480 minutos. Ese es el tiempo promedio que toma extraer manualmente los parámetros críticos de estabilidad de un solo informe técnico de relaves. Escalar eso a cientos de instalaciones en todo Chile es inviable sin automatización. El equipo AI-MineSafe exploró una solución usando RAG — Retrieval-Augmented Generation.

¿Qué es RAG? Es una arquitectura que conecta un modelo de lenguaje grande (LLM) a una base de documentos reales. En lugar de responder desde su entrenamiento general, el sistema busca primero en los documentos específicos del depósito y luego genera la respuesta con esa información como contexto. Así puede extraer parámetros técnicos concretos — ángulos de talud, tipo de depósito, indicadores de falla — de manera automatizada.

En el EVIC 2024, el equipo presentó dos trabajos comparando distintos enfoques RAG aplicados a la plataforma "Tailing Closure" de SERNAGEOMIN. Los trabajos fueron liderados por Cristóbal Moraga (alumno de pregrado) y Gabriel Olmos (alumno de magíster), quienes desarrollaron y evaluaron los sistemas. Los resultados mostraron que Context RAG — una versión mejorada con búsqueda dual y reranking — logró un 87% de exactitud y redujo el tiempo de procesamiento de 480 a 6 minutos. Un hallazgo adicional: en algunos contextos el enfoque más simple (Naive RAG) superó a los sistemas más complejos.

#AIMineSafe #RAG #IA #Relaves #MineríaChile #PUCV #LLM #AnálisisDocumental #FONDECYT