IA en minería: decisiones a producción sin perder margen

El 25/12/2025, Western Gold Resources anunció algo que muchos equipos mineros tardan años en conseguir: pasar de “prometedor proyecto” a decisión formal de minar con permisos, financiamiento y una ruta operativa clara. No es solo una noticia corporativa. Es una radiografía de cómo se está gestionando hoy un proyecto aurífero cuando el reloj corre y el margen no perdona.

Para Bolivia, este tipo de caso sirve como espejo. Aquí la minería de metales preciosos y polimetálicos compite con presión de costos, exigencias ambientales, logística compleja y una conversación social más intensa que nunca. La diferencia entre improvisar y ejecutar con precisión se mide en semanas… y en onzas.

La tesis de este artículo (y de esta serie “Cómo la IA Está Transformando la Minería y los Servicios Mineros en Bolivia”) es directa: la inteligencia artificial no reemplaza la geología ni la experiencia de operación; reduce la incertidumbre y acelera decisiones. Y eso, cuando estás a meses de producir, es oro.

De “exploración” a “decisión de minar”: el cambio real

La decisión de minar no es un trámite. Es el momento en que un directorio deja de comprar opcionalidad y empieza a comprar ejecución. En el caso del Gold Duke Project, WGR llega con cuatro tajos propuestos (Eagle, Emu, Golden Monarch y Gold King) ya aprobados para minería, lo que elimina una de las fuentes más comunes de retraso.

Lo interesante es el enfoque: antes de mover una pala, priorizaron evidencia operacional a escala mina mediante 35.000 m de perforación de control de leyes en malla densa (5 m x 10 m). Esa densidad no es “bonita para el reporte”; es una estrategia para definir límites de mineral con alta precisión, reducir dilución y pérdida de mineral, y proteger el margen desde el primer día.

En Bolivia, muchos proyectos (y operaciones en marcha) sienten el golpe donde más duele: variabilidad de leyes, reconciliación deficiente y sorpresas en planta. La buena noticia es que hoy hay herramientas de IA que hacen más rentable esa disciplina técnica.

Qué “compra” una empresa cuando hace control de leyes

En términos simples, control de leyes compra tres cosas:

• Selectividad: separar mineral de estéril con menos error.
• Programación más estable: menos re-trabajo del plan semanal.
• Menos incertidumbre metalúrgica: mineral “más parejo” llega a planta.

La realidad es que el costo del control de leyes suele ser menor que el costo de operar “a ciegas”. Y la IA puede amplificar ese retorno.

IA aplicada al control de leyes: menos dilución, más predictibilidad

Si tuviera que elegir un lugar donde la IA genera valor rápido en un proyecto como Gold Duke, es este: convertir datos de perforación y modelos geológicos en decisiones operativas repetibles.

WGR reporta “excelente continuidad” y consistencia entre perforación histórica, modelos y nueva perforación. Ese alineamiento es perfecto para introducir IA de forma pragmática: no para “hacer magia”, sino para detectar discrepancias temprano.

Casos de uso concretos (que sí aplican en Bolivia)

1. Modelos de estimación de leyes asistidos por ML

   • Entrenas modelos con variables geológicas, alteración, estructura, QA/QC y proximidad a contactos.
   • Resultado: alertas de zonas donde el modelo clásico puede estar sobre/ subestimando.

2. Detección automática de outliers y problemas de muestreo

   • La IA identifica patrones raros por campaña, perforadora, turno, laboratorio o lote.
   • Resultado: menos decisiones basadas en datos contaminados.

3. Optimización de límites mineral/estéril en corto plazo

   • Con datos de control de leyes + topografía + restricciones de operación.
   • Resultado: mejor control de dilución en tajos con geometría compleja.

Frase que me gusta repetir en operaciones: la dilución no “pasa”, se diseña por error. Y la IA ayuda a detectar ese error antes de que llegue a planta.

De la mina a la planta: por qué el “toll milling” es una jugada inteligente (y cómo la IA la mejora)

WGR aseguró un acuerdo de toll milling con una planta CIL cercana (a ~46 km). Traducido: en vez de construir su propia planta, procesa en una planta existente bajo condiciones pactadas.

Esa decisión tiene dos impactos inmediatos:

• Reduce CAPEX y tiempo a primer oro.
• Traslada parte del riesgo operativo hacia un esquema contractual.

En Bolivia, donde el CAPEX suele ser un cuello de botella (y el financiamiento puede ser caro o lento), el enfoque de “usar infraestructura existente” o “procesamiento por campañas” puede ser muy atractivo, especialmente para productores medianos o juniors.

