Gemelo digital ambiental determinístico: dónde ayuda la IA y dónde decide el cálculo

Quien trabaja con sitios contaminados, plumas de dispersión o series de monitoreo conoce el problema: los datos son pocos, las series tienen ruido y el transporte de un contaminante en el suelo y el agua subterránea depende de ecuaciones que no perdonan atajos. Es justo ahí donde mucha gente ha probado los modelos de lenguaje.

El riesgo es conocido. Un modelo de lenguaje puede inventar una tasa de atenuación, un coeficiente de permeabilidad o un camino de flujo que no existe, y escribirlo todo con la misma fluidez con que escribe lo que es cierto. El texto convence, y nadie puede decir de dónde salió el número.

Lo que enseña la verificación formal

El 26 de octubre de 2026, OpenAI anunció que modelos internos produjeron una propuesta de refutación de la Hipótesis del Tiempo Exponencial, una conjetura de finales de los años 1990 sobre el problema lógico 3-SAT, con la prueba formalizada en Lean, un asistente de pruebas matemáticas. La revisión independiente por especialistas sigue en curso, y la ganancia anunciada es teórica, sin efecto práctico inmediato.

Lo que interesa aquí es el método, que vale con o sin la confirmación de ese resultado. Lean no se impresiona con una frase bien escrita: una máquina revisa cada paso de la prueba, y el paso que no cierra se rechaza. La IA propone, y el verificador acepta o rechaza. Aun así, Lean solo confirma el enunciado que se escribió para él, y todavía corresponde a personas revisar si ese enunciado dice lo que se quería probar.

Un gemelo digital ambiental necesita la misma disciplina. Concentración, balance de masa y comparación con valores de referencia no pueden ser adivinados por un texto. Tienen que salir de datos identificados y de cálculos que dan siempre el mismo resultado para la misma entrada.

Cómo ecbyts separa las funciones

ecbyts funciona como un modelo de mundo del emprendimiento: un único modelo en el que cada elemento, sea un punto de monitoreo, una pluma, un área o un contrato, tiene dato y origen. El 3D es una de las vistas, junto a mapa, tabla, gráfico, línea de tiempo e informe.

Los datos entran como observaciones con parámetro, unidad, fecha, campaña y el punto de monitoreo donde se midieron. Ninguna IA participa en esa entrada.

El cálculo es determinístico. Interpolación, comparación con el conjunto de valores de referencia elegido para el modelo, costos e indicadores son funciones de la propia app: la misma entrada produce el mismo resultado, hoy y dentro de un año. La IA no hace la cuenta en lugar del motor.

La IA entra como traductora. En la barra de comandos usted escribe lo que quiere en lenguaje natural, como agregar un punto de monitoreo o mostrar las observaciones de benceno, y el asistente elige entre las acciones que la app ya tiene. No crea acciones nuevas ni escribe directo en el modelo. Lo predeterminado es preguntar: solo una lista corta de acciones consideradas seguras se ejecuta sin confirmación. En las demás, la tarjeta de confirmación muestra lo que de hecho se guardará, con el elemento, el parámetro y el valor resueltos en el modelo abierto, y avisa cuando el texto de la IA cita un número que no aparece en lo que se va a guardar. Antes de cualquier envío al proveedor de IA, los nombres e identificadores de los puntos se cambian por descripciones genéricas.

Queda el rastro. Cada cambio hecho por la IA se registra con el modelo usado, la acción y un resumen verificable de los parámetros, en una pista de auditoría en la que solo se agrega. Al exportar la clave .ecbt del modelo, la app emite el Sello ECBYTS, una autodeclaración de quien responde por el modelo, con enlace de verificación. Quien recibe la clave puede comprobar que está viendo el mismo modelo que fue declarado.

Lo que todavía no hacemos

ecbyts no prueba teoremas sobre su modelo. Las reglas de conformidad son cálculos probados, no pruebas formales en Lean, y la responsabilidad técnica sigue con las personas que revisan y firman. La verificación formal indica una dirección que nos parece correcta: cuantas más reglas críticas puedan escribirse de modo que una máquina las revise, menos espacio queda para el número sin origen.

Lo que cambia en la práctica

Para la ingeniería ambiental y geotécnica, el camino sugiere pasar de planillas estáticas e informes cerrados a un modelo que guarda el origen de cada número y muestra cuándo algo cambió, quién lo cambió y con qué herramienta.

Para quien desarrolla software de monitoreo, la regla es simple de decir y trabajosa de cumplir: la IA sirve para entender el pedido y orquestar lo que ya existe, y el núcleo que calcula tiene que seguir siendo determinístico, auditable y vinculado a los datos medidos.

Para ver la barra de comandos en uso, abra el tour Comandos en Lenguaje Natural. Los demás tours de IA están en Asistente de IA y redes neuronales.