Offshore Technology Conference (OTC) 2025: inteligencia artificial aplicada al Oil&Gas

Por Celeste Amichetti (*)

La inteligencia artificial no solo mejora la eficiencia del sector energético, también obliga a repensar todo el modelo de negocio. Las charlas técnicas de la Offshore Technology Conference (OTC) no buscaron deslumbrar con fórmulas complejas, sino mostrar cómo algoritmos y modelos computacionales avanzados —como los Large Language Models (LLMs), la Transformada Rápida de Fourier (FFT) o la Inferencia Bayesiana aplicada a datos de subsuelo— generan nuevas capacidades en áreas críticas del negocio.

Uno de los casos más potentes fue el uso de LLMs para asistir a ingenieros en el diseño de nuevos pozos. En vez de buscar solo mejorar la eficiencia, se propone una arquitectura de agentes inteligentes que “conversan” con los datos históricos de perforación y generan workflows completos de construcción de pozos, con perfiles de riesgo incluidos.

No reemplazan a las personas, sino que las potencian: son asistentes colaborativos que permiten tomar mejores decisiones, más rápido.

OTC: transformar el ruido del pozo en información

---

Otra conferencia se centró en la aplicación de algoritmos matemáticos, como por ejemplo la Transformada Rápida de Fourier, para detectar disfunciones en la perforación que generan pérdida de energía.

Lo que antes era considerado “ruido” en los datos de superficie —variaciones de torque o presión— hoy puede transformarse en conocimiento útil que permite evitar daños y mejorar el rendimiento de forma cuantificable.

Esto no es sólo ahorro de costos: es mitigación de riesgos, integridad operativa y planificación más inteligente.

OTC: modelo para entender la porosidad del reservorio

---

La tercera charla trajo el uso del análisis probabilístico (inferencia bayesiana) y machine learning, se logró mapear con mayor precisión las características de reservorios naturalmente fracturados. Lo interesante es que no requiere esperar años de datos reales: el conocimiento se entrena y se aplica desde el diseño mismo de la operación.

Lo que todos querían saber en la OTC: mitos y verdades sobre la IA en energía

---

Después de las charlas en la OTC, surgieron muchas preguntas prácticas. Estas fueron algunas de las más frecuentes entre líderes y equipos técnicos:

• ¿Cuánto tiempo lleva desarrollar una primera aplicación con IA para predicción o análisis?
  
  Entre dos y cuatro meses, en promedio. No se necesita desplegar una solución compleja desde el día uno. Lo más importante es identificar un caso concreto y empezar.
  
  
• ¿Esto es solo para grandes empresas con años de datos?
  
  No. Con solo un año de datos históricos ya se pueden entrenar modelos útiles. Y si no hay datos, existen formas inteligentes de comenzar a recolectarlos desde ahora.
  
  
• ¿Todas las empresas pueden aplicar IA a su medida?
  
  Sí. No se trata de copiar lo que hace otro. Se trata de diseñar una solución que esté alineada con tus objetivos de negocio, tu operación y tu cultura organizacional.
  
  
• ¿Vale la pena si todavía no tenemos un alto nivel de digitalización?
  
  Más que nunca. La IA es una ventaja competitiva. Y cuanto antes empieces a explorarla, más rápido vas a aprender, ajustar y escalar.
  

OTC: ¿Por qué esto es importante para los líderes?

---

Porque no se trata de sumar programas o modas, sino de integrar estratégicamente estas capacidades para alinear los KPIs del negocio con lo que la tecnología puede acelerar. La IA no es un objetivo: es un habilitador de los objetivos clave de eficiencia, seguridad, sostenibilidad y rentabilidad.

Y ese cambio no empieza con una compra de software. Empieza con un liderazgo que entienda que la transformación digital no es un área, es una responsabilidad estratégica y que el desafío es cultural y organizacional.

La industria energética vive una nueva revolución, y esta vez, no es geológica, es algorítmica.

(*) Directora de operaciones (CCO) de Inisoft – IA Lab.