ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
FUNDAMENTOS EPISTEMOLÓGICOS PARA UN MODELO  
DE GESTIÓN DE LA ADOPCIÓN TECNOLÓGICA EN LA  
CONSTRUCCIÓN 4.0  
EPISTEMOLOGICAL FOUNDATIONS FOR A  
MANAGEMENT MODEL OF TECHNOLOGICAL ADOPTION  
IN CONSTRUCTION 4.0  
David Alexander Calderón Arregui1, Pedro José Sánchez Caimán2, Jaime Tinto Arandes3  
{dacalderon07@gmail.com1, pedro.sanchez@unimilitar.edu.co2, doctinto@gmail.com3}  
Fecha de recepción: 12/10/2026  
/ Fecha de aceptación: 03/11/2026 / Fecha de publicación: 09/11/2026  
RESUMEN: La adopción tecnológica en la Construcción 4.0 enfrenta desafíos que  
superan lo técnico y alcanzan dimensiones epistemológicas que condicionan la  
producción, la validación y el uso del conocimiento digital. El propósito del estudio fue  
desarrollar un marco epistemológico conceptual que fundamente un modelo de  
gestión para la adopción tecnológica en el sector. Se empleó un enfoque cualitativo,  
documental e interpretativo, basado en una revisión narrativa y selectiva de obras de  
filosofía de la ciencia y de literatura reciente sobre tecnologías de Construcción 4.0,  
con agrupación temática de unidades de significado y comparación conceptual entre  
tradiciones; el corpus no se construyó mediante una búsqueda sistemática. Como  
resultado, se proponen seis categorías epistémicas derivadas del análisis conceptual:  
validez y trazabilidad epistémica, coherencia ontológica y consistencia digital,  
complejidad y multicausalidad, pluralidad metodológica y dinamismo heurístico,  
justicia cognitiva y responsabilidad epistémica, y agencia cognitiva y capacidad  
interpretativa, que ofrecen una lectura interpretativa de tecnologías como BIM, IoT,  
inteligencia artificial, macrodatos, gemelos digitales y automatización, sin demostrar  
un efecto sobre la adopción. A partir de ellas se plantea el Modelo Epistemológico de  
Gestión para la Adopción Tecnológica, de carácter conceptual, que articula niveles  
epistemológicos, tecnológicos y organizacionales y ofrece una guía no validada  
empíricamente para orientar decisiones en entornos digitalizados. Se formulan  
indicadores preliminares, sin escala ni umbral de medición, y seis proposiciones  
hipotéticas, sin variables moderadoras definidas, ilustrados con un diagnóstico previo  
de una empresa constructora. Se reconocen como limitaciones el carácter selectivo  
del corpus, el peso de la interpretación de los autores, la ausencia de segundo  
codificador y de validación por expertos, y la falta de validación en organizaciones  
1Universidad Nacional de Cuyo (Mendoza, Argentina), https://orcid.org/0000-0002-0332-3601, +593 998797705  
2Universidad Militar Nueva Granada (Bogotá, Colombia), https://orcid.org/0000-0001-5719-7164, +57 3017878675  
3Universidad Católica de Cuenca, Cuenca – Ecuador, https://orcid.org/0000-0001-8507-6837, +593 968940232  
71  
     
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
reales, y se recomiendan estudios empíricos sobre la relación entre justicia cognitiva,  
gobernanza del dato y agencia profesional en la Construcción 4.0.  
Palabras clave: Epistemología; Construcción 4.0; Adopción tecnológica; Inteligencia  
artificial; Complejidad; Modelos de gestión  
ABSTRACT: Technological adoption in Construction 4.0 faces challenges that extend  
beyond technical considerations and reach epistemological dimensions that shape the  
production, validation, and use of digital knowledge. The purpose of the study was to  
develop a conceptual epistemological framework that supports a management model  
for technological adoption in the sector. A qualitative, documentary, and interpretive  
approach was employed, based on a narrative and selective review of philosophy-of-  
science works and recent literature on Construction 4.0 technologies, with thematic  
grouping of units of meaning and conceptual comparison across traditions; the corpus  
was not built through a systematic search. As a result, six epistemic categories derived  
from conceptual analysis are proposed: epistemic validity and traceability, ontological  
coherence and digital consistency, complexity and multicausality, methodological  
plurality and heuristic dynamism, cognitive justice and epistemic responsibility, and  
cognitive agency and interpretive capacity. These categories offer an interpretive  
reading of technologies such as BIM, IoT, artificial intelligence, big data, digital twins,  
and automation, without demonstrating an effect on adoption. Based on them, a  
conceptual Epistemological Management Model for Technological Adoption is put  
forward, integrating epistemological, technological, and organizational levels and  
offering a guide, not empirically validated, for decision-making in digitalized  
environments. Preliminary indicators, with no measurement scale or threshold, and  
six hypothetical propositions, with no defined moderating variables, are formulated  
and illustrated with a prior diagnosis of a construction company. The study  
acknowledges the selective nature of the corpus, the weight of the authors'  
interpretation, the absence of a second coder and of expert validation, and the lack of  
validation in real organizations, and recommends empirical research on the  
relationship among cognitive justice, data governance, and professional agency in  
Construction 4.0.  
Keywords: Epistemology; Construction 4.0; Technological adoption; Artificial  
intelligence; Complexity; Management models  
INTRODUCCIÓN  
En las últimas décadas la construcción ha incorporado de forma acelerada tecnologías  
digitales como BIM, Internet de las Cosas (IoT), macrodatos, inteligencia artificial,  
aprendizaje automático, gemelos digitales, realidad aumentada  
y
sistemas  
automatizados, lo que da forma a la Construcción 4.0. Este ecosistema modifica los  
procesos productivos y cambia la manera en que la ingeniería genera, valida y utiliza el  
conocimiento. Por eso, los criterios con que se decide adoptar una tecnología requieren  
examinar las fuentes, los métodos y las condiciones de legitimidad del conocimiento que  
respalda esas decisiones. Aquí, conocimiento técnico designa las afirmaciones, los  
72  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
modelos, los datos y los criterios de decisión que los profesionales usan para diseñar,  
coordinar, ejecutar y controlar un proyecto, y cuya validez puede justificarse con  
evidencia, procedimientos documentados o contraste con el sistema físico.  
La literatura sobre digitalización crece de forma sostenida y ha producido numerosas  
revisiones sistemáticas y estudios bibliométricos, pero los fundamentos epistémicos de  
la adopción tecnológica siguen poco explicados. Los trabajos recientes destacan la  
gestión del cambio, la cultura organizacional y la madurez digital (1); en la literatura  
consultada, rara vez abordan cómo se valida el conocimiento cuando intervienen datos  
masivos, algoritmos autónomos y modelos colaborativos. La investigación parece  
centrarse en variables operativas y dejar de lado la estructura epistémica que condiciona  
la confiabilidad, la validez y la aplicabilidad de la información digital y podría limitar la  
capacidad de los profesionales para evaluar las tecnologías emergentes. Las barreras  
organizacionales y de competencias siguen pesando en la adopción (2,3).  
Otras disciplinas explican parte de esta brecha. Los modelos clásicos de aceptación y  
adopción describen la intención de uso y las condiciones del contexto; la sociología de  
la tecnología y la economía de la innovación estudian la difusión y los costos; la gestión  
del conocimiento analiza cómo se crean y se transfieren los saberes. Ninguna toma  
como objeto central por qué un modelo, un dato o una predicción merecen confianza  
como base de una decisión de ingeniería. Esa es la pregunta propia de la epistemología,  
y por ello se la elige como marco.  
La ingeniería se ha formado bajo corrientes filosóficas como el racionalismo y el  
empirismo. Descartes (4) sostiene que el conocimiento debe apoyarse en principios  
claros y evidentes, deducidos por la razón; Bacon (5) y Hume (6) ubican en la experiencia  
el fundamento del saber. Estos enfoques guiaron la ingeniería clásica, pero los sistemas  
inteligentes complican la relación entre teoría, evidencia y práctica técnica, pues las  
decisiones se apoyan ahora en modelos algorítmicos, simulaciones que anticipan  
resultados y datos que llegan sin interrupción.  
Desde la epistemología contemporánea hay herramientas útiles para este análisis.  
Popper (7) plantea que las hipótesis y los modelos computacionales deben exponerse a  
pruebas críticas. Kuhn (8) permite pensar la digitalización como un relevo de normas y  
expectativas en la práctica técnica, y Lakatos (9) describe programas de investigación  
cuyos núcleos teóricos se protegen y se reformulan con el tiempo. Feyerabend (10)  
defiende un pluralismo metodológico que da cabida a la flexibilidad en contextos  
innovadores; Morin (11) propone una mirada recursiva y sistémica de los fenómenos  
digitales; y Bunge (12) aporta un materialismo sistémico con criterios de rigor ontológico  
y coherencia conceptual, aplicables a tecnologías basadas en modelos matemáticos y  
sistemas ciberfísicos.  
