El 19 de noviembre del año pasado, Michelle Smith, la vicepresidenta de la Práctica Global de Minería en Syntax, publicó en el Global Mining Review un análisis que enmudeció al sector. En el mismo, presagia que 2026 será el año en el que la IA dejará de ser un complemento tecnológico para convertirse en el sistema nervioso central de la minería. Qué viraje, no?
El análisis de Smith está en sintonía con datos concretos que Omdena, una empresa que desarrolla soluciones de IA personalizadas para más de 300 compañías indicó en abril de 2025 en un trabajo en el que identifica a las 24 mineras globales que lideran la transformación. El ranking divide en cuatro categorías a las firmas, tomando en consideración el despliegue, la profundidad y su madurez; a) AI Pioneers (pioneros), b) Advanced Adopters (adoptadores avanzados), c) Strategic Implementers (implementadores estratégicos) y d) Emerging Adopters (emergentes).
El resultado fue revelador y geopolíticamente variopinto. Newmont, Anglo American y Rio Tinto lideran en monitoreo ambiental usando IA. Nornickel de Rusia encabeza la adopción de IA en el sector de níquel y paladio. POSCO de Corea del Sur se alió con Terra Quantum para avanzar en computación cuántica aplicada a geología. Tata Steel de India, por su parte, hizo un despliegue colosal de 260 algoritmos de IA en su planta Kalinganagar. Zijin Mining de China, en tanto, usa blockchain para perfeccionar la trazabilidad de cadena de suministro.
En la misma linea de trabajo, Microsoft reveló que el 82% de los líderes mineros del mundo esperan usar“labor digital” —trabajadores virtuales impulsados por IA—_ en los próximos 12 a 18 meses. No hablamos del capítulo de un libro de ciencia ficción protagonizado en Silicon Valley o Shenzhen sino de hechos reales y palpables. La minería está adoptando a la IA con una velocidad y profundidad pasmosas.
Sin embargo, no todo es color de rosa. La integración acelerada de IA plantea dilemas éticos trascendentes y preocupantes, como sesgos algorítmicos que perpetúan desigualdades sociales en contratación o asignación de recursos, marginalizando comunidades locales
Es el presente acelerado de una industria que durante décadas se resistió y ahora abraza el cambio urgido porque el mundo necesita duplicar la producción de cobre en 30 años, según estimaciones de BHP. Porque las vetas de minerales críticos como litio, cobalto y tierras raras son cada vez más difíciles de encontrar puesto que la presión de la sociedad y los marcos regulatorios más estrictos exigen operaciones seguras, limpias, transparentes. Y porque la competencia global avanza a una velocidad que no permite titubeos, sin importar si la empresa tiene su sede en Melbourne, Mumbai, Moscú o Shanghái.
No obstante, la integración acelerada de IA plantea dilemas éticos trascendentes y preocupantes, como sesgos algorítmicos que perpetúan desigualdades sociales en contratación o asignación de recursos, marginalizando comunidades locales. La privacidad de datos masivos (geológicos, ambientales, laborales) enfrenta riesgos de brechas y mal uso, mientras la “deshumanización laboral” en dark factories prioriza eficiencia sobre dignidad humana, exacerbando despidos sin redes de seguridad. Frameworks éticos débiles y autorregulación corporativa agravan la opacidad, erosionando confianza pública.
Además, regulaciones como el EU AI Act prohíben prácticas de alto riesgo (e.g., biometría en tiempo real) y exigen datasets de calidad, GDPR para minimización/anulación datos, y oversight humano, retrasando despliegues. Y los permisos mineros tardan 12-20 años (EEUU/Canadá), con ciberamenazas crecientes (ransomware, envenenamiento datos AI) en operaciones digitalizadas.
Las transformaciones en marcha
La primera de las cinco transformaciones que Smith identifica para 2026 es la más difícil de digerir. La IA dejará de ser una herramienta que asiste decisiones humanas para convertirse en el motor de esas decisiones. Hasta ahora, los algoritmos de machine learning analizaban datos y entregaban recomendaciones que los gerentes, ingenieros y los operadores evaluaban antes de actuar. En 2026, Smith proyecta que los sistemas de IA tomarán decisiones en tiempo real sin intervención humana en áreas importantes como la asignación de equipos, rutas de transporte, velocidades de procesamiento y ajustes de parámetros metalúrgicos.
La planta Kalinganagar de Tata Steel tiliza una plataforma única que gestiona datos desde la extracción hasta el envío, ejecutando 260 algoritmos de IA que toman decisiones en tiempo real
BHP lo desnudó en su mina Mining Area C, en Western Australia, donde un sistema de IA decide qué triturador usar para cada carga de mineral, minimizando colas y reduciendo los costos.
