La Ingeniería en Minas repunta y la IA redefine el trabajo en minería chilena. Casos de uso, habilidades clave y pasos para implementar IA con impacto.
Ingeniería en Minas e IA: el nuevo perfil que busca Chile
La señal es clara y viene desde la sala de clases: en La Rioja (Argentina), la carrera de Ingeniería en Minas en la Universidad Nacional de La Rioja (UNLaR) pasó de un histórico de 35–40 aspirantes a 111 inscriptos. No es un detalle pintoresco de fin de año; es un termómetro. Cuando una carrera “dura” triplica su demanda, el mercado está empujando desde atrás.
Y en Chile ese empuje se siente fuerte. Minería y energía están en el centro de la conversación productiva, pero con una diferencia clave respecto de hace 10 o 15 años: el talento que se está formando ya no llega solo a operar equipos, llega a operar datos. La inteligencia artificial (IA) en minería —y su hermana inevitable, la analítica avanzada— está cambiando qué se hace en faena, cómo se decide y qué perfiles se vuelven escasos.
Este artículo conecta esa noticia educativa con una pregunta práctica para empresas chilenas (y para profesionales que quieren subirse a la ola con criterio): ¿qué habilidades reales está demandando la minería cuando incorpora IA, automatización y optimización operacional?
El boom de Ingeniería en Minas no es moda: es demanda de futuro
La explicación corta es económica: si aparecen proyectos, prospección e inversión, aparece empleo y aparece vocación. Eso es exactamente lo que refleja La Rioja, donde el interés por desarrollar minería se trasladó a la comunidad educativa. La UNLaR, además, informó un crecimiento total de 10,5% en inscriptos para el nuevo periodo académico, lo que sugiere una tendencia más amplia.
Pero hay una explicación más interesante: la minería dejó de ser “solo extracción”. Hoy es un sistema industrial hipercomplejo donde se optimizan rutas, consumos energéticos, mantenciones, recuperaciones metalúrgicas, logística y seguridad. Y esa complejidad se gestiona mejor con datos.
En términos simples: la minería que crece es la que aprende más rápido.
Qué está cambiando en el trabajo minero (y por qué la IA importa)
La IA no llega a “reemplazar” a la ingeniería; llega a hacerla más exigente. La vara sube porque ahora es posible:
- Predecir fallas antes de que ocurran (mantenimiento predictivo)
- Optimizar consumo energético por turno y por proceso
- Automatizar clasificación de imágenes (equipos, correas, taludes, seguridad)
- Mejorar decisiones de planificación con modelos que aprenden del histórico
La consecuencia es directa: el sector necesita más gente que entienda minería y entienda cómo convertir señales operacionales en decisiones.
De la universidad a la faena: el “ingeniero híbrido” se volvió la norma
La idea central es esta: el perfil más valioso en minería hoy es híbrido. No basta con saber de perforación y tronadura o de ventilación y geomecánica. Tampoco basta con “saber programar”. Lo que realmente escasea es quien puede conectar ambos mundos.
He visto que muchas organizaciones se equivocan al armar equipos de IA como si fueran proyectos de TI. En minería funciona distinto: si el modelo no conversa con la operación, no se usa. Y si no se usa, no existe.
Habilidades técnicas que ya se están pidiendo en Chile
En operaciones mineras y también en empresas energéticas vinculadas (generación, suministro, gestión de activos), se repiten necesidades concretas:
- Gestión de datos industriales: historiadores, SCADA, telemetría, calidad de datos.
- Analítica aplicada: entender variabilidad, correlaciones falsas, sesgos de medición.
- Optimización: desde programación lineal básica hasta heurísticas para planificación.
- IA práctica: modelos supervisados para predicción, visión computacional para inspección.
- Ciberseguridad OT: porque digitalizar sin seguridad es invitar problemas.
No es que todo ingeniero de minas tenga que ser data scientist. El punto es más realista: tiene que saber hacer buenas preguntas a los datos y validar que la respuesta tenga sentido operacional.
Habilidades “blandas” que se volvieron duras
La implementación de IA en minería suele fallar por lo humano, no por lo matemático:
- Traducir objetivos de negocio a métricas operacionales
- Trabajar con mantenimiento, operaciones y TI sin guerras de territorio
- Gestionar cambio: entrenar, documentar, asegurar adopción
Una frase que uso mucho en proyectos: “precisión sin adopción es un experimento; adopción con impacto es transformación”.
Casos de uso de IA en minería y energía (los que sí generan ROI)
La respuesta corta: los casos que ganan son los que se conectan a un KPI que duele. No los más vistosos.
Mantenimiento predictivo en equipos críticos
Donde más rápido se ve valor es en activos caros y con alto costo de detención: chancadores, correas, molinos, bombas, flotas. La IA no “adivina”; aprende patrones en vibración, temperatura, consumo, presión, tiempos de ciclo.
