La IA predictiva y generativa ya están teniendo un impacto importante en 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 basándose en cambios de mineral de alimentación en tiempo real, revolucionando el control de corto intervalo. En el transporte autónomo, gracias a la fusión de sensores y a una mayor percepción del entorno, la inteligencia de IA a bordo ahora permite que los camiones de minería anticipen escenarios más complejos y respondan a obstáculos o tráfico de flota mixta en tiempo real sin interrupciones.

Pero hay una tercera área de IA que tiene un enorme potencial en minería: la IA agentica, que actúa como un asistente independiente capaz de 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 gran potencial en un entorno tipo centro de operaciones remoto, eliminando efectivamente silos y logrando toma de decisiones en tiempo real desde la mina hasta el puerto.

Antes de la primera edición de la conferencia The AI Mine, que se llevará a cabo el 7 y 8 de septiembre de 2027 en Singapur, el Director Editorial de IM Paul Moore se propuso entender mejor la IA agentica en un contexto de minería, y conversó con Fatimah Abdulghafur, Cofundadora y Directora Ejecutiva de la empresa de IA agentica Tolun AI. Ha pasado casi 20 años como geocientífica en las tres disciplinas de la ciencia de la tierra (geología, geoquímica y geofísica) en cuatro continentes, desde sitios de campo remoto hasta salas de juntas. 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 agentico que abarca todo el ciclo de vida de la minería: exploración, recurso, desarrollo, operaciones y cierre, con 48 servicios publicados en tres niveles, basado en quién lo gestiona: la plataforma, su equipo, o una Persona Competente.

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

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

R: La diferencia es 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 límite, y la mayoría de lo que la industria llama IA hoy se sitúa por debajo de él. Un sistema agentico no se detiene en la recomendación. Reconoce que algo necesita hacerse, propone la acción, solicita tu consentimiento, luego la ejecuta y te entrega el resultado terminado. Nuestro atajo propio es: convertir cada "aquí está lo que deberías hacer" en "¿lo hago?". Tu propia industria ya escribió esta distinción para máquinas. El requisito de rendimiento de EMESRT para sistemas de interacción de vehículos separa el Nivel 8, controles de asesoría, 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 hizo el Nivel 9 ley en 2022. Minería ha entendido la diferencia entre recomendar y actuar durante años: solo 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 traer capacidad agentica a sus flujos de trabajo de ingeniería. Esos son agentes ayudando a construir las máquinas, y es real. La nuestra es la otra vía: agentes dirigidos a las decisiones. Dónde perforar, qué es el terreno, si el recurso se sostiene, cuánto costará el cierre. Misma idea, diferente mitad de la mina, y las dos se encontrarán.

En minería esa diferencia vale más de lo que suena, porque nuestro problema raramente es 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 armándolos 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 siendo más inteligente que el geocientífico. Al 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 imagina. Un sistema agentico no es un modelo inteligente que sepa un poco de todo. Es un equipo. Cada agente mantiene un objetivo en lugar de esperar ser activado, y cada uno es entrenado profundamente en una especialidad de la manera en que contratarías gente: un geólogo, un geoquímico, un geofísico, un gerente de datos, un líder de QA/QC, un ingeniero de perforación, un estimador de recursos. Cualquier puesto en el organigrama de una compañía minera. Trabajan en concierto, y discuten: Pascal Bornet y sus coautores, que han construido sistemas agenticosión otras industrias, no en la nuestra, lo expresaron bien en Agentic Artificial Intelligence, que un panel de expertos en debate estructurado llega a mejores conclusiones 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 se haga evidente, no promediado. Y aprenden de la Persona Competente: cada vez que anulas uno y dices por qué, ese juicio vuelve a lo que el equipo sabe. Trabajar agenticamente 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 compañías mineras ya están utilizando IA agentica? ¿Hay algún ejemplo inicial de casos de uso?

R: Honestamente: mucho menos de lo que sugieren los programas de conferencias. Muchos pilotos, muchos copilots pegados a software existente, muy poco ejecutándose sin vigilancia contra datos de producción. La mayoría de lo que se llama agentico es una ventana de chat frente a una base de datos, y una vez que te lo muestran, es fácil concluir que no hay nada aquí. Busqué correctamente antes de responderte, y los ejemplos que existen son reales pero pequeños. BHP utilizó los agentes de Microsoft para evaluar más de medio millón de moléculas para un reactivo de lixiviación de cobre, genuinamente agentico, y las propias palabras de BHP son que los candidatos "podrían algún día ser desplegados", 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 que yo sepa eso es la única acción de IA sin vigilancia que algún minero ha publicado. Rio Tinto ejecuta un asistente construido sobre infraestructura de agente 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 agente se está contando como despliegue agentico.

Si quieres la versión directa: entre los dieciséis grandes mineros que presentan ante la SEC, las palabras "agentico" y "agente de IA" nunca han aparecido en una sola presentación. Ni una sola vez, nunca. Esas mismas compañías 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 un margen cerrado. La IA agentica es el futuro de esta industria. No una herramienta que agregue al costado, la forma en que toma decisiones. Las compañías que lleguen primero estarán tomando mejores decisiones en el mismo terreno, con los mismos datos, que las que no lo hagan.

Así es como se ve sobre 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 en mandatos separados, y la decisión se toma sobre cualesquiera dos conjuntos de datos que estuvieron en la última presentación. La IA agentica no hace cada paso más rápido: elimina las costuras. El sistema que estamos construyendo lee todo lo que la compañía 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 empecé 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 a mano.

Estamos construyendo eso abiertamente. Veinticuatro estudios ciegos, preregistrados en datos públicos: ocho países, diecisiete tipos de depósito, con la barra de aprobación/reprobación escrita en código controlado por versión antes de que cada estudio se ejecute, así que nunca puede moverse silenciosamente después para embellecer el resultado. De 36 métricas comprometidas por adelantado, 11 salieron cumplidas, 18 no, y 7 están abiertas. Nueve estudios están registrados como fracaso, con la razón publicada al lado de cada uno. Todo está en tolun.ai/validation, y tres están publicados completamente: Winu, Pilgangoora y el NSW Macquarie Arc. Pongo eso frente a los clientes a propósito, y la razón es personal. Como especialista principal en geofísica, fui el cliente en el otro lado de un informe técnico más de una vez, aprobando un resultado que prácticamente no tenía manera 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 está en el límite de restricción en lugar de provenir de los datos. La entrada son datos públicos: cuadrícula de anomalía de Bouguer de Finlandia © Servicio Geológico de Finlandia, Licencia Abierta GTK

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

R: Aquí es donde aterriza primero, y más rápido de lo que la mayoría espera. Un informe técnico es una larga cadena de pasos pequeños, limitados por evidencia. Extraer los ensayos, verificar el QA/QC, reconciliar la base de datos de perforaciones contra el modelo, perseguir el pozo que no encaja, ensamblar las figuras, asegurarse 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 de geología mala, de una figura obsoleta que nadie recheck después de que el recurso fue actualizado. Ese trabajo es casi ideal para agentes porque cada paso es verificable: el agente puede hacerse 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 de evidencia en vivo, dejas de leerlo y comienzas a hacerle preguntas. ¿Qué hace el cronograma si

Límite de copyright: para seguir leyendo este documento, por favor accede a la fuente original.