Paolo Rocca habló de muchas cosas en Houston este semana. Habló de fragmentación geopolítica, de cadenas de suministro rotas, de la apuesta del Grupo Techint por Argentina en petróleo y gas natural licuado (GNL). Pero entre todo ese diagnóstico —construido con la calma de quien lleva décadas mirando el sector desde adentro— hubo un número en su exposición en CERAWeek by S&P Global que la cobertura posterior dejó pasar: la posibilidad de elevar del 5% al 7% la recuperación de recursos en yacimientos de shale mediante inteligencia artificial (IA).
«En la petrolera, trabajamos con shale. Actualmente extraemos quizás un 5% o 6% de los recursos reales de la formación debido al fracking y cómo se gestiona, y ya eso es valioso. Pero, si aplicamos inteligencia artificial considerando todos los factores, ¿sería posible pasar del 5% al 7% de las reservas? Eso sería enorme. Cambiaría todos los valores», dijo Rocca ante el auditorio.
La pregunta parece modesta. La respuesta no lo es.
Por qué el shale cambia la aritmética
En un yacimiento convencional, el factor de recobro —el porcentaje del hidrocarburo in situ que puede extraerse con la tecnología disponible— puede alcanzar entre el 40% y el 60%. En el shale, la geometría del problema es otra: el petróleo y el gas quedan atrapados en microporos de baja permeabilidad que la fractura hidráulica apenas logra abrir de manera parcial. El resultado es que se extrae una fracción pequeña de lo que hay, y esa fracción define todo lo demás.
La Agencia de Información Energética de los Estados Unidos (EIA, del inglés Energy Information Administration, Agencia de Información Energética) empleó un factor de recuperación de 5,6% para calcular los recursos técnicamente recuperables de shale oil en Argentina. Ese valor coincide exactamente con lo que Rocca describió como la norma actual.
La formación Vaca Muerta, según la misma fuente, acumula recursos técnicamente recuperables de alrededor de 16.000 millones de barriles de petróleo y condensado, calculados sobre esa base.
Shale24 estima, a partir de los parámetros publicados por la EIA en 2013 sobre los recursos in situ de la cuenca Neuquina —que en ese entonces se ubicaban alrededor de 331.000 millones de barriles, ajustados por riesgo geológico—, que elevar el factor de recobro un punto porcentual adicional agregaría del orden de 3.300 millones de barriles recuperables.
A precios de referencia actuales del crudo, ese volumen adicional representaría del orden de u$s 230.000 millones en valor potencial en subsuelo, según estima Shale24. El número es orientativo y depende de los supuestos base, pero permite dimensionar de qué escala se habla cuando Rocca dice que aquello «cambiaría todos los valores».
Lo que la IA ya hace, y lo que todavía no
El propio Rocca fue cuidadoso con el diagnóstico: «Las empresas en EE.UU. ya están desarrollando esto. Hay enormes volúmenes de datos que permiten entender mejor cómo extraer valor. Estamos pasando de usar la IA como fuente de información a que tome decisiones directamente. Hay proyectos pequeños, pero no resultados concluyentes aún. Hay mucha experimentación.»
En el Permian Basin, operadoras como ExxonMobil y Baker Hughes aplican IA para optimizar gas lift en tiempo real, predecir fallas de equipos y mejorar el diseño de fracturas hidráulicas. En enero de 2026, el Journal of Petroleum Technology (JPT) de la Society of Petroleum Engineers (SPE) describió al Permian como una cuenca en transición: de la expansión agresiva hacia la eficiencia sostenida, con menos pozos nuevos y más extracción inteligente de los activos existentes. La IA, junto con técnicas de EOR (del inglés Enhanced Oil Recovery, recuperación mejorada de petróleo) y nuevas geometrías de pozo, es el eje de esa reconversión.
En Vaca Muerta, la curva recién empieza. Las aplicaciones actuales se concentran en mantenimiento predictivo, monitoreo remoto con drones y tableros de control integrados en la nube. YPF inauguró en diciembre de 2025 una sala operativa con IA en su refinería de Plaza Huincul.
Pero la IA orientada a modificar el factor de recobro —que es precisamente el horizonte que planteó Rocca— no tiene aplicaciones a escala en la cuenca argentina. El problema estructural que identificaron analistas del sector es la fragmentación de datos: sin integración de información de pozos, sensores y producción a gran escala, los modelos de aprendizaje automático no acumulan suficiente conocimiento para optimizar la extracción.
La tesis de fondo
Lo que Rocca planteó en Houston no fue un anuncio. Fue una apuesta de largo plazo, formulada ante una audiencia global de ejecutivos, inversores y tecnólogos. La idea dice que el shale —una formación que hoy deja el 94% de sus recursos debajo de la superficie— puede mejorar esa ecuación con datos y algoritmos, y que Argentina, con la segunda reserva mundial de shale gas y la cuarta de shale oil no convencional, tiene escala suficiente para que esa mejora importe.
Que los resultados concluyentes todavía no llegaron, como el propio Rocca reconoció, no le quita peso a la pregunta. En el shale, dos puntos porcentuales de diferencia en el factor de recobro no son un ajuste técnico. Son otro yacimiento.