Cómo la IA mejora la evaluación económica minera: lecciones del PEA de Ana Paula y aplicaciones prácticas para minería y servicios mineros en Perú.
IA en evaluación económica minera: lecciones de Ana Paula
El 23/12/2025, Heliostar Metals formalizó un paso que muchas mineras postergan más de la cuenta: publicó un reporte técnico de Evaluación Económica Preliminar (PEA) bajo NI 43-101 para el proyecto aurífero Ana Paula (Guerrero, México). No es solo “papel para inversionistas”. Un PEA bien armado es, en la práctica, un sistema de decisión: ordena supuestos, define escenarios y obliga a cuantificar riesgos.
Y aquí aparece una conexión directa con el tema de esta serie, “Cómo la IA Está Transformando la Minería y los Servicios Mineros en Perú”: la evaluación económica está viviendo una transición silenciosa. El valor ya no está solo en hacer el modelo, sino en actualizarlo, auditarlo y simularlo con la velocidad que exige el mercado (y con el nivel de trazabilidad que piden directorios, bancos y reguladores).
Tomemos a Ana Paula como caso “espejo”: un proyecto subterráneo de oro, con operación de escala mediana, que —según lo comunicado— proyecta 101.000 onzas/año en promedio durante 9 años. Ese tipo de proyecto se decide en márgenes: costos sostenidos, dilución, recuperación metalúrgica, cronograma, capex, y precio del oro. La diferencia entre un buen activo y uno inmanejable suele ser qué tan rápido detectas que tu escenario base dejó de ser real.
Por qué un PEA es un “termómetro” digital (y dónde entra la IA)
Un PEA no es una decisión final de producción. Es un mapa con supuestos. Pero, bien utilizado, se convierte en un tablero para responder preguntas difíciles con números: ¿qué pasa si sube el costo de energía?, ¿si la ley real es menor?, ¿si el ramp-up se demora?, ¿si el oro cae por debajo del “precio prudente”?
La noticia sobre Ana Paula destaca varios elementos típicos de un PEA robusto:
- Fecha efectiva (06/11/2025), que fija el corte de información.
- Firmas técnicas responsables (M3 Engineering & Technology Corp. con respaldo de JDS Energy & Mining Inc.).
- Publicación regulatoria bajo NI 43-101 en SEDAR+.
- Diseño conceptual de mina subterránea y un flowsheet que incluye trituración, molienda, flotación y lixiviación.
La IA entra cuando pasas del PEA como documento “estático” al PEA como modelo vivo:
- Automatización de captura de supuestos: historiales de costos, consumos, rendimientos y eventos operativos.
- Simulación acelerada: cientos o miles de escenarios Monte Carlo o “what-if” en minutos.
- Detección de anomalías: alertas cuando un KPI operativo rompe el rango que el modelo económico consideraba normal.
- Trazabilidad: registros claros de qué cambió, cuándo y por qué.
En Perú, esto tiene un impacto directo en gerencias de planeamiento, finanzas, y también en empresas de servicios mineros que soportan estudios, ingeniería, logística, mantenimiento y data.
Un punto clave: la IA no reemplaza el PEA; lo vuelve “conversable”
El problema clásico es que el PEA vive en hojas de cálculo complejas y presentaciones. La IA (bien aplicada) lo convierte en un modelo que puedes interrogar con disciplina:
“Un directorio no necesita 80 pestañas de Excel. Necesita entender qué variable rompe el caso base y cuánto cuesta el riesgo.”
Lo que Ana Paula sugiere sobre decisiones de inversión (y cómo mejorarlas con IA)
Heliostar indica que sus indicadores (TIR, VPN y otros) se calcularon con precios prudentes del oro. Ese enfoque conservador reduce el riesgo de “autoengañarse” cuando el commodity está alto. En 2025 el oro se mantuvo fuerte globalmente, y eso tienta a muchos equipos a usar supuestos optimistas que luego no resisten un stress test.
Aquí la IA aporta valor real si se usa para disciplina, no para maquillaje:
1) Planeamiento por rangos, no por un solo número
Un modelo con IA puede operar con distribuciones (capex, opex, recuperación, dilución) en lugar de un solo valor fijo.
- En vez de “capex = X”, trabajas con “capex ~ rango probable”.
- En vez de “recuperación = 92%”, usas “recuperación esperada con variabilidad por mineralogía”.
Esto vuelve el resultado más honesto: probabilidad de superar el VPN 0, percentiles (P10/P50/P90) y sensibilidad real.
2) Sensibilidades que priorizan el trabajo de 2026
El artículo menciona que el siguiente paso sería una factibilidad en 2026 y una posible construcción hacia fines de 2027 si el mercado acompaña. Entre PEA y factibilidad, el objetivo no es “hacer más de lo mismo”, sino reducir incertidumbre donde más duele.
La IA ayuda a responder: ¿qué variable domina el riesgo económico?
- Si el modelo es más sensible a dilución, prioriza geometalurgia, control de leyes y diseño de tajos/realces.