Las epistemologías del Sur señalan que la producción de conocimiento arrastra  
desigualdades, exclusiones y epistemicidio (13), de modo que la justicia cognitiva pasa  
a ser parte de la adopción tecnológica. La epistemología feminista aporta el  
conocimiento situado y la crítica de los sesgos algorítmicos (14,15), y la epistemología  
de las virtudes destaca la honestidad intelectual, la responsabilidad y la apertura en los  
73  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
procesos de innovación (16,17). Las perspectivas de cognición encarnada y de  
neurociencia cognitiva describen la cognición humana como un proceso encarnado y  
dinámico, útil para analizar cómo los profesionales interpretan modelos digitales  
complejos (18,19).  
El análisis se ubica en el contexto latinoamericano, y en particular en el ecuatoriano,  
donde se desarrolló el diagnóstico previo de los autores (apartado Resultados). El sector  
de la construcción de ese país se caracteriza por el predominio de pequeñas y medianas  
empresas, informalidad laboral y de procesos, una contratación pública que condiciona  
los plazos y los requisitos de las obras, y una adopción de BIM todavía incipiente y  
desigual entre organizaciones. En ese contexto importa saber quién accede a los datos,  
quién comprende los modelos y quién decide su uso, preguntas que las epistemologías  
del Sur permiten plantear.  
Desde estas perspectivas, vincular la epistemología con la Construcción 4.0 resulta  
pertinente porque BIM, IoT, macrodatos, inteligencia artificial, aprendizaje automático,  
realidad aumentada y gemelos digitales cambian cómo se diseñan, coordinan y  
gestionan los proyectos. Operan con datos masivos, procesos automatizados y  
simulaciones que los métodos tradicionales de evaluación técnica no alcanzan a  
verificar, y exigen criterios nuevos de validez, confiabilidad y pertinencia epistémica.  
Hace falta, por tanto, un marco que tome en cuenta la complejidad digital, la  
incertidumbre, la pluralidad de perspectivas y la relación entre personas y algoritmos.  
Este artículo parte de un problema: la literatura consultada no ofrece un marco  
epistemológico explícito para orientar la adopción tecnológica en la Construcción 4.0.  
Los estudios sobre transformación digital se centran en variables operativas y  
organizacionales, y casi no analizan cómo se produce, se valida y se legitima el  
conocimiento técnico cuando el entorno está muy digitalizado.  
Su objetivo general es construir un marco epistemológico conceptual que sirva de base  
a un modelo de gestión de la adopción tecnológica en la Construcción 4.0, articulando  
categorías filosóficas del conocimiento, tecnologías digitales avanzadas y dimensiones  
organizacionales. El estudio busca responder tres preguntas: cómo se produce y se  
valida el conocimiento técnico en entornos digitales complejos, qué tensiones  
epistemológicas surgen al adoptar tecnología, y qué fundamentos epistémicos pueden  
guiar un modelo de gestión que descanse en criterios científicos, cognitivos y éticos. Las  
respuestas se dan en las conclusiones. El modelo no se evalúa empíricamente.  
El estudio propone un modelo epistemológico integrador, de carácter conceptual, que  
articula las categorías derivadas del análisis, el ecosistema tecnológico de la  
Construcción 4.0 y las dimensiones organizacionales afectadas.  
MATERIALES Y MÉTODOS  
El estudio parte de un paradigma epistemológico crítico, interpretativo y sistémico,  
porque la adopción tecnológica en la Construcción 4.0 abarca, además de lo técnico,  
dimensiones ontológicas, cognitivas, éticas y sociohistóricas. Del materialismo sistémico  
74  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
y el realismo científico (7,12) se toma la idea de que los objetos de estudio son sistemas  
estructurados, explicables con teorías sujetas a contrastación. El pensamiento complejo  
(11) contribuye con los niveles de organización, la retroalimentación y la incertidumbre.  
La noción de programa de investigación (9) ayuda a ver cómo los núcleos teóricos de la  
ingeniería se mantienen y se reformulan, y las epistemologías del Sur (13) y feministas  
(14) ponen en cuestión el poder y las exclusiones cognitivas. Cada posición cumple una  
función distinta como lente analítico y ninguna se asume como doctrina única; las  
tensiones entre ellas se tratan en el apartado «Alcance de los resultados y  
compatibilidad entre tradiciones».  
La investigación es aplicada por su intención, teórico-analítica, cualitativa, documental,  
hermenéutica y crítica. Es aplicada porque busca contribuir a formular un modelo de  
gestión, aunque no evalúa su impacto; teórico-analítica porque construye y articula  
conceptos y categorías en lugar de producir datos cuantificables; y documental porque  
trabaja con libros, artículos y documentos técnicos mediante análisis de contenido y  
hermenéutica crítica (20,21). No usa técnicas cuantitativas ni análisis estadísticos, ya que  
busca construir un marco y no medir la adopción. El enfoque crítico cuestiona los  
supuestos de la ingeniería tradicional y las tensiones de poder en la digitalización del  
sector (7,14).  
El diseño fue una revisión narrativa y selectiva con comparación epistemológica, no una  
revisión sistemática. Se leyó la literatura filosófica sobre racionalismo, empirismo,  
falsacionismo, paradigmas, programas de investigación, anarquismo epistemológico,  
pensamiento complejo, materialismo sistémico, epistemologías del Sur y feminista,  
cognición encarnada, epistemología de las virtudes y filosofía de la información, y la  
literatura sobre Construcción 4.0, BIM, IoT, macrodatos, inteligencia artificial, gemelos  
digitales, automatización y gestión del cambio. El corpus es selectivo e intencional e  
incluye obras de Descartes (4), Bacon (5), Hume (6), Kuhn (8), Feyerabend (10), Haraway  
(15), Zagzebski (16), Varela et al. (18) y Floridi (22), junto con publicaciones sobre  
digitalización de la construcción. Se incluyeron obras fundamentales de cada tradición  
filosófica considerada y publicaciones de 2019 a 2026, en español o inglés, con  
referencia verificable, que trataran las tecnologías analizadas o la adopción tecnológica  
y su dimensión cognitiva u organizacional (21). Se excluyeron los documentos  
comerciales sin autoría identificable, los textos puramente técnicos sin relación con la  
adopción y las tecnologías no analizadas, como blockchain y drones. El corpus suma 66  
referencias: 18 de filosofía y epistemología, 2 metodológicas, 3 sobre teorías de  
adopción y 43 sobre Construcción 4.0 y tecnologías asociadas. Al no aplicarse una  
estrategia de búsqueda sistemática (bases de datos, ecuaciones de búsqueda o  
diagrama de selección), el corpus no es exhaustivo ni replicable en sentido estricto.  
Primero se identificaron unidades de significado ligadas a nociones como conocimiento  
científico, validación, complejidad, sistema, poder epistémico, justicia cognitiva,  
autoridad algorítmica y cognición situada; luego se agruparon por corriente teórica y se  
compararon. La comparación entre conceptos de tradiciones distintas se denominó  
triangulación conceptual, y el contraste entre posiciones filosóficas divergentes,  
triangulación epistemológica; ambas son contrastes entre teorías y fuentes y no  
75  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
triangulación de datos empíricos (21). Después se relacionaron las corrientes con  
fenómenos de la Construcción 4.0, como el uso de BIM, la dependencia de algoritmos,  
la gestión de datos masivos y la cultura organizacional. Así se derivaron las categorías  
que fundamentan el modelo; la Tabla 1 explicita su derivación y la Figura 1 resume el  
flujo completo. El análisis lo realizaron los autores, sin segundo codificador ni validación  
por expertos. Para dar trazabilidad al proceso, el material suplementario S1 reúne una  
matriz elaborada a partir del análisis, con las unidades de significado y su fuente,  
tradición, categoría y tecnología asociadas.  
Figura 1. Ruta de derivación del marco: del corpus a las categorías, los procesos y el modelo  
Fuente: elaboración propia.  
La calidad se apoyó en la contrastación de fuentes, al comparar autores con posiciones  
divergentes (Popper y Kuhn, Bunge y Feyerabend), y en la coherencia argumental,  
mediante una secuencia explícita de inferencias entre corpus, categorías y modelo  
(Tabla 1). Como el corpus es selectivo y la interpretación corresponde a los autores, el  
estudio no pretende saturación ni reproducibilidad en sentido estricto. Su calidad se  
juzga por la explicitación del razonamiento, documentada en la Tabla 1 y en el material  
suplementario S1, aunque limitada por la falta de un registro de codificación  
independiente. Las consideraciones éticas se basaron en la responsabilidad epistémica,  
la integridad académica y el respeto por los derechos de autor (16,17), y se procuró  
explicitar los sesgos derivados de preferencias teóricas.  
