Qué dice la data del Anthropic Economic Index sobre cómo está entrando la inteligencia artificial a la cadena de valor de la construcción.
Hace unos días Anthropic (la empresa detrás de Claude) lanzó un conector que permite consultar directamente el Anthropic Economic Index: una base de datos que mide, con datos reales de uso, cómo se está usando la IA en la economía. No son encuestas ni proyecciones, sino patrones de millones de conversaciones, clasificados por ocupación y tarea.
En iConstruye revisamos qué dicen los datos disponibles sobre el uso de IA específicamente en la cadena de valor de la construcción.
El resultado matiza bastante el panorama habitual.
Lo esencial en este artículo
Construction and Extraction parece la industria con menos uso de IA, pero los gerentes de construcción (Construction Managers) están clasificados dentro de "Management", no ahí: la etiqueta "construcción" no captura dónde realmente entra la IA a esta industria.
El patrón se repite en diseño, gestión de compras y finanzas: la IA asiste el criterio (negociar, diseñar, decidir) y automatiza lo mecánico (transcribir, conciliar, buscar en catálogos).
Chile lidera la adopción de IA en Latinoamérica, y "Construction and Extraction" no aparece en el top 10 de categorías de ningún país de la región.
Empecemos por lo que llama la atención. De las 22 categorías ocupacionales que mide el Index, "Construction and Extraction" es la segunda con menor uso de IA de todas, apenas 0.10% del uso global, superando únicamente a agricultura y pesca. Para dimensionarlo: la categoría líder, Computer and Mathematical, concentra 23.80%.
Leído de forma directa, ese dato sugiere que la construcción está rezagada en la adopción de IA. Sin embargo, un análisis más detallado matiza esa conclusión.
Al revisar el detalle ocupación por ocupación, aparece un dato que cambia la lectura: los gerentes de construcción (Construction Managers) no están clasificados dentro de "Construction and Extraction". Están en "Management", una categoría que concentra 5.90% del uso global, casi 60 veces más que la categoría "construcción".
Esto no es un error de catalogación. Refleja algo que cualquiera que trabaje en el sector reconoce: la construcción como industria no es un bloque homogéneo. Es una cadena con capas distintas -diseño, gestión, compras, finanzas, ejecución en terreno- y cada una tiene una relación diferente con la tecnología.
El Index, sin proponérselo, obliga a mirar la cadena de valor completa en lugar de una sola etiqueta.
Al cruzar los datos globales de las ocupaciones más relevantes para la cadena de abastecimiento y pago (source-to-pay, o S2P) de construcción (diseño, gestión y compras, y ejecución administrativa/financiera) aparece un patrón consistente.
Cabe aclarar que todos los porcentajes de esta sección corresponden al promedio mundial del Index, no a un país en particular; el caso de Chile y la región se revisa por separado más adelante.
Antes de entrar al detalle, dos términos que se repiten a lo largo del análisis:
Aumentación significa que, en esa conversación, la persona sigue al mando -usa la IA como asistente para redactar, analizar o iterar, pero la decisión final es humana-.
Automatización significa que la persona le pidió a la IA que resolviera la tarea de principio a fin, con poca o ninguna iteración.
No miden "cuánto trabajo se hizo": miden el estilo de la conversación, qué porción de las interacciones registradas para esa tarea fueron de colaboración versus de ejecución directa. Las dos suman 100%.
En la ocupación de arquitectos (Architects, Except Landscape and Naval), la tarea con mayor colaboración humano-IA de todo el conjunto revisado es "integrar elementos de ingeniería en diseños arquitectónicos unificados": 83% aumentación, 17% automatización. Le sigue "calcular ahorros energéticos potenciales" con 78% aumentación.
En cambio, tareas más mecánicas de producción -preparar manuales de operación, crear modelos 3D- se inclinan hacia automatización (56-57%).
El patrón es claro: donde hay síntesis creativa y juicio técnico, la IA asiste. Donde hay producción repetitiva de documentos, la IA ejecuta la tarea directamente.
