Hay una escena que conozco de memoria. Son las siete de la mañana en una sala de control, la pantalla del despacho muestra la flota completa —camiones, palas, tiempos de ciclo, colas en el chancador— y alguien con veinte años de terreno mira un número y dice: «ese camión no va a llegar». No lo dice el sistema. Lo dice él. Y casi siempre tiene razón.

Trabajé veinticinco años alrededor de esa escena, en Chuquicamata, en Antofagasta Minerals, en Xstrata. Lo que más me llama la atención hoy no es cuánto cambió la tecnología, sino cuán poco cambió esa escena. Seguimos teniendo el dato en la pantalla y el criterio en la cabeza de una persona, sin que se hablen.

Se ha instalado la idea de que a las industrias les falta inteligencia artificial. Creo que el diagnóstico está mal hecho. La data ya la tenemos. Una faena grande genera hoy en un turno más información de la que se producía en un año en los noventa. Lo que falta no es materia prima: es que la decisión se siga tomando con reglas que se escribieron cuando esa información no existía.

La asignación de flotas es el caso más claro. Durante más de treinta años se ha gestionado con algoritmos fijos y reglas predefinidas: la distancia más corta, el menor tiempo estimado. Son sistemas robustos, y hay que decirlo, funcionaron. Pero no se adaptan a la variabilidad real —humana, mecánica, operacional— de cada turno, de cada equipo, de cada faena. Llegaron a su techo. No porque el software sea malo, sino porque su forma de decidir es anterior a los datos que hoy tenemos disponibles.

Tres agendas que en realidad son una

En la mayoría de las empresas esto se administra como tres cosas separadas. La innovación es una gerencia con presupuesto para pilotos. La excelencia operacional es una auditoría y un tablero de indicadores. La inteligencia artificial es un proyecto del área de tecnología. Y las tres, por separado, fracasan de manera bastante predecible: la innovación produce demos que nadie adopta, la excelencia operacional produce informes que nadie ejecuta, y la IA produce modelos con excelente precisión que nadie mira a las siete de la mañana.

Son la misma cosa. Lean y Six Sigma, herramientas con las que trabajé años, enseñaron algo muy simple: el enemigo es la variabilidad, y para atacarla primero hay que verla. La IA no viene a reemplazar ese marco. Viene a darle el instrumento que le faltaba. Por fin podemos ver la variabilidad a la escala en que efectivamente ocurre —por turno, por equipo, por operador, por hora del día— y no en el promedio mensual, que es exactamente donde se esconde.

Y hay una parte que se olvida seguido: innovar no es solamente crear productos nuevos. Es cambiar la forma en que hacemos lo que ya hacemos. La innovación más rentable rara vez es un producto que no existía; casi siempre es la misma operación de siempre, decidida mejor.

No es un problema minero

Esto es transversal. Un municipio tiene registrado hasta el último decreto de pago y no sabe que un proveedor le cobra el doble que a la comuna vecina. Un servicio de salud tiene años de horas de pabellón y arma la programación con la misma planilla del año pasado. Un medio de comunicación —este mismo— sabe qué leyó su audiencia y a qué hora, y publica a la hora que siempre publicó. En todos esos casos la data está completa. Lo que falta es usarla de la manera correcta.

Y «de la manera correcta» no es una declaración de buenas intenciones. Tiene condiciones bastante concretas.

Primero, cada modelo tiene que estar amarrado a una decisión real, con responsable y con hora. Si no hay una decisión que cambie, lo que se construyó es un tablero, no un proyecto.

Segundo, el conocimiento experto se incorpora, no se descarta. El operador que sabe que ese camión no va a llegar tiene información que no está en ningún sensor. Un sistema que no logra capturarla parte abajo del que ya existe. La IA no reemplaza el criterio de quien sabe: lo escala.

Tercero, se mide contra lo que habría pasado sin el modelo, no contra la promesa del proveedor ni contra el mismo mes del año anterior, que traía otra ley, otro clima y otra dotación.

Cuarto, tiene que vivir en el ritmo de la operación. Si la recomendación llega el martes y la decisión se toma en el cambio de turno, no sirve, por muy buena que sea.

Nada de eso se compra. Se construye, y se construye con la gente que ya está adentro.

El salto que viene

Lo que en la industria estamos llamando Minería 5.0 no consiste en tener más algoritmos. Consiste en integrar de manera sistemática el conocimiento experto con el soporte tecnológico, de modo que el juicio de quien lleva veinte años en terreno y la capacidad de cálculo de una máquina dejen de ser dos mundos que se miran de lejos. La convergencia entre el criterio del oficio y la ciencia de datos va a ser, en la próxima década, la competencia que separe a las operaciones que mejoran de las que solo miden.

La buena noticia es que para eso no hay que esperar nada. La materia prima está hace rato en nuestros servidores. Lo que falta es la decisión de usarla.