IA en el proceso de ofertas: dónde funciona ya y dónde están los límites

Introducción

Pocos temas se debaten actualmente de forma más controvertida en la contratación industrial que el uso de IA en la elaboración de ofertas. Las promesas son grandes: extracción automática de requisitos, clasificación inteligente, detección de normas con solo pulsar un botón. La realidad, como suele ocurrir, es más matizada.

Este artículo ofrece una visión sobria del estado de la técnica, muestra dónde la IA ya aporta hoy un valor medible, expone honestamente sus límites y sitúa esta evolución en el contexto de la industria ferroviaria. No es prosa de moda, sino un análisis objetivo para responsables de ofertas que quieren saber qué funciona y qué todavía no.

Las cuatro áreas de aplicación de un vistazo

La IA en el proceso de ofertas puede dividirse en cuatro áreas de aplicación claramente delimitadas, cada una con distintos grados de madurez:

Extracción de requisitos: el caso de uso más maduro

La extracción automática de requisitos de documentos no estructurados es actualmente el caso de uso de IA más avanzado en el proceso de ofertas. El problema está claramente definido: existe un pliego de requisitos en formato PDF o Word y los requisitos deben incorporarse a un sistema de gestión de requisitos como registros estructurados (ID, texto, referencia normativa, obligatoriedad).

Siemens integró en 2025 funciones de IA de Polarion para la elaboración de ofertas . La capa de IA analiza documentos de licitación entrantes (RFQ, pliegos de requisitos) y extrae requisitos automáticamente, sin introducción manual. Según Siemens, esto debe reducir el tiempo de análisis «de semanas a horas».

En una publicación de blog independiente Siemens cifra la ganancia de eficiencia en «hasta un 25 %». No obstante, conviene ser prudente: la cifra procede del sector energético y se refiere al proceso global, no específicamente a la industria ferroviaria. Habrá que esperar para saber si se pueden lograr ganancias comparables en la industria ferroviaria, considerablemente más intensiva en normas.

semantha: IA para la evaluación de requisitos en Polarion

Además de las funciones nativas de IA, semantha ofrece una extensión especializada para Polarion centrada en la evaluación de requisitos asistida por IA. semantha analiza semánticamente los requisitos y puede buscar en bases de datos de requisitos existentes para encontrar requisitos similares de proyectos anteriores. Es un enfoque especialmente relevante para los pliegos recurrentes de la industria ferroviaria, donde muchos requisitos se formulan de forma parecida entre licitaciones.

Asistencia para la clasificación: prometedora, pero sin piloto automático

La clasificación automática de requisitos (OK, OKB, NOK, OKM, R) es un caso de uso de IA evidente. La lógica es la siguiente: si una empresa cuenta con miles de requisitos ya clasificados de proyectos anteriores, un modelo de aprendizaje automático puede aprender a clasificar de forma similar requisitos similares.

En la práctica, el enfoque más eficaz es un sistema asistido: la IA propone una clasificación inicial (incluido un valor de confianza), y el experto técnico la revisa y corrige. En casos inequívocos (confianza alta), esto ahorra mucho tiempo. En casos límite (confianza baja), el sistema señala explícitamente al experto la necesidad de revisión.

Detección de normas: es posible un alto grado de automatización

La detección automática de referencias normativas en texto libre es un caso de uso en el que la IA ya trabaja de forma fiable. La tarea está claramente definida: en un texto como «Deben cumplirse los requisitos de protección contra incendios según DIN EN 45545-2:2020 en la categoría de peligro HL3», deben detectarse y clasificarse las referenciasDIN EN 45545-2:2020 y HL3.

Tasa estimada de detección de los sistemas de IA por tipo de referencia (valoración cualitativa, no basada en un estudio específico).

El reto no reside tanto en la detección en sí como en el procesamiento posterior: ¿la norma detectada sigue vigente? ¿Existe una edición más reciente? ¿La norma remite a otras normas aplicables de forma implícita? Este análisis de referencias cruzadas requiere una base de datos de normas actualizada. Un tema que se profundiza en nuestro artículo sobre cumplimiento de normas en licitaciones.

Asignación a expertos: IA como sistema de propuestas

La asignación automática de requisitos a departamentos especializados es un caso de uso que depende mucho de la calidad de los datos históricos. Las empresas que han documentado correctamente sus asignaciones en proyectos anteriores pueden entrenar un modelo que genere propuestas de asignación para requisitos nuevos.

Como se describe en nuestro artículo sobre asignación de expertos en licitaciones, esto funciona bien para requisitos claramente asignables (protección contra incendios → equipo de protección contra incendios), pero alcanza sus límites con requisitos transversales. El enfoque más eficaz sigue siendo: la IA propone, la persona revisa y corrige.

