IA en minería: del RIGI a operaciones eficientes en Chile

Un proyecto minero aprobado por USD 665 millones no se gana solo con geología. Se gana —y se sostiene— con disciplina operativa, control financiero y una gestión de riesgos que aguante años de ejecución. Esta semana se conoció la aprobación del RIGI para Gualcamayo (San Juan, Argentina), un hito que vuelve a poner sobre la mesa una idea incómoda: la minería moderna ya no es “solo minería”. Es ingeniería + energía + datos.

Y para Chile, que vive el pulso del cobre, el litio y una cadena energética en plena transición, la noticia funciona como espejo. La inversión, la escala y la complejidad tecnológica de Gualcamayo (mina subterránea, nueva planta, POX, y hasta 50 MW fotovoltaicos) se parecen mucho a los desafíos que enfrentan proyectos chilenos cuando pasan del anuncio a la operación. La diferencia real la está marcando la IA aplicada: no para “automatizar por moda”, sino para proteger márgenes, bajar variabilidad y cumplir compromisos ambientales.

Qué nos enseña Gualcamayo sobre minería “a escala de capital”

La lección principal es directa: cuando el CAPEX se mide en centenas de millones, la variabilidad cuesta caro. En el caso Gualcamayo, la aprobación del RIGI habilita un marco de previsibilidad para un plan que contempla:

• Inversión total superior a USD 660 millones (comunicada como USD 665 millones en titulares).
• USD 50 millones destinados a exploración geológica.
• Un recurso reportado de más de 3,5 millones de onzas de oro, con 2,45 millones categorizadas como reservas.
• Un distrito con más de 5 millones de onzas de oro en recursos (con reservas probadas y probables reportadas).
• Un potencial de exploración alto: solo ~4% de la propiedad explorada en profundidad.

Ese mix (CAPEX alto + geología con upside + tecnología de proceso compleja) es exactamente donde la analítica avanzada y la inteligencia artificial entregan valor medible: reducen incertidumbre en decisiones que, de otro modo, se toman con exceso de supuestos.

Del dictamen a la producción: la curva de riesgo no perdona

El cronograma informado es ambicioso: construcción hacia fines de 2027 (con 1.000 a 1.500 empleos en esa etapa) y producción hacia fines de 2029 (con ~600 empleos directos permanentes). En esa transición aparecen los “clásicos” dolores de cabeza:

• cambios de ingeniería y re-trabajos,
• sobrecostos logísticos,
• disponibilidad de equipos críticos,
• permisos y exigencias ambientales,
• ramp-up con leyes variables y cuellos de botella.

En Chile, muchos proyectos pierden competitividad justo ahí: no por falta de talento, sino por falta de sistemas que anticipen desviaciones antes de que se vuelvan irreversibles.

IA para gestionar grandes inversiones mineras (sin humo)

La respuesta corta: la IA sirve cuando se conecta a decisiones operativas y financieras concretas. En un proyecto del tamaño de Gualcamayo, y en proyectos mineros chilenos comparables, hay cuatro frentes donde la IA se paga sola.

1) Control de CAPEX y cronograma con analítica predictiva

En vez de mirar reportes semanales “hacia atrás”, la IA permite estimar probabilidad de atraso y sobrecosto con señales tempranas: avances reales, productividad por frente, órdenes de cambio, restricciones de abastecimiento y desempeño de contratistas.

Aplicación típica en minería chilena:

• modelos que detectan patrones de desviación por tipo de actividad (movimiento de tierra, piping, eléctrica, instrumentación),
• alertas cuando una línea de trabajo entra en zona de riesgo,
• simulaciones para decidir entre alternativas (más turnos vs. más equipos vs. rediseño).

Una frase que me gusta para aterrizarlo: “La IA no reemplaza al project manager; le quita la venda.”

2) Optimización del plan minero y mezcla de mineral

Gualcamayo apuesta fuerte por una operación con varias décadas de proyección y un yacimiento profundo (DCP). En minería, el valor está en decidir qué extraer, cuándo, y cómo mezclarlo para alimentar planta con estabilidad.

La IA aquí no es magia: es optimización y aprendizaje sobre datos de sondajes, modelos de bloques, leyes, dureza, recuperación esperada y restricciones de equipos.

Resultados típicos que se buscan:

• menor variabilidad de tonelaje/ley a planta,
• mejor recuperación metalúrgica,
• menos paradas por saturación de cuellos de botella,
• decisiones de corto plazo alineadas con el NPV de largo plazo.

En Chile, esto calza perfecto en cobre (leyes decrecientes y mineralogía compleja) y también en litio, donde la consistencia de insumos y el control de proceso impactan calidad final.

3) Mantenimiento predictivo y confiabilidad: la batalla del OPEX

Una mina subterránea moderna y una planta nueva (más una unidad POX) significan más activos críticos y más puntos de falla. La IA aporta en confiabilidad cuando se integra con historiadores de planta, sensores, vibración, temperatura, análisis de aceites y eventos de mantenimiento.

