Foro GMG Lima 2026: resultados sobre IA y geometalurgia en minería

Dos agendas que casi nunca comparten sala llegaron por caminos separados al mismo diagnóstico. Las mesas de inteligencia artificial y las de geometalurgia del Foro GMG Lima 2026 concluyeron que lo que frena la minería peruana no es la tecnología. Lo que falta es un dueño para cada decisión, datos que se puedan trazar y una gobernanza que conecte las áreas.

El Foro GMG Lima 2026 se realizó el 23 y 24 de septiembre en UTEC, Barranco, con organización local del Hub de Innovación Minera del Perú. El Global Mining Guidelines Group (GMG) publicó en octubre su informe de resultados: seis hallazgos que alimentan las guías globales de IA, datos y geometalurgia.

Evento	Foro GMG: Lima 2026
Fecha y sede	23 y 24 de septiembre de 2026 · UTEC, Barranco, Lima
Agendas	Día 1: IA y datos en operaciones · Día 2: geometalurgia y procesamiento mineral
Formato	Charlas y paneles por la mañana, laboratorios técnicos por la tarde
Informe oficial	GMG Lima Forum 2026, Outcomes Report (inglés, PDF)
Próxima instancia	Foro GMG Santiago, 1 y 2 de diciembre de 2026

Este post resume el informe. Para el contexto del evento, la convocatoria y el formato, está la ficha del Foro GMG Lima 2026.

Cómo se trabajó: casos reales sobre la mesa

Fue un foro de trabajo. Cada media jornada combinó charlas y un panel con un laboratorio técnico cuyos resultados van a un grupo de trabajo de GMG con nombre propio.

El primer día, ocho mesas tomaron tres pilotos anonimizados: un modelo de control de flotación, mantenimiento predictivo en camiones y palas, y un recomendador de mezcla para la alimentación de planta. La pregunta fue dónde se perdió el valor entre el piloto y la operación. Después redibujaron cada caso como un ciclo de decisión para ubicar el punto donde una persona todavía tiene que decidir.

El segundo día se puso a prueba un borrador de estándar. Seis mesas tomaron cada una un tipo de ensayo de un set de datos geometalúrgico y definieron el mínimo de datos que permite unir laboratorio, modelo geometalúrgico y planta. Cerró con un juego de roles: defender ante un comité técnico un programa de muestreo con el presupuesto recortado a la mitad.

Los seis hallazgos del Foro GMG Lima 2026

1. El piloto prueba el algoritmo, no el negocio

Todas las mesas evaluaron su caso en un nivel real de madurez de 2 en la escala de cinco niveles de GMG, y una en 1. Dos mesas trabajaron un caso que se había presentado como nivel 4. El de flotación mostró lo rápido que se cae esa promesa: un modelo para celdas rougher que prometía 0,8 puntos porcentuales de recuperación llegó a la sala de control en la semana 10, se revirtió en 20 minutos y se rechazó el 80% de las veces. El operador ignoró la recomendación, el metalurgista la encontró buena pero tardía y el superintendente no dejó que el circuito corriera en automático.

El informe lo resume en una línea: un piloto termina cuando la organización mide valor, no cuando se va el proveedor.

2. Nadie es dueño de la decisión

Ningún piloto del día 1 ni ninguna cadena de datos del día 2 tenía un dueño de proceso con autoridad sobre todas las áreas que cruza la decisión. El estudio de autonomía 2026 de NTT DATA y MIT Technology Review, presentado en la apertura, apunta a lo mismo: el 68% de los encuestados dice que la responsabilidad por las decisiones autónomas sigue en discusión, y el 60% ve conflicto entre sus KPI actuales y lo que esperan de la IA.

Las mesas propusieron por separado la misma solución: un superintendente de planta, la gerencia de mantenimiento o un líder de proceso integrado. Pero el dueño propuesto cambió de mesa en mesa (geología, gerencia de planta, geometalurgia), señal de que habrá que acordarlo operación por operación.

3. El dato sobrevive; su contexto y su llave, no

La regla del laboratorio de datos fue simple: si no tiene llave, no se puede unir. Las seis mesas encontraron la cadena rota justo ahí. Detrás del “ID de muestra” aparecieron al menos tres identificadores que no se cruzan: el intervalo del sondaje, el informe del laboratorio externo y el lote o turno de planta. Una mesa dibujó el recorrido completo, de geología al laboratorio, a una planilla, al modelo y a la planta, y cada flecha era una transcripción manual.

Marco Loayza (Hatch) mostró dos campañas de flotación con 88% y 84% de recuperación de cobre bajo condiciones de molienda, agua y reactivos distintas. Cuando esas diferencias no se documentan, la variabilidad experimental parece variabilidad del mineral y termina convertida en contingencia y diseño conservador.

4. El ciclo está abierto

Las alertas de mantenimiento predictivo rondaban el 60% de efectividad sin ninguna vía de retorno al sistema. Las predicciones no se contrastan con lo que pasó y los modelos geometalúrgicos no se reconcilian con el desempeño de planta, así que ninguno mejora. Casi todo lo que las mesas agregaron al borrador de la guía de reporte de datos venía de la planta: tratamiento, recuperación, ley de alimentación, tiempo de residencia y plan minero ejecutado.