Los límites honestos: lo que la IA todavía no puede hacer

Además de los límites específicos de cada área de aplicación, existen restricciones fundamentales que los responsables de ofertas deberían conocer:

1. Falta el contexto del proyecto

Un sistema de IA no conoce el concepto específico del vehículo. No sabe que el cliente exige un BEMU de piso bajo con una velocidad máxima de 160 km/h y que la propia empresa hasta ahora solo dispone de plataformas de 140 km/h. La clasificación «OKM: con adaptación de la cadena cinemática» requiere conocimientos de ingeniería que un modelo lingüístico no posee.

2. Responsabilidad y trazabilidad

Cada clasificación de una oferta es un compromiso vinculante. Si un sistema de IA propone clasificar un requisito como «OK» y el experto técnico adopta la propuesta sin revisarla, en caso de litigio responde la empresa, no el algoritmo. La ISO 22163:2023 exige trazabilidad completa: ¿quién tomó qué decisión y sobre qué base? «La IA lo propuso» no es una prueba aceptable.

3. Confidencialidad y protección de datos

Los pliegos de requisitos son documentos confidenciales. Contienen detalles sobre infraestructuras de transporte previstas, especificaciones técnicas y condiciones comerciales. El procesamiento mediante sistemas de IA basados en la nube (en particular LLM como GPT-4 o Claude) plantea preguntas justificadas:

• ¿Se usan los datos para entrenar el modelo?
• ¿Dónde se procesan y almacenan los datos (cumplimiento del RGPD)?
• ¿Puede el contratante prohibir la cesión de sus documentos a terceros?

4. Riesgo de alucinación

Los modelos de IA generativa pueden producir afirmaciones que suenan plausibles pero son incorrectas, un fenómeno conocido como «alucinación». En el contexto de las ofertas, sería fatal: un sistema de IA que cita una norma inexistente o propone una evaluación de cumplimiento errónea puede conducir a ofertas equivocadas. Por ello, la revisión humana de las propuestas de IA no es opcional, sino obligatoria.

Arquitectura práctica: integrar la IA en el proceso de ofertas

La integración más eficaz de IA en el proceso de ofertas sigue el patrón «la IA propone, la persona decide». Plataformas como Tendric se basan precisamente en esta arquitectura:

Panorama de mercado: lo que existe

El panorama de herramientas de IA para la elaboración de ofertas puede dividirse a grandes rasgos en tres categorías:

1. IA integrada en sistemas ALM

Siemens Polarion ha integrado funciones nativas de IA desde 2025. La funcionalidad incluye extracción de requisitos de documentos de licitación, análisis semántico y vinculación con bases de datos existentes. Hitachi Rail ya ha integrado Polarion en sus flujos de trabajo de proyectos.

2. Extensiones de IA para sistemas existentes

semantha es un ejemplo de una extensión de IA especializada que se conecta a instalaciones existentes de Polarion. La ventaja: las empresas pueden añadir funcionalidad de IA de forma incremental sin sustituir su sistema ALM actual.

3. Plataformas especializadas

Además de los grandes proveedores de ALM, están surgiendo plataformas especializadas que se centran en la elaboración de ofertas asistida por IA, con una barrera de entrada menor que Polarion o DOORS, pero con apoyo específico para extracción, clasificación y exportación de pliegos de condiciones. Tendric es un ejemplo de este enfoque: la plataforma combina extracción de requisitos asistida por IA con clasificación estructurada y asignación a expertos, sin la sobrecarga de un sistema ALM completo. Estas herramientas se dirigen especialmente a proveedores medianos para los que Polarion o DOORS resultan sobredimensionados.

Estrategia de implantación: cómo empezar

Las empresas que desean introducir IA en su proceso de ofertas se benefician de un enfoque gradual:

Orden de implantación recomendado según el grado de madurez y el riesgo (valoración propia).

La fase 1 (extracción) ofrece el ROI más rápido con el menor riesgo: el resultado es una lista de requisitos estructurada que las personas revisan antes de que se realice cualquier evaluación. Plataformas especializadas como Tendric permiten esta entrada gradual sin exigir una migración ALM completa. Las fases 3–5 requieren datos de entrenamiento propios de la empresa (clasificaciones y asignaciones históricas) y, por tanto, su implantación es más costosa.

Conclusión

La IA en el proceso de ofertas no es una panacea ni una moda: es una herramienta con fortalezas claras y límites igualmente claros. La extracción de requisitos y la detección de normas están listas hoy para el uso productivo. La asistencia para la clasificación es prometedora, pero no es un piloto automático. La evaluación final, la decisión comercial y la responsabilidad siguen estando en manos de las personas.

Para los responsables de ofertas de la industria ferroviaria, la pregunta decisiva no es «¿Debo usar IA?», sino «¿dónde uso IA y dónde expresamente no?».