Un pozo de petróleo convencional entrega entre el 30% y el 35% del crudo que contiene la roca. Por su parte, una explotación de esquisto, la que convirtió a Estados Unidos en el mayor productor del mundo, rinde alrededor del 10%, a veces menos. Un ejecutivo de Nabors, una de las mayores contratistas de perforación, lo resumió así: si un pozo de esquisto recupera el 8%, el tamaño del premio por mejorar esa cifra es fenomenal. El otro 90% queda abajo, atrapado en una roca tan compacta que no lo suelta. Toda la discusión sobre la inteligencia artificial (IA) en el petróleo está, en el fondo, sobre ese 90%.
El problema del esquisto, o shale, tiene una segunda cara. La producción de estos yacimientos cae entre 80% y 90% entre los doce meses y los primeros dos años. El pozo nace, rinde y se agota casi enseguida. Por lo tanto, para sostener la producción hay que perforar sin pausa, un pozo tras otro, como quien corre sobre una cinta que nunca se detiene. Ese ritmo forzado explica por qué la industria adoptó cualquier tecnología que abaratara o acelerara la perforación. La IA es la última y la más ambiciosa.
En los yacimientos de Texas ya operan equipos de perforación con brazos robóticos que mueven los caños de acero, piezas de casi 1.000 kilos, sin intervención humana directa en el pozo, la zona donde ocurre un tercio de los accidentes graves del oficio. Exxon, el mayor productor de Estados Unidos, instaló los primeros dispositivos y prevé la automatización de su flota en 2028. Pero esos robots son teleoperados, un técnico los comanda desde una oficina con una pantalla sin inteligencia.
La IA trabaja en otra capa, la de las decisiones. Exxon desarrolló sistemas que usan IA para determinar los mejores parámetros de perforación de cada pozo, cuánto peso aplicar sobre la broca, a qué velocidad avanzar, y en algunos casos el sistema ajusta la operación solo, sin intervención humana. La industria llama a eso circuito cerrado, y es cuando la máquina observa, decide y corrige. También trabaja antes de perforar porque los modelos de aprendizaje automático combinados con supercomputadoras procesan los datos sísmicos y construyen mapas del subsuelo indicando dónde está el petróleo y cómo alcanzarlo, con ciclos de decisión que pasaron de semanas a días. Después, predice qué bomba o qué compresor fallará antes de que se averíe, en una industria donde las interrupciones imprevistas cuestan cerca de US$ 50.000 millones por año.
Aquí, existen dos revoluciones, no una. La primera produce el mismo barril más barato, perforando más rápido, con ahorros en el mantenimiento. La segunda saca barriles que antes quedaban en la roca mejorando diseños de fractura y lectura del reservorio que resultan en más recuperación. Por otra parte, un algoritmo anticipa el daño en una bomba pero no extrae petróleo adicional del subsuelo. Las dos revoluciones convergen en un solo punto, el costo económico del barril, pero son técnicamente distintas y avanzan a ritmos distintos.
1. La primera revolución ya se midió. En cinco años los contratistas recortaron un día de las dos semanas que tomaba perforar un pozo, y tres jornadas de las 11 que tomaba fracturarlo. Cada fecha de ahorro vale cientos de miles de dólares, y en programas de decenas de pozos esa economía suma decenas o cientos de millones por año. Un equipo automatizado de Exxon perforó tres kilómetros en horizontal bajo tierra en poco más de seis días, una de las tres marcas más rápidas de la historia de la compañía.
2. La segunda revolución es todavía una promesa cuantificada. Goldman Sachs estimó en un escenario que la IA reduciría alrededor del 30% del costo de un pozo nuevo de esquisto y elevaría entre 10% y 20% su factor de recuperación, lo que sumaría entre 10.000 y 30.000 millones de barriles a las reservas de Estados Unidos. Es una proyección bajo supuestos, no una constatación industrial. Pero la aritmética que la sostiene es real, como el punto de partida es tan bajo, pasar del 10% al 12% de recuperación significa extraer un 20% más de petróleo de la misma roca, sin descubrir un solo yacimiento nuevo. Entre tanto, Exxon declaró la meta corporativa más audaz en esa dirección, la de duplicar su recuperación en la cuenca del Pérmico hacia comienzos de la década de 2030 con un paquete de más de 40 tecnologías.
La consecuencia económica excede a las empresas. El mismo banco calculó que una ganancia de productividad del 25%, la observada en los primeros adoptantes de IA, bajaría unos US$ 5 por barril el precio marginal que justifica producción nueva. Ese número es la clave geopolítica. Si la unidad de esquisto admite un precio menor para solventarse, una caída del petróleo reduce su daño a la industria. La OPEP, que sostiene los precios recortando su propia producción, necesita entonces guarismos todavía más bajos, para expulsar esos barriles del mercado. Goldman estima que el efecto neto de la IA sobre el precio del petróleo sería negativo en el mediano plazo con unos US$ 5 por barril de presión bajista desde la curva de costos contra unos US$ 2 de impulso alcista por mayor demanda. La IA, que obliga al mundo a generar más electricidad para alimentar sus centros de datos, abarata al mismo tiempo una de las principales materias primas energéticas del planeta.
El tamaño del premio ya tiene precio. Rystad Energy calculó que la digitalización y la IA crearán cerca de US$ 500.000 millones de valor entre 2026 y 2030 para las empresas de exploración y producción que invierten en estas herramientas, repartidos en partes casi iguales entre costos menores y producción mayor. Esas empresas gastaron unos US$ 25.000 millones en herramientas digitales e IA el año pasado. Por cada dólar apostado, el premio esperado se multiplica.
Y hay un matiz final que importa más que cualquier cifra. El hallazgo estructural de ese estudio es que la IA no eleva el techo de los mejores operadores sino que empuja al resto de la industria hacia el nivel que el mejor ya alcanzó. La máquina no inventa un petrolero genial, sólo copia al mejor y lo distribuye. Pero el mismo informe advierte lo contrario porque los primeros adoptantes acumulan datos, infraestructura y experiencia, y esa ventaja se amplía en vez de cerrarse, porque la IA acelera lo que ocurre dentro de una organización madura pero no aporta al proceso inicial. El negocio queda entonces atrapado en una carrera entre dos fuerzas, la democratización del conocimiento y la ventaja acumulativa del que empezó primero. En una industria donde la diferencia entre ganar y perder se mide en dólares por barril, el desenlace de esa carrera vale tanto como el petróleo mismo. El hidrocarburo que falta sigue abajo, en la roca, pero por primera vez la herramienta que lo busca aprende de cada pozo que perfora, y cada yacimiento enseña al siguiente.
Las cosas como son.
Seguí a El Economista en Google Agreganos a tus medios preferidos.
+ Agregar