Genius Mining AI dice operar minas con aprendizaje por refuerzo. La palabra que falta es si recomienda o ejecuta.

Genius Mining AI, fundada en 2025 por la emprendedora peruana Melissa Amado y seleccionada por Start-Up Chile, usa aprendizaje por refuerzo profundo para optimizar la cadena de valor minera —desde la planta de procesamiento hasta el puerto de despacho. Tiene pilotos activos con BHP Escondida y Gold Fields, declara mejoras de 8% a 12% en productividad y hasta 25% menos costos de mantenimiento, y se propone operar 10 minas en Chile y Perú en 24 meses.

Dos palabras del anuncio hacen todo el trabajo, y conviene separarlas.

"Optimizar" y "operar" no son lo mismo

Parte de la cobertura dice que el sistema opera minas de forma autónoma. La descripción técnica dice que convierte información operacional en acciones concretas para optimizar procesos en tiempo real.

Entre esas dos frases hay una diferencia que en una faena no es de matiz: ¿el sistema recomienda y un operador decide, o el sistema ejecuta?

Es la misma distinción que señalamos al mirar un sistema de inteligencia para seguridad pública: presentar información y proponer una acción son cosas distintas, y ejecutarla es una tercera. En minería la pregunta tiene además una dimensión de seguridad y de responsabilidad legal. Un cambio de consigna en un molino o en una correa afecta equipos de miles de toneladas y a personas trabajando alrededor.

Nada de lo publicado establece en qué nivel de autoridad opera el producto. Es el dato que más importa y el que no aparece.

Aprendizaje por refuerzo en una planta es un problema difícil

Vale explicar por qué esta elección técnica es interesante y no un adorno.

El aprendizaje por refuerzo aprende probando: toma una acción, observa el resultado, ajusta. En un videojuego se pueden correr millones de episodios sin consecuencias. En una planta concentradora no se puede experimentar con el activo real —una acción mala cuesta producción, daña equipos o crea un riesgo.

De modo que un sistema así solo puede funcionar de dos maneras:

• Aprender en un simulador construido con datos de la planta, y después transferir lo aprendido a la operación real. El problema conocido de este camino es la brecha entre simulación y realidad: el modelo se vuelve excelente en un mundo que no es exactamente el mundo.
• Recomendar dentro de límites estrechos, aprendiendo de datos históricos en vez de explorar, lo que reduce el riesgo y también el margen de mejora.

Las dos son legítimas y producen productos distintos. Cuál usa Genius Mining AI decide si las cifras de sus pilotos son extrapolables o si dependen de haber calibrado un simulador para cada faena.

Números de piloto, en la mina más grande del mundo

Las mejoras declaradas —8% a 12% de productividad, hasta 25% menos costo de mantenimiento— se presentan validadas en pilotos activos con BHP Escondida y Gold Fields.

Escondida es la mayor mina de cobre del mundo. Un 10% de productividad ahí es una cifra absoluta enorme, lo que hace la afirmación más impresionante y también más necesitada de detalle: sobre qué línea base, en qué sección de la planta, durante cuánto tiempo, y con qué método de atribución.

Un piloto valida dentro de un alcance acotado y una ventana corta. Eso es distinto de una mejora sostenida en toda la operación, y la diferencia no es escepticismo: es que los procesos mineros tienen variabilidad natural —ley del mineral, dureza, clima, mantención programada— que puede producir 10% de diferencia entre trimestres sin que nadie haya instalado nada.

La empresa también cita que una gran operación puede perder más de US$400 millones al año por ineficiencias. Es una cifra de la propia empresa y del tipo que sirve para dimensionar un mercado, no para medir un resultado.

Diez minas en 24 meses

Vale contrastar esta meta con la de otra empresa de IA industrial que cubrimos, que se propuso validar con uno a tres clientes grandes hacia fines de 2026.

Genius Mining AI apunta a diez faenas en dos años: una nueva mina cada dos meses y medio, en una industria que compra por comité, con procesos de homologación de proveedores y ventanas de detención programada que no se mueven.

La diferencia entre ambas metas tiene una explicación razonable: Genius ya tiene pilotos corriendo con dos mineras grandes, y un piloto exitoso en Escondida es la mejor carta de presentación posible frente a cualquier otra faena. Partir con referencia acorta el ciclo de manera real.

Aun así, diez es una cifra que exige que casi todos los pilotos conviertan y que casi ninguna negociación se caiga. Es una meta, no una proyección, y conviene leerla como tal.

Una fundadora peruana, un programa chileno, minas de ambos países

Que Start-Up Chile seleccione a una emprendedora peruana para atender minería chilena y peruana es el programa funcionando exactamente como fue diseñado: importar fundadores hacia donde está la operación.

Y refuerza algo que ya hemos argumentado: en IA industrial lo escaso no es el modelo sino el acceso al proceso y a los datos de la faena. Ese acceso está en Chile y Perú, no en el país de origen del fundador. La empresa se mueve hacia el dato.