Esta es la capa donde el patrón se observa con más claridad.
Entre gerentes de compras (Purchasing Managers), el 63.65% de las conversaciones son de colaboración con la IA (aumentación) y el resto, de ejecución directa (automatización), esto considera el conjunto completo de la ocupación, no solo las tareas puntuales que se detallan a continuación. Las de más alto valor -desarrollar estrategias de reducción de costos (64%), definir especificaciones de producto (68%), diseñar políticas de compras (54%)- son colaborativas: la IA itera con la persona, no la reemplaza.
En agentes de compras (Purchasing Agents) -el rol más operativo, el que ejecuta- la proporción se invierte: 65.96% automatización. La tarea más automatizada del grupo (81%) es "revisar catálogos y directorios para localizar bienes o servicios" -una tarea puntual de búsqueda inicial, distinta del sourcing estratégico completo, que sigue requiriendo evaluación de proveedores, negociación y criterio técnico, como se vio en las tareas de gerentes de compras.
Algo similar ocurre en gerentes de construcción: "interpretar planos y términos contractuales" es 66% aumentación, con un componente alto de aprendizaje (42%) -la IA todavía está incorporando ese conocimiento junto con el profesional-, mientras que "solicitar y obtener permisos y licencias" es 76% automatización a nivel global.
Esto no significa que tramitar permisos sea, en la práctica, una tarea simple: en Chile, por ejemplo, la conocida "permisología" es uno de los cuellos de botella más complejos del sector, y ese dato del Index no está midiendo específicamente el caso chileno ni matiza esa complejidad.
Lo que muestra es que, en las conversaciones registradas alrededor del mundo, la interacción con la IA para esa tarea tiende a ser del tipo "redáctamelo" o "complétalo por mí", más que una colaboración iterativa.
En asistentes contables y de auditoría (Bookkeeping, Accounting, and Auditing Clerks) -la ocupación que mejor representa cuentas por pagar, facturación y conciliación dentro del Index- el patrón se repite con más fuerza.
Las tareas de cálculo y emisión con criterio -calcular y emitir facturas (70% aumentación), compilar presupuestos (62%), calcular costos de materiales según cotizaciones (59%)- siguen siendo predominantemente colaborativas.
Las tareas de transcripción y conciliación, en cambio, muestran alta automatización: transferir datos de diarios a libros mayores (87%), emparejar órdenes de compra con facturas (80%), codificar documentos según procedimientos (79%).
Es, otra vez, la misma frontera: lo mecánico se automatiza; lo que requiere criterio se asiste.
En síntesis: la IA no está reemplazando a quien negocia, diseña o decide. Está absorbiendo el trabajo que existe alrededor de esas decisiones -buscar en catálogos, transcribir a un libro mayor, emparejar una orden con una factura, tramitar un permiso.
Para quienes trabajan en la cadena de suministro de construcción, esto no es una amenaza. Es, en esencia, el mismo problema que las plataformas de gestión de compras y pagos (S2P) buscan resolver: reducir la fricción operativa para que el tiempo humano se concentre donde genera más valor -negociación, estrategia, criterio técnico.
Los datos del Index, sin proponérselo, describen el mismo argumento que sostiene la digitalización S2P desde hace años, ahora con cifras que lo respaldan.
Todo lo anterior corresponde a datos globales, medidos como porcentaje del uso total del Index. Para comparar países, el Index usa una métrica distinta: el Anthropic Usage Index, que no mide volumen de uso sino qué tan grande es la participación de un país en el uso de Claude en relación con su participación en la población mundial en edad de trabajar. Un país con índice 1.0 usa Claude exactamente en la proporción que le correspondería por tamaño de población; por encima de 1.0, lo usa más de lo esperado.
Con esa métrica, Chile no aparece rezagado. Al contrario: su índice es 1.84 (puesto 34 de 121 países), lo que indica que usa Claude un 84% más de lo que su población en edad de trabajar predeciría por sí sola. Dentro de ese uso, Architecture and Engineering está sobrerrepresentada respecto al promedio mundial (índice 1.09), al igual que Management (1.15) y Office and Administrative Support (1.16), las mismas categorías donde se observa el patrón descrito anteriormente.
