Ganancias:
- Capacidad para distinguir dónde la IA ahorra tiempo real en el flujo de trabajo de ingeniería minera y dónde la responsabilidad crítica para la seguridad debe recaer en el ingeniero competente, según el nivel de riesgo.
- Capacidad para implementar una disciplina de validación de múltiples capas que prueba cada salida de IA contra cálculos estándar e independientes y mediciones de campo.
- Capacidad para anonimizar el contexto y adquirir el hábito de elegir vehículos seguros para proteger los datos de reserva, la información de licencias y los datos de personal/producción.
El trabajo de un ingeniero de minas es salvar la incertidumbre subterránea con las decisiones que se toman en la superficie. Estimar el yacimiento a partir de los datos de perforación, calcular la reserva, planificar el tajo, gestionar la flota de equipos, monitorear el comportamiento de los taludes, garantizar la seguridad laboral, medir el impacto ambiental y reportar todo esto de acuerdo con la legislación. La característica común de estos trabajos es que trabajan con una gran cantidad de mediciones y datos, pero cada decisión resulta en vidas humanas, millones de liras de inversión y consecuencias ambientales irreversibles en el campo. La inteligencia artificial (IA para abreviar; sistemas de software que funcionan con texto, números e imágenes con grandes datos y modelos de lenguaje) es una ayuda poderosa en este terreno que requiere mucha información pero es crítico para la toma de decisiones. Esta unidad le enseña dónde utilizar la IA de forma segura en la minería, dónde es peligrosa y por qué debe validar cada salida de IA según los estándares, las mediciones de campo y el criterio de ingeniería.
El principio central que utilizará a lo largo de este módulo es: la IA es un asistente, no una persona que toma decisiones. Un valor de ley (proporción de metales en el mineral), un ángulo de pendiente, una cifra de reserva, un límite de seguridad o un artículo legislativo no se vuelven ciertos simplemente porque "AI lo dijo"; Es simplemente una hipótesis hasta que se verifique mediante mediciones, referencias y el juicio de un ingeniero competente. Verás esta frase nuevamente en cada unidad del módulo, porque en minería, un número incorrecto a menudo significa el colapso de una inversión, el colapso de una pendiente o la lesión de una persona.
¿Qué es LLM y qué hace en minería?
LLM (Large Language Model) es un software que aprende patrones de fragmentos de texto muy grandes y predice la "siguiente palabra" basándose en la probabilidad. Este es el motor de herramientas como ChatGPT, Claude, Gemini. El punto es el siguiente: LLM es un "estimador de idiomas", no una "base de conocimientos". Habla terminología minera con fluidez, pero no mide una ley; produce el número que parece más probable. Por lo tanto, es posible que dé respuestas seguras pero incorrectas sobre la calificación promedio, la tasa de decapado, una cláusula regulatoria o un límite de explosividad. Esto se llama alucinación (fabricación). La alucinación no es un mal funcionamiento, sino una característica inherente de esta tecnología; Por lo tanto, la verificación no es un "paso adicional" sino una parte integral del trabajo.
Tareas donde la IA es fuerte en la minería:
- Explicación y enseñanza de conceptos: qué es un variograma, cómo funciona la regla de apalancamiento, cómo se produce el drenaje ácido de mina.
- Limpieza y organización de datos: convertir registros de pozos dispersos en una tabla coherente, capturando la falta de coincidencia de unidades.
- Generar una lista de hipótesis: enumerar sistemáticamente las posibles causas de una disminución de la producción.
- Codificación: limpieza de datos, gráficos, geoestadísticas y scripts de análisis de anomalías con Python.
- Texto borrador: JSA (análisis de seguridad en el trabajo), informe de seguimiento ambiental, borrador de licitación/especificaciones técnicas.
- Lluvia de ideas: comparación de escenarios, ideas de planes de medición/experimentos.
Donde la IA es débil y riesgosa:
- Proporcionar un valor numérico exacto (pendiente, reserva, ángulo de pendiente, valor límite).
- Legislación vigente y específica/artículo estándar e información de versión.
- Diagnóstico sin datos de medición reales de su sitio.
- Decisión crítica para la seguridad: aprobación del diseño de la voladura, decisión de evacuación, capacidad de servicio.
Clasificación basada en riesgos: el filtro antes de usar IA
No todas las tareas tienen el mismo nivel de riesgo. Clasifique la tarea por nivel de riesgo antes de usar IA. La siguiente tabla proporciona un marco de decisión que utilizará a lo largo de este módulo.
Nivel de riesgo
tarea de muestra
Rol de la IA
Verificación obligatoria
bajo
Explicación del concepto, borrador del texto, esqueleto del código.
uso gratuito
La reseña es suficiente.
medio
Limpieza de datos, lista de hipótesis, configuración de cálculos.
