La IA predictiva y generativa ya están teniendo un impacto importante en la minería, especialmente en áreas como el procesamiento mineral – donde es posible no solo pronosticar problemas relacionados con el mantenimiento basándose en el aprendizaje de datos pasados, sino también optimizar procesos basados en cambios en la alimentación de mineral en tiempo real, revolucionando el control de corto intervalo. En el acarreo autónomo, gracias a la fusión de sensores y una mayor percepción del entorno, la inteligencia de IA a bordo ahora permite que los camiones mineros anticipen escenarios más complejos y respondan a obstáculos o tráfico de flota mixta en tiempo real sin detenciones.

Pero hay un tercer área de IA que tiene un enorme potencial en la minería – la IA agéntica, que actúa como un asistente independiente que puede navegar de forma autónoma flujos de trabajo de múltiples pasos. Estos sistemas son capaces de planificar, tomar decisiones y realizar acciones autónomas para lograr objetivos específicos con intervención humana mínima – lo que tiene un enorme potencial en un entorno de centro de operaciones remotas – eliminando efectivamente silos y logrando toma de decisiones en tiempo real de pozo a puerto.

Antes de la edición inaugural de la conferencia The AI Mine, que se celebrará el 7 y 8 de septiembre de 2027 en Singapur, Paul Moore, Director Editorial de IM, se propuso comprender mejor la IA agéntica en un contexto minero, y habló con Fatimah Abdulghafur, Cofundadora y Directora Ejecutiva de la empresa de IA agéntica Tolun AI. Ha pasado casi 20 años como geocientífica en las tres disciplinas de las ciencias de la tierra – geología, geoquímica y geofísica – en cuatro continentes, desde sitios remotos hasta juntas directivas. Recientemente fue Especialista Principal en Geofísica en Ma’aden y antes de eso, geocientífica de exploración en Fleet Space Technologies. Tolun AI está construyendo un sistema agéntico que abarca todo el ciclo de vida de la minería – exploración, recursos, desarrollo, operaciones y cierre – con 48 servicios publicados en tres niveles, según quién lo ejecute: la plataforma, su equipo o una Persona Competente.

Fatimah Abdulghafur, Cofundadora y Directora Ejecutiva de la empresa de IA agéntica Tolun AI

P ¿Qué es la IA agéntica y por qué es significativa en la minería más allá de las herramientas de IA predictiva y generativa que la industria ya está utilizando?

La diferencia está en dónde se detiene el sistema. La IA predictiva te dice que un rodamiento fallará. La IA generativa te escribe un párrafo sobre el rodamiento. Ambas te devuelven una recomendación, y una persona aún tiene que hacer el trabajo. Ese es el techo, y la mayoría de lo que la industria hoy llama IA está debajo de él. Un sistema agéntico no se detiene en la recomendación. Reconoce que algo necesita hacerse, propone la acción, solicita tu consentimiento, la realiza y te entrega el resultado terminado. Nuestro propio acortamiento para esto es: convertir cada "esto es lo que deberías hacer" en "¿debería hacerlo?". Tu propia industria ya escribió esta distinción para máquinas. El requisito de desempeño de EMESRT para sistemas de interacción de vehículos separa el Nivel 8, controles de asesoramiento, que dan "una instrucción específica al operador para intervenir", del Nivel 9, controles de intervención, que dan "una instrucción específica a la máquina para intervenir". Sudáfrica convirtió el Nivel 9 en ley en 2022. La minería ha entendido la diferencia entre recomendar y actuar durante años – simplemente la aplicó al frenado de proximidad en lugar de a decisiones. También cubriste una forma de esto recientemente – Dana de Applied Intuition, que Komatsu está utilizando para llevar capacidad agéntica a sus flujos de trabajo de ingeniería. Eso son agentes ayudando a construir las máquinas, y es real. El nuestro es el otro carril: agentes dirigidos a las decisiones. Dónde perforar, qué es el terreno, si el recurso se sostiene, cuál será el costo del cierre. La misma idea, la otra mitad de la mina, y los dos se encontrarán.

