La minería chilena nada en datos; lo que escasea es imaginación

Sensores por todas partes, millones de núcleos de perforación, rankings ganados. Y aun así, la diferencia entre una faena que ahorra agua y una que pierde mil horas de producción no es el dato: es quién lo convierte en una decisión visible. Los números de 2026 lo confirman.

Una mina moderna genera más datos por hora que los que la mayoría de las empresas verá en toda su existencia. Y durante décadas, buena parte de esos datos terminó en el mismo lugar: en ninguna parte. Un sensor que nadie mira es un adorno caro; una base de datos sin nadie que la interrogue es un cementerio con clima controlado.

Por eso la tesis que nos interesa defender hoy es incómoda para una industria que adora hablar de tecnología: el problema de la minería no es de datos. Es de imaginación. Los datos ya existen. Lo que falta —lo que siempre faltó— es quien los convierta en decisiones visibles: una pantalla que alguien entiende, una alerta que alguien atiende, una recomendación que alguien ejecuta antes de que el problema cueste millones.

Los resultados publicados entre 2025 y 2026 en Chile son, básicamente, la demostración empírica de esa tesis. Vamos por partes.

Los datos siempre estuvieron ahí

Empecemos por el dato que mejor retrata el punto: BHP opera una plataforma de exploración con 52 tipos de datos geocientíficos estandarizados y más de 4 millones de núcleos de perforación. Cuatro millones. Esa información no apareció el año pasado con la fiebre de la IA; llevaba años acumulándose en informes, testigos de sondaje y planillas que envejecían en silencio.

Lo que cambió no fue la existencia del dato, sino la decisión de estandarizarlo y ponerlo frente a alguien —humano o modelo— capaz de hacerle preguntas. Esa es la diferencia entre "tener big data" (frase favorita de los seminarios de 2015) y tener respuestas.

Cuando alguien por fin mira: los números de 2026

Si la imaginación aplicada a los datos suena a discurso blando, aquí van cifras duras de balance, no de folleto.

Antofagasta Minerals reportó en marzo de 2026 ganancias medibles con IA en tres faenas. En Los Pelambres, el sistema SIRO sobre el molino SAG elevó cerca de 4% las horas de operación sin restricciones respecto de 2024 y llevó la disponibilidad del molino a 94,4%. En Centinela, el mismo sistema aplicado a molienda y flotación —recomendaciones prescriptivas construidas sobre datos históricos y mineralógicos— logró +1% de throughput y +0,75 puntos porcentuales de recuperación, mientras la faena pilotea ShovelSense (análisis XRF en tiempo real durante el carguío) y proyecta llevar su flota autónoma a 26 camiones durante 2026. Y en Antucoya: +0,8 puntos de recuperación de cobre, más de 1.000 toneladas de ácido sulfúrico ahorradas y 5% menos consumo de agua.

Fíjate en el patrón: ninguno de esos sistemas inventó datos nuevos. Tomaron datos que ya se generaban —mineralogía, vibraciones, historial de proceso— y los transformaron en una recomendación concreta que un operador puede ver y ejecutar. Eso es una decisión visible. Eso, y no el algoritmo, es lo escaso.

El caso de BHP en Escondida es aún más elocuente. Sus gemelos digitales e IA redujeron alrededor de 70% las pérdidas mensuales de producción asociadas a granulometría en el molino SAG. Y la visión computacional para detectar rocas sobredimensionadas pasó de un historial de más de 1.000 horas de detención en tres años a cero disrupciones por esa causa desde que se instaló el monitoreo. Mil horas de detención no eran un misterio geológico: eran un problema visible que nadie estaba mirando con las herramientas correctas. La propia compañía reporta además, en Escondida, un ahorro de 3.000 millones de litros de agua y 118 GWh de energía desde el año fiscal 2022 gracias al control de planta con IA, más cámaras que detectan derrames y objetos extraños en correas y chancadores con alertas tempranas.

