Talento minero + IA: la señal que el sector no puede ignorar

111 inscriptos en Ingeniería en Minas, cuando el “normal” venía siendo 35 a 40. Ese salto —reportado en La Rioja para la Universidad Nacional de La Rioja (UNLaR)— no es un dato pintoresco de fin de año: es un termómetro. Cuando una carrera técnica se triplica en demanda, el mensaje es directo: la minería volvió al centro de las decisiones de futuro.

Y en Chile, donde esta serie analiza cómo la IA está transformando el sector minero y energético, la lectura es todavía más interesante. Porque el aumento de vocaciones no ocurre en el vacío: llega en el mismo momento en que la operación minera se digitaliza, la productividad se mide en tiempo real y la seguridad se gestiona con datos. Más estudiantes no significa automáticamente más productividad; significa que hay una oportunidad (y una presión) por modernizar la formación y la gestión del talento.

Lo que está pasando en La Rioja funciona como espejo regional: Argentina empuja proyectos, prospección y atracción de inversiones; Chile acelera con automatización, analítica e inteligencia artificial aplicada a faena y a energía. La pregunta práctica es cómo conectamos estos dos movimientos para formar profesionales listos para la minería de 2026 y no para la de 2006.

La explosión de inscripciones: qué nos dice (de verdad)

El aumento de inscriptos en ingeniería minera es una señal de profesionalización del sector. En La Rioja, el dato es nítido: 111 registros para Ingeniería en Minas, frente a los 35–40 habituales. Además, se informó un crecimiento total de inscriptos universitarios de 10,5% respecto del periodo anterior. Eso habla de un ecosistema educativo que está captando interés, y de un mercado que se percibe con tracción.

Hay un punto que me parece clave: este tipo de crecimiento suele ocurrir cuando se alinean tres cosas.

1. Narrativa de futuro: la minería vuelve a aparecer como “producción del futuro” (en palabras atribuidas a la autoridad académica citada en la nota).
2. Señales de inversión: ferias, rondas con inversores y una “cartera minera” más visible empujan expectativas.
3. Efecto vocación-empleo: cuando la comunidad cree que habrá trabajo de calidad, la matrícula reacciona.

Ahora, el giro relevante para Chile es este: la profesionalización ya no se mide solo por cantidad de ingenieros, sino por la capacidad de esos profesionales de operar en entornos automatizados, con sensores, modelos predictivos, gemelos digitales y sistemas de gestión energética.

Un cambio silencioso: el perfil del ingeniero que pide la minería

La minería está pidiendo perfiles híbridos. Sigue necesitando geotecnia, ventilación, perforación y tronadura, planificación y metalurgia. Pero hoy suma otra “columna vertebral”:

• Alfabetización en datos (data literacy)
• Automatización y control
• Ciberseguridad operacional
• Gestión de activos basada en condición
• Optimización energética y reducción de emisiones

En simple: la mina moderna es una operación industrial que aprende. Y eso nos lleva directo al rol de la IA.

IA en minería y energía en Chile: por qué el talento es el cuello de botella

La IA no escala si el talento no acompaña. Muchas empresas compran software, contratan sensores o implementan dashboards, pero se frenan cuando llega el momento de operar y mejorar el modelo en el día a día. El problema no es “falta de datos”; suele ser falta de personas y procesos.

En Chile esto se ve con claridad en tres frentes:

1) Operaciones: de la supervisión humana a la supervisión aumentada

La IA en operaciones mineras sirve para decidir más rápido y con menos variabilidad. Algunos casos típicos que ya se trabajan en la industria (y que son especialmente pertinentes para cobre, litio y operaciones a gran escala) incluyen:

• Mantenimiento predictivo para camiones, chancadores, correas y bombas (reducción de paradas no programadas).
• Optimización de la planta (molienda/flotación) con modelos que ajustan setpoints según mineralogía y condiciones.
• Seguridad operacional con visión computacional: detección de personas en zonas de riesgo, uso de EPP, control perimetral.

Pero en todos estos casos, el “éxito” se juega en la implementación: etiquetado de datos, calidad de sensores, reglas de negocio, entrenamiento del personal, y gobernanza.

2) Energía: la mina como consumidor inteligente

La minería chilena no puede separar productividad de energía. La IA aplicada a energía suele enfocarse en:

• Pronóstico de demanda eléctrica por turnos y procesos.
• Optimización de contratos y consumo (peak shaving, gestión de potencia).
• Integración de renovables (solar/eólica) con almacenamiento y planificación.

Esto importa porque los costos energéticos y las metas de descarbonización están empujando a operar con mucha más disciplina. Y eso requiere talento que entienda tanto el proceso minero como la lógica de optimización.

3) Gestión: IA para productividad administrativa (sí, también suma)

La IA no vive solo en la planta; también reduce fricción en la oficina. En empresas mineras y energéticas, hay alto volumen de procedimientos, reportes, licitaciones, seguridad y cumplimiento. Aplicaciones típicas:

• Asistentes internos para búsqueda de procedimientos y lecciones aprendidas.
• Automatización de reportabilidad (incidentes, mantenimiento, HSEC).
• Clasificación de tickets y soporte a operaciones.

