La inteligencia artificial no es nueva; lo nuevo es su escala, facilidad de adopción y su despliegue End-to-End. En minería, el valor se está capturando al combinar mantenimiento predictivo, gestión de inventarios críticos y asistentes de conocimiento con trazabilidad.
Por Denisse Barnaby
Socia y Head de Ingeniería y Procesos, Miebach Perú
La Inteligencia Artificial (IA) suele asociarse a percepciones equivocadas que van desde identificarla como una tecnología nueva, hasta pensar que su uso se limita a asistentes conversacionales o que reemplazará a las personas. Es clave liberarse de los sesgos y del desconocimiento, desarrollar un mapa mental claro de su potencial de uso y reflexionar sobre cómo los retos que encontramos en la cadena pueden superarse con ella.
La primera desmitificación: No apareció “de la nada”
El concepto de “máquinas que piensan” y los desarrollos de tecnología que simulen capacidades humanas para resolver problemas existen desde la década de 1940, avanzando con pasos acelerados desde Alan Turing y los primeros chatbots de psicoanálisis, pasando por hitos como Deep Blue y Watson, el lanzamiento de Siri o el primer transformer (LLM) de Google Translate, hasta llegar a hoy con tecnologías de GenAI como ChatGPT, Gemini o Copilot.
Lo que destaca es que sus capacidades se han disparado debido a la escala de su transformación y su democratización. Por un lado, tenemos la potencia de las capacidades de cómputo, estadística y modelos, y la disponibilidad de datos de mayor confiabilidad; y, por otro lado, la facilidad de operar, la posibilidad de interacción en lenguaje natural y el acceso a menos costo.
IA y los profesionales de hoy: Aumenta el valor del ser humano
Las herramientas pueden ser tan buenas como la información que las alimentan. Esto se observa claramente en las GenAI: el modelo responde a partir de un prompt o pregunta, pero la calidad del resultado dependerá de la calidad de la instrucción y, especialmente, del contexto entregado. Si el usuario no es capaz de formular bien el objetivo y dar datos o criterios relevantes, la respuesta perderá precisión y utilidad. Por eso, el rol del usuario se vuelve crítico al ser el elemento capaz de transformar una tecnología en algo aplicable.
En línea con esto, las habilidades humanas ganan relevancia. Para asegurar la captura de valor con IA, es necesario superar las ansiedades y los temores, y cerrar brechas de habilidades. El diferenciador deja de ser el conocimiento técnico y pasa a ser su intervención.
En particular, se espera que los profesionales –especialmente los líderes de cadenas de suministro– prioricen:
-
Ser integradores de estrategias y visión, con foco en resiliencia y gestión de riesgos.
-
Promover el aprendizaje continuo y el uso de herramientas digitales como práctica habitual.
-
Fortalecer las habilidades blandas, particularmente el liderazgo, la empatía, la comunicación y la gestión del cambio, fomentando la cultura colaborativa y de innovación.
-
Asegurar un uso responsable, protegiendo la información sensible y elementos diferenciadores, y asegurando su uso ético.
En otras palabras, las organizaciones buscan líderes aumentados: profesionales capaces de combinar criterios de negocio y operación con herramientas de IA para impulsar mejoras y acelerar la transformación.
Mining Supply Chain 4.0 es una realidad
Banca y Finanzas, Telecomunicaciones y Tecnología lideran la adopción de IA desde los años ochenta. Minería, en cambio, avanza con menor velocidad desde inicios del 2000 y hoy muestra un nivel de adopción medio por barreras culturales y gestión del cambio. Aun así, el sector concentra los casos de uso más potentes y representativos de la industria pesada.
En minería, las iniciativas en IA con mayor madurez digital ya están capturando valor concreto y medible: mejor cumplimiento normativo, mayor continuidad operacional y una gestión más eficiente del capital de trabajo.
En el frente normativo –donde la trazabilidad y el cumplimiento son críticos para resguardar la seguridad y sostener la operación– la GenAI habilita asistentes especializados basados en RAG (Retrieval Augmented Generation). Estos permiten acceder de forma ágil a procedimientos, instructivos, estándares y documentación técnica, incorporando también lecciones aprendidas del negocio. El objetivo es potenciar el criterio de los profesionales responsables, brindándoles un apoyo directo a la toma de decisiones para auditar, validar y actuar oportunamente.
En paralelo, las áreas de mantenimiento lo utilizan para el mantenimiento predictivo de activos de alto impacto operacional –flota, equipos directos del proceso y componentes críticos–. Con el uso de telemetría (vibración, temperatura o presión), se desarrollan modelos que permiten anticipar fallas, planificar paradas y minimizar eventos no programados para asegurar la disponibilidad y confiabilidad.
Finalmente, se aborda la gestión de inventarios de repuestos para superar los desafíos que representan la alta cantidad de ítems, la demanda intermitente y el alto costo de quiebre. La IA aplicada permite segmentar criticidad, modelar demandas y ajustar políticas para asegurar un equilibrio entre la disponibilidad y el capital inmovilizado, especialmente cuando los tiempos de reposición y la variabilidad generan complejidad.
El camino a la transformación digital
La pregunta ya no es si conviene adoptar IA, sino dónde y cómo empezar. La recomendación es partir por los dolores y retos de mayor relevancia, donde existan datos o sean factibles construirlos, y donde las decisiones sean repetitivas, de alto impacto o donde la IA pueda potenciar el rol humano, su criterio y sensibilidad. La invitación es a mirar el proceso End-to-End y avanzar con foco, responsabilidad y con las personas en el centro.