Pero la escala china ya superó estos pilotos. En la mina Dahaize de la estratégica provincia de Shaanxi, cada trabajador genera casi un millón de dólares en producción anual gracias a IA que controla una de las técnicas de extracción a cielo abierto, el carving de vetas de carbón, con precisión extrema, camiones autónomos que navegan túneles llenos de polvo, y plantas de lavado donde los algoritmos procesan 1,100 toneladas por día por trabajador.
La India muestra otra dimensión de esta transformación. La planta Kalinganagar de Tata Steel fue construida desde cero como instalación digital. Utiliza una plataforma única que gestiona datos desde la extracción hasta el envío, ejecutando 260 algoritmos de IA que toman decisiones en tiempo real sobre composición de la carga, modos de horno, parámetros de calentamiento y energía. No hay comités humanos deliberando. Los algoritmos ajustan, ejecutan y optimizan las tareas de forma constante.
POSCO de Corea del Sur llevó esto al límite metalúrgico. Su smart blast furnace usa la IA para analizas videos de cámaras, la temperatura y la composición de carga en tiempo real, ajustando automáticamente el blast y el suministro de combustible. Como resultado de ello, la productividad diaria aumentó en 240 toneladas de hierro fundido mientras el consumo de combustible se redujo. Es un nivel de eficiencia que ningún operador humano podría alcanzar de forma manual.
La diferencia este año será que lo que hoy son aplicaciones puntuales se convertirá en un modus operandis en numerosas minas. Los centros de operaciones remotas —como el que Rio Tinto opera 24/7 en Perth, controlando equipos a 1500 kilómetros de distancia en el Pilbara— integrarán IA que no solo monitorea sino que ejecuta, ajusta y optimiza sin pausas.
La gestión de riesgos en minería siempre ha sido reactiva o, en el mejor de los casos, preventiva. Se estudian incidentes pasados, se implementan protocolos, se capacita personal. La IA está cambiando este paradigma. Permite anticipar riesgos que aún no han sucedido mediante el análisis de millones de variables en tiempo real.
Más del 60% de los nuevos sitios mineros que se abrirán en el último bienio (2025-2026) desplegarán sistemas de mantenimiento predictivo impulsados por IA para aprovechar mejor el tiempo de actividad de los equipos críticos. Estos sistemas no solo predicen cuándo fallará una pieza; anticipan las condiciones operacionales que aumentan la probabilidad de falla y ajustan automáticamente los parámetros para evitarla.
Tata Steel, un ejemplo dentro y fuera de India
Tata Steel implementó en India un sistema de mantenimiento predictivo basado en IA que predice la vida útil de equipos críticos, reduciendo el tiempo de inactividad (down time) en un 20% y los costos de mantenimiento en 15 puntos. Cada sensor, cada vibración, cada variación de temperatura alimenta modelos que aprenden patrones de degradación específicos de cada máquina.
La sostenibilidad dejó de ser un departamento de relaciones públicas para convertirse en un imperativo
En Rusia, la mina Olimpiada de Polyus Gold en Krasnoyarsk desplegó robots de inspección habilitados con IA que realizan extracción y clasificación de mineral. Sistemas de monitoreo en tiempo real con sensores rastrean cada variable operacional, mientras técnicas avanzadas de separación por gravedad y flotación aumentan las tasas de recuperación de oro reduciendo el consumo de reactivos y agua. La IA evita los desperdicios antes de que ocurran.
Nornickel, líder ruso en la producción de níquel y paladio, usa video analytics impulsado por IA en su centro de refinación de níquel (complejo Kola MMC) para monitorear el uso de equipo de protección personal, mejorando la seguridad. Es prevención automática que identifica patrones de riesgo antes de que produzcan los accidentes.
China llevó esto a escala industrial. En la mina Caojiatan opera control remoto desde una plataforma ubicada 280 metros bajo tierra con gestión integrada vía IA que monitorea la calidad del aire, temperatura, vibraciones estructurales y movimientos de personal simultáneamente. En Xinjiang, donde 74 minas de carbón la gestión predictiva es estándar operacional, no innovación.
La sostenibilidad dejó de ser, cómo históricamente lo ha sido, un departamento de relaciones públicas para convertirse en un imperativo. Y la IA se está convirtiendo en la única forma creíble de demostrarlo con datos.
Smith derrocha optimismo y pronostica que este año las compañías mineras no solo usarán IA para mejorar su desempeño ambiental, sino que lo certificarán mediante sistemas de monitoreo continuo. Es decir, que cada tonelada de cobre, cada onza de oro, cada kilo de litio vendrá con una “huella digital” que registra su consumo exacto de agua, energía, emisiones de carbono y perturbación de ecosistemas. Es el fin del verso ambiental sin evidencia.
