IA que digeriu 300 anos de relatórios geológicos ajudou a achar o maior depósito de cobre da Zâmbia em um século

A KoBold Metals digitalizou três séculos de registros manuscritos de geologia para treinar modelos de IA que apontaram onde perfurar — e o resultado, o projeto Mingomba, já é uma mina de US$ 2,3 bilhões em construção.

Em evento sobre modernização da mineração na África do Sul, em 27 de julho de 2026, a PwC apresentou o método que a KoBold Metals usou para localizar o que hoje é descrito como o maior depósito de cobre descoberto na Zâmbia em um século: a empresa digitalizou 300 anos de relatórios geológicos manuscritos, treinou modelos de inteligência artificial para interpretar esses registros ao lado de dados geofísicos, geoquímicos e de sondagens históricas, e usou essa combinação para prever onde a mineralização de cobre de alto teor era mais provável antes de perfurar. O resultado, o projeto Mingomba, já é uma mina de mais de US$ 2,3 bilhões com obras iniciadas, incluindo o começo do afundamento do poço principal.

A parte que diferencia esse caso de outros projetos de exploração guiada por IA é a fonte de dado usada: não só levantamento geofísico moderno, mas cem — na verdade trezentos — anos de relatório manuscrito, historicamente ilegível para qualquer sistema automatizado, transformado em dado estruturado que um modelo consegue processar. É um lembrete de que boa parte do valor da IA em exploração mineral não está em coletar dado novo, está em resgatar dado antigo que já existia, mas nunca tinha sido usado em escala porque estava preso em formato manual. Mingomba também é a prova de conceito que faltava: não é mais um piloto de laboratório, é a primeira descoberta de classe mundial cuja caracterização foi guiada por IA e que virou mina real, com investimento e cronograma de construção definidos — e meta de mais de 300 mil toneladas de cobre por ano quando entrar em operação, no início da próxima década.

O caso está sendo citado publicamente como modelo a replicar: especialistas em modernização de mineração já discutem usar a mesma abordagem para preencher o cadastro mineral da África do Sul, hoje considerado subaproveitado. Para geólogos de exploração e gestores de projeto, o recado é que arquivo histórico mal aproveitado — mapas antigos, relatórios manuscritos, sondagens de décadas passadas — pode valer tanto quanto um novo levantamento geofísico, desde que exista um método de digitalizar e cruzar esse dado com IA.