Torres Almiron, Jeniffer CarlaRetamozo Garcia, Jafet Amir2026-11-022026-11-022026-10-07https://hdl.handle.net/20.500.12920/17674La construcción concentra gran parte de la inversión pública peruana, pero enfrenta problemas crónicos de sobrecostos y retrasos que comprometen los recursos del Estado y postergan el cierre de la brecha de infraestructura. Esta investigación desarrolla modelos de machine learning para anticipar sobrecostos y retrasos en obras públicas, a partir de 98 obras públicas liquidadas en Arequipa (S/ 4.5 a S/ 30 millones) con variables predictoras previas a la ejecución. Las variables independientes surgieron de una revisión bibliográfica de los factores más influyentes, y las dependientes se establecieron según el triángulo de hierro de la gestión de proyectos (costo, plazo y alcance). Tras construir el conjunto de datos mediante un análisis forense y documental de los registros contractuales, se realizó un análisis exploratorio y una estratificación no supervisada que separó tres perfiles de obra: exitosas, moderadas y colapsadas. Después se entrenaron modelos supervisados con variables seleccionadas por objetivo, comparando modelos lineales (LASSO lineal y cuadrático) con random forest, evaluados por validación cruzada estratificada repetida; el modelo final se validó externamente con obras de Cusco, Puno y Tacna. Predecir el valor exacto del desvío resultó poco viable (R² ≤ 0.17), pero su estructuración como un modelo de clasificación de riesgo por terciles demostró ser una alternativa efectiva; los tres clasificadores obtuvieron un AUC interno de 0.69 a 0.76. En la validación externa, el orden de riesgo se mantuvo para el retraso y el avance, pero no para el sobrecosto (AUC 0.58, cercano al azar), y el umbral debió recalibrarse por región. Las variables más influyentes cambian según el objetivo: el sobrecosto depende del plazo inicial, la modalidad de licitación y el tipo de contratista; el retraso, del sistema de contratación, la tipología de obra y el contexto de la pandemia. Finalmente, se propone una herramienta de gestión, el Semáforo de Alerta Temprana, que clasifica las obras y prioriza la revisión preventiva del expediente antes de la licitación.application/pdfspahttps://purl.org/coar/access_right/c_abf2Machine learningsobrecostosretrasoshttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/pe-repo/ocde/ford#2.01.01