Durante décadas, la exploración mineral siguió reglas geológicas preestablecidas: busca en rocas ígneas para metales preciosos, en formaciones sedimentarias para carbón, en zonas volcánicas para cobre. La IA también está reescribiendo esas normas.
Las comprensibles revelaciones de Estados Unidos
El Departamento de Energía de Estados Unidos reveló en junio de 2025 que su laboratorio NETL desarrolló un sistema llamado GAIA (Geoscience Artificial Intelligence & Assessment) que puso identificar un depósito récord de tierras raras en menos de 8 años. Históricamente, establecer la viabilidad comercial de recursos como uranio o petróleo toma décadas. GAIA aceleró el proceso buscando en lugares “raros” cuencas sedimentarias ricas en arcilla, carbón y esquisto.
BHP usó machine learning para descubrir nuevos depósitos de cobre en Australia y Estados Unidos, probando además muon tomography, una tecnología que usa partículas subatómicas para “ver” a través de la roca y mapear depósitos profundos sin perforar. Es física de partículas aplicada a la geología
Michelle Smith estima que la IA para exploración mineral está reduciendo los tiempos de descubrimiento en un 20-30 por ciento.
India dio un salto en junio de 2025 cuando el Ministerio de Minas anunció que por primera vez están usando modelos de IA y machine learning para exploración mineral en Rajasthan. Es el reconocimiento gubernamental de que los métodos tradicionales ya no bastan para encontrar recursos.
China, que opera 200 minas inteligentes (casi la mitad del total nacional), está usando IA para revaluar depósitos considerados marginales. CHN Energy, en alianza con Hikvision, desarrolló tecnología de detección rápida de calidad de carbón que reduce el tiempo de testeo de horas a 2 minutos mediante IA, espectroscopía y análisis químico. Es exploración acelerada que permite tomar decisiones de explotación en tiempo real.
Smith estima que la IA para exploración mineral está reduciendo los tiempos de descubrimiento en un 20-30 por ciento. Pero más importante que la velocidad es la capacidad de encontrar lo que antes era invisible mediante algoritmos de deep learning que analizan datos geofísicos, geoquímicos, satelitales, históricos y meteorológicos simultáneamente.
Incómoda pregunta
La pregunta más incómoda e inquietante de esta revolución es: ¿qué pasa con los trabajadores humanos? La respuesta es compleja y varía según la geografía y el modelo operacional.
Baosteel de China Baowu implementó el concepto de “dark factory” (fábrica oscura), instalaciones completamente automatizadas con mínima intervención humana donde los procesos ocurren en completa oscuridad porque no hay trabajadores que necesiten iluminación.
Pero el modelo no es uniforme. Rio Tinto opera desde Perth un centro de operaciones remotas donde trabajadores controlan trenes, camiones y perforadoras autónomos a 1,500 kilómetros de distancia. Esos operadores ya no están expuestos al polvo, al ruido, al calor, a los riesgos de la mina. Trabajan en ambientes controlados, con turnos regulares, monitoreando docenas de máquinas simultáneamente.
Tata Steel en India mantiene humanos en el centro del proceso, pero aumentados. Sus 260 algoritmos de IA no reemplazan ingenieros; los liberan de tareas repetitivas para que se concentren en optimización estratégica. El sistema usa computer vision para control de calidad, pero son humanos quienes interpretan las anomalías complejas y toman decisiones sobre ajustes de proceso.
POSCO combina ambos modelos. Su AI Technology Center mantiene despliegue extenso de IA que aumentó la eficiencia de producción en 5%, redujo el consumo de energía en el 10% y mejoró el yield de producción de acero laminado en caliente en 3%. Pero los metalúrgicos senior siguen siendo insustituibles para decisiones que requieren experiencia acumulada y juicio contextual.
El concepto de “labor digital” que Microsoft identificó —82% de líderes mineros esperan usarlo en 12-18 meses— se refiere a esta hibridación: trabajadores humanos que supervisan, ajustan y optimizan procesos ejecutados por sistemas autónomos impulsados por IA. No es automatización que elimina empleos uniformemente. Es automatización que transforma empleos de manera diferenciada según el contexto operacional, regulatorio y cultural de cada región.
Cuando Michelle Smith publicó su análisis en noviembre de 2025, no especulaba sobre un futuro hipotético, ni imaginaba un film de ciencia ficción. Estaba reportando lo que ya está sucediendo en Perth y Pekín, en Kalinganagar y Krasnoyarsk, en Escondida y en Shaanxi. Las cinco transformaciones que proyecta para 2026 —IA como decisor central, gestióne mentadores estratégicos en Seúl y Santiago.
La distancia entre estos grupos se medirá en términos de productividad, rentabilidad, capacidad de atraer inversión y conseguir una licencia social efectiva para operar y convencer con hechos a la población. Y esa distancia crecerá exponencialmente en 2026.
Santiago Mendoza / Centauro IA