IA para decidir adquisiciones mineras: lecciones clave

El 23/12/2025, Revival Gold activó una decisión que en minería no se toma “por corazonada”: ejercer la opción para adquirir el 100% de la participación de Barrick en el proyecto aurífero Mercur (Utah, EEUU). No es solo una noticia corporativa. Es un recordatorio de que las adquisiciones de activos mineros son, en esencia, decisiones de datos: geología, permisos, CAPEX/OPEX, riesgos sociales y ambientales, infraestructura, precios del metal, y tiempos de construcción.

En Bolivia, donde la competencia por yacimientos, concesiones, contratos de servicios y alianzas se intensifica (y donde cada mes perdido pesa), he visto el mismo patrón repetirse: mucha información dispersa, decisiones apuradas y poca capacidad de simular escenarios completos. La realidad? Hay una forma más ordenada de hacerlo. Los sistemas de soporte de decisión con IA ya permiten evaluar adquisiciones y reactivaciones con más velocidad, trazabilidad y control del riesgo.

Tomemos Mercur como caso práctico y aterricemos qué haría la IA si el escenario fuera boliviano.

Qué nos enseña el caso Mercur sobre “comprar bien” en minería

La enseñanza central es clara: la consolidación del terreno y la claridad del camino a permisos valen tanto como el recurso. Revival Gold no solo compró hectáreas; compró continuidad geológica, acceso y un plan.

En la noticia se detallan varios puntos que, traducidos a un “checklist” de adquisición, son oro puro para cualquier operación:

• Área cubierta por el acuerdo: 996 ha adicionales, llevando el proyecto a ~7.200 ha.
• Trabajo técnico reciente: una campaña de perforación de 13.000 metros en 2025.
• Ruta de ingeniería: PEA (evaluación económica preliminar) en 2025 y PFS (prefactibilidad) planificada para 2026.
• Meta operacional: reiniciar producción con un horizonte de vida de mina.
• Proyección PEA: 95.600 onzas/año durante 10 años.
• Valor estimado: NPV después de impuestos de US$294 millones (tasa 5%) con US$2.175/oz.
• Permisos: proceso estimado de ~2 años.
• Estructura de pagos: US$5M al cierre + US$5M en cada uno de los 3 primeros aniversarios de producción comercial; regalías NSR (2% en los intereses incluidos y 1% en propiedades dentro de 1 km).

La mayoría de empresas se queda con el titular (“compró el activo”). Lo útil para Bolivia es otra cosa: qué variables fueron críticas y cómo se pueden modelar mejor.

El cuello de botella real: permisos y tiempo

En Mercur, el permiso se estima en dos años. Ese dato mueve todo el modelo financiero. En adquisiciones mineras, la variable más cara no es el CAPEX, es el tiempo: cada trimestre adicional antes de producir cambia el NPV, el perfil de riesgo y el costo de capital.

Aquí la IA aporta con algo concreto: predicción de cronogramas de permisos basada en históricos, complejidad del expediente, sensibilidad ambiental, densidad de stakeholders, y capacidad instalada del equipo.

En Bolivia, donde los proyectos pueden enfrentar tiempos y requerimientos variables según región, tipo de operación y componente social, un “estimado optimista” sin modelo suele terminar en sobrecostos o en activos inmovilizados.

Cómo la IA optimiza decisiones de adquisición (sin magia, con método)

La idea no es reemplazar al geólogo, al abogado o al gerente de proyecto. Es darles una “torre de control” que reduzca sesgos y haga visibles los riesgos antes de firmar.

1) Due diligence asistida por IA: de carpetas a evidencia

Respuesta directa: la IA acelera la debida diligencia al clasificar documentos, detectar inconsistencias y resumir hallazgos en minutos, no semanas.

En una adquisición típica, circulan cientos (a veces miles) de archivos: informes de perforación, QA/QC, servidumbres, contratos, pasivos ambientales, actas comunitarias, licencias, mapas, y correos críticos. Con modelos de lenguaje privados (LLM) y extracción de datos:

• Se crea un índice único del “data room”.
• Se etiquetan riesgos por categoría: legal, ambiental, social, técnico y financiero.
• Se detectan “banderas rojas” (por ejemplo: obligaciones de cierre poco claras, cláusulas de regalías superpuestas, o áreas con derecho minero no contiguo).

Qué cambiaría en Bolivia: muchas empresas de servicios mineros y operadores trabajan con documentación fragmentada entre oficinas regionales, cooperativas, consultores y proveedores. Un sistema de IA bien gobernado reduce el “teléfono descompuesto” y deja una bitácora auditable.

2) Modelos predictivos para precios, costos y margen (con escenarios)

Respuesta directa: la IA no “adivina” el precio del oro o la plata; construye escenarios con probabilidades y muestra el rango de resultados.

El PEA de Mercur se apoya en un precio de US$2.175/oz. En 2025, la volatilidad de commodities sigue alta y los directorios no quieren sorpresas.

Con IA y analítica avanzada se pueden correr, por ejemplo:

• Escenario base, conservador y agresivo de precio del metal.
• Inflación de insumos (combustible, explosivos, reactivos, transporte).
• Riesgo cambiario y costo de financiamiento.
• Sensibilidades tipo “tornado” para detectar qué variable destruye valor más rápido.

En Bolivia esto es especialmente útil para operaciones polimetálicas (zinc-plata-plomo-estaño), donde el margen depende de combinaciones de precio + recuperación + penalidades + logística. La IA ayuda a priorizar: “si solo puedo mejorar 3 cosas este trimestre, cuáles mueven más el NPV?”.