Borrador/coautor
Control manual + confirmación de fuente
alto
Estimación de reserva, límite de tajo, parámetro de voladura.
generador de ideas
Estándar + medición de campo + software
crítico
Decisión de evacuación, seguridad de la pendiente, decisión de capacidad de servicio/idoneidad
Solo borrador/escaneo
Aprobación de ingeniero competente + pruebas acreditadas
Consejo: si ha marcado una tarea como "crítica", el resultado de la IA nunca será el documento final. Como mucho puede ser un borrador preliminar o una lista de verificación; El ingeniero competente asume la firma y la responsabilidad.
Flujo de un extremo a otro: incorporando IA en su flujo de trabajo
Un ciclo típico de resolución de problemas en la minería es el siguiente, en el que la IA participa en cada paso pero no cierra ninguno de ellos por sí sola:
- Defina el problema: ¿Qué predecir, qué decisión tomar, qué restricción existe? (AI: aclara la pregunta.)
- Recopilar y limpiar datos: Perforación, producción, monitoreo, datos de laboratorio. (IA: fuerte en limpieza y verificación de inconsistencias).
- Generar hipótesis/escenarios: Posibles causas, planes alternativos. (AI: produce una lista sistemática).
- Analizar: Cálculo, geoestadística, modelo, procesamiento de imágenes. (IA: genera código y ficción de cálculo).
- Verificar: Estándar, campo, cuenta independiente, software. (La IA está al margen; los humanos y la medición deciden).
- Informe y decida: el ingeniero competente asume la responsabilidad. (AI: redactor del borrador).
Tenga en cuenta estos seis pasos; El resto del módulo le muestra cómo utilizar la IA con tareas mineras concretas, paso a paso.
tres mini casos
Caso 1: Calificación promedio inventada. Un pasante pregunta a la herramienta de chat de IA sobre la ley promedio de un proyecto de cobre; La IA dice "alrededor de 0,65% Cu". El pasante pone esto en la presentación de inversión. Sin embargo, AI no ha visto ni un solo dato de perforación de este proyecto; produjo una cifra típica para el "proyecto del cobre". El valor real proviene únicamente de los datos de perforación compuestos del propio proyecto y de la estimación geoestadística; El valor real en este proyecto es del 0,38%. La diferencia es la diferencia entre que la inversión parezca rentable y que genere pérdidas. La actitud correcta es nunca "pedir" la calificación de la IA, sino calcularla a partir de su propia base de datos.
Caso 2 — Cláusula reguladora inexistente. Un ingeniero pregunta a la IA cuál es la vibración máxima del suelo (PPV: velocidad máxima de las partículas, mm/s) permitida en las voladuras. La IA dice "10 mm/s según normativa" y crea un número de artículo. El ingeniero redacta el informe en consecuencia. Durante la inspección, se revela que el número de artículo no es real y el valor límite varía según la distancia y el tipo de edificio. La actitud correcta es abrir la normativa vigente desde la fuente oficial y confirmar su valor y sustancia. Incluso si la IA conoce correctamente el nombre del reglamento, puede alucinar el número del artículo.
Caso 3: Uso correcto. Un geólogo sospecha una discrepancia en la columna de leyes en un conjunto de datos de 40 pozos. Le dice a la IA que "enumere las filas de esta tabla que pueden tener inconsistencias de unidades, valores negativos, valores atípicos visibles y celdas vacías, y escriba lo que sospecha para cada una; NO corrija, solo marque". La IA marca algunas líneas mezcladas con % mezcladas con ppm, dos calificaciones negativas y un valor de código 999. El geólogo los comprueba y corrige uno por uno a partir de los registros en bruto. Aquí la IA se utilizó correctamente: llamó la atención, el ser humano tomó la decisión y corrigió.
Plantillas de avisos copiables
Puede utilizar las plantillas siguientes adaptándolas a su propio negocio. En cada uno de ellos hay una instrucción consciente de "dar un número exacto, indicar la fuente, explicar la incertidumbre".
PLANTILLA DE FUNCIONES Y LÍMITES "Función: Usted es un asistente de ingeniero de minas con experiencia. Tarea: [escriba el tema]. Reglas: Al dar el valor numérico exacto (ley, reserva, límite), especifique la FUENTE; si no está seguro, diga 'debe ser verificado'. Si proporciona un reglamento/artículo estándar, proporciónelo con su versión, pero recuerde que debe ser confirmado por la fuente oficial. Al final de la respuesta, escriba 'lo que necesita ser verificado mediante mediciones/cálculos de campo' elemento por elemento."