76  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
RESULTADOS  
Panorama general de los hallazgos  
El análisis tuvo cuatro pasos. En el primero, la lectura de los textos filosóficos y de los  
artículos sobre adopción tecnológica sacó a la luz unidades de significado como validez  
del conocimiento, complejidad, evidencia empírica, autoridad epistémica, cultura  
organizacional, madurez digital y gestión del cambio. Como esa lectura estuvo guiada  
por las corrientes de la introducción, las categorías resultantes provienen del marco  
conceptual y no de un análisis inductivo. En el segundo, las unidades se relacionaron  
entre sí y con la literatura reciente sobre digitalización. En el tercero, la comparación  
conceptual y epistemológica puso las corrientes frente a conceptos de la literatura  
(interoperabilidad, sostenibilidad, automatización, gemelos digitales, analítica de datos  
y modelos de madurez) (1,23), con el fin de reconocer convergencias, tensiones y puntos  
ciegos. En el cuarto, el agrupamiento dio lugar a macrocategorías, que sugieren que la  
adopción depende de cómo las organizaciones generan confianza en los datos,  
interpretan los modelos digitales, manejan la incertidumbre y negocian las relaciones  
de poder que traen los algoritmos y la automatización (24).  
Resultados epistemológicos integrados  
La comparación entre racionalismo, empirismo y falsacionismo indica que adoptar  
tecnología exige claridad conceptual, evidencia empírica validada con sistemas digitales  
y una refutación que nunca se interrumpe. BIM puede leerse como estructura racional  
y empírica: la literatura consultada lo asocia con interoperabilidad, sostenibilidad y  
gestión del ciclo de vida. IoT se vincula con aprendizaje automático, macrodatos y  
computación en la nube, lo que muestra el peso de la evidencia empírica en las  
decisiones digitales. Los modelos de inteligencia artificial y aprendizaje automático  
necesitan recalibrarse de forma continua para evitar sesgos y errores acumulativos (25),  
en línea con la exigencia popperiana de ciclos permanentes de crítica y mejora (7).  
Las lecturas de Kuhn, Lakatos y Feyerabend se usan solo por analogía. Coexisten  
prácticas analógicas basadas en documentación tradicional y prácticas digitales basadas  
en modelos multidimensionales (8); la ingeniería conserva núcleos estables, como los  
principios geométricos, físicos y matemáticos, mientras BIM, los algoritmos de IA y los  
sistemas ciberfísicos modifican su periferia (9); y la diversidad de combinaciones  
tecnológicas, que deben adaptarse a cada contexto, se vincula con el principio de que  
no existe un método único (10). No se afirma que la Construcción 4.0 sea un paradigma  
o un programa de investigación en sentido estricto, ni se evalúa su carácter progresivo,  
ni que la heterogeneidad tecnológica equivalga a pluralidad de métodos científicos.  
Desde el pensamiento complejo y el materialismo sistémico, la Construcción 4.0 es un  
sistema multidimensional en el que interactúan factores técnicos, sociales, cognitivos,  
culturales y organizacionales: IoT actúa simultáneamente en construcción, gestión  
energética, sostenibilidad y automatización, lo que ilustra la multidimensionalidad que  
describe Morin (11). Esa complejidad exige coherencia ontológica: los gemelos digitales  
y los modelos BIM de alta interoperabilidad solo sirven de soporte de decisión si  
representan fielmente los sistemas físicos, y la consistencia interdominio en BIM debe  
77  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
mantener correspondencia con el comportamiento real de los objetos simulados  
(12,26).  
Según las epistemologías del Sur y la feminista, la digitalización puede reproducir  
asimetrías cognitivas, brechas tecnológicas y exclusiones si las tecnologías no se ajustan  
a los contextos locales. Entre los obstáculos figuran la infraestructura deficiente, la  
desigual competencia digital y la dependencia tecnológica (27); además, la IA usada en  
construcción podría reproducir sesgos de género, de territorio o de vulnerabilidad  
cuando no incluye criterios de inclusión (13,14,28). La justicia cognitiva se entiende aquí  
en sentido ampliado, como desigualdad de acceso y de comprensión del conocimiento  
digital; en De Sousa Santos (13) remite sobre todo a reconocer saberes diversos. Se  
requieren, en consecuencia, virtudes epistémicas como la prudencia y la humildad  
intelectual, y un liderazgo ético al implementar.  
Las perspectivas de cognición encarnada y de filosofía de la información completan el  
cuadro. BIM, realidad aumentada, IA y gemelos digitales demandan visualización  
espacial, razonamiento causal y modelación mental, y la complejidad informacional de  
IoT y macrodatos exige gestionar la sobrecarga de información e interpretar patrones  
(18). A la vez, la centralidad de plataformas y algoritmos puede generar nuevas formas  
de autoridad epistémica, dependencia cognitiva y opacidad si no existen trazabilidad del  
dato y control humano (22); la interoperabilidad se convierte así en requisito de  
transparencia y confiabilidad.  
Articulación de los hallazgos con la Construcción 4.0  
BIM e IoT. Las lecturas llevan a interpretar BIM como un sistema de producción,  
validación y trazabilidad del conocimiento, además de una herramienta de modelado  
geométrico: la literatura consultada lo asocia con interoperabilidad, ciclo de vida,  
prefabricación  
y
sostenibilidad, lo  
que  
sugiere  
que  
organiza información  
multidimensional en estructuras ontológicamente consistentes y verificables (29-31).  
IoT y los sistemas ciberfísicos forman una capa empírica más intensa: la observación  
puntual da paso a series temporales densas que alimentan modelos de análisis y  
predicción, en redes que conectan dispositivos físicos, plataformas y algoritmos  
(24,32,33).  
Inteligencia artificial, macrodatos y gemelos digitales. La IA se aplica a optimizar  
procesos, anticipar comportamientos y automatizar decisiones de planificación,  
mantenimiento y gestión de riesgos (34-36); el conocimiento que genera es en parte  
opaco, de modo que requiere pruebas, contrastes y recalibraciones constantes. Los  
gemelos digitales son réplicas virtuales dinámicas usadas para simular, hacer  
mantenimiento predictivo y optimizar (37-41). Su validez depende de que coincidan las  
propiedades del sistema físico y las del modelo digital, lo que obliga a alinear la ontología  
de los datos, los parámetros de simulación y las observaciones empíricas.  
Automatización, cambio organizacional y madurez. La robotización avanza en la  
prefabricación, el montaje automatizado, la inspección remota y las tareas peligrosas, y  
enfrenta límites de interoperabilidad, ciberseguridad y resistencia organizacional (42-  
78  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
44). Capacitar no basta para resolver la resistencia al cambio, las brechas de  
competencias y las diferencias entre grandes empresas y organizaciones pequeñas o  
periféricas (2,45,46): detrás hay desigualdad en el acceso al conocimiento y en la  
posibilidad de influir en las decisiones tecnológicas (13), y cambian las relaciones de  
trabajo (3). Los modelos de madurez, empleados sobre todo para medir adopción,  
integración y estandarización (47,48), pueden suponer además una idea de qué  
conocimiento es válido y qué prácticas son avanzadas (interpretación que este estudio  
no contrasta con un modelo concreto). Un modelo de gestión debería, entonces, incluir  
trazabilidad epistémica, responsabilidad y coherencia ontológica.  
Riesgos epistemológicos. La ciberseguridad, la opacidad algorítmica y la dependencia de  
plataformas indican que las decisiones del sector están cada vez más mediadas por  
sistemas cuya lógica interna no siempre resulta transparente para los profesionales (22);  
las brechas tecnológicas entre regiones y organizaciones pueden convertirse en nuevas  
formas de exclusión (13). Afectan, por tanto, la agencia de quienes toman decisiones, y  
no admiten solo una respuesta técnica.  
En conjunto, la Construcción 4.0 implica algo más que una transformación instrumental:  
reconfigura cómo se produce, se valida y se distribuye el conocimiento en la ingeniería.  
Categorías epistemológicas derivadas  
Las categorías epistemológicas son constructos analíticos derivados del análisis  
conceptual de las tradiciones consideradas y de la literatura tecnológica. Cada una  
agrupa conceptos de una o varias familias filosóficas y los vincula con tecnologías y  
dimensiones  
organizacionales  
(Tabla  
1).  
Se  
delimitaron  
seis  
categorías  
macroepistémicas.  
Validez y trazabilidad epistémica. Sintetiza la claridad conceptual del racionalismo, la  
centralidad de la experiencia del empirismo, la refutación permanente del falsacionismo  
y las preocupaciones de la filosofía de la información por la opacidad de la información  
digital (7,22). Es especialmente relevante para BIM, IA y macrodatos, cuya confiabilidad  
depende de la calidad de los datos, de la documentación de los procesos y del registro  
de las fuentes (1,25,26).  