Cuando esto se hace bien, libera horas de equipos críticos para enfocarse en operación y mejora continua.

De La Rioja a Chile: la oportunidad regional está en la formación aumentada

El boom de inscripciones es una buena noticia, pero el impacto real depende de cómo se forma a esa cohorte. Si la currícula y la práctica profesional no incorporan tecnologías actuales, el egresado entra a la industria con una brecha que la empresa tendrá que cerrar a su costo.

Mi postura: la región necesita acelerar un modelo de “formación aumentada por IA”. No para reemplazar fundamentos, sino para:

• Enseñar con datos reales (anonimizados o simulados).
• Practicar toma de decisiones bajo incertidumbre.
• Entrenar habilidades de gestión en operaciones complejas.

Qué significa “formación aumentada por IA” en la práctica

Es mezclar ingeniería clásica con herramientas que ya están en faena. Por ejemplo:

• Laboratorios con escenarios de operación (simulación) donde el estudiante ajusta parámetros y ve impacto en recuperación, energía y seguridad.
• Uso de modelos simples (regresión, clasificación) para diagnóstico de fallas y predicción de variables del proceso.
• Introducción a gemelos digitales en planificación: comparar “plan” vs “real” y analizar causas.

No hace falta convertir a todos en científicos de datos. Pero sí en profesionales capaces de hacer buenas preguntas, detectar sesgos, validar resultados y operar con disciplina.

Lo que las empresas mineras pueden hacer en 90 días (sin discursos)

Si tu meta es productividad con IA, empieza por el talento y el flujo de trabajo. Aquí va un plan corto y realista para minería y energía en Chile, útil también para operaciones con equipos en Argentina.

1) Mapea los roles críticos y su brecha digital

Define 5–7 roles donde la IA puede tener impacto directo:

• Supervisión de planta
• Mantenimiento
• Planificación mina
• Control de gestión operacional
• Energía/gestión eléctrica

Luego pregunta: ¿qué herramientas usan hoy?, ¿qué decisiones toman?, ¿qué datos les faltan?, ¿qué tareas se podrían automatizar?

2) Selecciona 2 casos de uso con ROI operacional (no “demo”)

Dos casos bien elegidos valen más que diez pilotos eternos. Buenas señales de selección:

• Existe historial de datos suficiente.
• El proceso tiene dolor claro (paradas, variabilidad, sobreconsumo energético).
• La operación puede actuar sobre la recomendación del modelo.

3) Crea una “academia interna” breve y obligatoria

Capacitación corta, aplicada y evaluada. Una estructura que suele funcionar:

• 6 sesiones de 90 minutos (2 por semana durante 3 semanas)
• 70% casos reales, 30% conceptos
• evaluación práctica: interpretar un output, detectar error, decidir acción

4) Asegura gobernanza: quién responde por el modelo

Un modelo sin dueño se muere rápido. Define:

• Responsable operacional (dueño del proceso)
• Responsable técnico (datos/modelo)
• Responsable de riesgo (seguridad/cumplimiento)

Y establece un ritual: revisión semanal de desempeño (precision/recall si aplica, o KPIs operacionales) y de acciones tomadas.

Preguntas comunes (y respuestas sin vueltas)

¿La IA va a reemplazar a los nuevos ingenieros mineros?

No de la forma en que se suele pensar. Lo que sí va a pasar es que un ingeniero que usa IA va a reemplazar al que no la usa, porque tomará decisiones más consistentes, documentadas y rápidas.

¿Tiene sentido hablar de IA si aún hay brechas básicas de digitalización?

Sí, pero con orden. IA sin datos confiables es humo. La ruta correcta es: instrumentación → calidad de datos → analítica descriptiva → modelos predictivos → automatización parcial con control humano.

¿Qué habilidad “nueva” debería priorizar un estudiante de minas hoy?

Una que rinde en cualquier área: pensamiento estadístico aplicado (variabilidad, correlación vs causalidad, validación), más fundamentos de programación y visualización de datos.

El mensaje de fondo: más matrícula es el inicio, no la meta

La noticia de La Rioja —triplicar inscripciones en Ingeniería en Minas y crecer 10,5% en inscriptos totales— muestra que el sector vuelve a atraer talento joven. Y eso, para Chile, es una alerta positiva: la competencia por profesionales mineros y energéticos en Sudamérica se va a intensificar.

Si trabajas en minería o energía en Chile y tu objetivo es productividad, seguridad y eficiencia energética, la jugada inteligente es conectar tres piezas: formación, datos e IA aplicada a operación. Cuando esa cadena se arma, la tecnología deja de ser “proyecto” y se vuelve rutina.

¿Qué estás haciendo hoy para que tu equipo —o tus futuros ingenieros— lleguen a 2026 con prácticas de IA que realmente funcionen en faena?