PLANTILLA DE GENERACIÓN DE HIPÓTESIS "Produzca una lista sistemática de posibles razones para la siguiente situación: [describa la situación; qué se observó, qué datos están disponibles]. Para cada hipótesis: (1) qué evidencia la respalda, (2) qué medición o cálculo se debe hacer para confirmarla o refutarla. HACER un diagnóstico definitivo; producir una hoja de ruta de investigación".
PLANTILLA DE LISTA DE VERIFICACIÓN DE VERIFICACIÓN"Enumere CADA valor numérico y CADA regulación/referencia estándar en el borrador del informe a continuación. Para cada uno, indique de qué fuente (datos de autoperforación, texto regulatorio, informe de laboratorio, estudio de campo) debe verificarse. Reúna aquellos de origen incierto en 'no se pueden usar sin verificación'. Texto: [pegar]".
PLANTILLA DE VERIFICACIÓN PREVIA DE ANONIMIZACIÓN "Antes de proporcionar el siguiente texto a una herramienta de inteligencia artificial, marque el secreto comercial o las partes sensibles personales/regulatorias: números de reserva, número de licencia, coordenadas reales, nombres de clientes/personal, datos de costos confidenciales. Sugiera cómo puedo anonimizarlos. Texto: [pegar]".
Aviso débil / Aviso fuerte
Hacer la misma pregunta de dos maneras arrojará resultados muy diferentes.
INDICACIÓN DÉBIL: "¿A cuánto asciende la reserva de esta mina?"
INDICACIÓN FUERTE: "Rol: usted es el asistente del geólogo de recursos. Explique qué pasos debe seguir una estimación de reserva/recursos (composición, variograma, kriging, clasificación, límite económico) y qué datos y qué aprobación de la persona competente se requiere en cada paso. NO DA UN número de reserva EXACTO; enfatice que esto sólo puede calcularse a partir de los propios datos del proyecto y debe informarse dentro del marco de un código como JORC/UMREK".
Un mensaje débil invita a la IA a hacer las paces; El mensaje fuerte lo mantiene en el trabajo correcto (descripción del proceso) y evita que ocurra la alucinación digital en primer lugar.
Errores comunes
- “Preguntar” a la IA números específicos del curso, como calificación, reserva, etc. La IA no conoce sus datos; Estos números se calculan únicamente a partir de su propia base de datos.
- Utilizar la legislación/cláusula tipo sin confirmarla. Con frecuencia se alucinan el número y el valor del artículo.
- Basar las decisiones críticas para la seguridad en los resultados de la IA. Las decisiones sobre evacuación, aprobación de voladuras y capacidad de servicio las toma el ingeniero competente.
- Pegar datos confidenciales en la herramienta de la nube sin anonimizarlos. Los datos de reserva, coordinación y costes son secretos comerciales.
- Esperando una pregunta y una respuesta. Utilice la IA de forma iterativa: genere borradores, critique, verifique, corrija.
Precaución: Cuanto más preciso y seguro aparezca un número en una salida de IA, mayor será la necesidad de verificación. La precisión no es garantía de exactitud.
En resumen
En esta unidad has visto que la IA es un asistente en la minería, no una persona que toma decisiones. Los LLM son predictores del lenguaje; Es poderoso en la explicación de conceptos, limpieza de datos, hipótesis y generación de códigos, pero arriesgado en la producción de números y legislación precisos (alucinación). Clasifique las tareas como bajas/medias/altas/críticas y ajuste la profundidad de verificación en consecuencia. Verifique cada valor numérico a partir de sus propios datos o mediciones de campo, cada referencia regulatoria de la fuente oficial. Las decisiones críticas para la seguridad siempre quedan en manos del ingeniero competente y anonimizan los datos confidenciales antes de su uso.
Tarea de aplicación
Elija cinco tareas de su propio negocio (o de un proyecto minero ficticio): una descripción del concepto, una limpieza de datos, una lista de hipótesis, un valor numérico/de reserva y una pregunta regulatoria. Coloque cada uno en la tabla de riesgos de arriba. Luego, subcontrate dos tareas de riesgo bajo/medio a la IA con la plantilla “Rol y límites” y marque cada elemento numérico/regulatorio del resultado con la plantilla “Lista de verificación de verificación”. Anota qué elementos no se pueden utilizar sin verificación.
lista de verificación
- [] Puse la misión en un nivel de riesgo (bajo/medio/alto/crítico) antes de usarla.
- [] Calculé números específicos de campo, como calificación, reserva, etc., a partir de mi propio rendimiento en lugar de preguntarle a la IA.
- [ ] He verificado cada referencia de legislación/estándar de la fuente oficial.
- [ ] Anonimicé datos sensibles (reserva, coordenadas, nombre, costo).
- [] Dejé la decisión crítica para la seguridad en manos de la aprobación de un ingeniero competente, no en función de los resultados de la IA.
- [] Escaneé cada valor numérico en la salida de AI para ver si "no se puede usar sin verificación".