Gestionar correctamente el tiempo y estimar con precisión las duraciones son aspectos críticos para planificar y ejecutar proyectos de construcción, ya que afectan directamente su eficiencia operativa, control de costos y calidad. En este contexto, los métodos tradicionales como el Método de la Ruta Crítica (CPM) y PERT, aunque se implementan ampliamente, tienen limitaciones porque generan cronogramas poco flexibles ante eventos imprevistos. Este proyecto propone desarrollar y aplicar un modelo innovador llamado K-Means Montecarlo, que integra simulaciones de Montecarlo con técnicas de inteligencia artificial (clustering). Esta combinación busca mejorar la precisión en la estimación de duraciones, considerando el potencial que tienen las técnicas de IA para poder capturar la incertidumbre, comportamientos complejos, patrones no evidentes que son inherentes a la particularidad de cada proyecto. Para ello, se utilizan métricas de validación como la inercia, el índice Davies-Bouldin y el silhouette score. Estas métricas permiten determinar el número óptimo de grupos y afinar la representación de la variabilidad en los datos históricos de proyectos. Los resultados preliminares muestran que el modelo K-Means Montecarlo reduce significativamente las desviaciones promedio en las estimaciones, comparado con PERT y las simulaciones de Montecarlo convencionales. Esto demuestra su potencial para optimizar la programación de obras y mejorar la toma de decisiones en la gestión de proyectos de construcción.