Minería e inteligencia artificial compiten por capital y recursos, pero también pueden potenciarse mutuamente. El análisis a cargo del Ing. Eduardo Barrera, Asesor de la CRM Facility de la Unión Europea.
Por Panorama Minero
En casi todas las conversaciones globales sobre inteligencia artificial escuchamos los mismos conceptos: algoritmos, modelos, chips, silicio, cómputo. Hablamos de parámetros, de leyes de escalado, de GPUs, de latencias, de alucinaciones, de benchmarks. Pero hay algo esencial que casi nunca se menciona: la IA no es solo software. La IA es materia.
Detrás de cada modelo que entrenamos, detrás de cada chip que fabricamos y detrás de cada vez más grande datacenter que se levanta, hay una infraestructura física gigantesca: cobre extraído en minas, litio bombeado desde salares, tierras raras refinadas en cadenas industriales complejas, galio producido en redes de suministro altamente concentradas, millones de litros de agua y enormes cantidades de energía.
La IA no flota en la nube. La IA pesa. La IA ocupa espacio. La IA consume minerales críticos. Es, en su esencia, un sistema material que depende de territorios, ecosistemas y cadenas de suministro que ya están bajo fuerte presión.
Esto crea la paradoja central de nuestro tiempo: la revolución más digital de la historia es también una de las más físicas. La economía del dato descansa sobre la economía de los minerales. El futuro del cómputo depende del futuro de la extracción. La inteligencia artificial necesita, literalmente, más inteligencia mineral.
Esa es la conversación que falta en el debate global sobre la IA, y es la conversación que deberíamos abrir hoy para prepararnos mejor. Inteligencia es anticipación.
1. La base material de la IA: minerales críticos, energía, agua y territorio
La demanda computacional de los modelos de frontera crece de forma exponencial: el cómputo de entrenamiento se ha duplicado cada cinco o seis meses desde 2010. Un ritmo muy superior a lo que fue en su momento la ley de Moore de la computación. Cada duplicación exige más cobre, litio, tierras raras y galio.
Cobre. Los datacenters de IA requieren entre 27 y 33 toneladas de cobre por megavatio, y hasta 47 toneladas por megavatio en clústeres de entrenamiento intensivo. Sumando líneas de transmisión y subestaciones, la demanda total llega a entre 100 y 150 toneladas por megavatio.
Galio. Los chips de alto rendimiento dependen cada vez más del nitruro de galio. La demanda de los datacenters podría superar el diez por ciento del suministro global hacia 2030.
Tierras raras. Los sistemas de refrigeración usan imanes de neodimio-hierro-boro. Esa demanda crecerá cerca de un 7,5% anual hasta 2040.
Litio. El almacenamiento energético asociado a la IA podría alcanzar unos 300 gigavatios-hora hacia 2030.
Agua y territorio. Los datacenters de IA consumieron cerca de un billón de litros de agua en 2025 —casi 1 kilómetro cúbico—. Unas 10 veces más de lo que consume Escondida, la mina de cobre más grande del mundo.
Entrenar GPT-3 en los datacenters de Microsoft en USA consumió unos 700.000 litros; modelos más grandes, como GPT-4, consumen todavía más. Los “campus hyperscale” (los datacenters más grandes) hoy ocupan desde decenas hasta miles de hectáreas: el de Google en Maryland ronda las 364 hectáreas; el de Meta en Luisiana ya supera las 1.480. En superficie construida, el campus Stargate en Texas se acerca a los 372.000 metros cuadrados.
2. Una relación que puede ser simbiótica
La IA y la Minería también se complementan. La misma IA que demanda tanta minería también puede ayudar a potenciarla, favoreciendo una exploración más rápida y eficiente, y logrando mayor productividad y seguridad operacional. Por ejemplo, al combinar autonomía con gemelos digitales — como ya lo está haciendo Escondida, en Chile, operada por BHP y Quellaveco en Perú, operada por Anglo American.
En cuanto a la Exploración asistida por IA, el caso más elocuente es el de Mingomba, en Zambia: la minera KoBold pasó del descubrimiento al desarrollo (el tiempo entre descubrir un yacimiento de cobre y ponerlo en producción) en apenas cinco años, frente a un promedio de casi 18 a nivel global. La IA le recortó al ciclo más de una década.