La sala de control queda a mil kilómetros de la mina

La versión más literal de "convertir datos en decisiones visibles" son los Centros Integrados de Operaciones. Según datos de Vantaz Group, el 40% de las grandes operaciones mineras chilenas ya usa CIO remotos: salas donde el monitoreo en tiempo real, la IA y el big data se juntan para anticipar desviaciones antes de que se conviertan en pérdidas.

Codelco los opera en El Teniente, Chuquicamata, Ministro Hales y Andina, con una reducción de 15 a 25% en la variabilidad de tareas clave. El ejemplo que mejor se entiende: la gestión de puesta en marcha de tostación en Ministro Hales pasó de más de un día a entre 4 y 6 horas. El mismo proceso, los mismos equipos, los mismos datos — pero ahora alguien los ve ordenados en una pantalla y decide en consecuencia. Y en mayo de 2025, Lundin Mining Candelaria inauguró una sala de control remoto de su mina subterránea Santos operada íntegramente por mujeres: cuando la operación se vuelve información en pantalla, también cambia quién puede operarla.

Súmale la capa de seguridad: sistemas de cámaras con IA ya desplegados en grandes mineras chilenas detectan en milisegundos signos de somnolencia o distracción de un conductor, con hasta 1.400 alertas diarias por cámara. El desafío actual —reducir falsos positivos— es la prueba de que el cuello de botella ya no es capturar el dato, sino diseñar la señal para que el humano confíe en ella. Una alerta que nadie cree es peor que ninguna alerta.

Codelco llamó a Microsoft (y no para renovar el Office)

Por si faltaba la señal institucional: Codelco y Microsoft firmaron el 5 de marzo de 2026 un acuerdo marco de IA, con vigencia inicial de 18 meses y gobernanza conjunta, para evaluar iniciativas en IA, analítica avanzada, automatización de procesos críticos, operaciones más autónomas y ciberseguridad. Las compañías llevan más de 27 años de relación, pero recién ahora el acuerdo se firma en torno a la inteligencia artificial. Cuando la mayor productora de cobre del mundo formaliza la IA a nivel de directorio, el debate de "si esto es moda" quedó oficialmente clausurado.

Y el contexto ayuda: Chile lidera por tercer año consecutivo el Índice Latinoamericano de IA (ILIA 2025) con 70,5 puntos, por sobre Brasil (67,3) y Uruguay (62,3), y encabeza la inversión privada per cápita en IA con USD 769 millones. El país tiene el ecosistema. La industria símbolo tiene los datos. ¿Qué falta?

El cuello de botella no es el algoritmo: es quién traduce

Mira de nuevo todos los casos de esta nota. El valor nunca estuvo en el dato crudo ni en el modelo de moda: estuvo en la traducción. Alguien imaginó que la mineralogía podía volverse una recomendación en la pantalla del operador. Alguien imaginó que una puesta en marcha caótica podía ser un tablero legible. Alguien imaginó que la fatiga de un conductor podía ser una alerta en milisegundos y no una estadística de accidentes a fin de año.

Ese "alguien" no siempre es ingeniero de datos. Muchas veces es un perfil que la minería recién está aprendiendo a contratar: gente que sabe visualizar, diseñar interfaces, contar con claridad lo que el sensor balbucea. La brecha entre la faena que ahorra 3.000 millones de litros de agua y la que acumula mil horas de detención no es una brecha de sensores. Es una brecha de imaginación aplicada — y esa se entrena.

De eso se trata Generative: de formar a la gente capaz de pararse entre los datos y las decisiones, con herramientas de IA creativa que hoy hacen ese puente más corto que nunca. Si quieres empezar por el principio, el curso Fundamentos de IA generativa para equipos es gratuito y parte justo ahí: en cómo se traduce una capacidad técnica en algo que tu equipo pueda usar el lunes. Si trabajas en minería —o quieres entrar por la puerta que la industria acaba de abrir—, la conversación ya empezó en nuestra comunidad: únete al hilo sobre IA y minería en el foro de Generative y cuéntanos qué decisión de tu operación sigue esperando a que alguien la haga visible.