Aplicación de la inteligencia artificial en la evaluación de estudios ambientales

Resumen

La evaluación de estudios ambientales en el Perú fue una función crucial para proyectos de inversión públicos y privados, pues el resultado final determinó si el proyecto se ejecutó o no. Este proceso fue engorroso y tomó entre 3 y 12 meses, según la envergadura y el ámbito del proyecto. El principal problema radicó en el gran tamaño de los expedientes, que debieron revisarse manualmente y, además, pudieron requerir actualizaciones, lo que obligó a reiniciar la revisión. En el sector minero, la evaluación fue crítica para asegurar el desarrollo sostenible y el cumplimiento normativo; por ello, la investigación se justificó por la necesidad de reducir tiempos y costos, minimizar errores humanos, asegurar el cumplimiento normativo, aportar científica y tecnológicamente, y promover una reflexión ética y técnica.

El objetivo fue diseñar e implementar un modelo híbrido de inteligencia artificial que combinó conocimiento experto ambiental con algoritmos de aprendizaje automático, sustentado en datos históricos y sintéticos generados con apoyo de ChatGPT y sometidos a controles de coherencia técnica, lógica y normativa, para predecir y explicar los resultados de evaluaciones ambientales en minería. La metodología se estructuró en cuatro fases: marco conceptual y técnico, preparación de datos, desarrollo/validación/evaluación de modelos, y validación cualitativa con expertos.

Como resultados destacados, Random Forest mostró exactitud de 96.9% y alta estabilidad en la segunda iteración, fue eficaz ante variables heterogéneas y ruido, y destacó por su interpretabilidad, clave para el sector regulatorio. En conclusión, la IA presenta potencial para mejorar, y Random Forest se perfiló como el modelo más adecuado por su interpretabilidad, estabilidad y potencial para reducir errores humanos.