Lo que se sigue dejando de lado en el debate sobre la IA en el sector minero

El director general de MyPass, Matt Smith, participó en la mesa redonda sobre «IA en la minería» organizada por Austmine en Melbourne, junto a líderes del ámbito tecnológico y de la consultoría de todo el sector minero. Cuando se les preguntó dónde residen las oportunidades de la IA, los ponentes abordaron la cuestión desde diferentes ángulos y llegaron a la misma conclusión: las oportunidades dependen de la calidad de los datos en los que se basa.

Todo lo que viene después depende de si se puede confiar en esos datos: que estén limpios, sin duplicados, validados y conectados entre los sistemas que dependen de ellos. El bombo publicitario en torno a la IA no ha cambiado esos requisitos. Lo que sí ha hecho es aumentar el coste de no cumplirlos.

La preparación de los datos es la base sobre la que se asienta la inteligencia artificial

En el sector minero, la «preparación de los datos» suele referirse a los datos geológicos, los datos de sensores, los datos de equipos y los datos de procesos. Son precisamente esos niveles de ingeniería y operaciones los que reciben la atención, los marcos de gobernanza y la inversión en gemelos digitales.

La capa de datos sobre la plantilla subyace a todo ello y sigue considerándose un problema de recursos humanos. Indica al operador quién está en sitio de trabajo, qué tareas está autorizada a realizar cada persona, si sus certificados son auténticos y si su capacitación está al día. También determina si la persona que maneja el equipo es la misma que el sistema considera que lo está manejando.

Cada decisión tomada por la inteligencia artificial en una explotación minera llega a una persona que debe actuar en consecuencia, ya sea manejando maquinaria, expidiendo un permiso, interpretando un resultado o dando el visto bueno a un control crítico. Si los datos sobre la plantilla que sustentan esas responsabilidades no son fiables, tampoco lo serán las decisiones que dependen de ellos.

Los silos son una barrera estructural que la integración no puede eliminar

Los datos sobre la plantilla se encuentran en bases de datos independientes de cada empresa, por lo que los registros se vuelven a crear y las credenciales se vuelven a verificar cada vez que un trabajador cambia a una nueva sitio de trabajo o a un nuevo cliente. Los operadores carecen de visibilidad en tiempo real sobre sus redes de contratistas. Los contratistas repiten el proceso de verificación para contratar a alguien cuyos cualificaciones ya han sido comprobados por otra persona. Las exigencias normativas avanzan más rápido que la infraestructura que las sustenta, lo que hace que el responsable asuma una responsabilidad personal sin disponer de una visión útil de la plantilla.

Una mayor integración no resuelve eso. Treinta operadores que se integran con trescientos contratistas a través de mil proveedores de « capacitación » es un ejemplo de complejidad. La solución pasa por cambiar quién es el titular de la credencial. Cuando es el propio trabajador quien la posee —verificada una sola vez y reutilizable en cualquier lugar—, todo el sistema que se sustenta sobre ella se vuelve más fiable y más rápido.

Es necesario sentar las bases para la IA antes de implementarla

A principios de 2026 se decía que el software había muerto, que cualquier cosa se podía programar mediante «vibe-coding» y que el SaaS empresarial estaba a punto de ser sustituido. Seis meses después, el panorama es más moderado. Están surgiendo ventajas tanto para los individuos como para los departamentos, aunque su implantación en el conjunto de las organizaciones sigue siendo limitada.

Hay algunos casos aislados en los que se han implementado sistemas basados en el reconocimiento de vibraciones y se han obtenido beneficios dentro de un departamento, pero no se ha implantado absolutamente nada a nivel de toda la empresa, porque se necesitan soluciones de nivel empresarial, se necesita seguridad y se necesitan permisos de acceso.
Matt Smith, director ejecutivo de MyPass Global

La tecnología no va a solucionar los procesos defectuosos. Cuando una organización no es capaz de analizar su situación actual —incluidas las soluciones provisionales y los pasos manuales—, la aplicación de la inteligencia artificial acelera los traspasos y los bucles que nadie sabía que existían. Esa no es la promesa que suelen hacer los proveedores de tecnología, pero es la realidad con la que el sector tiene que lidiar.