3) Optimización de portafolio: cuándo comprar, cuándo esperar

Respuesta directa: la IA permite comparar activos distintos con una misma regla, ponderando riesgo y retorno de forma consistente.

El caso Mercur tiene señales típicas de un activo atractivo para reactivación:

• Infraestructura existente (acceso por carretera, línea eléctrica energizada).
• Información técnica extensa.
• Consolidación de claims contiguos.

En Bolivia, pensemos en un operador que evalúa:

• Comprar un activo en etapa de exploración avanzada.
• Asociarse con una operación en marcha para mejorar planta.
• Invertir en una ampliación de capacidad o en un contrato de servicios integrados.

Un motor de decisión con IA puede puntuar cada opción con criterios claros:

1. Tiempo a primera producción o a primer flujo de caja.
2. Complejidad de permisos y probabilidad de retraso.
3. Riesgo social (intensidad de conflicto potencial, historia de acuerdos).
4. Requerimientos de CAPEX y exposición a importaciones.
5. Calidad del dato geológico (densidad de perforación, QA/QC).

El resultado no es una “respuesta única”, sino un ranking transparente. Y eso baja la fricción interna: el equipo discute sobre supuestos, no sobre opiniones.

IA aplicada a la ejecución: del “sí compro” al “sí produzco”

Comprar un activo es la parte fácil. Ponerlo a producir con seguridad, licencia social y costos controlados es donde se gana o se pierde.

Gemelo digital y planificación de mina: menos sorpresas en el arranque

Respuesta directa: un gemelo digital (digital twin) conecta diseño, cronograma, equipos e indicadores para anticipar cuellos de botella.

En reactivaciones como Mercur, el riesgo típico está en los detalles: ramp-up, disponibilidad de equipos, reconciliación mineralógica, y estabilidad de procesos.

Un gemelo digital puede integrar:

• Plan de minado y secuencia.
• Datos de planta (granulometría, recuperación, consumo de reactivos).
• Mantenimiento predictivo.
• Seguridad operacional.

En Bolivia, esto tiene un impacto directo en empresas de servicios mineros: mantenimiento, transporte, perforación, energía, y gestión de relaves. Cuando el operador maneja el activo con datos en tiempo real, los contratistas también pueden trabajar con acuerdos basados en desempeño (KPI) más justos y medibles.

Gestión de riesgos ESG con analítica: menos improvisación

Respuesta directa: la IA ayuda a monitorear señales tempranas de riesgo ambiental y social con tableros que combinan datos técnicos y de territorio.

Mercur incluye compromisos de estándares ambientales y de comunidad, además de requisitos de bonding. En Bolivia, donde la licencia social es un factor determinante, la analítica puede sumar muchísimo:

• Seguimiento de compromisos comunitarios (fechas, entregables, responsables).
• Alertas por desviaciones ambientales (agua, polvo, estabilidad).
• Registro estructurado de incidentes y “casi incidentes” para prevención.

Esto no reemplaza el trabajo en campo. Lo ordena.

“People also ask” en Bolivia: dudas comunes sobre IA en decisiones mineras

¿La IA sirve para cooperativas y medianas empresas, o solo para grandes?

Sirve para ambas. Lo que cambia es el alcance: una mediana puede empezar con IA para due diligence documental y control de costos, sin necesidad de un centro de datos complejo.

¿Qué datos mínimos necesito para comenzar?

Tres bloques:

• Datos técnicos: perforación, muestreo, ensayes, reconciliación.
• Datos operativos: costos por frente, disponibilidad mecánica, consumos.
• Datos de gestión: cronogramas, permisos, compromisos sociales.

Si esos datos están en Excel y PDFs, igual se puede arrancar. El primer paso es gobernanza y limpieza, no “comprar software”.

¿Cuál es el mayor error al implementar IA en minería?

Querer automatizar decisiones sin definir el criterio. He encontrado que funciona mejor cuando el equipo escribe primero su “manual de decisión” (qué pesa y cuánto), y después recién entrena modelos y tableros.

Qué deberían hacer hoy las empresas mineras y de servicios en Bolivia

Si tu empresa está evaluando adquisiciones, alianzas o reactivaciones (como el caso Mercur), estas acciones son las que más retorno dan en 90 días:

1. Crear un modelo único de evaluación de activos (retorno + riesgo + tiempo) y usarlo siempre.
2. Centralizar el data room y aplicar clasificación automática: legal, técnico, ambiental, social.
3. Construir un tablero de escenarios (precio, costos, permisos) que muestre rangos, no un solo número.
4. Definir indicadores previos a la compra: qué debe cumplirse para pasar de PEA a PFS y de PFS a construcción.
5. Alinear al operador y a proveedores con KPI medibles (disponibilidad, costo por tonelada, seguridad).

Una frase que sirve para directorio: “La IA no compra minas; evita que compremos problemas.”

Bolivia está en un momento donde la competitividad minera se juega tanto en el yacimiento como en la gestión: velocidad de decisión, control del riesgo y ejecución disciplinada. En esta serie de contenidos —Cómo la IA Está Transformando la Minería y los Servicios Mineros en Bolivia— mi postura es simple: si una decisión mueve millones, merece un sistema de decisión basado en datos, no en intuición.

Si te interesa aplicar IA para evaluar adquisiciones, priorizar proyectos o profesionalizar tu due diligence (sin volverlo eterno), el siguiente paso es aterrizar un piloto: un activo, un data room, un tablero de escenarios y reglas claras. ¿Qué decisión importante en tu operación no estás modelando todavía, y cuánto te está costando esa ceguera?