Coherencia ontológica y consistencia digital. Se nutre del materialismo sistémico y del  
realismo científico, que exigen que los modelos representen sistemas reales con  
estructuras  
definidas,  
y
del  
pensamiento  
complejo,  
que  
subraya  
su  
multidimensionalidad (11,12). Adquiere especial relevancia en gemelos digitales,  
modelos BIM de alta interoperabilidad y plataformas de simulación, cuya utilidad se  
compromete cuando existen incoherencias entre bases de datos, ontologías y  
observaciones empíricas (41,49-51).  
Complejidad y multicausalidad. Procede del pensamiento complejo y se enriquece con  
la cognición encarnada y el análisis de sistemas ciberfísicos (11,18). IoT, aprendizaje  
automático, flujos continuos de datos y automatización configuran entornos donde  
79  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
múltiples variables se conectan en redes de alta densidad informacional; la adopción  
difícilmente puede explicarse mediante causalidades simples.  
Pluralidad metodológica y dinamismo heurístico. Surge del diálogo entre el anarquismo  
epistemológico y la teoría de los programas de investigación (9,10). Automatización,  
impresión tridimensional, robótica de montaje, sistemas en la nube y realidad  
aumentada operan simultáneamente sin reducirse a un único protocolo (52-54), por lo  
que la innovación se apoya en la capacidad de combinar y reconfigurar métodos,  
tecnologías y formas de organización.  
Justicia cognitiva y responsabilidad epistémica. Se construye desde las epistemologías  
del Sur, la epistemología feminista y la de las virtudes, que señalan que el conocimiento  
está atravesado por relaciones de poder y por requerimientos éticos de honestidad,  
responsabilidad y equidad (13,14,16). Las brechas digitales, la resistencia al cambio y las  
asimetrías entre grandes empresas y actores periféricos se traducen en desigualdades  
cognitivas en las decisiones de adopción (2,46); la digitalización puede reforzarlas o  
desafiarlas según cómo se diseñen el liderazgo, la capacitación y la participación.  
Agencia cognitiva y capacidad interpretativa. Se fundamenta en las perspectivas de  
cognición encarnada, que conciben la cognición como proceso encarnado y situado, y  
en la filosofía de la información (18,22). Interpretar modelos digitales complejos exige  
visualización espacial avanzada, razonamiento causal bajo incertidumbre  
e
identificación de patrones en grandes volúmenes de información; su ausencia  
constituye una barrera crítica de implementación (2,55-57).  
Las seis categorías forman un sistema interrelacionado: la validez y la trazabilidad se  
apoyan en la coherencia ontológica; la complejidad obliga a la pluralidad metodológica,  
pues ningún método único basta para sistemas ciberfísicos complejos; y la justicia  
cognitiva carece de sentido si los actores no disponen de la agencia cognitiva necesaria  
para interpretar críticamente el conocimiento digital.  
Tabla 1. Derivación de las categorías epistemológicas: familias filosóficas, conceptos, tecnologías,  
dimensiones de madurez e implicaciones de gestión  
Categoría  
Familias  
filosóficas  
Concepto  
tomado  
Tecnologías  
vinculadas  
Dimensione  
s de  
Implicación  
de gestión  
madurez  
(SMCeMM)  
F1 Liderazgo  
y estrategia;  
F5 Gestión  
de datos  
Validez y  
trazabilidad  
epistémica  
Racionalismo,  
empirismo,  
falsacionismo,  
filosofía de la  
información  
(7,22)  
Claridad  
BIM, IA,  
macrodatos  
Gobernanza  
del  
conocimiento  
digital:  
documentaci  
ón, control  
de datos y  
transparencia  
algorítmica  
Evaluar la  
conceptual,  
evidencia,  
refutación  
permanente,  
opacidad  
Coherencia  
ontológica y  
Materialismo  
sistémico y  
realismo  
Representación  
fiel de sistemas  
reales  
Gemelos  
digitales,  
BIM  
F4  
Estandarizaci calidad de  
ón y modelos y  
80  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
consistencia  
digital  
científico;  
pensamiento  
complejo (11,12)  
interoperabl  
e,  
plataformas  
automatizaci  
ón; F5  
Gestión de  
plataformas  
antes de  
usarlos en  
decisiones  
críticas  
Estructura  
sistémica:  
dimensiones  
técnicas,  
de  
datos  
simulación  
IoT,  
aprendizaje  
automático,  
automatizaci  
ón  
Complejida  
d y  
multicausali  
dad  
Pensamiento  
complejo;  
cognición  
encarnada  
(11,18)  
Multidimensiona  
lidad y  
retroalimentació  
n
F2 Personas  
y cultura; F7  
Innovación  
tecnológica  
organizacion  
ales,  
cognitivas y  
contextuales  
Estrategias  
flexibles de  
adopción que  
combinan  
tecnologías y  
Pluralidad  
metodológi  
ca y  
dinamismo  
heurístico  
Anarquismo  
epistemológico y  
programas de  
investigación,  
por analogía  
(9,10)  
No existe un  
método único;  
núcleos y  
cinturones  
protectores  
Automatizac  
ión,  
impresión  
3D, robótica  
de montaje,  
nube,  
F3  
Colaboració  
n y  
comunicació  
n; F4  
Estandarizaci enfoques  
ón y  
realidad  
aumentada  
automatizaci  
ón; F7  
Innovación  
tecnológica  
Justicia  
Epistemologías  
del Sur,  
feminista y de  
las virtudes  
(13,14,16)  
Poder  
IA,  
F2 Personas  
y cultura; F3  
Colaboració  
n y  
comunicació  
n; F6  
Políticas de  
formación,  
liderazgo y  
participación  
que reduzcan  
brechas  
cognitiva y  
responsabili  
dad  
epistémico,  
honestidad  
intelectual,  
equidad  
plataformas,  
brechas  
tecnológicas  
epistémica  
Gestión del  
cambio  
Agencia  
cognitiva y  
capacidad  
interpretati  
va  
Cognición  
Cognición  
situada;  
interpretación  
de modelos  
BIM,  
F1 Liderazgo  
y estrategia;  
F2 Personas  
y cultura  
Reconocer el  
papel de  
quienes  
interpretan,  
cuestionan y  
reconfiguran  
el  
encarnada y  
filosofía de la  
información  
(18,22)  
realidad  
aumentada,  
IA, gemelos  
digitales  
conocimiento  
Fuente: elaboración propia a partir de lo expuesto en los apartados anteriores de resultados. Los  
vínculos son interpretaciones de los autores y no resultado de una codificación sistemática.  
En el modelo de gestión, cada categoría desempeña un papel. La validez y la trazabilidad  
epistémica fijan criterios para gobernar el conocimiento digital (documentación, control  
de datos, transparencia de los algoritmos). La coherencia ontológica orienta la  
evaluación de modelos BIM, gemelos digitales y plataformas integradas antes de  
apoyarse en ellos en decisiones críticas. Con la complejidad y la multicausalidad se llega  
a enfoques sistémicos que reúnen lo técnico, lo organizacional, lo cognitivo y lo  
contextual. La pluralidad metodológica justifica estrategias de adopción flexibles, que  
combinan tecnologías y enfoques. La justicia cognitiva da sustento a políticas de  
formación, liderazgo y participación que cierren brechas, y la agencia cognitiva enlaza el  
81  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
modelo con la madurez digital y las decisiones, porque reconoce a quienes interpretan,  
cuestionan y reconfiguran el conocimiento digital.  
Dimensiones organizacionales asociadas a las categorías  
El análisis comparado entre las categorías derivadas y el ecosistema tecnológico  
permitió asociar a cada categoría las siete dimensiones de madurez organizacional del  
marco SMCeMM (1), que la literatura sobre madurez y adopción ya considera, pero que  
aquí se reinterpretan desde las categorías epistémicas.  
La Tabla 2 relaciona las siete dimensiones (F1 a F7) con las categorías y las tecnologías.  