- Si domina energía, prioriza contratos, eficiencia, electrificación o rediseño de planta.
- Si domina cronograma, prioriza constructabilidad, adquisiciones y permisos.
3) Controles de coherencia entre mina y planta
Ana Paula plantea un circuito que combina flotación y lixiviación. Esa complejidad técnica es común en oro, pero exige coherencia entre:
- Variabilidad mineralógica
- Recuperación metalúrgica por dominio
- Costos de reactivos y consumos
- Penalidades ambientales y de manejo de relaves
Modelos con IA pueden detectar inconsistencias típicas: cuando la mina promete una alimentación “ideal” que la realidad no sostiene, o cuando la planta asume una recuperación que no calza con la mineralogía esperada.
Qué puede copiar Perú de este tipo de avance (sin copiar el contexto)
Guerrero y varias zonas mineras del Perú comparten un rasgo: gran potencial geológico, pero con retos de entorno (sociales, logísticos, seguridad, permisos). La digitalización no resuelve eso por arte de magia, pero sí permite dos cosas muy concretas:
- Reducir sorpresas en el cronograma y el costo.
- Mejorar la conversación con stakeholders con datos consistentes y trazables.
En servicios mineros peruanos, veo cuatro frentes donde la IA ya está entrando con fuerza (y donde un “PEA vivo” se vuelve un caso de uso natural):
- Estimación y modelamiento geológico: modelos que se actualizan con perforación nueva y recalculan dominios.
- Optimización de diseño de mina: secuencias y restricciones que se ajustan con costo real de operación.
- Geometalurgia aplicada: predicción de recuperación y consumo según mineralogía.
- Finanzas y supply: proyección dinámica de costos, inflación de insumos críticos y riesgos de abastecimiento.
Señal de madurez: publicar y auditar
La publicación formal del PEA (bajo un estándar de divulgación) manda un mensaje: “esto se puede auditar”. En Perú, aunque no todo proyecto está obligado a NI 43-101, la lógica de transparencia técnica está ganando espacio porque facilita financiamiento, socios y credibilidad.
Cómo implementar IA en evaluación económica minera sin hacer un desastre
La mayoría de compañías se equivoca por un motivo simple: compra herramientas antes de ordenar datos. Un enfoque práctico (y que funciona incluso en empresas medianas) se ve así:
Paso 1: define el “modelo oficial”
- Un solo modelo económico versionado.
- Diccionario de variables (qué significa cada KPI y cómo se calcula).
- Responsables de actualización (mina, planta, finanzas).
Paso 2: integra datos operativos y de ingeniería
- Costos reales (mantenimiento, energía, reactivos, contratistas).
- Rendimientos y paradas.
- Calidad de mineral y reconciliación.
Paso 3: aplica IA donde haya decisiones repetibles
Tres usos con impacto rápido:
- Pronóstico de costos por drivers (energía, tipo de mineral, disponibilidad).
- Simulación de escenarios (precio del oro, FX, capex, ramp-up).
- Alertas de desviación vs. supuestos del caso base.
Paso 4: gobernanza y trazabilidad
- Registro de cambios de supuestos.
- Explicabilidad: por qué el modelo predijo X.
- Auditoría interna: “¿qué cambió desde la última revisión?”
“Si no puedes explicar el supuesto, no lo uses para aprobar capex.”
Preguntas comunes (y respuestas directas)
¿La IA sirve si mi proyecto aún está en etapa PEA?
Sí. Es donde más valor crea, porque la incertidumbre es alta. La IA no inventa datos; acelera la exploración de escenarios y ayuda a priorizar campañas (perforación, metalurgia, ingeniería) para bajar riesgo.
¿Qué KPI conviene automatizar primero?
Empieza por los que alimentan el VPN/TIR y cambian seguido:
- Opex por tonelada y por onza
- Recuperación metalúrgica por dominio
- Dilución y factor de ley
- Disponibilidad y utilización de equipos
- Energía (kWh/t) y reactivos
¿Esto reemplaza al equipo de planeamiento?
No. Lo hace más valioso. El rol pasa de “armar el Excel” a “gobernar supuestos, validar datos y decidir qué escenario es financiable”.
Lo que deja Ana Paula para quienes trabajan minería en Perú
El hito de Ana Paula no es únicamente publicar un PEA; es convertir un proyecto en una conversación financiera y técnica estructurada, lista para ser cuestionada y mejorada. Ese enfoque encaja perfecto con lo que está pasando en Perú: la IA está empujando a que la evaluación económica deje de ser un evento anual y pase a ser un proceso continuo.
Si tu operación o tu empresa de servicios quiere generar leads reales en 2026, mi recomendación es concreta: ofrece “decisiones con trazabilidad”, no solo dashboards. Cuando un gerente ve que puedes conectar datos operativos con escenarios económicos y riesgos, la conversación cambia de precio a valor.
¿La pregunta que queda para 2026? No es si habrá más PEAs o más modelos. Es quién podrá actualizar su caso base en semanas (o días) y sostenerlo frente a un banco, un directorio y una comunidad al mismo tiempo.