IA pasa de observador a participante: Los agentes inteligentes industriales destacan en industrias tradicionales

Una mina de carbón en Shandong opera de manera inteligente y controlada desde abajo. Foto proporcionada por la empresa entrevistada

Periodista de Securities Times, Huang Xiang

“Antes, en la planta de lavado de carbón, los maestros experimentados ajustaban la densidad de medio pesado solo con ‘la sensación’, y tomaba entre 5 y 6 años para perfeccionarlo; ahora, el agente inteligente proporciona directamente los parámetros óptimos, y los dispositivos PLC ejecutan automáticamente, garantizando una calidad de carbón fino estable y buena.” En el taller de lavado de la mina de carbón Xinglongzhuang, un operario compartió el cambio real que ha traído la inteligencia artificial a la industria minera tradicional.

Los escenarios industriales son complejos, con altos requisitos de seguridad y fuerte necesidad de respuesta en tiempo real, por lo que la utilidad de los grandes modelos de IA en estos ámbitos está limitada. En este contexto, la industria ha comenzado a explorar y aplicar agentes inteligentes.

Recientemente, el periodista de Securities Times visitó YunDing Technology y descubrió que en sectores tradicionales como minería, química, petróleo y gas, se enfrentan a problemas comunes como baja eficiencia, altos riesgos de seguridad y dependencia excesiva de la experiencia humana. Sin embargo, estos problemas están siendo abordados mediante una solución sistemática: la capacidad de un ciclo cerrado de “percepción—decisión—ejecución—optimización” centrada en agentes inteligentes, que está transformando los modelos de producción y gestión industrial. Como el principal medio de conectar los grandes modelos de IA con los escenarios industriales, los agentes inteligentes están abriendo la “última milla” para la implementación de IA, impulsando a las industrias tradicionales a pasar de “inteligencia puntual” a “cooperación sistémica”.

Los agentes inteligentes abordan los puntos críticos de la industria

“En el pasado, los grandes modelos proporcionaban capacidades básicas, como si instalaran un ‘cerebro inteligente’ en la industria, pero los agentes inteligentes son las ‘manos y pies’ que hacen que ese cerebro se implemente realmente, transformando la tecnología en beneficios tangibles,” explicó Gao Zhen, director de negocios de inteligencia artificial en la división de Internet industrial de YunDing Technology, a Securities Times.

“La transformación digital de las industrias tradicionales solía limitarse a aplicaciones de ‘alerta’, y aún existía una brecha en la capacidad de los grandes modelos para extenderse desde ‘descubrimiento y percepción’ hasta ‘decisión y ejecución’,” añadió Gao Zhen. La aparición de los agentes inteligentes ha cambiado radicalmente esta situación, mostrando avances en minería, química, petróleo y gas, donde la IA pasa de ser un ‘observador’ a un ‘participante’.

YunDing Technology fue pionera en ofrecer soluciones de modelos grandes especializados en sectores verticales en China, creando varios casos de aplicación representativos en minería, química, petróleo y gas, y logrando su promoción a gran escala.

En el taller de lavado y selección de la mina de carbón Xinglongzhuang, YunDing desarrolló un agente inteligente que implementa un control preciso de la densidad en escenarios industriales. La separación por medio pesado tradicional dependía de la experiencia humana para ajustar la densidad, con gran variabilidad en los parámetros, lo que no solo afectaba la tasa de producción de carbón fino, sino que también generaba desperdicio de medio y pérdida de carbón fino. Ahora, el agente inteligente predice la densidad óptima de separación mediante modelos predictivos, y controla directamente los dispositivos PLC en un ciclo cerrado, estabilizando la calidad del carbón fino y aumentando la tasa de producción en más del 0.2%. Con una capacidad de lavado de 3 millones de toneladas anuales, esto puede generar beneficios económicos directos superiores a 3 millones de yuanes cada año.