Liderazgo y estrategia (F1) exige decisiones basadas en evidencia, con análisis,  
verificación, trazabilidad y falsación ante los sistemas algorítmicos (7,22). Personas y  
cultura (F2) articula valores, normas y disposiciones cognitivas que facilitan o dificultan  
la transición tecnológica (58) y requiere competencias para interpretar modelos  
complejos (2,18). Colaboración y comunicación (F3) depende de la interoperabilidad y  
de la coordinación entre actores, que la fragmentación de los datos dificulta (41), y de  
la participación de quienes quedan fuera de las decisiones (13). Estandarización y  
automatización de procesos (F4) exige que la automatización conserve la trazabilidad y  
no imponga un único protocolo, dadas las barreras de interoperabilidad que se observan  
en la prefabricación y el montaje (42,44). Gestión de datos (F5) asegura coherencia  
ontológica, interoperabilidad y calidad epistémica en BIM, gemelos digitales y sistemas  
distribuidos (26,59). Gestión del cambio (F6) requiere sensibilidad epistémica, ética del  
cuidado y participación deliberativa frente a desigualdades y resistencias culturales  
(13,14). Innovación tecnológica (F7) se apoya en la capacidad de combinar y reconfigurar  
tecnologías y métodos según el contexto, sin depender de una sola plataforma (10). Las  
siete dimensiones recogen la arquitectura completa del marco SMCeMM; la madurez  
digital se entiende como la capacidad integral que resulta de su conjunto y que depende  
además de la infraestructura informacional (11,12). Estas dimensiones materializan las  
categorías en dinámicas institucionales y fundamentan el modelo propuesto.  
Tabla 2. Dimensiones de madurez organizacional (SMCeMM), categorías epistémicas que las sustentan  
y tecnologías implicadas  
Dimensión de  
madurez  
Categorías epistémicas  
que la sustentan  
Condición que exige  
Tecnologías  
implicadas  
(SMCeMM)  
F1 Liderazgo y  
estrategia  
Validez y trazabilidad  
epistémica; agencia  
cognitiva  
Decisiones basadas en  
IA, macrodatos  
evidencia; análisis, verificación,  
trazabilidad y falsación ante  
sistemas algorítmicos  
F2 Personas y  
cultura  
Justicia cognitiva;  
agencia cognitiva;  
complejidad y  
multicausalidad  
Pluralidad  
Valores, normas y disposiciones  
cognitivas; competencias para  
interpretar modelos; acceso  
equitativo a la formación  
Interoperabilidad y  
BIM, realidad  
aumentada, IA,  
gemelos digitales  
F3 Colaboración y  
comunicación  
BIM,  
computación en  
la nube,  
metodológica; justicia  
cognitiva  
coordinación entre actores;  
participación en las decisiones  
plataformas  
82  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
F4  
Coherencia ontológica;  
pluralidad metodológica  
Automatización con  
trazabilidad, sin imponer un  
único protocolo  
Automatización,  
robótica,  
prefabricación  
Estandarización y  
automatización  
de procesos  
F5 Gestión de  
datos  
Validez y trazabilidad  
epistémica; coherencia  
ontológica  
Interoperabilidad, calidad  
epistémica y coherencia entre  
modelo y sistema físico  
BIM, gemelos  
digitales, IoT  
F6 Gestión del  
cambio  
Justicia cognitiva y  
responsabilidad  
epistémica  
Sensibilidad epistémica, ética  
del cuidado y participación  
deliberativa frente a  
IA, plataformas,  
automatización  
desigualdades y resistencias  
Combinar y reconfigurar  
tecnologías y métodos según el  
contexto, sin depender de una  
sola plataforma  
F7 Innovación  
tecnológica  
Pluralidad metodológica  
y dinamismo heurístico;  
complejidad y  
Conjunto del  
ecosistema, en  
particular  
multicausalidad  
realidad  
aumentada,  
impresión 3D,  
nube e IA  
Fuente: elaboración propia a partir de la Tabla 1 y de los apartados anteriores de resultados.  
Operacionalización, ilustración con un caso y proposiciones  
Para que las categorías puedan observarse, la Tabla 3 propone un indicador por  
categoría, formulado como la pregunta de gestión que la distingue de las demás. Esos  
indicadores se contrastan con hallazgos publicados de un diagnóstico previo de los  
autores en una empresa constructora ecuatoriana (60). En ese diagnóstico, el  
conocimiento del impulso directivo alcanzó α = 0.81 frente a α = 0.30 de las acciones  
emprendidas, y la familiarización con las tecnologías (α = 0.44) contrastó con su  
integración en procesos (α = 0.20); el costo se identificó como barrera de alta intensidad  
(α = 0.686). El componente cualitativo del diagnóstico agrega interoperabilidad  
insuficiente entre herramientas, planos impresos que persisten en la comunicación con  
producción, ausencia de enlace automático con el sistema de planificación, apropiación  
desigual del cambio y datos disponibles con capacidad analítica limitada. Estos hallazgos  
se asocian de forma interpretativa con las categorías de validez y trazabilidad,  
coherencia ontológica, justicia cognitiva y agencia cognitiva. La ilustración es  
interpretativa: el diagnóstico no se diseñó para medir estas categorías, es un solo caso  
y no constituye validación. Los indicadores son preguntas de gestión de respuesta  
cualitativa: carecen de escala de medición, de umbrales de decisión y de variables  
moderadoras (tamaño de la empresa, tipo de proyecto, nivel de formación), que  
deberán definirse en estudios posteriores.  
Tabla 3. Pregunta de gestión e indicador observable propuesto por categoría epistémica  
Categoría  
Pregunta de gestión que la  
distingue  
Indicador observable propuesto  
Validez y trazabilidad  
epistémica  
¿Puede rastrearse el origen de los  
datos que sustentan una decisión  
crítica?  
Proporción de decisiones críticas  
con fuente de datos documentada y  
trazable  
Coherencia ontológica  
y consistencia digital  
¿Representa el modelo fielmente  
al sistema físico?  
Proporción de modelos y gemelos  
contrastados con mediciones del  
sistema físico antes de decidir  
83  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
Complejidad y  
multicausalidad  
¿Se consideran juntas las  
dimensiones técnica,  
organizacional, cognitiva y  
Número de dimensiones  
consideradas en la decisión de  
adopción  
contextual?  
Pluralidad  
¿Se comparan configuraciones  
antes de estandarizar una?  
Configuraciones tecnológicas o  
pilotos comparados antes de la  
estandarización  
Distribución del acceso a datos y  
capacitación por perfil y área  
metodológica y  
dinamismo heurístico  
Justicia cognitiva y  
responsabilidad  
epistémica  
¿Quién accede a los datos, a la  
formación y a la decisión?  
Agencia cognitiva y  
capacidad  
interpretativa  
¿Pueden los equipos interpretar y  
cuestionar las salidas del modelo?  
Proporción de usuarios capaces de  
interpretar y cuestionar salidas del  
modelo  
Fuente: elaboración propia.  
Proposiciones contrastables. Cada categoría permite formular una proposición para  
estudios posteriores. P1: a mayor trazabilidad documentada de los datos, mayor  
confianza de los usuarios en las salidas del modelo y mayor es su uso en decisiones  
críticas. P2: los modelos y gemelos digitales contrastados periódicamente con el sistema  
físico generan menos decisiones corregidas posteriormente. P3: las organizaciones que  
evalúan la adopción considerando juntas las dimensiones técnica, organizacional,  
cognitiva y contextual muestran menos desacoples entre reconocimiento y ejecución.  
P4: las estrategias que comparan configuraciones antes de estandarizar logran mayor  
integración en procesos. P5: cuanto más equitativo es el acceso a datos y formación  
entre perfiles, menor es la apropiación desigual del cambio. P6: cuanto mayor es la  
capacidad de los equipos para interpretar y cuestionar las salidas de los modelos, mayor  
es la integración de las tecnologías en los procesos. Son hipótesis derivadas del análisis  
conceptual: no especifican la magnitud esperada del efecto ni variables moderadoras, y  
su contraste exigirá definir escalas y umbrales.  
Representación integradora del modelo epistemológico de gestión  
La síntesis de los hallazgos permitió construir una representación estructural que integra  
los niveles epistemológicos, tecnológicos y organizacionales implicados en la adopción  
tecnológica en la Construcción 4.0. Surge de la triangulación entre las categorías  
derivadas, el ecosistema tecnológico digital y las dimensiones organizacionales  
identificadas en los apartados anteriores, y constituye una propuesta conceptual que no  
ha sido validada empíricamente ni mediante contraste con expertos. El modelo expresa  
relaciones de dependencia y coherencia ontológica entre los niveles que intervienen en  
la transformación digital del sector (la retroalimentación entre ellos es un supuesto del  
marco y no se representa en la Figura 2).  
La Figura 2 organiza el modelo en cuatro niveles: un propósito epistemológico que  
orienta a los demás; las seis categorías derivadas; el ecosistema tecnológico sobre el que  
se apoyó el análisis (blockchain y drones se excluyeron porque no fueron analizados); y  
las dimensiones organizacionales F1 a F7, donde convergen tecnologías y categorías. Los  
niveles culminan en un bloque integrador de lineamientos epistemológicos, cognitivos,  
éticos y organizacionales para la adopción. La figura funciona como mapa  
epistemológico-organizacional de las condiciones de una adopción coherente y crítica,  
84  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
y no como modelo de madurez. Su traducción en procedimientos, indicadores y criterios  
de decisión queda como línea futura.  