En la minería esa diferencia vale más de lo que suena, porque nuestro problema es raramente una escasez de conocimiento. Es que el conocimiento llega en fragmentos – el geofísico tiene una pieza, el geoquímico tiene otra, el geólogo tiene una tercera – y alguien senior pasa semanas armándolas en una decisión. Un agente puede leer los datos, elegir el método, ejecutarlo, verificar su propio resultado y decirte qué no pudo resolver. Eso colapsa el tiempo de ensamblaje. No por ser más inteligente que el geocientífico. Por no necesitar al geocientífico para los veinte pasos que nunca requirieron juicio en primer lugar. Y la forma de esto no es lo que la gente se imagina. Un sistema agéntico no es un modelo ingenioso que sabe un poco de todo. Es un equipo. Cada agente sostiene un objetivo en lugar de esperar ser impulsado, y cada uno se entrena profundamente en una especialidad de la forma en que contratarías personas – un geólogo, un geoquímico, un geofísico, un gestor de datos, un líder de QA/QC, un ingeniero de perforación, un estimador de recursos. Cualquier puesto en el organigrama de una empresa minera. Trabajan en concierto, y discuten: Pascal Bornet y sus coautores – quienes han construido sistemas agénticos en otras industrias, no en la nuestra – lo expresaron bien en Agentic Artificial Intelligence, que un panel de expertos en debate estructurado llega a conclusiones mejores que cualquiera de ellos solo. Cuando el agente de geofísica y el agente de geoquímica no están de acuerdo sobre qué es un cuerpo, quiero que eso salga a la luz, no que se promedie. Y aprenden de la Persona Competente: cada vez que anulan uno y dicen por qué, ese juicio vuelve a lo que el equipo sabe. Trabajar agénticamente se siente menos como usar software y más como haber contratado el equipo que siempre quisiste y nunca pudiste justificar.

P ¿En qué medida las empresas mineras ya están utilizando IA agéntica – hay algunos ejemplos iniciales de casos de uso?

Honestamente: mucho menos de lo que sugieren los programas de conferencias. Muchos pilotos, muchos copilots pegados al software existente, muy poco ejecutándose desatendido contra datos de producción. La mayoría de lo que se llama agéntico es una ventana de chat frente a una base de datos – y una vez que te lo muestren, es fácil concluir que no hay nada aquí. Busqué adecuadamente antes de responderte, y los ejemplos que existen son reales pero pequeños. BHP utilizó los agentes de Microsoft para examinar más de medio millón de moléculas para un reactivo de lixiviación de cobre – genuinamente agéntico, y las propias palabras de BHP son que los candidatos "podrían algún día implementarse", así que es investigación, no operaciones. Vale tiene IA que predice condiciones de polvo y dispara cañones de niebla por sí sola: tres cañones en un complejo portuario, y por lo que puedo ver es la única acción de IA desatendida que cualquier minero ha publicado. Rio Tinto ejecuta un asistente construido sobre la infraestructura de agentes de Amazon que responde preguntas sobre un sistema de planta de treinta años y no cambia nada en él. Ese último es todo el patrón en miniatura – la infraestructura de agentes se está contando como implementación agéntica.

Si quieres la versión sin rodeos: entre los dieciséis grandes mineros que presentan ante la SEC, las palabras "agéntico" e "agente de IA" nunca han aparecido en una sola presentación. Ni una sola vez, nunca. Esas mismas empresas mencionan inteligencia artificial docenas de veces, así que no es que no presenten sobre el tema. Así que lo diré claramente, porque no creo que sea una cuestión cercana. La IA agéntica es el futuro de esta industria. No una herramienta que agrega al costado – la forma en que toma decisiones. Las empresas que lleguen primero estarán tomando decisiones mejores en el mismo terreno, con los mismos datos, que las que no lo hagan.