La seguridad en las operaciones subterráneas también se ha renovado con la participación de agentes inteligentes. En la obra de perforación y descarga de presión contra explosiones en la mina de LiLou, un agente inteligente supervisa automáticamente la cantidad de varillas de perforación mediante algoritmos de video, eliminando el método antiguo de contar manualmente, que era laborioso y propenso a errores.

“Antes, contar las varillas a mano nos hacía perder la vista y siempre temíamos contar mal. Ahora, con algoritmos automáticos, la eficiencia ha aumentado más del 80%,” comentó un trabajador en el sitio. La inspección de las cintas transportadoras de carbón también es gestionada por agentes inteligentes, con cámaras que monitorean en tiempo real las 24 horas, alertando automáticamente ante anomalías y coordinando acciones, reduciendo la carga laboral y eliminando las zonas ciegas en la inspección manual.

En el sector químico, los agentes inteligentes enfrentan el reto de optimizar procesos de producción con “múltiples variables, no linealidad y fuerte acoplamiento”. “El proceso de lavado de carbón es principalmente un cambio físico, mientras que los procesos químicos en la industria química involucran reacciones químicas, donde ajustar un parámetro puede desencadenar reacciones en cadena, haciendo que la predicción y optimización sean mucho más complejas,” explicó Gao Zhen. La investigación de agentes en escenarios de destilación de metanol tomó casi un año. Los resultados han sido positivos: tras implementarse en Yulin, el consumo de vapor de metanol se redujo en un 3.2%, aumentando la producción anual en 180 toneladas y reduciendo costos en 4.5 millones de yuanes por planta y equipo.

En la industria del petróleo y gas, los agentes inteligentes también muestran capacidad de implementación a escala. En 2024, YunDing Technology ganó un proyecto de modelo grande de IA para una red de tuberías, extendiendo la capacidad de los agentes a este sector. “Desde minería hasta química y petróleo, la rápida adopción de agentes inteligentes se debe a que abordan los verdaderos puntos críticos de la industria y generan beneficios visibles,” afirmó Gao Zhen.

Construcción de “soportes duros” para la industria tradicional

El éxito de los agentes inteligentes en la industria tradicional se basa en un sistema tecnológico adaptado a escenarios industriales. A diferencia de los agentes en consumo, que priorizan la “generalidad”, los agentes industriales se centran en la “utilidad” y la “seguridad”, formando una arquitectura central de “base multiforme + combustible de datos + plataforma”.

Desde 2022, YunDing colaboró con Huawei en el desarrollo de grandes modelos, lanzando en 2023 el primer modelo grande para minería en la industria energética, y en 2025, el modelo químico Fuxi. Hoy en día, cuentan con una familia de modelos grandes que cubren múltiples industrias. “Nuestra base de modelos grandes es impulsada por múltiples modalidades, no solo desplegada localmente con modelos comerciales como Pangu de Huawei, sino también integrando modelos universales líderes en la industria, que se adaptan a diferentes escenarios,” explicó Gao Zhen. Este diseño “industria + universal” hace que la tecnología sea más resiliente.

“Los agentes industriales no pueden alimentarse solo con datos genéricos; deben estar arraigados en escenarios industriales y acumular datos específicos,” reveló Gao Zhen. YunDing ha puesto énfasis en la acumulación de datos industriales desde el inicio del desarrollo de sus modelos, y actualmente posee más de un millón de datos anotados y billones de registros de producción. Además, su conjunto de datos industriales fue seleccionado para el proyecto piloto de construcción de conjuntos de datos de alta calidad del gobierno en 2025. Gracias a estos datos con “temperatura industrial”, las decisiones de los agentes son más precisas y realistas.