Figura 2. Esquema conceptual del Modelo Epistemológico de Gestión para la Adopción Tecnológica en  
la Construcción 4.0  
Fuente: elaboración propia. Representación conceptual no validada empíricamente.  
85  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
Alcance de los resultados y compatibilidad entre tradiciones  
Los resultados se derivan de las decisiones metodológicas descritas: enfoque cualitativo,  
documental, hermenéutico y crítico, con agrupación temática de unidades de significado  
y derivación explícita de las categorías (Tabla 1). La coherencia se apoyó en dos recursos.  
La triangulación conceptual operó entre corrientes epistemológicas y entre ese conjunto  
teórico y la literatura tecnológica (BIM, IoT, IA, macrodatos, gemelos digitales,  
automatización y madurez digital), para no depender de una sola tradición o fuente. La  
triangulación epistemológica confrontó posiciones divergentes (racionalismo frente a  
empirismo, falsacionismo frente a enfoque paradigmático, Bunge, Morin y las  
epistemologías del Sur) para detectar inferencias reduccionistas o eurocéntricas (7-  
9,11,12). Dado que el estudio es conceptual, documental y de corpus selectivo, no logró  
ni buscó saturación y carece de validación empírica y de validación por expertos; sus  
resultados son una propuesta interpretativa de los autores.  
Compatibilidad entre tradiciones. Cada tradición actuó como un lente con una función  
propia. Bunge y Popper proveyeron criterios de fidelidad y contrastabilidad para los  
modelos digitales; el pensamiento complejo guio la lectura de la multicausalidad; las  
epistemologías del Sur, feminista y de las virtudes, la del poder y la responsabilidad; y la  
cognición encarnada y la filosofía de la información, la de la agencia interpretativa. Los  
supuestos compartidos son parciales y quedan tensiones abiertas: el pluralismo  
ontológico de Popper frente al materialismo de Bunge, o el rigor de ambos frente al  
pluralismo metodológico de Feyerabend. No se pretende fundirlas en una sola teoría; se  
indica qué aporta cada una a cada categoría (Tabla 1) y dónde sus supuestos restringen  
su uso. A Kuhn y a Lakatos se recurre por analogía, para describir dinámicas de la práctica  
de ingeniería, sin sostener que la Construcción 4.0 sea un paradigma ni un programa de  
investigación en sentido estricto.  
DISCUSIÓN  
La discusión sitúa los hallazgos en diálogo con la literatura reciente sobre Construcción  
4.0 y con los marcos epistemológicos analizados. Las tecnologías digitales avanzadas  
reconfiguran los procesos técnicos y también las condiciones en que se produce, valida  
y distribuye el conocimiento que sustenta la transformación digital del sector.  
La literatura previa aborda la Construcción 4.0 sobre todo desde perspectivas  
tecnocéntricas, orientadas a medir adopción, beneficios y barreras (1,58,61-63), y suele  
asumir que los modelos digitales son fuentes confiables de conocimiento si se  
implementan bien. Este estudio sostiene que su validez y trazabilidad epistémica no  
pueden darse por supuestas. Hay convergencia en reconocer a BIM como  
infraestructura del ciclo de vida, a IoT como fuente de datos continuos, a la IA como  
base de predicción y a los gemelos digitales como ampliación de la simulación  
(25,26,50); aquí se las considera además dispositivos epistémicos. Además, la literatura  
consultada rara vez incorpora la justicia cognitiva, la responsabilidad epistémica o la  
agencia interpretativa (13,14,16), aunque la digitalización puede ampliar brechas si no  
86  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
se considera quién accede a los datos, quién comprende los modelos y quién puede  
intervenir en su configuración.  
El diálogo con trabajos previos matiza estos resultados. Floridi (22) describe la opacidad  
de la información digital, lo que respalda la categoría de trazabilidad, y Vallor (28) vincula  
la ética de la tecnología con virtudes que los profesionales deben cultivar, lo que  
respalda el énfasis en la responsabilidad epistémica. Los trabajos sobre gemelos  
digitales cognitivos (51) y con IA (41) plantean desafíos de implementación; aquí se  
propone leerlos también como problemas de confianza y validez del conocimiento,  
lectura por contrastar. La síntesis sobre relaciones laborales (3) describe cambios en los  
roles profesionales, que aquí se interpretan como una posible redistribución de la  
autoridad epistémica.  
Frente a los modelos dominantes de adopción, TAM (64), UTAUT (65) y TOE (66), que  
explican la adopción por la utilidad percibida, las condiciones facilitadoras y el contexto  
tecnológico, organizacional y ambiental, este marco añade criterios que esos modelos  
no tratan de forma explícita: la validez del conocimiento que producen las tecnologías  
(validez y coherencia ontológica) y su distribución cognitiva (justicia y agencia  
cognitivas). Se formula como hipótesis, no como hallazgo, que el marco los  
complementa: que una tecnología se adopte por su utilidad percibida no garantiza que  
el conocimiento que produce sea válido, trazable ni accesible. Contrastarla exigiría  
comparar el poder explicativo de esos modelos con y sin los indicadores de la Tabla 3.  
Al comparar a los autores aparecen tensiones que el modelo debe manejar. Para Popper,  
la validez de la IA y de los gemelos digitales dependería de que resistan la prueba (7).  
Feyerabend previene contra un único programa digital dominante, algo relevante ante  
las plataformas propietarias (10). Morin y Bunge exigen equilibrar complejidad y rigor  
(11,12). Las epistemologías del Sur llevan a preguntar si la adopción en contextos como  
el latinoamericano importa modelos ajenos sin crítica, cuestión que aquí no se contrasta  
(13). Y la cognición encarnada y la filosofía de la información plantean dónde está el  
límite entre ampliar capacidades y delegar demasiado la interpretación en los  
algoritmos (18,22).  
En lo organizacional, la justicia cognitiva y la agencia interpretativa piden formar a las  
personas para entender críticamente modelos complejos, valorar la calidad de los datos  
y mantener una actitud reflexiva ante sistemas inteligentes, lo que repercute en la  
cultura organizacional, las decisiones y el liderazgo digital. A diferencia de los modelos  
de madurez revisados, el marco articula categorías filosóficas del conocimiento,  
tecnologías digitales avanzadas y dimensiones organizacionales, e incorpora validez  
epistémica, coherencia ontológica, justicia cognitiva y agencia interpretativa, que la  
literatura consultada no trata de forma explícita. Las categorías podrían  
operacionalizarse en instrumentos de diagnóstico de preparación organizacional, como  
el marco difuso FMARF de los autores (60); su vinculación con este marco  
epistemológico no se evalúa aquí.  
Limitaciones. Primero, el corpus es selectivo e intencional y no se informa una búsqueda  
sistemática, por lo que puede reflejar sesgos de selección y no es replicable en sentido  
87  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
estricto. Segundo, la derivación de las categorías depende de la interpretación de los  
autores: no hubo segundo codificador ni validación por expertos (por ejemplo, un  
consenso Delphi), de modo que no puede estimarse la fiabilidad de la codificación.  
Tercero, predomina el canon filosófico occidental y las epistemologías del Sur están  
representadas por un solo autor. Cuarto, la comparación con TAM, UTAUT y TOE es  
conceptual. Quinto, muchas conexiones entre categorías y tecnologías son  
interpretaciones plausibles que carecen de evidencia propia del sector; la ilustración se  
apoya en un solo diagnóstico previo, no pensado para medir estas categorías, y no  
equivale a validación. Sexto, los indicadores y las proposiciones carecen de escalas,  
umbrales y variables moderadoras. Por último, el marco no cuenta con validación  
empírica ni con juicio de expertos.  
CONCLUSIONES  
El estudio sostiene que explicar la adopción tecnológica en la Construcción 4.0 requiere  
ir más allá de los enfoques tecnocéntricos e incorporar una comprensión epistemológica  
de cómo el conocimiento digital se produce, se valida y se distribuye. Respecto de las  
preguntas de investigación: (1) el conocimiento técnico se produce y se valida con  
modelos y datos cuya validez depende de su trazabilidad y de la coherencia entre el  
modelo y el sistema físico; (2) las tensiones identificadas son la opacidad algorítmica, la  
fidelidad entre modelo y sistema físico, la desigualdad cognitiva y la delegación de la  
interpretación en algoritmos; (3) los fundamentos epistémicos de un modelo de gestión  
son las seis categorías propuestas, derivadas del análisis conceptual y sin validación  
empírica.  