Dónde entra la IA en el vínculo mina–planta

Cuando mina y planta no son del mismo dueño, la coordinación se vuelve más delicada. La IA ayuda en tres frentes:

• Predicción de performance metalúrgica por tipo de mineral: modelos que relacionan mineralogía/leyes con recuperación y consumo de reactivos.
• Programación de campañas: algoritmos que optimizan ventanas de tratamiento según stockpiles, leyes, penalidades y disponibilidad.
• Control de calidad del mineral enviado: clasificación inteligente de material para evitar “mezclas malas” que arruinan la recuperación.

La idea no es “automatizar por automatizar”. Es cumplir un objetivo simple: que lo que prometiste en el estudio económico se parezca a lo que pasa en la balanza y en el doré.

Contratistas, pagos diferidos y productividad: IA para que el contrato no se coma el margen

WGR seleccionó un contratista minero con un esquema de pago diferido (deferred payment). Es un alivio de caja al inicio, sí. Pero también crea una relación donde ambas partes necesitan desempeño sostenido.

En Bolivia, muchos servicios mineros viven una tensión parecida: el cliente quiere costo bajo y disponibilidad alta; el contratista necesita estabilidad y pago oportuno. La IA puede ser el “terreno común” porque convierte discusiones subjetivas en métricas.

Qué medir (y automatizar) con IA desde el primer mes

• Disponibilidad mecánica y causas raíz con analítica de mantenimiento predictivo.
• Eficiencia de carguío y acarreo (tiempos de ciclo, colas, factores de llenado).
• Cumplimiento de diseño de perforación y voladura (desviación, fragmentación esperada vs real).
• KPIs contractuales con tableros auditables (ideal para evitar peleas por “interpretación”).

Una postura clara: si tu contrato depende de KPIs, necesitas datos confiables y lectura rápida. De lo contrario, el contrato se convierte en una fábrica de reclamos.

Permisos y relacionamiento: la IA también trabaja “fuera del tajo”

El anuncio de WGR no se limita a técnica y operación. Hablan de aprobación regulatoria, planificación de cierre y relacionamiento con propietarios tradicionales.

En Bolivia, el componente social y regulatorio es igual de determinante. Y aunque la IA no “negocia” por nadie, sí puede hacer que la comunicación sea más consistente y menos reactiva.

IA para gestión de stakeholders (sin vender humo)

• Monitoreo de percepción: análisis de temas recurrentes en reuniones, actas, quejas y consultas (texto estructurado y no estructurado).
• Trazabilidad de compromisos: sistemas que recuerdan acuerdos, plazos, responsables y evidencias.
• Reportes ESG más rápidos y verificables: extracción automática de datos de seguridad, agua, energía y emisiones para reportes internos.

Un beneficio subestimado: cuando el equipo deja de “armar reportes a mano”, gana tiempo para resolver problemas reales.

Mini-guía para Bolivia: cómo replicar el “salto a producción” con IA (90 días)

Si estás en Bolivia en etapa de preparación, preproducción o reingeniería operativa, un plan realista de 90 días puede ser más útil que un “roadmap a 3 años”. Aquí va uno que he visto funcionar.

Semana 1–2: ordenar datos (sin perfeccionismo)

• Inventario de fuentes: perforación, QA/QC, topografía, despacho, planta, mantenimiento.
• Definir un “dato oficial” por KPI (una sola fuente manda).
• Estándares mínimos de calidad (campos obligatorios, unidades, responsables).

Semana 3–6: casos de uso con retorno rápido

• Detección de outliers de muestreo y laboratorio.
• Predicción de recuperación / consumo de reactivos por tipo de mineral.
• Tablero de reconciliación mina–planta con alertas.

Semana 7–12: llevarlo a operación diaria

• Rutinas: reunión diaria con tablero, lista de alertas, decisiones registradas.
• Entrenamiento práctico por rol (geología, planeamiento, mina, planta, servicios).
• Ajuste del modelo con feedback del operador (esto vale más que 100 diapositivas).

Regla de oro: si el modelo no cambia una decisión diaria (corte, blend, secuencia, mantenimiento), está de adorno.

Cierre: el mensaje detrás del caso Gold Duke

El caso Gold Duke muestra una lógica que aplica perfecto a la minería boliviana: cuando la empresa reduce incertidumbre con datos densos (control de leyes), asegura rutas operativas (procesamiento y contratistas) y ordena permisos, el paso a producción deja de ser un salto al vacío.

La IA encaja como multiplicador de esa disciplina. Acelera la detección de problemas, mejora la programación y hace que la comunicación técnica sea más clara entre áreas y con stakeholders.

Si estás evaluando IA para minería en Bolivia, mi recomendación es simple: empieza donde duele el margen. Dilución, reconciliación, recuperación, disponibilidad de flota y cumplimiento del plan. Ahí la IA paga la factura.

¿Tu operación tiene claro cuál es su “punto de quiebre” hoy: geología, mina, planta o coordinación? Esa respuesta define el primer caso de uso que vale la pena implementar en 2026.