La minería ha sido, históricamente, una industria que produce enormes volúmenes de información: datos de exploración, de procesos, de equipos y de operaciones que se acumulan día a día. El problema no es la falta de datos, sino la dificultad de transformarlos en conocimiento útil para la toma de decisiones. En ese punto exacto —la conversión de información en criterio técnico— es donde la inteligencia artificial (IA) está empezando a marcar una diferencia real en la industria minera chilena.
Conversamos con la Prof. Nadia Mery, académica del Departamento de Ingeniería de Minas, sobre cómo esta tecnología está transformando el sector, qué investigaciones se están desarrollando desde la academia y qué desafíos —técnicos, organizacionales y formativos— plantea su incorporación.
Una herramienta que complementa, no que reemplaza
Para la Prof. Mery, el aporte central de la IA no está en sustituir la forma en que se trabaja, sino en potenciarla. "Permite aprovechar mejor la información disponible y entregar nuevos elementos para apoyar la toma de decisiones", explica. Hoy, sus aplicaciones ya se despliegan en prácticamente toda la cadena de valor minera: optimización de procesos productivos, mantenimiento predictivo de equipos, planificación minera, estimación de recursos, gestión eficiente de agua y energía, y sistemas de monitoreo orientados a la seguridad operacional.
Sin embargo, la académica es enfática en un punto: la tecnología no reemplaza el criterio profesional. "La minería sigue siendo una disciplina donde las decisiones tienen importantes implicancias técnicas, económicas, ambientales y de seguridad", señala. La experiencia de los equipos, el conocimiento geológico y minero, y la comprensión del contexto operacional siguen siendo, a su juicio, insustituibles.
Investigación desde el DIMin: geoestadística, machine learning e incertidumbre
Dentro del Departamento de Ingeniería de Minas existe un interés creciente por integrar herramientas de inteligencia artificial y analítica avanzada con el conocimiento propio de la disciplina. En el caso particular de la académica, su línea de investigación combina machine learning con metodologías geoestadísticas para mejorar la evaluación de recursos minerales y la cuantificación de la incertidumbre.
"Muchas decisiones mineras, desde la evaluación económica de un proyecto hasta la planificación de una explotación, se toman bajo incertidumbre", comenta. Contar con mejores herramientas para caracterizarla -agrega- permite tomar decisiones más informadas y evaluar de mejor manera los riesgos asociados.
Esta orientación de su investigación no es casual. Su propia experiencia en una operación minera fue determinante: "existe una enorme cantidad de datos disponibles, pero muchas veces el desafío está en integrarlos y convertirlos en información útil para apoyar las decisiones de ingeniería". Esa constatación la llevó a desarrollar metodologías que combinan modelos tradicionales con herramientas de inteligencia artificial, un camino que -afirma- seguirá requiriendo fortalecer el trabajo interdisciplinario entre minería, ciencia de datos y otras áreas de la ingeniería.
La transformación de la minería exige más que tecnología
Al preguntarle por las principales barreras para una incorporación efectiva de estas tecnologías, la Prof. Mery descarta la idea de que se trate simplemente de implementar algoritmos más sofisticados. El primer desafío, dice, es la calidad de los datos: la minería trabaja con información proveniente de múltiples fuentes, con distintos niveles de resolución y confiabilidad, por lo que integrarla adecuadamente, de forma que represente fielmente la realidad del yacimiento y de las operaciones, es un punto crítico.
A ello se suma un desafío organizacional: incorporar estas herramientas implica cambios en la forma de trabajar y requiere generar confianza en los resultados de los modelos, lo que exige que los profesionales comprendan sus alcances y limitaciones.
Un tercer elemento, tal vez el más sutil, es la interpretabilidad. "No basta con que un algoritmo entregue una respuesta; es necesario comprender por qué llegó a esa conclusión y evaluar si tiene sentido desde el punto de vista ingenieril". En su visión, la IA debe ser una herramienta que complemente el conocimiento técnico, y no una caja negra que decide de manera automática.
Seguridad, productividad y sostenibilidad
Los beneficios de estas tecnologías, según Nadia Mery, se despliegan en varias dimensiones de la actividad minera. En seguridad, permiten monitorear variables críticas, detectar anomalías y anticipar situaciones de riesgo, fortaleciendo una gestión preventiva. En productividad, facilitan la optimización de procesos y la planificación, además de un uso más eficiente de equipos e infraestructura. Y en sostenibilidad, contribuyen a un uso más eficiente de recursos como el agua y la energía, un aspecto especialmente relevante frente a los desafíos ambientales que enfrenta hoy la minería.
"El mayor aporte está en mejorar la calidad de la información disponible para tomar decisiones", resume. "La minería siempre trabajará con incertidumbre, pero disponer de mejores herramientas para cuantificarla permite evaluar escenarios de manera más informada y tomar decisiones con mayor respaldo técnico".
La formación va más allá del dominio de las herramientas
La transformación tecnológica también interpela a la formación universitaria. En este ámbito, Mery destaca el trabajo que desarrolla junto a la Prof. Kimie Suzuki, orientado a analizar cómo las universidades están incorporando competencias en inteligencia artificial dentro de la formación de los futuros profesionales, particularmente en disciplinas vinculadas a la minería. El objetivo es comprender cómo evoluciona esta formación e identificar oportunidades para fortalecer los planes de estudio frente a la transformación digital.
Para las académicas, el rol de la universidad va más allá de enseñar a usar una herramienta específica: "creemos que es fundamental desarrollar competencias transversales como el pensamiento crítico, el análisis de datos, la capacidad para interpretar resultados y la toma de decisiones bajo incertidumbre". Su argumento es simple: las tecnologías cambian rápido, pero esas competencias permanecen. En ese sentido, considera que la IA es también una oportunidad para repensar la educación en ingeniería, formando profesionales capaces de integrar conocimiento disciplinar con nuevas tecnologías.
El futuro: capital humano como factor clave
Consultada sobre el rol que jugará la inteligencia artificial en la minería chilena en los próximos años, Mery es clara: "la pregunta ya no es si la inteligencia artificial llegará a la minería, porque eso ya está ocurriendo. El desafío ahora es cómo la incorporamos de la mejor manera para que agregue valor para la industria".
La minería chilena enfrenta hoy desafíos relevantes —disminución de las leyes minerales, mayores exigencias de sostenibilidad, necesidad de optimizar recursos y de mantener altos estándares de seguridad y productividad— frente a los cuales la IA puede convertirse en una herramienta clave para la toma de decisiones y la eficiencia operacional.
A su juicio, Chile cuenta con condiciones favorables para liderar este proceso: una industria minera de clase mundial, universidades con investigación de alto nivel y una capacidad creciente para trabajar con grandes volúmenes de datos. Aprovechar ese potencial, sin embargo, requerirá fortalecer la colaboración entre academia e industria, de modo que el conocimiento generado se traduzca en soluciones concretas.
Con todo, la académica insiste en que el factor decisivo seguirá siendo humano: "las tecnologías seguirán evolucionando, pero serán las personas quienes deban comprenderlas, utilizarlas con criterio y evaluar cómo integrarlas a los procesos mineros". Lejos de reemplazar a los profesionales, concluye, la inteligencia artificial exigirá capital humano cada vez mejor preparado, capaz de combinar conocimiento técnico, pensamiento crítico y nuevas herramientas digitales para tomar mejores decisiones.