Las seis categorías (validez y trazabilidad epistémica, coherencia ontológica y  
consistencia digital, complejidad y multicausalidad, pluralidad metodológica y  
dinamismo heurístico, justicia cognitiva y responsabilidad epistémica, y agencia  
cognitiva y capacidad interpretativa) no aparecen formuladas de manera explícita como  
criterios de adopción tecnológica en la literatura consultada. Ofrecen una lectura posible  
de BIM como sistema de representación conceptual, de IoT como producción empírica  
continua, de la inteligencia artificial y los macrodatos como sistemas que requieren  
crítica, refutación y control, de los gemelos digitales como estructuras que exigen  
coherencia ontológica entre entidades físicas y digitales, y de la automatización como  
un fenómeno que pone a prueba la agencia humana y la responsabilidad epistémica. Esa  
lectura hace pensar que la digitalización podría desplazar la autoridad epistémica y  
cambiar el papel interpretativo que cumplen los profesionales.  
De este análisis resulta el Modelo Epistemológico de Gestión para la Adopción  
Tecnológica en la Construcción 4.0, de carácter conceptual, que une el propósito  
epistemológico, las categorías, el ecosistema tecnológico y las dimensiones  
organizacionales de madurez. Que complemente a los modelos de madurez digital, sin  
superarlos, es una hipótesis por contrastar. Lo acompañan indicadores preliminares y  
seis proposiciones, sin escalas ni umbrales definidos. Quedan como limitaciones su base  
documental, el corpus selectivo, la interpretación de los autores, la falta de segundo  
codificador y de validación por expertos, y la ausencia de validación empírica. La  
88  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
investigación futura debería operacionalizar las categorías, construir indicadores de  
trazabilidad epistémica, validar la codificación con expertos y aplicar el modelo en  
proyectos reales. En definitiva, la epistemología es una condición para comprender,  
evaluar y gobernar las transformaciones digitales de la Construcción 4.0.  
AGRADECIMIENTOS  
Los autores agradecen al Doctorado Interinstitucional en Ingeniería Industrial (Di3), de  
la Facultad de Ingeniería de la Universidad Nacional de Cuyo (Mendoza, Argentina), en  
cuyo marco se desarrolla esta investigación, por la formación y el acompañamiento  
académico recibidos.  
DECLARACIÓN DE INTERÉS  
Los autores declaran que no existen conflictos de intereses.  
CONTRIBUCIONES DE AUTOR  
David Calderón Arregui: conceptualización, metodología, análisis formal, redacción del  
borrador original, visualización y administración del proyecto. Pedro José Sánchez  
Caimán: codirección y supervisión de la investigación, orientación metodológica,  
validación y revisión crítica. Jaime Tinto Arandes: dirección y supervisión de la  
investigación, orientación conceptual, validación y revisión crítica. Todos los autores  
revisaron y editaron el manuscrito y aprobaron la versión final.  
REFERENCIAS BIBLIOGRÁFICAS  
1.  
2.  
3.  
Das P, Perera S, Senaratne S, Osei-Kyei R. Paving the way for industry 4.0 maturity  
of construction enterprises: a state of the art review. Engineering, Construction  
and Architectural Management. 2023;30(10):4665-94. doi:10.1108/ECAM-11-  
2021-1001  
Siriwardhana SD, Moehler RC, Fang Y. Construction 4.0 in Australia: Evaluating  
technological implementation, organisational adaptation and skills development.  
Journal  
of  
Innovation  
&
Knowledge.  
2025;10(6):100822.  
doi:10.1016/j.jik.2025.100822  
Hajirasouli A, Assadimoghadam A, Bashir MA, Banihashemi S. Exploring the impact  
of Construction 4.0 on industrial relations: A comprehensive thematic synthesis of  
workforce transformation in the digital era of construction. Buildings.  
2025;15(9):1428. doi:10.3390/buildings15091428  
4.  
5.  
6.  
7.  
Descartes R. Meditaciones sobre la filosofía primera. Madrid: Editorial Tecnos;  
1996.  
Bacon F. The new organon. Jardine L, Silverthorne M, editors. Cambridge:  
Cambridge University Press; 2000.  
Hume D. An enquiry concerning human understanding. Oxford: Oxford University  
Press; 2007.  
Popper K. The logic of scientific discovery. London: Routledge; 2005.  
89  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
8.  
9.  
Kuhn TS. The structure of scientific revolutions. 4th ed. Chicago: University of  
Chicago Press; 2012.  
Lakatos I. The methodology of scientific research programmes. Worrall J, Currie G,  
editors. Cambridge: Cambridge University Press; 1999.  
10.  
11.  
12.  
Feyerabend P. Against method. 4th ed. London: Verso; 2010.  
Morin E. Introduction à la pensée complexe. Paris: Éditions du Seuil; 1990.  
Bunge M. Doing science: in the light of philosophy. Singapore: World Scientific;  
2017.  
13.  
14.  
15.  
16.  
17.  
18.  
19.  
20.  
21.  
22.  
23.  
De Sousa Santos B. The end of the cognitive empire: the coming of age of  
epistemologies of the South. Durham: Duke University Press; 2018.  
Harding S. Objectivity and diversity: another logic of scientific research. Chicago:  
University of Chicago Press; 2015.  
Haraway D. Situated knowledges: the science question in feminism and the  
privilege of partial perspective. Feminist Studies. 1988;14(3):575-99.  
Zagzebski L. Virtues of the mind: an inquiry into the nature of virtue and the ethical  
foundations of knowledge. Cambridge: Cambridge University Press; 1996.  
Code L. What can she know? Feminist theory and the construction of knowledge.  
Ithaca: Cornell University Press; 1991.  
Varela FJ, Thompson E, Rosch E. The embodied mind: cognitive science and human  
experience. Rev. ed. Cambridge (MA): MIT Press; 2016.  
Damasio A. Self comes to mind: constructing the conscious brain. New York:  
Pantheon; 2010.  
Creswell JW. Research design: qualitative, quantitative, and mixed methods  
approaches. 4th ed. Thousand Oaks: SAGE; 2014.  
Flick U. Introducing research methodology: a beginner's guide to doing a research  
project. 2nd ed. London: SAGE; 2015.  
Floridi L. The fourth revolution: how the infosphere is reshaping human reality.  
Oxford: Oxford University Press; 2014.  
Flamini M, Naldi M. Maturity of Industry 4.0: A Systematic Literature Review of  
Assessment Campaigns. Journal of Open Innovation: Technology, Market, and  
Complexity. 2022;8(1):51. doi:10.3390/joitmc8010051  
24.  
25.  
26.  
27.  
Kim S, Pérez-Castillo R, Caballero I, Lee D. Organizational process maturity model  
for IoT data quality management. Journal of Industrial Information Integration.  
2022;26:100256. doi:10.1016/j.jii.2021.100256  
Wang XQ, Chen P, Chow CL, Lau D. Artificial-intelligence-led revolution of  
construction materials: From molecules to Industry 4.0. Matter. 2023;6(6):1831-  
59. doi:10.1016/j.matt.2023.04.016  
Wang Z, Ouyang B, Sacks R. Graph-based inter-domain consistency maintenance  
for  
BIM  
models.  
Automation  
in  
Construction.  
2023;154:104979.  
doi:10.1016/j.autcon.2023.104979  
Raj A, Dwivedi G, Sharma A, Lopes de Sousa Jabbour AB, Rajak S. Barriers to the  
adoption of industry 4.0 technologies in the manufacturing sector: An inter-  
country comparative perspective. International Journal of Production Economics.  
2020;224:107546. doi:10.1016/j.ijpe.2019.107546  
28.  
Vallor S. Technology and the virtues: a philosophical guide to a future worth  
wanting. Oxford: Oxford University Press; 2016.  
90  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
29.  
30.  
Celik Y, Petri I, Rezgui Y. Integrating BIM and Blockchain across construction  
lifecycle and supply chains. Computers in Industry. 2023;148:103886.  
doi:10.1016/j.compind.2023.103886  
García-Alvarado R, Soza P, Moroni G, Pedreros F, Avendaño M, Banda P, et al. From  
BIM model to 3D construction printing: A framework proposal. Frontiers of  
Architectural Research. 2024;13(4):912-27. doi:10.1016/j.foar.2024.03.002  
Hadavi A, Alizadehsalehi S. From BIM to metaverse for AEC industry. Automation  
in Construction. 2024;160:105248. doi:10.1016/j.autcon.2023.105248  
Althoey F, Waqar A, Hamed Alsulamy S, Khan AM, Alshehri A, Idris Falqi I, et al.  
Influence of IoT implementation on Resource management in construction.  
Heliyon. 2024;10(15):e32193. doi:10.1016/j.heliyon.2024.e32193  
31.  
32.  
33.  
Waqar A, Alharbi LA, Abdullah Alotaibi F, Othman I, Almujibah H. Impediment to  
implementation of Internet of Things (IOT) for oil and gas construction project  
Safety: Structural equation modeling approach. Structures. 2023;57:105324.  
doi:10.1016/j.istruc.2023.105324  
34.  
35.  
36.  
37.  
38.  
39.  
