entre niveles 4 y
5) evidencia la necesidad de impulsar investigaciones aplicadas en entornos urbanos comerciales,
un ámbito donde aún existe escasez de estudios sistemáticos, como se destacó en la introducción.
Este vacío justifica plenamente la contribución científica del presente estudio, el cual ayuda a
comprender la pertinencia y el potencial de implementar tecnologías avanzadas en territorios con
alta presión urbanística y ambiental.
Finalmente, las expectativas positivas de los encuestados respecto al rol de la IA en los
próximos cinco años refuerzan la relevancia de promover políticas públicas, normativas técnicas
y procesos formativos orientados a la transformación digital del sector de la construcción. Tal
como se evidencia en el caso de Portoviejo y su normativa ambiental vigente, el fortalecimiento
institucional y la incorporación de nuevas herramientas pueden desempeñar un papel clave en la
sostenibilidad urbana. La IA, en este sentido, se posiciona como un mecanismo indispensable
para anticipar riesgos, reducir impactos y avanzar hacia modelos constructivos más responsables,
resilientes y sostenibles.
positivo en la reducción de costos, combinada con la capacidad de análisis en tiempo real,
coincide con lo planteado por Gómez Quiroga et al. (2025), quienes sostienen que los enfoques
innovadores complementan y superan las técnicas tradicionales de gestión de riesgos.
No obstante, la investigación también identifica barreras significativas que limitan la
adopción plena de estas tecnologías. Entre ellas destacan la falta de personal capacitado (52,5 %),
la resistencia al cambio (35 %) y la ausencia de soluciones tecnológicas adaptadas al sector (20
%). Estas barreras confirman que, aunque la IA posee un alto potencial transformador, su
integración efectiva requiere estrategias de capacitación, concientización y adaptación
tecnológica, especialmente en contextos latinoamericanos donde los niveles de planificación
ambiental son variables y, en muchos casos, insuficientes.
Asimismo, la alta valoración sobre la importancia del I+D en IA (77,5 % entre niveles 4 y
5) evidencia la necesidad de impulsar investigaciones aplicadas en entornos urbanos comerciales,
un ámbito donde aún existe escasez de estudios sistemáticos, como se destacó en la introducción.
Este vacío justifica plenamente la contribución científica del presente estudio, el cual ayuda a
comprender la pertinencia y el potencial de implementar tecnologías avanzadas en territorios con
alta presión urbanística y ambiental.
Finalmente, las expectativas positivas de los encuestados respecto al rol de la IA en los
próximos cinco años refuerzan la relevancia de promover políticas públicas, normativas técnicas
y procesos formativos orientados a la transformación digital del sector de la construcción. Tal
como se evidencia en el caso de Portoviejo y su normativa ambiental vigente, el fortalecimiento
institucional y la incorporación de nuevas herramientas pueden desempeñar un papel clave en la
sostenibilidad urbana. La IA, en este sentido, se posiciona como un mecanismo indispensable
para anticipar riesgos, reducir impactos y avanzar hacia modelos constructivos más responsables,
resilientes y sostenibles.
Vol. 13/ Núm. 1 2026 pág. 996
REFERENCIAS
Acosta, M. E. (2023). La Inteligencia Artificial en la ingenierı́a civil: Artificial Intelligence in
civil engineering. Conocimiento Libre y Licenciamiento (CLIC), (27).
https://www.researchgate.net/profile/Maria-Eugenia-Acosta-
Garcia/publication/372680214_La_Inteligencia_Artificial_en_la_ingenieria_civil_Artifici
al_Intelligence_in_civil_engineering/links/64c2b3d36f28555d86d803a3/La-Inteligencia-
Artificial-en-la-ingenieria-civil-Artificial-Intelligence-in-civil-engineering.pdf
Bello-Carrasco, L. M., & Cedeño-Ramírez, L. P. (2016). Medio ambiente y la salud: un desafío.
Dom. Cien., 2(monográfico), 225-234.
https://dialnet.unirioja.es/servlet/articulo?codigo=6325826
Carvajal-Rivadeneira, D. D., Guaranda-Mero, B. G., Domínguez-Gálvez, D. L., & Regalado-
Jalca, J. J. (2024). Aplicación de la inteligencia artificial en proyectos de ingeniería civil.