No se trata de un caso aislado. En general, los modelos predictivos más avanzados reducen el área de exploración necesaria hasta en un 80%, sin resignar —y a veces mejorando— la tasa de descubrimiento. Procesan décadas de datos históricos en semanas, contra meses de análisis tradicional. Y recortan el capital de exploración entre 40% y 80% mediante perforaciones optimizadas.
Si la minería es, en parte, la base material de la IA, la IA puede ser, a su vez, la palanca que acelere la oferta de esos mismos minerales que necesita ella misma y la transición energética. Esa es la relación simbiótica: cada una necesita de la otra, y cada una puede ayudar a la otra a crecer.
Pero también pueden ser una relación competitiva en términos financieros porque ambas son actividades muy intensivas en capital y recurren a los mismos fondos soberanos, vehículos de infraestructura y mercados de deuda. La IA demanda USD 2.000–5.000 millones por cada gran datacenter y ciclos de entrenamiento que se renuevan cada pocos años, mientras que la minería necesita USD 2.000–10.000 millones para desarrollar activos físicos de larga vida útil, con infraestructura energética, hídrica y logística compleja.
Esta coincidencia en magnitud hace que ambas industrias recurran a los mismos fondos soberanos, vehículos de infraestructura y mercados de deuda, aunque la IA atrae capital de retorno rápido y la minería capital estratégico de largo plazo; aun así, la IA depende de minerales críticos como cobre, litio, níquel y tierras raras, por lo que, aunque compiten por financiamiento, terminan siendo sectores complementarios dentro de la economía global.
3. El abaratamiento de los modelos abiertos: oportunidad y riesgo de una minería a dos velocidades
Hay otro dato que cambia el tablero: los modelos de IA de código abierto están, en promedio, apenas cuatro meses detrás de los modelos cerrados de frontera —y son enormemente más baratos—. Esa brecha, que hace apenas un año era de casi doce meses, se sigue cerrando.
Esto es una oportunidad enorme para empresas Juniors. Empresas que nunca podrían pagar el stack propietario completo de un gran proveedor tecnológico hoy pueden acceder a exploración asistida por IA, optimización de voladuras, planificación de la explotación, mantenimiento predictivo y sistemas autónomos, a una fracción del costo de hace pocos años. Es, potencialmente, el salto de productividad más grande que pueden aprovechar estas mineras para acercarse a las grandes.
Pero ese mismo abaratamiento no llega solo. La minería artesanal y de pequeña escala —que emplea entre 40 y 45 millones de personas en el mundo— corre el riesgo de quedar todavía más rezagada si no accede a esas mismas herramientas. La adopción de minería autónoma hoy se concentra en los grandes proyectos, mientras el resto sigue con acceso limitado a tecnología, infraestructura digital y pocas oportunidades de capacitación. Sin una intervención deliberada, la IA no va a ayudar a cerrar la brecha de productividad del sector, sino que más bien tenderá a profundizarla.
Conclusión: la política pública que falta
La IA y la minería están entrelazadas en un mismo ciclo material y tecnológico. La IA necesita minerales y la minería necesita IA para explorar, operar y competir. Y ambas necesitan agua, energía y territorio. Esa relación puede ser simbiótica — pero no lo será por default.
Hace falta una política pública explícita, con al menos tres tareas: evaluar cómo impactan ambas en un mismo territorio (competencia o sinergias positivas basadas en infraestructuras habilitantes si se coordinan), monitorear como se distribuye la adopción de IA en el sector —para ayudar a cerrar la brecha con las juniors y PYMES mineras, y facilitar el salto tecnológico que los modelos abiertos y más asequibles ya lo permiten, antes de que la ventana de oportunidad se cierre.
Sin esas políticas, la IA y la Minería pueden terminar compitiendo por un mismo territorio y la simbiosis entre ambas ralentizarse. Incluso convertirse, en la práctica, en una carrera de dos velocidades, donde los más avanzados ya caminan con linterna el resto intenta avanzar a oscuras.
La pregunta no es si la IA va a transformar la minería, porque de hecho ya lo está haciendo, sino más bien es como a ayudar a que esa relación sea sinérgica y que su transformación simbiótica alcance a todos, no solo a unos pocos.
