La IA en la geociencia corre el riesgo de ser objeto de promesas exageradas y de resultados insuficientes. La limitación no es la capacidad del modelo, sino los datos, el contexto y la confianza.
En Seequent, creemos que el futuro de la IA no se limita solo a las herramientas. Su objetivo es habilitar soluciones fiables y específicas de cada dominio. Las nuevas tecnologías pueden desempeñar un papel importante, pero deben situarse con cuidado en relación con los resultados que pretenden alcanzar.
En este artículo, analizaremos cómo las nuevas tecnologías pueden aportar un valor real a los geocientíficos, y no solo herramientas.
Todo comienza con los datos
El núcleo de la estrategia de IA de Seequent es un principio sencillo: la IA solo es tan buena como los datos a los que tiene acceso y que es capaz de comprender.
Los datos de geociencias son complejos, escasos y, con frecuencia, están atrapados en silos. Sin contexto, trazabilidad y estructura, incluso los modelos de IA más avanzados tienen dificultades para ofrecer resultados confiables. En las decisiones de gran importancia —como la clasificación de la ley del mineral o la estimación de recursos— la confiabilidad de los resultados depende de forma directa de la exhaustividad y la fiabilidad de los datos.
Seequent Evo puede ofrecer una capa de datos unificada, la cual integra datos geocientíficos, recursos computacionales y flujos de trabajo en un único entorno para reducir la incertidumbre y permitir que la inteligencia artificial genere resultados en los que nuestros clientes puedan confiar.
Esta base de datos brinda a la inteligencia artificial la capacidad de funcionar dentro de flujos de trabajo reales de geociencias, en los que el contexto, la incertidumbre y la trazabilidad de los datos son factores importantes. Sin esto, la IA sigue siendo un asistente general. Gracias a esto, es capaz de respaldar las decisiones a nivel de dominio.
Una vez que se hayan consolidado los datos, podrá comenzar el trabajo de desarrollo de herramientas de IA.
El análisis de imágenes de testigos impulsado por IA en Imago de Seequent detecta y clasifica los intervalos de testigos de roca de manera automática, lo que convierte la captura rutinaria de fotografías en datos estructurados y listos para su análisis.
¿Qué es la vibe coding y por qué es importante para los geocientíficos?
La vibe coding es una forma de desarrollar software en la que se describe lo que se desea en lenguaje natural y se permite que la inteligencia artificial genere el código y la aplicación, en lugar de escribirlo uno mismo línea por línea. Esto otorga a los científicos y a los expertos en la materia la posibilidad de crear soluciones a la medida para datos de su propiedad y sus problemas específicos sin necesidad de programar.
El SDK público de Python para Evo de Seequent proporciona un contenedor para nuestras API públicas, lo que facilita el desarrollo de soluciones sobre Evo. Permite a nuestros usuarios desarrollar mediante vibe coding aplicaciones basadas en Seequent Evo con un IDE de vibe coding compatible, como Claude Code o VS Code.
La vibe coding les permite a los usuarios pasar de la idea al prototipo con rapidez y resolver sus propios desafíos específicos aprovechando la plataforma de datos y la computación de Seequent Evo. Sin embargo, si bien la vibe coding permite una personalización más sencilla y una creación rápida de prototipos, también puede acarrear riesgos, entre ellos código no revisado, deuda técnica y dificultades de mantenimiento. Las organizaciones deben considerar las ventajas y desventajas: por un lado, la rapidez y la flexibilidad, y, por el otro, el control y la confiabilidad en entornos empresariales.
Dónde encaja el MCP
El año pasado lanzamos en GitHub el servidor Evo Model Context Protocol (MCP). El MCP es un estándar emergente diseñado para ayudar a los agentes de IA a conectarse con sistemas externos, fuentes de datos y herramientas. Ofrece una forma estructurada para que los modelos de IA consulten datos, interactúen con aplicaciones y operen de manera segura dentro de las reglas y permisos definidos.
En términos sencillos, el MCP actúa como un puente entre la IA (como Claude) y los sistemas del mundo real (como el software Seequent), lo que permite a los agentes ir más allá del razonamiento basado en texto y tomar medidas a partir de los datos de la empresa. Es similar a una API en el sentido de que ayuda a que los sistemas se conecten entre sí; sin embargo, mientras que las API están destinadas a los desarrolladores, los servidores MCP están diseñados para ser utilizados por la IA.
