
Fuente: IIMP
Lima – La adopción de algoritmos de machine learning está generando ahorros significativos y optimizando procesos clave en las operaciones de Compañía de Minas Buenaventura. Así lo reveló José Enrique Gutiérrez, director de Modelamiento y Recursos Minerales de la minera peruana, durante su presentación en proEXPLO 2025, evento organizado por el Instituto de Ingenieros de Minas del Perú (IIMP).
Gutiérrez destacó el éxito de la aplicación de machine learning en la mina San Gabriel, donde la predicción de variables clave resultó en un ahorro sustancial de hasta US$ 350 mil. Este logro se apoya en «YupAI» (que significa «contar» en quechua), un software desarrollado internamente por Buenaventura que automatiza la rutina de estimación de recursos. Según el directivo, los algoritmos de inteligencia artificial permiten identificar patrones cruciales para un modelado más preciso de los depósitos, optimizando la planificación de la exploración y la eficiencia operativa.
«Desde hace dos años, hemos integrado algoritmos de inteligencia artificial de código abierto, lo que nos ha brindado ventajas significativas como la reducción de costos en ensayos y la capacidad de diseñar y redefinir nuestros depósitos de manera más eficiente. En la industria, los análisis químicos pueden demorar alrededor de seis meses. Con esta tecnología, evitamos la necesidad de reperforar y realizar todo el proceso nuevamente, algo inviable con los métodos tradicionales», explicó Gutiérrez en el evento del IIMP.
El geólogo detalló cómo el desarrollo del software YupAI, aplicado al depósito de oro de San Gabriel mediante técnicas de machine learning, ha permitido modelar la previsión de la variable Carbono Orgánico Total (COT), generando ahorros tanto en costos (US$7 por análisis de muestra, considerando 46,065 muestras) como en tiempo de procesamiento.
«A través de la inteligencia artificial y correlaciones multivariables, hemos podido predecir la ley del COT en 390 sondeos. Esto nos ha ahorrado aproximadamente seis meses de no tener que enviar esas muestras al laboratorio y entre US$ 340 mil y US$ 350 mil en gastos de ensayo y otros conceptos», precisó Gutiérrez.
El desarrollo de esta infraestructura en la nube también permite a Buenaventura optimizar la gestión de residuos, al identificar la ubicación espacial del desmonte con materia orgánica, evitando su envío innecesario a la planta.
«Es fundamental identificar ese material no deseado dentro de nuestro depósito. Al no enviarlo a la planta, ahorramos costos de transporte y procesamiento, y al momento de la extracción, ya sabemos que ese material debe ir a la desmontera, lo que se traduce en ahorros significativos al evitar el tratamiento de material sin valor de recuperación», añadió.
Expansión del Machine Learning a Otros Depósitos y Exploraciones
Gutiérrez informó que Buenaventura actualmente está utilizando el desarrollo e implementación de algoritmos para la identificación de bismuto y manganeso en otros yacimientos como Uchucchacua y El Brocal.
«Hemos compartido esta herramienta con nuestras unidades para que cada jefe de modelamiento pueda utilizar este algoritmo. En El Brocal, estamos analizando las proporciones de arsénico para identificar posibles elementos contaminantes. En Uchucchacua, estamos enfocados en predecir las proporciones de manganeso, hierro y oro, lo cual es altamente complejo con los métodos convencionales. La herramienta que hemos diseñado nos abre nuevas posibilidades», afirmó.
El ejecutivo adelantó que Buenaventura continúa desarrollando otras herramientas de inteligencia artificial aplicables a las actividades de exploración.
«Estamos enfocándonos directamente en lo que genera flujo de caja. Si bien aún no lo hemos aplicado en exploraciones, nuestro equipo está desarrollando herramientas específicas para ese proceso. En el futuro, veremos aplicaciones de inteligencia artificial en otras áreas como características metalúrgicas, mineras, seguridad laboral y control de proyectos, todo ello impulsado por YupAI e inteligencia artificial modelada por nuestros especialistas», concluyó Gutiérrez.