El objetivo no es “predecir todo”, sino enfocarse en lo que realmente pega:

• equipos con alto costo de falla,
• repuestos de largo plazo,
• activos que condicionan producción (chancado, molienda, bombas críticas, compresores, ventilación en subterránea).

En proyectos chilenos, esto suele traducirse en algo muy concreto: menos detenciones no programadas y una planificación de mantención más realista, con impacto directo en disponibilidad y costos.

4) Gestión energética y emisiones: IA + renovables sin improvisar

Gualcamayo incluye un parque fotovoltaico de 50 MW para abastecer demanda y reducir huella de carbono. Ese diseño trae un desafío operativo: la generación solar es variable, y la mina/planta necesitan energía estable.

Ahí la IA funciona como “cerebro” de un sistema híbrido:

• pronósticos de generación renovable (intradiarios y semanales),
• optimización de consumo por horarios y restricciones del proceso,
• coordinación con almacenamiento (si existe) y contratos de suministro,
• medición fina de intensidad de emisiones por tonelada procesada.

Chile tiene una ventaja clara: madurez renovable y experiencia con PPAs, pero el salto de eficiencia viene de conectar energía con operación, no de tener dashboards bonitos.

POX, complejidad metalúrgica y el rol de la IA en planta

Una de las piezas más relevantes del caso Gualcamayo es la incorporación de oxidación a presión (POX) para procesar minerales complejos y mejorar recuperación. POX no es un juguete: exige control fino de variables (presión, temperatura, química, estabilidad del proceso) y una disciplina operacional alta.

La IA aporta aquí de forma muy específica:

• control avanzado de procesos (APC) con modelos que mantienen estabilidad,
• detección temprana de desviaciones (anomalías) antes de que escalen,
• gemelos digitales para probar cambios sin arriesgar producción,
• optimización de reactivos y condiciones de operación para mejorar recuperación.

En la minería chilena, lo equivalente suele verse en concentradoras y plantas hidrometalúrgicas: cuando la mineralogía se vuelve difícil, la ventaja está en controlar mejor, no solo en “moler más”.

De la aprobación regulatoria a la operación inteligente: un checklist práctico

La pregunta que escucho más en empresas mineras y energéticas en Chile es: “¿Por dónde partimos sin quemar presupuesto?” Aquí va un camino realista, pensado para proyectos grandes (y para operaciones en marcha).

Paso 1: escoger 2 casos de uso con ROI visible en 90–120 días

Ejemplos típicos:

• predicción de fallas en un activo crítico,
• optimización de consumo energético por turno,
• alertas de calidad/ley para estabilizar planta.

Paso 2: ordenar datos (lo mínimo indispensable)

No hace falta perfección, pero sí:

• definición única de tags y equipos,
• registro consistente de eventos (paradas, causas, órdenes),
• acceso a datos históricos confiables.

Paso 3: integrar IA a la rutina operacional

Si el modelo vive fuera del turno, muere. Lo que funciona:

• alertas dentro de herramientas que la gente ya usa,
• responsables claros por acción,
• métricas simples (disponibilidad, recuperación, energía por tonelada, costo por tonelada).

Paso 4: escalar con gobernanza y ciberseguridad OT

Cuando conectas planta, mina y energía, la superficie de riesgo crece. En Chile, con operaciones críticas, la ciberseguridad industrial no es un “extra”: es parte del diseño.

Preguntas comunes (y respuestas directas) sobre IA en minería chilena

¿La IA reemplaza ingenieros de mina o metalurgistas?

No. La IA amplifica su capacidad de decisión. El conocimiento de proceso manda; el modelo ayuda a reaccionar antes y a probar más escenarios.

¿Qué duele más: el algoritmo o los datos?

Los datos. La minería tiene sistemas legados, tags inconsistentes y registros incompletos. Por eso conviene partir con casos de uso donde el dato ya exista (historiadores, SCADA, mantención).

¿Vale la pena para proyectos en construcción o solo en operación?

También en construcción. De hecho, en proyectos grandes, controlar desvíos temprano tiene un valor enorme. IA aplicada a avance, productividad y supply chain es una de las vías más rápidas para reducir riesgo.

Lo que viene en 2026 para Chile: operaciones más inteligentes o márgenes más apretados

La aprobación del RIGI en Gualcamayo muestra que, cuando hay previsibilidad y escala, los proyectos se reactivan y se aceleran. En Chile, la oportunidad está en algo muy concreto: usar inteligencia artificial para ejecutar mejor, con menos variabilidad y más trazabilidad, desde la ingeniería hasta el ramp-up.

Si tu empresa está evaluando IA en minería o energía, yo tomaría una postura clara: no partas por “transformación digital” como eslogan. Parte por el cuello de botella que más te cuesta (energía, disponibilidad, recuperación, cronograma) y usa IA como herramienta para intervenir ahí.

La minería que gana en 2026–2029 no será la que tenga más presentaciones sobre IA. Será la que convierta datos en decisiones de turno.

Si quieres, podemos aterrizar esto a tu realidad: identificar dos casos de uso con ROI, definir qué datos faltan y diseñar un piloto que se integre a la operación sin fricción. ¿Qué parte te está pegando hoy: energía, mantención, o variabilidad de planta?