CENIA y CMPC desarrollarán plataforma de IA para mejorar calidad de datos industriales
El Centro Nacional de Inteligencia Artificial (CENIA) se adjudicó un fondo de ANID para crear, en colaboración con CMPC Pulp, una plataforma que utiliza modelos de lenguaje para limpiar y enriquecer datos en sectores como minería y celulosa.
Actualización automatizada — supervisada por la redacción
Qué pasó
El Centro Nacional de Inteligencia Artificial (CENIA) se adjudicó un proyecto del concurso FONDEF IDeA I+D 2026 de la ANID para desarrollar una plataforma de mejora de calidad de datos industriales. La iniciativa, denominada DAQU (Data Quality Improvement Platform Through LLMs), fue una de las 102 seleccionadas a nivel nacional entre 871 postulaciones. El proyecto será desarrollado por CENIA durante 24 meses en colaboración con CMPC Pulp como entidad asociada.
La plataforma busca resolver un problema crítico en industrias intensivas en activos —como minería, celulosa, energía y manufactura— donde la transformación digital ha aumentado el volumen de datos, pero no su calidad. Según la consultora Gartner, los problemas de calidad de datos cuestan a las organizaciones cerca del 15% de sus ingresos anuales. A su vez, McKinsey reporta que más del 60% de las iniciativas de IA en manufactura fracasan por esta causa. Problemas específicos incluyen ítems de bodega duplicados, que en minería alcanzan entre un 10% y 20%, y detenciones de mantenimiento originadas en datos deficientes de MRO (Mantenimiento, Reparación y Operaciones), reportadas por más de la mitad de las organizaciones.
DAQU automatizará la limpieza y el enriquecimiento de datos utilizando Modelos de Lenguaje Grandes (LLMs), pero manteniendo la supervisión de un experto humano y registrando la trazabilidad de cada cambio. La plataforma abarcará todo el ciclo de preparación de datos, desde la normalización y deduplicación hasta el enriquecimiento, aplicándose tanto a datos maestros (como SKU y proveedores) como a flujos de sensores industriales. Su arquitectura contempla dos modalidades: Software como Servicio (SaaS), para integrarse a sistemas existentes como ERP o SCADA, y Datos como Servicio (DaaS), donde la organización accede a datos ya procesados.
El proyecto se basa en un trabajo previo entre CENIA y CMPC Pulp que verificó la viabilidad de usar LLMs para normalizar registros industriales. La colaboración actual se estructura como un modelo de co-creación con equipos mixtos de académicos, científicos de datos y personal de operaciones. CMPC Pulp aportará su experticia de dominio, conjuntos de datos históricos anonimizados y alojará los pilotos en sus instalaciones. Por su parte, CENIA liderará la dirección científica y metodológica. Entre los resultados comprometidos se encuentra la formalización de un acuerdo de transferencia de conocimiento y la construcción de un marco de colaboración a largo plazo con otras empresas del sector en Chile y América Latina.
Por qué importa
Tecnología: El proyecto combina enriquecimiento semántico asistido por LLMs, generación automática de reglas y validación humana experta, una aproximación que se distingue de las herramientas comerciales tradicionales, usualmente basadas en reglas manuales. Esta innovación podría establecer un nuevo estándar para el tratamiento de datos en entornos industriales complejos.
Producción: La plataforma apunta a resolver ineficiencias operativas directamente causadas por la mala calidad de los datos. Al mejorar la confiabilidad de catálogos de repuestos, registros de proveedores y mediciones de sensores, se pueden optimizar las decisiones de mantenimiento, abastecimiento y planificación, reduciendo detenciones no programadas y mejorando la gestión de inventarios.
Economía: La iniciativa aborda un problema con un alto costo económico para las empresas. Según estimaciones de Gartner, la mala calidad de los datos representa pérdidas de hasta un 15% de los ingresos anuales. Una solución efectiva podría generar ahorros significativos y mejorar la competitividad de las industrias intensivas en activos en Chile y la región.
Lo confirmado
- El proyecto de CENIA fue uno de los 102 seleccionados entre 871 postulaciones al concurso FONDEF IDeA I+D 2026.
- La plataforma DAQU se desarrollará en un período de 24 meses.
- La consultora Gartner estima que la mala calidad de los datos le cuesta a las empresas cerca del 15% de sus ingresos anuales.
- Más del 60% de las iniciativas de IA en manufactura fracasan debido a problemas con la calidad de los datos, según McKinsey.
- DAQU utilizará Modelos de Lenguaje Grandes (LLMs) para automatizar la limpieza de datos, pero con supervisión de expertos humanos.
- CMPC Pulp actuará como socio industrial, aportando datos, conocimiento del negocio y sus instalaciones para las pruebas piloto.
- El proyecto contempla dos modalidades de uso: Software como Servicio (SaaS) y Datos como Servicio (DaaS).
- Uno de los objetivos es crear una red de colaboración a largo plazo con otras empresas de industrias intensivas en activos de Chile y América Latina.
- En minería, se estima que entre el 10% y el 20% de los artículos de bodega están mal clasificados o duplicados.
Lo que falta saber
- ¿Cuál es el monto del financiamiento que ANID otorgó al proyecto a través del fondo FONDEF IDeA I+D 2026?
- ¿Cuál es la fecha de inicio específica del período de 24 meses de desarrollo de la plataforma DAQU?
- ¿Cuáles son los plazos definidos para la formalización del acuerdo de transferencia de conocimiento y para la creación de la red de colaboración empresarial?
- ¿Qué criterios específicos utilizó ANID para seleccionar las 102 iniciativas ganadoras del concurso?
Qué observar ahora
- El desarrollo del Producto Mínimo Viable (MVP) de la plataforma DAQU, que será co-creado por CENIA y CMPC Pulp.
- La implementación de los proyectos piloto en los entornos productivos de CMPC para validar la tecnología.
- La formalización del acuerdo de transferencia de conocimiento entre CENIA y CMPC Pulp.
- La construcción de un marco de colaboración a largo plazo con una red ampliada de empresas en Chile y América Latina.
Fuentes
CENIA — Centro Nacional de Inteligencia Artificial ·