Betancourt D, Muhanna RL. Interval deep learning for computational mechanics  
problems under input uncertainty. Probabilistic Engineering Mechanics.  
2022;70:103370. doi:10.1016/j.probengmech.2022.103370  
Subramanian A, Mahadevan S. Probabilistic physics-informed machine learning for  
dynamic systems. Reliability Engineering & System Safety. 2023;230:108899.  
doi:10.1016/j.ress.2022.108899  
Venkatasubramanian K. Machine learning set to play a key role in the transition to  
Construction 4.0. Proceedings of the Institution of Civil Engineers - Civil  
Engineering. 2021;174(2):54. doi:10.1680/jcien.2021.174.2.54  
AlBalkhy W, Karmaoui D, Ducoulombier L, Lafhaj Z, Linner T. Digital twins in the  
built environment: Definition, applications, and challenges. Automation in  
Construction. 2024;162:105368. doi:10.1016/j.autcon.2024.105368  
Attaran S, Attaran M, Celik BG. Digital Twins and Industrial Internet of Things:  
Uncovering operational intelligence in industry 4.0. Decision Analytics Journal.  
2024;10:100398. doi:10.1016/j.dajour.2024.100398  
Gembali V, Kumar A, Sarma PRS. A knowledge roadmap for digitally enabled  
sustainable construction and building supply chain management. In: Rossit DA,  
Hussain CM, editors. Evolution and trends of sustainable approaches. Elsevier;  
2024. p. 167-87. doi:10.1016/B978-0-443-21651-0.00005-X  
40.  
41.  
42.  
43.  
Kor M, Yitmen I, Alizadehsalehi S. An investigation for integration of deep learning  
and digital twins towards Construction 4.0. Smart and Sustainable Built  
Environment. 2023;12(3):461-87. doi:10.1108/SASBE-08-2021-0148  
Najafzadeh M, Yeganeh A. AI-driven digital twins in industrialized offsite  
construction:  
A
systematic  
review.  
Buildings.  
2025;15(17):2997.  
doi:10.3390/buildings15172997  
Li CZ, Tam VWY, Hu M, Zhou Y. Lean construction management: A catalyst for  
evaluating and enhancing prefabricated building project performance in China.  
Journal of Building Engineering. 2024;94:109930. doi:10.1016/j.jobe.2024.109930  
Masood R, Lim JBP, González VA. Performance of the supply chains for New  
Zealand  
prefabricated  
house-building.  
Sustainable  
Cities  
and  
Society.  
2021;64:102537. doi:10.1016/j.scs.2020.102537  
91  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
44.  
Pawar P, Minde P, Kulkarni M. Analysis of challenges and opportunities of  
prefabricated sandwich panel system: A solution for affordable housing in India.  
Materials  
Today:  
Proceedings.  
2022;65:1946-55.  
doi:10.1016/j.matpr.2022.05.193  
45.  
46.  
Okonkwo C, Okpala I, Awolusi I, Nnaji C. Overcoming barriers to smart safety  
management system implementation in the construction industry. Results in  
Engineering. 2023;20:101503. doi:10.1016/j.rineng.2023.101503  
Van Tam N, Toan NQ, Van Phong V. Investigating potential barriers to construction  
digitalization in emerging economies: A study in Vietnam. International Journal of  
Information  
Management  
Data  
Insights.  
2024;4(1):100226.  
doi:10.1016/j.jjimei.2024.100226  
47.  
48.  
49.  
Schumacher A, Sihn W. Development of a Monitoring System for Implementation  
of Industrial Digitalization and Automation using 143 Key Performance Indicators.  
Procedia CIRP. 2020;93:1310-5. doi:10.1016/j.procir.2020.03.012  
Elhusseiny HM, Crispim J. A Review of Industry 4.0 Maturity Models: Theoretical  
Comparison in The Smart Manufacturing Sector. Procedia Computer Science.  
2024;232:1869-78. doi:10.1016/j.procs.2024.02.009  
Jiang Y, Su S, Zhao S, Zhong RY, Qiu W, Skibniewski MJ, et al. Digital twin-enabled  
synchronized construction management: A roadmap from construction 4.0  
towards  
2024;19:100512. doi:10.1016/j.dibe.2024.100512  
Nick G, Kő A, Szaller Á, Zeleny K, Kádár B, Kovács T. Extension of the CCMS 2.0  
maturity model towards Artificial Intelligence. IFAC-PapersOnLine.  
2022;55(10):293-8. doi:10.1016/j.ifacol.2022.09.403  
Yitmen I, Kovacic I, Tagliabue LC. Editorial: Cognitive digital twins for facilitating  
construction 4.0: Challenges and opportunities for implementation. Frontiers in  
Built Environment. 2023;9. doi:10.3389/fbuil.2023.1130115  
Osorio Gómez CC, Herrera R, Pellicer E, Alzate Buitrago A, Aristizabal-Torres D.  
Construction 4.0: Cluster analysis and Research perspectives. Revista Ingeniería de  
Construcción. 2023;38(3):493-506. doi:10.7764/RIC.00083.21  
Pompáš L, Kučera Ľ, Čechmánek D, Fiačan J. Construction design of the reaction  
arm for tightening tools. Transportation Research Procedia. 2023;74:568-75.  
doi:10.1016/j.trpro.2023.11.183  
van der Heijden J. Construction 4.0 in a narrow and broad sense: A systematic and  
comprehensive literature review. Building and Environment. 2023;244:110788.  
doi:10.1016/j.buildenv.2023.110788  
Kumar P, Bhamu J, Sangwan KS. Analysis of Barriers to Industry 4.0 adoption in  
Manufacturing Organizations: an ISM Approach. Procedia CIRP. 2021;98:85-90.  
doi:10.1016/j.procir.2021.01.010  
Olanrewaju OI, Kineber AF, Chileshe N, Edwards DJ. Modelling the relationship  
between Building Information Modelling (BIM) implementation barriers, usage  
and awareness on building project lifecycle. Building and Environment.  
2022;207:108556. doi:10.1016/j.buildenv.2021.108556  
future  
prospect.  
Developments  
in  
the  
Built  
Environment.  
50.  
51.  
52.  
53.  
54.  
55.  
56.  
57.  
Ullah F, Sepasgozar SME, Thaheem MJ, Al-Turjman F. Barriers to the digitalisation  
and innovation of Australian Smart Real Estate: A managerial perspective on the  
92  
ISSN:  
DOI:  
3091-1796  
Vol. 4 No. 11 PP. 71-93  
https://doi.org/10.56519/hw5pna79  
Noviembre 2026  
technology  
non-adoption.  
Environmental  
Technology  
&
Innovation.  
2021;22:101527. doi:10.1016/j.eti.2021.101527  
Grover V, Tseng SL, Pu W. A theoretical perspective on organizational culture and  
digitalization. Information Management. 2022;59(4):103639.  
doi:10.1016/j.im.2022.103639  
Kang TW, Mo Y. A comprehensive digital twin framework for building environment  
monitoring with emphasis on real-time data connectivity and predictability.  
58.  
59.  
&
Developments  
in  
the  
Built  
Environment.  
2024;17:100309.  
doi:10.1016/j.dibe.2023.100309  
60.  
61.  
Calderón Arregui DA, Sánchez Caimán PJ, Tinto Arandes J. Marco de diagnóstico  
difuso (FMARF) para evaluar la preparación organizacional ante la Construcción  
4.0: validación de contenido y estudio de caso. Sage Sphere Multidisciplinary  
Studies. 2026;3(1):1-23. doi:10.63688/jw62aa70  
Aghimien D, Aigbavboa C, Oke A, Thwala W, Moripe P. Digitalization of  
construction organisations – a case for digital partnering. International Journal of  
Construction  
Management.  
2020;22(10):1950-9.  
doi:10.1080/15623599.2020.1745134  
62.  
63.  
Iyer SV, Sangwan KS, Dhiraj. Development of an Industrial Symbiosis Framework  
through Digitalization in the Context of Industry 4.0. Procedia CIRP. 2024;122:515-  
20. doi:10.1016/j.procir.2024.01.075  
Popa I, Ștefan SC, Olariu AA, Popa ȘC. Integrating digitalization opportunities into  
innovative public organizations’ management process. Journal of Innovation &  
Knowledge. 2024;9(4):100564. doi:10.1016/j.jik.2024.100564  
64.  
65.  
Davis FD. Perceived usefulness, perceived ease of use, and user acceptance of  
information technology. MIS Quarterly. 1989;13(3):319-40. doi:10.2307/249008  
Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information  
technology: Toward a unified view. MIS Quarterly. 2003;27(3):425-78.  
doi:10.2307/30036540  
66.  
Tornatzky LG, Fleischer M. The processes of technological innovation. Lexington  
(MA): Lexington Books; 1990.  
93