Contenido relacionado:
* Transformando la geociencia con IA
* La apuesta de miles de millones de dólares que se esconde detrás de cada centro de datos
* Vea: Driver, la próxima generación de soluciones geológicas inteligentes
* La apertura dará forma al futuro de la geociencia
Integramos todo para nuestra demostración de kriging
A principios de este año, nuestro equipo programó con vibe coding un agente que utilizaba el servidor Evo MCP para kriging. El agente de IA recibió una solicitud en lenguaje natural y ejecutó de manera automática un flujo de trabajo completo de kriging geoestadístico sobre datos de Evo. Al hacerlo, coordinó múltiples pasos —como la selección de datos, la preparación de modelos y la ejecución de la estimación— a través del servidor MCP, sin que el usuario tuviera que escribir código alguno. Su objetivo fue demostrar cómo el MCP puede poner a disposición de los agentes herramientas —como la utilizada para acceder a la tarea de cálculo de kriging de Seequent Evo— y «habilidades» específicas de cada dominio. Dicha integración permite realizar tareas complejas de nivel experto de manera conversacional y destaca las capacidades de Evo como plataforma habilitadora de IA. Esta demostración exhibió a un usuario al realizar una tarea compleja de geociencias utilizando solo lenguaje natural y trabajando con datos confiables en Evo.
En Seequent, el MCP y la vibe coding son facilitadores, pero no el elemento central.
Consideramos la vibe coding y el MCP como facilitadores de IA para usuarios avanzados que desean crear sus propios flujos de trabajo impulsados por IA. Les presta apoyo ofreciéndoles lo siguiente:
- Una interfaz estandarizada que reduce la complejidad de conectar modelos de IA a datos de geociencias y elimina la necesidad de conectores personalizados
- Un mecanismo de gobernanza y control que garantiza el acceso seguro, la auditabilidad y la coherencia en la forma en que se utilizan los datos
- Una forma de exponer a los agentes tareas de cálculo basadas en Evo (como kriging)
- La capacidad de hacer todo esto mediante lenguaje natural
No obstante, reconocemos que muchos de nuestros clientes desean aprovechar la IA como una capacidad, en lugar de tener que desarrollarla por sí mismos. Seequent está comprometido a seguir desarrollando soluciones impulsadas por IA (como Driver y la función de análisis de imágenes de Imago) y está explorando otras soluciones, como agentes especializados, de cara al futuro.
Pero seguiremos invirtiendo en herramientas que permitan la IA (como nuestro Evo Python SDK y Evo MCP Server).
Seequent Driver utiliza IA para analizar datos de perforación en 3D de manera automática, lo que ayuda a los geólogos a comprender la estructura de un yacimiento mineral con mayor rapidez y con menos esfuerzo manual.
De las herramientas de IA a soluciones geocientíficas especializadas
Si bien el MCP y la vibe coding permiten flexibilidad, el enfoque principal de Seequent se centra en ofrecer soluciones de IA especializadas y listas para su uso.
¿Por qué? Porque la mayoría de los geocientíficos no son desarrolladores y no deberían necesitar serlo.
Nuestro objetivo no es proporcionar a los clientes más herramientas, sino ayudarlos a resolver problemas con mayor rapidez y confianza. Esto a menudo significará ofrecer la IA como capacidades integradas en nuestros productos y dentro de los flujos de trabajo que los geocientíficos utilizan cada día.
Al mismo tiempo, reconocemos que algunas organizaciones querrán desarrollar sus propias soluciones. Para ellos, el MCP y nuestro SDK de Python proporcionan la flexibilidad necesaria para ampliar Evo y conectar agentes de IA a sus datos de manera directa.
Este doble enfoque garantiza la facilidad de uso y la flexibilidad sin comprometer la confianza ni la fiabilidad.
Terminar con el ruido en torno a la IA
El mercado actual está lleno de entusiasmo —y de confusión— en torno a la IA. Muchas soluciones prometen transformación, pero no cumplen en lo que respecta a la confianza, la transparencia y la aplicabilidad en el mundo real.
La IA no transformará las geociencias mediante herramientas genéricas ni modelos independientes. Se hará realidad mediante datos de confianza, flujos de trabajo integrados y capacidades específicas del dominio.
En Seequent, nuestro enfoque es claro:
- Establecer una base fiable de datos y capacidad de cómputo mediante Evo
- Ofrecer capacidades de IA en los flujos de trabajo de geociencias de manera directa
- Permitir que los usuarios desarrollen sus propias soluciones de IA con herramientas abiertas como el servidor Evo MCP y nuestro SDK de Python
Para quienes deseen explorar esto más a fondo, nuestro servidor Evo MCP está disponible en GitHub, junto con más información sobre Seequent Evo.