La plataforma Chaojie de YunDing, que desarrolla de forma independiente, facilita la implementación tecnológica. “Queremos que incluso los trabajadores sin conocimientos de programación puedan usar los agentes,” afirmó Gao Zhen. La plataforma soporta funciones clave como orquestación de aplicaciones y colaboración multi-agente, permitiendo a los usuarios arrastrar y soltar componentes para construir rápidamente aplicaciones inteligentes personalizadas. Actualmente, ya soporta escenarios de procesamiento de lenguaje natural, y en el futuro se ampliará a monitoreo de seguridad industrial y optimización de procesos.

Lo más importante es que los agentes industriales deben incorporar “genes de seguridad”. Dado que en escenarios industriales la seguridad es intransigente, los agentes deben tener mecanismos de seguridad integrados en su diseño y operación. Por ejemplo, en la ejecución de instrucciones, se realiza una auditoría completa de los registros de operación, y en caso de comportamientos anómalos, se realiza un corte automático. Además, los paquetes de habilidades industriales deben someterse a estrictas verificaciones de seguridad.

“El éxito de OpenClaw confirma el valor de los agentes inteligentes, pero en comparación con las capacidades generales, nos enfocamos en cómo encapsular algoritmos industriales y experiencia en paquetes de habilidades reutilizables, que es nuestra ventaja principal,” enfatizó Gao Zhen.

Avanzando en medio de desafíos

Aunque la aplicación de agentes inteligentes en la industria tradicional avanza, aún enfrentan desafíos reales.

“Los escenarios industriales son complejos y abiertos, con diferencias significativas en procesos y equipos, por lo que la implementación de agentes universales en estos entornos es difícil,” ejemplificó Gao Zhen. Por ejemplo, en la protección temporal en minas de carbón, algunas usan soportes móviles, otras soportes monobloque, por lo que se requiere diseñar diferentes soluciones de monitoreo. Además, la dificultad en la modernización de viejas plantas, las barreras de datos y la falta de estandarización también limitan el desarrollo a gran escala.

Más importante aún, los agentes industriales difieren en capacidades de los agentes para consumo masivo. “Los agentes para consumidores enfatizan la generalidad y la reutilización de paquetes de habilidades, mientras que los agentes industriales requieren una integración profunda con escenarios específicos, con interfaces y capacidades personalizadas para diferentes equipos y procesos,” explicó Gao Zhen. La madurez de los agentes industriales aún no iguala a la de los de consumo, pero esa es precisamente su fortaleza: “Resolver los problemas más difíciles en escenarios complejos.”

“Debido a la complejidad, especificidad y apertura de los escenarios industriales, actualmente los agentes se concentran en etapas o escenarios locales. El siguiente paso es coordinar múltiples agentes para integrar estos puntos dispersos y crear ‘poblaciones de agentes’, formando soluciones sistemáticas como gestión de emergencias en minas, programación de seguridad y alertas de riesgo, con el objetivo final de construir un ‘cerebro de IA’ real,” proyectó Gao Zhen.

El modelo minero de YunDing ha sido evaluado por la Asociación de la Industria del Carbón de China y alcanza un nivel líder internacional, con capacidades que han sido probadas por instituciones nacionales y que entran en la primera línea mundial. Hasta ahora, sus 223 escenarios de IA se han implementado en más de 130 unidades de producción, incluyendo China National Coal Group, National Pipeline Network y Wanbei Coal & Electricity.

“Nuestro valor no radica en la cantidad de parámetros, sino en la solidez de la implementación en escenarios,” afirmó Gao Zhen. YunDing no se limita a aplicaciones de agentes en un solo campo, sino que busca gestionar de manera centralizada agentes de visión, predicción y procesamiento de lenguaje natural.

A nivel de políticas, el Ministerio de Energía y otros departamentos han emitido varias políticas para promover la integración profunda de IA y la industria energética, brindando un fuerte apoyo a la aplicación de agentes inteligentes. La IA, con resultados tangibles y visibles, está impulsando a las industrias tradicionales a pasar de “experiencia a datos” y a avanzar en su transformación digital.