Draslovka y Avathon unen IA y procesos químicos en minería

Cuando la química industrial se encuentra con la inteligencia artificial

Una empresa de química de procesos y una firma de IA industrial se unen para atacar uno de los problemas más persistentes de la minería: la brecha entre lo que los sensores capturan y las decisiones que los operadores toman en tiempo real. Draslovka, especialista en tecnología de procesos con base en la industria de metales preciosos y minerales críticos, y Avathon, plataforma de IA industrial, anunciaron una alianza estratégica para integrar inteligencia artificial y autonomía de procesos en operaciones mineras. El objetivo es cerrar esa brecha.

Qué hace esta alianza y por qué no es solo otro acuerdo de papel

Draslovka no es una empresa de software. Es una compañía con décadas de experiencia en procesos hidrometalúrgicos, particularmente en tecnologías de cianuración y recuperación de metales preciosos. Avathon, por su parte, desarrolla plataformas de IA diseñadas para entornos industriales complejos, donde los datos son ruidosos, los activos son críticos y el margen de error es mínimo. La combinación no es trivial: une conocimiento profundo del dominio metalúrgico con capacidad computacional para procesar variables en tiempo real.

Lo que propone esta alianza es llevar la inteligencia de procesos (ese conocimiento tácito que vive en la cabeza de los ingenieros de planta) hacia sistemas que puedan operar con mayor autonomía. Esto implica modelos que aprenden del comportamiento histórico de los circuitos de procesamiento, detectan anomalías antes de que se conviertan en paradas no programadas y sugieren ajustes operativos sin esperar que un turno completo de producción se pierda. No es automatización por automatización: es automatización con contexto metalúrgico.

El enfoque es relevante porque la minería moderna enfrenta un problema de complejidad creciente. Los yacimientos son más profundos, las leyes de mineral son más bajas y los procesos de beneficio requieren mayor precisión química. En ese escenario, operar con lógica de control tradicional —ajustes manuales, experiencia acumulada sin sistematizar, reacción en lugar de anticipación— tiene un costo real: menor recuperación de metal, mayor consumo de reactivos y mayor riesgo operacional.

El impacto en Latinoamérica

Chile y Perú concentran una parte significativa de la producción mundial de cobre, oro y plata. En ambos países, las operaciones hidrometalúrgicas (plantas de lixiviación, circuitos de cianuración, plantas SX-EW) son parte central del negocio. Son también los eslabones donde la variabilidad del mineral de entrada genera los mayores dolores de cabeza operativos: cambios en la dureza de la roca, variaciones en la ley de alimentación, fluctuaciones en el pH o la temperatura que, si no se gestionan a tiempo, se traducen directamente en pérdida de recuperación metálica.

Una plataforma que integre conocimiento de procesos con IA en tiempo real tiene aplicación directa en ese contexto. No como concepto, sino como herramienta concreta: si un sistema puede anticipar que la recuperación de oro en un circuito de cianuración va a caer un 3 % en las próximas cuatro horas por variaciones en la alimentación, y ajusta automáticamente la dosificación de cianuro y el tiempo de residencia, eso es valor medible. En operaciones que procesan miles de toneladas por día, un 3 % de recuperación adicional no es marginal.

Colombia, con su minería de oro artesanal y mediana escala, y México, con operaciones de plata de mediana envergadura, también son mercados donde esta clase de tecnología podría escalar si los modelos de implementación son accesibles para operadores que no tienen los presupuestos de tecnología de una gran minera. Ese es el desafío real de la alianza: demostrar que la inteligencia de procesos no es solo para quien puede pagar un equipo de data scientists propio.

La línea del fondo: Si Draslovka y Avathon logran empaquetar su conocimiento metalúrgico combinado en modelos desplegables en plantas de mediana escala, las operaciones de lixiviación y cianuración en Chile, Perú y México podrían reducir pérdidas de recuperación metálica sin requerir ingeniería de datos interna, un cambio que impacta directamente el margen operativo en yacimientos de ley decreciente.