Chile, además, usa Claude proporcionalmente más para trabajo (47.89% vs. 43.36% global) y menos para uso personal que el promedio mundial: un mercado donde la IA está entrando primero por el uso profesional.
Al ampliar la mirada a la región (Chile, Argentina, Perú, Colombia, Brasil y México), Chile lidera el grupo latinoamericano, con un índice de uso (1.84) que casi triplica al de México (0.63) y supera con holgura a Argentina (1.48), en segundo lugar.
Un matiz relevante: pese a liderar en adopción general, Chile tiene el segundo porcentaje más bajo de uso relativo en Business and Financial Operations de los seis países (5.34%, solo por delante de Perú). La adopción de IA es alta, pero todavía no está concentrada en la capa financiera y operativa, un espacio de crecimiento pendiente en la región.
El dato regional más relevante para el argumento central de este artículo: "Construction and Extraction" no aparece en el top 10 de categorías de ninguno de los seis países.
No es un vacío exclusivo de Chile, sino un patrón regional. La categoría "construcción" en su sentido más literal todavía no genera, en ningún mercado grande de la región, suficiente huella de datos para el Index. Esto refuerza, a escala regional, el argumento planteado al inicio: la etiqueta "construcción" no captura dónde realmente está entrando la IA a esta industria.
Si el patrón global es que el juicio se asiste y lo mecánico se automatiza, el dato regional agrega un elemento adicional: Latinoamérica -con Chile a la cabeza- no está atrasada en esa transición, y la capa de gestión y compras de la construcción sigue siendo, en toda la región, un espacio poco desarrollado.
Si el análisis se hubiera detenido en la primera cifra (0.10% de uso en "Construction and Extraction"), la lectura habría sido simple y probablemente engañosa: que la construcción casi no usa IA.
Lo que muestran estos datos, con más detalle, es que buena parte de lo que se asocia a "construcción" aparece registrado bajo otras etiquetas —"Management", "Business and Financial Operations"—, y que dentro de esas categorías el patrón es consistente: las tareas de transcripción, conciliación y trámite muestran automatización alta; las de negociación, diseño y decisión, colaboración.
Es una pieza concreta y verificable: la capa de gestión y compras muestra más actividad de la que la etiqueta "construcción" por sí sola sugiere, y vale la pena tenerlo presente al momento de decidir dónde mirar primero.
Vale la pena decirlo con la misma claridad: estos datos reflejan un patrón dentro de una fuente específica -las conversaciones con Claude-, no el universo completo de IA en construcción. Existen hoy soluciones aplicadas directamente a la ejecución en obra -planificación, seguridad, modelado, monitoreo- que este estudio no mide ni contradice.
Este es apenas un primer corte de lo que los datos pueden mostrar sobre la industria. En iConstruye seguimos profundizando en estos temas.
Vale la pena decirlo con la misma claridad con la que lo dice la propia herramienta: este es un corte puntual de mayo de 2026, no una serie temporal. El Index no permite afirmar que el uso de IA en construcción "está creciendo" o "va a reemplazar" tal o cual rol -esas son lecturas que el dato, tal como está disponible hoy, no sostiene.
Además, buena parte del detalle de tareas específicas para ocupaciones directamente ligadas a la construcción (como Painters, Construction and Maintenance) está suprimido por umbrales de privacidad -se requiere un mínimo de 15 conversaciones de al menos 15 organizaciones distintas para publicar un dato-. La propia herramienta aclara que esto no equivale a uso cero; simplemente no hay suficiente volumen registrado para publicar esa cifra con el nivel de anonimato requerido. No es posible saber, a partir de esta información, si el uso real es mayor o menor al que el Index alcanza a mostrar.
Fuente: Anthropic Economic Index. Todos los datos citados corresponden al período 2026-05-01 y fueron consultados a través del conector oficial de Anthropic Economic Index para Claude.