La inteligencia artificial (IA) está revolucionando la forma de hacer las cosas y generando ganancias de productividad, por lo que las empresas están promoviendo la incorporación de esta tecnología a sus procesos; pero ¿cómo asegurar que esa inversión culmine en un resultado exitoso?
Eddy Morris, decano de la Facultad de Ingeniería y director de la Maestría en Data Analytics & AI de ESAN University, responde que el reto está en que la IA ayude a relacionar la gran cantidad de información existente con una decisión concreta.
En ese sentido, antes de iniciar un proyecto IA, plantearía tres preguntas: ¿qué decisión vamos a mejorar?, ¿quién actuará con esa información?, ¿cómo mediremos el resultado?, y luego, ver si la recomendación fue útil y aprender de lo sucedido.
Hacia dónde iremos
Morris considera que la IA llevará a las empresas peruanas a tener mayor capacidad anticipatoria y de coordinación. “Un cambio importante va a ser conectar decisiones que hoy se toman por separado. Por ejemplo, frente a una anomalía en un equipo, un agente de IA podría reunir antecedentes, consultar repuestos, proponer una ventana de mantenimiento y preparar una solicitud para aprobación. Esto puede acortar el lapso entre el momento en que se detecta un problema y la organización de la respuesta”, explica.
Además, estima que crecerá el uso de simulaciones y gemelos digitales para evaluar decisiones antes de intervenir físicamente.
En cuanto al talento, Morris dice que se requerirá de profesionales que tengan experiencia de campo, conocimiento del negocio y capacidad de criterio para evaluar las recomendaciones de la IA. En esa línea, las universidades deben formar profesionales capaces de integrar tecnología y gestión, y trabajar con las empresas en problemas reales.
“La diferencia, la pondrá quien convierta la IA en mejores decisiones todos los días, con resultados que pueda mostrar”. Las empresas peruanas del sector minero energético ya andan por ese camino.
En los hidrocarburos
Jerson Rodas, gerente de Innovación e Inteligencia Artificial de Hunt Services Company, indica que en la empresa están utilizando analítica predictiva basada en aprendizaje automático para monitorear activos críticos en la planta de procesamiento de gas natural de su cliente PERU LNG, lo que les permite identificar señales tempranas de posibles fallas.
“También estamos escalando agentes de IA para consultar el historial y los análisis de fallas, junto con otra información relevante, y apoyar las decisiones de los especialistas. Evaluamos aplicaciones de visión artificial para mejorar la seguridad y soluciones de IA para gestionar el conocimiento institucional”, indica. “En la compañía impulsamos la adopción de IA en línea con nuestra estrategia de negocio y el compromiso con una operación segura y confiable”, afirma.
El año pasado otra empresa del sector hidrocarburos, Pluspetrol, implementó una prueba piloto del robot autónomo EXR-2 para inspecciones de seguridad y diagnóstico operativo en sus instalaciones de gas natural. Este robot, mediante el uso de IA, detecta de manera preventiva posibles fugas de gas, puntos calientes, desviaciones sónicas en bombas y anomalías operativas.
Por su parte, Cálidda está aplicando IA generativa para predecir la morosidad y clasificar riesgos de clientes, automatizando su atención.
Soluciones para la minería
En la minería no se quedan atrás. En Quellaveco, Anglo American ha implementado el mantenimiento predictivo de las bombas de molienda de su planta. Estas bombas transportan la pulpa del mineral hacia los ciclones, unos equipos que separan las partículas más finas del mineral mediante la fuerza centrífuga. Gracias al machine learning, es posible predecir con semanas de anticipación posibles fallas en estos equipos. Así, mejora la eficiencia de la operación, reduce costos y aumenta la seguridad en la mina.
Por su parte, en Antamina, utilizan algoritmos de IA para optimizar los procesos de molienda y flotación, mediante el análisis de las condiciones del mineral y ajustes operativos.
Minsur, por su parte, aplica modelos predictivos para prevenir paradas de sus molinos en San Rafael y estima el porcentaje de finos del mineral en Pucamarca; en tanto que Southern Peaks Mining trabaja en implementar modelos de IA para optimizar la recuperación de cobre en su mina Condestable.
Otro caso exitoso es el de Ferreyros, que con algoritmos identifica riesgos de fallas en los motores de los camiones mineros que operan en 11 minas del país.
Eléctrica innovación
ENGIE Energía Perú, por su parte, utiliza IA para el análisis de los contratos del mercado libre, es decir, el de las empresas que compran energía a los generadores. La usa también para optimizar sus operaciones y para el mantenimiento predictivo de sus equipos; mientras que Pluz Energía Perú aplica sensores mecatrónicos, cámaras RGB y procesamiento de datos con IA para prevenir accidentes asociados a distancias mínimas de seguridad y optimizar el mantenimiento de redes de media tensión.
Por su parte, Kallpa Generación integra datos industriales en tiempo real y analítica para detectar anomalías, estimar la vida útil de filtros y optimizar la limpieza de sus turbinas.
Del piloto a la solución
Eddy Morris, de la Universidad ESAN, sostiene que los proyectos de IA deben diseñarse considerando su uso real desde el principio, tomando en cuenta las siguientes condiciones:
- Un problema de negocios y un responsable operativo. Es decir, alguien que responda por el indicador que queremos mejorar.
- Demostrar los beneficios. Comparar con un punto de referencia y comprobar que la mejora se mantiene en condiciones representativas.
- Vinculación con el trabajo cotidiano. Si la herramienta recomienda realizar un mantenimiento, esa recomendación tiene que llegar hasta el nivel donde se priorizan las intervenciones y se asignan los recursos.
- Confianza y participación de los usuarios. El operador y el supervisor deben participar en el diseño y comprender cuándo pueden confiar en la herramienta.
- Capacidad de mantenerlo. Monitorear su desempeño, actualizarlo y responder cuando los datos o las condiciones cambien.
- Un caso económico integral. Tener en cuenta integración, capacitación, soporte y ciberseguridad, aparte del desarrollo inicial.
“El salto ocurre cuando la IA pasa a ser una capacidad de la operación, con responsables, presupuesto y resultados sostenidos”, finaliza.