Así es como se ve en el terreno. Un gerente de exploración con una licencia, una sala llena de datos heredados, y una pregunta: ¿hay algo aquí que valga la pena perforar? Hoy eso vuelve lentamente, a través de consultorías separadas trabajando bajo briefs separados, y la decisión se toma sobre cualesquiera dos conjuntos de datos que estuvieron en la última presentación. La IA agéntica no hace que cada paso sea más rápido – elimina las costuras. El sistema que estamos construyendo lee todo lo que la empresa ya posee, ejecuta la física, verifica la química, valida la geología, integra los ensayos, discute con su propio resultado, te dice dónde la evidencia es débil, y vuelve con objetivos clasificados y el razonamiento adjunto. No un informe que encargas. Una pregunta que haces – con una Persona Competente al final, firmando. La exploración es donde comencé porque es donde está mi corazón, pero lo mismo es cierto de la estimación de recursos, de los estudios, del cierre. En cualquier lugar donde una decisión espera a que alguien reúna evidencia manualmente.

Lo estamos construyendo en abierto. Veinticuatro estudios ciegos y preregistrados sobre datos públicos – ocho países, diecisiete tipos de depósitos – con la barra de éxito/fracaso escrita en código controlado por versiones antes de que cada estudio se ejecute, para que nunca pueda moverse silenciosamente después para mejorar el resultado. De 36 métricas comprometidas por adelantado, 11 llegaron cumplidas, 18 no, y 7 están abiertas. Nueve estudios se registran como fracaso, con la razón publicada junto a cada uno. Todo está en tolun.ai/validation, y tres se publican en su totalidad – Winu, Pilgangoora y el NSW Macquarie Arc. Pongo eso frente a los clientes a propósito, y la razón es personal. Como geofísica principal, fui el cliente del otro lado de un informe técnico más de una vez, aprobando un resultado que no tenía forma práctica de verificar. Si un vendedor no puede mostrarte un caso donde su sistema falló, eso no es un historial. Es un folleto.

Una inversión de gravedad 2D en vivo en la plataforma Tolun AI con la interpretación que el agente escribió debajo. El agente rechaza su propio resultado: dice que la solución no es utilizable, que la sección transversal es regularización en lugar de geología, y que el número de densidad principal se sitúa en el límite de restricción en lugar de provenir de los datos. La entrada es datos públicos – cuadrícula de anomalía Bouguer de Finlandia © Geological Survey of Finland, GTK Open Licence

P Mirando áreas como la consultoría mineral y la parte EPC/EPCM de la industria – ¿hay potencial para usar IA agéntica en áreas como informes de exploración mineral, o compilación de informes técnicos de prefactibilidad, factibilidad y técnicos?

Aquí es donde aterriza primero, y más rápido de lo que la mayoría espera. Un informe técnico es una larga cadena de pasos pequeños y limitados por evidencia. Extrae los ensayos, verifica el QA/QC, reconcilia la base de datos de perforaciones contra el modelo, persigue el agujero que no encaja, ensambla las figuras, asegúrate de que cada número en el texto coincida con el número en la tabla. Casi nada de eso es juicio. Todo es costoso, y es donde entran los errores. No por mala geología – por una figura obsoleta que nadie revisó después de que el recurso se actualizara. Ese trabajo es casi ideal para agentes porque cada paso es verificable – el agente puede ser obligado a mostrar su fuente para cada número que imprime.

Pero el premio más grande no es un informe más barato. Es un tipo diferente de informe. Un estudio de prefactibilidad hoy es una instantánea que comienza a degradarse el día en que se emite – llegan nuevas perforaciones, un precio se mueve, una suposición de recuperación cambia, y el documento está desactualizado mucho antes de que alguien pueda justificar reconstruirlo. Si un estudio se ensambla por agentes a partir de evidencia en vivo, dejas de leerlo y comienzas a hacerle preguntas. ¿Qué hace el cronograma si