Una refinería típica tiene miles de sensores midiendo temperatura, presión, velocidad y viscosidad. Generan un torrente de datos las 24 horas. Pero, según la startup londinense Applied Computing, los operadores toman decisiones usando menos del 8% de esa información. El resto se pierde en silos, en hojas de cálculo o simplemente no se logra interpretar a tiempo.
Ese agujero negro digital es el que quiere tapar la compañía con Orbital, un modelo fundacional de inteligencia artificial diseñado específicamente para la industria del petróleo, el gas y la petroquímica. La empresa acaba de anunciar una ronda Serie A de 20 millones de dólares liderada por el gigante de ingeniería KBR, con participación de Databricks Ventures, y la apertura de una oficina en Houston.
Fundada en 2023 por Callum Adamson y el Dr. Sam Tukra, Applied Computing no intenta construir un asistente conversacional genérico. Su propuesta es más ambiciosa y, para el sector, más incómoda: crear un modelo que entienda de física, química, series temporales y lenguaje al mismo tiempo. Es decir, un sistema que pueda leer un sensor, recordar las leyes de la termodinámica y entender una nota de mantenimiento escrita por un ingeniero, todo en el mismo proceso de inferencia.
“Lograr que esas tres fuentes de datos conversen en tiempo real es la verdadera clave”, dijo Adamson en una entrevista reciente.
La promesa de comprimir semanas en minutos
Hoy, cuando algo funciona mal en una planta, un equipo de ingenieros puede tardar días o semanas en rastrear la causa raíz, modelar soluciones y verificar que el parche no genere un problema en otra parte del proceso. Applied Computing asegura que Orbital puede hacer eso en cuestión de minutos: detecta la anomalía, investiga su origen y simula el impacto de una corrección en toda la instalación.
La compañía afirma que su plataforma ya está en producción en empresas “grandes y que cotizan en bolsa” del upstream, downstream y petroquímica. También reporta haber alcanzado ingresos recurrentes anuales de doble dígito millonario en menos de 18 meses desde su lanzamiento en modo sigiloso. KBR, por su parte, ya integró Orbital en su plataforma digital INSITE 3.0 y lo está utilizando para producción de amoníaco.
Esta velocidad de adopción no es casual. El mercado del “oilfield digital” mueve decenas de miles de millones de dólares al año ycompetidores como AspenTech, AVEVA, Cognite y Seeq ya tienen décadas de ventaja y clientes amarrados. Pero Adamson cree que su ventaja no está en los datos ni en el conocimiento del proceso, sino en el talento de IA. “Si eres un investigador de IA de primer nivel, ¿dónde vas a trabajar? No creo que Shell esté en esa lista”, dijo.
El ángulo Latinoamérica: datos que no se tocan
Para un ejecutivo de una petrolera o refinadora en América Latina, la propuesta de Applied Computing plantea una pregunta práctica y urgente: si hoy usamos menos del 10% de nuestros datos, ¿cuánto valor estamos dejando sobre la mesa?
En la región, donde los márgenes de refinación suelen ser más ajustados y la eficiencia energética es tanto una necesidad económica como regulatoria, la capacidad de modelar una planta completa en tiempo real podría traducirse en ahorros millonarios. Reducir el consumo energético, anticipar fallos de equipos críticos o recortar emisiones sin perder producción son objetivos que cualquier operador persigue, pero que hasta ahora requerían equipos de consultores y semanas de simulación.
La barrera, sin embargo, no es menor. El modelo de Applied Computing necesita acceso a datos operativos de plantas reales. La compañía insiste en que los datos simulados no bastan; necesitan el ruido real de una instalación funcionando. Para las empresas latinoamericanas, compartir esos datos implica superar recelos de propiedad intelectual y ciberseguridad que no son triviales. KBR, como socio estratégico, ofrece un puente de confianza que una startup sola probablemente no tendría.
Además, el modelo de negocio —que combina suscripción por plataforma con ingresos por implementaciones— exige un compromiso de largo plazo. No es una prueba de concepto que se compra con tarjeta de crédito.
El riesgo de confiar en la máquina
La promesa es seductora, pero trae consigo una advertencia que la industria ya ha visto en otros contextos: la degradación de la supervisión humana. Amazon advirtió recientemente que cuando un sistema de IA es casi siempre correcto, las personas tienden a dejar de cuestionarlo. En una refinería, donde un error puede costar vidas o causar un desastre ambiental, ese punto ciego es peligroso.
Applied Computing dice que Orbital ofrece IA explicable, lo que significa que no solo da una respuesta, sino que muestra el razonamiento detrás. El verdadero desafío para cualquier operador no será implementar el modelo, sino diseñar el flujo de trabajo donde la máquina sugiera y el humano decida, sin que el humano deje de pensar.
Para las empresas energéticas de la región, la pregunta no es si la IA llegará a las refinerías. Ya está llegando, de la mano de startups como Applied Computing y de gigantes como KBR. La pregunta es si van a esperar a que alguien más responda primero, o si van a empezar hoy a construir el puente entre sus datos y sus decisiones.