La participación del experto en el proceso es imprescindible

Que una persona revise el resultado es una medida de seguridad. Que un experto revise el resultado es una ventaja competitiva. El experto sabe cómo debe ser un buen resultado del modelo, cómo interpretar el proceso interno del modelo y cuándo una respuesta debe dar lugar a una segunda comprobación.

Una fase de revisión tiene sentido cuando el revisor cuenta con los conocimientos especializados pertinentes, información suficiente para evaluar la recomendación y tiempo para actuar en consecuencia. Esos tres requisitos merecen tanta atención en el diseño como el propio modelo.

Para las empresas de equipamiento, tecnología y servicios mineros que temen que las grandes empresas les superen en inversión y en recursos, esta es la vía que marca la diferencia. El hardware se vuelve más accesible cada trimestre y los modelos se abaratan. Lo que no se convierte en un producto básico es la persona que lleva veinte años en un nicho técnico específico y es capaz de explicar en treinta segundos por qué un modelo es adecuado, por qué no lo es o por qué ahora plantea la pregunta correcta.

La misma lógica se aplica a la competencia del personal. Una organización que recurre a un experto para supervisar una decisión necesita una base sólida que permita determinar quién está cualificado para desempeñar esa función.

La confianza a gran escala se plasma ahora en el modelo de datos y en el contrato

Los compradores de los sectores minero y energético están pasando de confiar en sus proveedores a disponer de información en tiempo real. Prefieren contar con sellos de cumplimiento medioambiental en lugar de tener acceso a la documentación, con pruebas de quién ha sido verificado, cuándo, por quién y bajo qué marco de gobernanza.

La parte que la mayoría de los proveedores aún no han tenido en cuenta se encuentra en el contrato. En una mesa redonda durante un desayuno de ejecutivos que MyPass coorganizó en Santiago a principios de este año, los abogados que trabajan en las nuevas leyes chilenas de protección de datos ofrecieron a los asistentes un consejo sin rodeos. El debate más candente en el ámbito de la IA empresarial ya no gira en torno a quién es el propietario de los datos, sino a quién asume la responsabilidad cuando algo sale mal.

La posición por defecto en un contrato con una gran empresa minera es que la responsabilidad recae sobre el proveedor. Si la empresa minera utiliza los datos, los algoritmos, el software o la aplicación de IA del proveedor, este es el responsable. Esto rara vez se cuestiona hasta que algo sale mal en sitio de trabajo, y entonces las preguntas se vuelven muy concretas rápidamente. ¿El sensor proporcionó datos erróneos? ¿El algoritmo era incorrecto? ¿Quién lo desarrolló y se hizo en colaboración? ¿O se interpretó incorrectamente el resultado por parte del operador? Esas preguntas deben figurar en el contrato, no en el análisis del incidente.

La confianza a gran escala se ha convertido en un elemento estructural. Está presente en el modelo de datos, en los permisos de acceso, en la configuración de la soberanía de los datos y en las cláusulas contractuales que asignan la responsabilidad cuando surge algún problema.

La preparación de la plantilla forma parte de la preparación para la IA

Como señaló uno de los ponentes, todo empieza y termina con el valor empresarial. En la práctica, eso significa involucrar desde el principio a las personas que van a utilizar la tecnología y comprender qué necesitan para que funcione en sitio de trabajo.

A lo largo de los últimos doce años, MyPass ha desarrollado un modelo de credenciales propiedad de los trabajadores que actualmente utilizan 1.500 organizaciones de los sectores de la minería, la energía y la industria pesada. Esa experiencia nos ha llevado a considerar que disponer de datos fiables sobre la plantilla es fundamental para el funcionamiento de una mina. Si la inteligencia artificial va a servir de apoyo a la hora de decidir quién puede realizar el trabajo, la información en la que se basan esas decisiones debe ser tan fiable como los datos sobre los equipos que manejan.

‍

Sobre el autor

Matt Smith es director ejecutivo y fundador de MyPass Global, una plataforma de gestión de la « cumplimiento normativo » y de las competencias, y combina su experiencia práctica en los sectores de la construcción y los servicios de mantenimiento con su espíritu emprendedor para resolver las ineficiencias del sector. Fundó MyPass en 2013 con el objetivo de reducir el riesgo y el coste que supone gestionar las competencias, la seguridad y el « cumplimiento normativo » de la plantilla en sectores de alto riesgo.

‍