Fernando Zeballos (Buenaventura) lo planteó desde la estructura: el yacimiento es la primera unidad de proceso, y su marco geometalúrgico solo se cierra cuando la reconciliación con la planta actualiza el modelo.

5. La representatividad depende de la decisión

En el juego de roles, moderado por Byron Hurtubia (Mining3), un equipo defendió un programa de muestreo que, por el recorte, solo cubría dos de tres dominios. El “inversionista” se negó a comprometerse con seis muestras utilizables agrupadas en una zona y pidió 18 en vez de 12. La sala no llegó a consenso, y esa fue la lección: la misma campaña era defendible para el plan del mes siguiente e insuficiente para una decisión de inversión.

César Fuentes (Transmin) presentó la guía de muestreo representativo con un ejemplo andino de oro: el dominio de óxidos más grande tenía el 62% de la masa y el 35% de las muestras. La guía no exige proporcionalidad perfecta. Exige medir la desviación y declararla.

6. Las personas y la gestión del cambio cargan el resultado

El panel de autonomía, moderado por Alexander Chacón (Chacón Partners), partió de una regla 10/20/70: el algoritmo explica el 10% del éxito de una transformación, la plataforma el 20% y la gestión del cambio el 70%. Nadie en la sala la discutió. Willy Coronado (Chinalco), que ya opera perforadoras y bulldozers autónomos, describió cómo el operador pasa de controlar una máquina a supervisar un proceso, con una persona a cargo de dos o tres equipos.

Rodrigo Guzmán (Epiroc) lo dijo en una frase: la brecha no es digital, es cultural. Las soluciones ya están en niveles de madurez tecnológica 8 a 9; lo que está en duda es la capacidad de las mineras para adoptarlas.

Qué significa para una operación minera

El informe traduce los hallazgos en condiciones concretas:

• Un piloto no termina cuando el modelo funciona. Para escalar necesita un dueño de proceso, una línea base aceptada por ambas partes y KPI compartidos entre mina, planta y mantenimiento, definidos antes de empezar.
• Los casos de IA y automatización van al portafolio normal de inversión, evaluados con el mismo caso de negocio, costo real y momento de decisión que cualquier otro proyecto.
• Cada dato necesita una llave y una historia. Un ID que sobreviva del sondaje al lote de planta, con tabla de equivalencias entre identificadores, es el mínimo para un resultado que sirva para decidir.
• La reconciliación se diseña desde el inicio. Los datos de planta son la mitad de la cadena que permite que un modelo aprenda.
• La representatividad se declara. Cada programa de muestreo debe decir a qué decisión sirve e involucrar a planificación minera antes de contar muestras.
• La gestión del cambio se financia como parte de la tecnología: nuevos roles de operador, soporte del fabricante después de la instalación y un equipo de apoyo para las herramientas nuevas.

Esta última condición es la que nos toca más de cerca. Es el mismo patrón que vemos cuando la gestión del cambio se trata como proyecto y la innovación no escala, y el que ya aparecía al analizar los camiones autónomos como sistema operativo de la faena.

Lo que sigue: Santiago y la guía de reporte de datos

El foro no cerró con un estándar terminado ni con un manual listo para escalar IA. Sobre la guía de reporte común de datos (Common Data Reporting), tres de las seis mesas validaron su estructura, una la corrigió, otra agregó campos y una no tuvo certeza. La sala respaldó el principio y la votación campo por campo pasa al Foro GMG Santiago, el 1 y 2 de diciembre de 2026.

Para la comunidad GMG quedan tareas concretas: llevar a esa votación el núcleo común de campos (ID con tabla de equivalencias, ubicación y dominio, P80, fecha y condiciones de ensayo), decidir si la reconciliación con planta entra en el alcance, reclutar un líder latinoamericano para la plantilla de mineralogía y llevar los requisitos de los pilotos a la próxima fase de Foundations of AI del grupo de Datos e IA.

En el cierre, Alexander Chacón y Rafael Estrada (Antamina) pusieron la gobernanza y la gestión del cambio primero e invitaron a los participantes a los espacios de colaboración de GMG en Latinoamérica. Es la continuidad de lo que se abrió en el Foro GMG Lima 2025: que la experiencia operativa de la región dé forma a las guías de GMG en vez de solo recibirlas.

Nuestro rol en el foro

En SKALLING colaboramos en la coordinación y ejecución del foro junto al Hub de Innovación Minera del Perú y GMG, que lo lideraron, con UTEC como anfitrión. El foro tuvo además el apoyo de UTEC Posgrado, Sandvik, Epiroc, SGS, CIIT, la Universidad de Alberta, Minera Chinalco Perú, Mining3 y el Instituto de Ingenieros de Minas del Perú. El conocimiento técnico hoy se puede consultar en cualquier modelo de lenguaje; lo que no se descarga es la confianza que se arma entre pares trabajando el mismo caso durante dos días.

Si el hallazgo que más se parece a tu operación es el sexto, conversemos.

Preguntas frecuentes

Hablemos 30 min