Revista Científica INGENIAR: Ingeniería, Tecnología e Investigación, 7(14), 390–404.
https://doi.org/10.46296/ig.v7i14.0223
GAD Municipal de Portoviejo. (2015). Ordenanza que regula la obligación de realizar estudios
ambientales a las obras civiles y a los establecimientos industriales, comerciales y de otros
servicios ubicados dentro del cantón Portoviejo.
http://online.portoviejo.gob.ec:9090/ordenanzas/b_ordenanza.down?id_archivo=215
Gómez Quiroga, Y. S., Melo Moreno, L. L., & Arevalo Quintero, D. S. (2025). Técnicas y
enfoques innovadores de gestión de riesgos operativos en proyectos de construcción.
https://repository.ugc.edu.co/server/api/core/bitstreams/17e9fd06-20cc-42ce-8e95-
a6e1d4695800/content
Jaimes-Quintanilla, María y Zabala-Vargas, Sergio. (2024). Inteligencia artificial en la gestión de
proyectos: caso construcción y obra civil [Artificial intelligence in project management:
case of construction and civil works]. European Public & Social Innovation Review, 9, 1-
21. https://doi.org/10.31637/epsir-2024-1615
Moreira Pérez, D. J., Rodríguez Espinoza, N. S., Solórzano Jaramillo, M. F., & Zambrano Tuarez,
J. J. (2021). Protección ambiental, un desafío social actual en la ciudad de Portoviejo.
UNESUM-Ciencias: Revista Científica Multidisciplinaria, 5(2, Número Especial), 129–
140. https://revistas.unesum.edu.ec/index.php/unesumciencias/article/view/280
Zambrano Salazar, L. L., Acosta Lozada, R. I., Mayacela Rojas, C. M., & Renteria Bustamante,
L. F. (2024). Aplicación de la inteligencia artificial en la evaluación del impacto ambiental
de proyectos de ingeniería civil. Magazine de las Ciencias, 9(3), 99–114.
https://doi.org/10.33262/rmc.v9i3.3163
REFERENCIAS
Acosta, M. E. (2023). La Inteligencia Artificial en la ingenierı́a civil: Artificial Intelligence in
civil engineering. Conocimiento Libre y Licenciamiento (CLIC), (27).
https://www.researchgate.net/profile/Maria-Eugenia-Acosta-
Garcia/publication/372680214_La_Inteligencia_Artificial_en_la_ingenieria_civil_Artifici
al_Intelligence_in_civil_engineering/links/64c2b3d36f28555d86d803a3/La-Inteligencia-
Artificial-en-la-ingenieria-civil-Artificial-Intelligence-in-civil-engineering.pdf
Bello-Carrasco, L. M., & Cedeño-Ramírez, L. P. (2016). Medio ambiente y la salud: un desafío.
Dom. Cien., 2(monográfico), 225-234.
https://dialnet.unirioja.es/servlet/articulo?codigo=6325826
Carvajal-Rivadeneira, D. D., Guaranda-Mero, B. G., Domínguez-Gálvez, D. L., & Regalado-
Jalca, J. J. (2024). Aplicación de la inteligencia artificial en proyectos de ingeniería civil.
Revista Científica INGENIAR: Ingeniería, Tecnología e Investigación, 7(14), 390–404.
https://doi.org/10.46296/ig.v7i14.0223
GAD Municipal de Portoviejo. (2015). Ordenanza que regula la obligación de realizar estudios
ambientales a las obras civiles y a los establecimientos industriales, comerciales y de otros
servicios ubicados dentro del cantón Portoviejo.
http://online.portoviejo.gob.ec:9090/ordenanzas/b_ordenanza.down?id_archivo=215
Gómez Quiroga, Y. S., Melo Moreno, L. L., & Arevalo Quintero, D. S. (2025). Técnicas y
enfoques innovadores de gestión de riesgos operativos en proyectos de construcción.
https://repository.ugc.edu.co/server/api/core/bitstreams/17e9fd06-20cc-42ce-8e95-
a6e1d4695800/content
Jaimes-Quintanilla, María y Zabala-Vargas, Sergio. (2024). Inteligencia artificial en la gestión de
proyectos: caso construcción y obra civil [Artificial intelligence in project management:
case of construction and civil works]. European Public & Social Innovation Review, 9, 1-
21. https://doi.org/10.31637/epsir-2024-1615
Moreira Pérez, D. J., Rodríguez Espinoza, N. S., Solórzano Jaramillo, M. F., & Zambrano Tuarez,
J. J. (2021). Protección ambiental, un desafío social actual en la ciudad de Portoviejo.
UNESUM-Ciencias: Revista Científica Multidisciplinaria, 5(2, Número Especial), 129–
140. https://revistas.unesum.edu.ec/index.php/unesumciencias/article/view/280
Zambrano Salazar, L. L., Acosta Lozada, R. I., Mayacela Rojas, C. M., & Renteria Bustamante,
L. F. (2024). Aplicación de la inteligencia artificial en la evaluación del impacto ambiental
de proyectos de ingeniería civil. Magazine de las Ciencias, 9(3), 99–114.
https://doi.org/10.33262/rmc.v9i3.3163
Vol. 13/ Núm. 1 2026 pág. 997
Zhang, H., Li, X., & Wang, Y. (2023). Application of machine learning and genetic algorithms
in environmental performance assessment and optimization of traditional Huizhou houses
in China. https://www.sciencedirect.com/science/article/pii/S2095263525000263
Zhang, H., Li, X., & Wang, Y. (2023). Application of machine learning and genetic algorithms
in environmental performance assessment and optimization of traditional Huizhou houses
in China. https://www.sciencedirect.com/science/article/pii/S2095263525000263