Por: Emanuel Gil Rodríguez, Cristian David Tenjo Salguero y María Camila Murcia Bernal
Semillero de investigación Spyware, Facultad de Ingeniería, Corporación Universitaria Minuto de Dios
Docente directora: Yasmin Becerra Romero
El propósito de este estudio fue desarrollar una herramienta que permita a familias colombianas de cualquier estrato diseñar la automatización de su vivienda con productos reales, precios actualizados y cálculos de ingeniería verificables. Los objetivos, integrar la consulta simultánea de tiendas en línea, la selección de productos con inteligencia artificial (IA) y la validación técnica de cada diseño. Como resultado se obtuvo DOMO IA, una aplicación web que a partir del presupuesto y las características de la casa, genera un diseño con 24 tipos de dispositivo, cinco tiendas consultadas, un índice de hogar accesible y seguro (0-100) y un modelo propio de respaldo que coincidió con el motor principal en el 91 % de los casos nuevos.
En Colombia, la casa inteligente todavía se percibe como un lujo reservado para hogares de altos ingresos, aunque la conectividad ya llegó a la mayoría: el 73,9 % de los hogares tenía internet en 2025 (Departamento Administrativo Nacional de Estadística [DANE], 2026). Muchas familias compran una cámara Wi-Fi o un bombillo inteligente por su cuenta, sin orientación sobre compatibilidad, seguridad eléctrica o costo real, de modo que esos aparatos terminan funcionando de forma aislada. Las herramientas disponibles suelen ser catálogos de una sola marca o asistentes conversacionales que pueden inventar precios y especificaciones. Entonces, la brecha ya no es de acceso a internet, sino de orientación. Por ello, se planteó la siguiente hipótesis de investigación: una plataforma que combine precios reales de varias tiendas, selección de productos con IA y cálculos de ingeniería independientes de la IA permite que un hogar de cualquier estrato obtenga un diseño de automatización viable, seguro y ajustado a su presupuesto.
Métodos y materiales
Se desarrolló una aplicación web con interfaz en React, un servidor en Python y una base de datos MySQL. El flujo se diseñó en cuatro etapas. Primero, un módulo educativo explica en lenguaje sencillo qué es un hogar inteligente y presenta un mapa interactivo con seis categorías: iluminación, seguridad, climatización, entretenimiento, redes y control de energía. Segundo, un asistente guiado recoge el presupuesto, los tipos de dispositivo deseados (24 opciones), requisitos concretos (por ejemplo, compatibilidad con un asistente de voz) y los espacios de la vivienda con sus medidas reales. Tercero, el sistema consulta en paralelo cinco tiendas (Alkosto, Homecenter, Xiaomi, Samsung y Amazon), descarta productos agotados, detecta descuentos y usa Gemini, de Google, para elegir en cada tienda el producto que cumple lo solicitado. Al modelo se le prohíbe inventar cifras técnicas, y un conjunto de reglas fijas, ajustadas con 1.355 productos reales, revisa cada elección.
Para garantizar disponibilidad se definió una cadena de respaldo: otros modelos de Gemini, una IA que funciona en el propio equipo y un modelo de aprendizaje automático propio, entrenado con las decisiones de Gemini. Cuarto, se implementaron cálculos verificables que no dependen de la IA: la demanda eléctrica se compara con el 80 % de la capacidad del interruptor principal, criterio de seguridad usado en la práctica del Reglamento Técnico de Instalaciones Eléctricas; la señal Wi-Fi se estima por habitación según distancia, paredes y pisos; se calculan la iluminación y el aire acondicionado de cada espacio, y se proyecta el costo mensual de energía con la tarifa del estrato. En cuanto a seguridad, el acceso exige un código enviado al correo, las contraseñas se almacenan cifradas, los intentos fallidos repetidos bloquean la cuenta y a la IA solo se envían las características de la vivienda, sin datos personales, en concordancia con la Ley 1581 de 2012. Hasta el momento, la investigación se encuentra en fase de prototipo funcional, validado por el equipo, y aún no se ha probado con usuarios en hogares reales.
Resultados
El prototipo genera, para cada vivienda, un diseño con productos reales, precio del día y enlace de compra. Cuando no encuentra un producto adecuado lo informa en lugar de inventar un precio, y cuando ninguna opción cumple todos los requisitos dentro del presupuesto, presenta la más cercana con un aviso de lo que no cumple y una alternativa superior. Si el dinero no alcanza, propone un plan de compra por fases que prioriza la seguridad, y la función «¿Qué más puedo tener con otro presupuesto?» genera un segundo diseño para comparar producto por producto. Cada diseño recibe un índice de hogar accesible y seguro de 0 a 100, con criterios visibles y recomendaciones para mejorarlo. En su última medición, el modelo de aprendizaje automático propio coincidió con las decisiones de Gemini en el 91 % de los casos nuevos, de modo que el usuario recibe una recomendación aun si el servicio principal falla; además, un monitor verifica cada seis horas que las tiendas sigan respondiendo. El módulo «Mi Casa» permite registrar varias viviendas, dibujar habitaciones (incluso irregulares), verlas en un plano tridimensional por pisos, conservar el historial de precios y recibir avisos sobre cambios de tarifa y revisión de contraseñas. Finalmente, la plataforma produce un documento para la familia y un expediente técnico para el instalador con el plano, el cuadro de cargas eléctricas y la cobertura Wi-Fi.
Discusión y conclusiones
Los resultados respaldan la hipótesis en el plano técnico: separar la selección de productos, delegada a la IA, de los cálculos de ingeniería, resueltos con reglas verificables, reduce el riesgo de recomendaciones inventadas o inseguras, una limitación frecuente de los asistentes conversacionales. La cadena de respaldo y el uso de precios reales convierten el diseño en una guía de compra concreta y no en una estimación genérica. No obstante, los cálculos son estimaciones que no reemplazan un diseño eléctrico profesional, y la utilidad para las familias aún debe medirse con usuarios reales. Como nuevas líneas de investigación se proponen: un piloto en hogares de varias ciudades que mida usabilidad, ahorro y satisfacción; la incorporación de más tiendas y de paneles solares al catálogo; el desarrollo de una versión móvil, y la evaluación del índice de hogar accesible y seguro frente al criterio de expertos. Con ello se busca que la automatización del hogar deje de ser un privilegio y llegue a más familias colombianas.
Referencias
Departamento Administrativo Nacional de Estadística. (2026). Encuesta Nacional de Calidad de Vida (ECV) 2025 [Comunicado de prensa].
https://www.dane.gov.co/files/operaciones/ECV/cp-ECV-2025.pdf Ley 1581 de 2012. Por la cual se dictan disposiciones generales para la protección de datos personales. 17 de octubre de 2012. Diario Oficial No. 48.587.