Impacto típico (operacional, no de marketing):
- Menos detenciones no programadas
- Mejor planificación de repuestos
- Mantenciones más oportunas (ni antes ni después)
Optimización energética: minería y energía hablando el mismo idioma
En Chile, hablar de competitividad minera sin hablar de energía es incompleto. La IA permite optimizar consumo por proceso, detectar derivas y proponer ajustes:
- Ajustes de setpoints basados en condición real
- Modelos que estiman consumo esperado vs. real
- Priorización de cargas en ventanas tarifarias
Aquí aparece una conexión potente para el sector energético: la minería se vuelve un cliente más inteligente, que exige trazabilidad, flexibilidad y datos.
Seguridad y cumplimiento: visión computacional en terreno
Cámaras y analítica pueden ayudar a reducir exposición:
- Detección de uso de EPP
- Alertas por ingreso a zonas restringidas
- Monitoreo de condiciones en correas, tolvas o caminos
Esto no reemplaza a la supervisión; la amplifica. Y, bien gobernado, ayuda a construir evidencia objetiva para prevención.
Exploración y geociencia: más señal, menos ruido
En exploración, el cuello de botella rara vez es “falta de datos”; suele ser falta de integración. La IA ayuda a:
- Integrar geoquímica, geofísica y registros
- Priorizar targets con aprendizaje sobre campañas previas
- Identificar anomalías coherentes (no solo “puntos raros”)
Para Chile, donde la cartera de proyectos compite globalmente, esto puede acelerar decisiones de inversión si se hace con método.
Educación minera + IA: qué deberían hacer universidades y empresas (ya)
La respuesta directa: alinear malla, práctica y proyectos reales. El aumento de inscriptos en La Rioja muestra interés; el desafío es que esa motivación se convierta en empleabilidad de alto valor.
Para universidades: menos “IA de pizarra”, más problemas de faena
Tres acciones concretas que elevan el estándar:
- Laboratorios con datos reales (anonimizados): series temporales, fallas, mantenimientos.
- Cursos de “IA aplicada a procesos” (no solo teoría): predicción, clasificación, optimización.
- Proyectos integradores con operación: que el estudiante defienda decisiones, no solo modelos.
Para empresas chilenas: formar talento es parte del CAPEX invisible
Muchas compañías quieren contratar “al experto”, pero el mercado no alcanza. Lo más eficiente suele ser reconvertir:
- Ingenieros/as de procesos con formación en analítica
- Mantenedores/as con alfabetización de datos
- Planificadores/as que aprendan optimización y simulación
Un plan simple y efectivo para partir en 90 días:
- Seleccionar 2 casos de uso con dueño de negocio y KPI claro.
- Levantar datos y asegurar calidad mínima.
- Construir un piloto “usable” (aunque no perfecto).
- Entrenar a usuarios y medir adopción semanal.
- Escalar solo si el piloto mueve el KPI.
“La IA en minería no se implementa: se opera. Si no hay operación, no hay valor.”
Preguntas que aparecen siempre (y respuestas sin humo)
¿La IA va a reducir empleos en minería?
Va a cambiar empleos. Se automatizan tareas repetitivas, pero crecen roles en planificación, control, confiabilidad, datos, ciberseguridad OT y mejora continua. En la práctica, la demanda se mueve hacia perfiles más técnicos y con capacidad de decisión.
¿Qué necesita una minera para empezar con IA sin quemar presupuesto?
Necesita tres cosas: un caso de uso con impacto, datos utilizables y un equipo mixto (operación + datos). Si falta una, el proyecto se vuelve presentación, no resultado.
¿Qué debería aprender un estudiante de Ingeniería en Minas pensando en Chile?
Además de la base dura (geología, explotación, procesos), debería sumar:
- Estadística aplicada y pensamiento crítico con datos
- Fundamentos de programación (Python o similar)
- Visualización y storytelling operacional (tableros que se usen)
- Seguridad y ética de datos en entornos industriales
La señal de La Rioja y la oportunidad chilena
Que La Rioja triplique inscriptos en Ingeniería en Minas no es solo una noticia universitaria: es una señal de que la minería vuelve a ordenar decisiones de vida, carrera y futuro en la región. En Chile, esa señal se combina con otra tendencia más potente: la minería y la energía están entrando en una etapa donde la ventaja competitiva se define por IA, automatización y gestión avanzada de datos.
Si tu empresa está en minería o energía, el paso sensato es dejar de ver la IA como “un proyecto innovador” y empezar a tratarla como lo que es: una capacidad operativa que se diseña, se gobierna y se mejora con disciplina.
Y si estás formando equipos o definiendo mallas, la pregunta que deja 2025 sobre la mesa es incómoda pero necesaria: ¿estamos preparando profesionales para la minería que existía, o para la minería que Chile necesita en 2026 y más allá?