Los desafíos de aplicar inteligencia artificial a la agroindustria en Argentina

Los desafíos de aplicar inteligencia artificial a la agroindustria en Argentina

La IA permitiría predecir rendimiento, calidad, curva de demanda, curvas de cosechas, necesidades de logística, dinámicas de plagas y recomendaciones de manejo de cultivos, entre otras cosas.

Procesar la información agropecuaria que genera la Argentina –país de casi 3 millones de kilómetros cuadrados de superficie que, a su vez, cosecha millones de toneladas de granos– no parece tarea sencilla.

En este contexto, la innovación tecnológica es un instrumento necesario para lograr mediciones que otorguen datos que puedan transformarse en información de calidad. Esa información, a su vez, se puede integrar a otros modelos que faciliten la toma de decisiones efectivas en una industria atravesada por la incertidumbre.

Pablo Ogallar, asociado de b2b-agri explica que la inteligencia artificial (IA) puede –a través de la incorporación de información histórica de calidad e información actual– generar modelos predictivos basados en temas objetivos e incorporando miles de datos. “Por lo tanto, esta herramienta es un aporte de alto valor en pos  de una mejor toma de  decisiones. La IA permitiría predecir rendimientos, calidades, curva de demanda, curvas de cosechas, necesidades de logística, predicción y dinámicas de plagas y recomendaciones de manejo de cultivos entre otros usos”, comentó.

Por su parte, Eduardo Martínez, CIO de San Miguel, coincide en que en la cuestión productiva, la IA puede ayudar a mejorar significativamente la agricultura de precisión. “Es posible tratar diversos lotes de diversas maneras con mucha más precisión en base a datos de contexto. En lo comercial, depende de la regulación de los mercados, pero sin duda lotes mejor tratados darán productos de mejor calidad y por ende de mejor valor”, detalló Martínez.

Para poner en contexto, en Estados Unidos y Europa la aplicación de IA ayuda a la predicción de plagas en los cultivos intensivos que permiten aumentar el rendimiento y calidad de producto, estimar el rendimiento y fecha de cosecha, a manera de poder organizar la logística y comercialización en forma anticipada y estimar la curva de ventas y cobranzas en distintos mercados agroindustriales. “Asimismo –explica Ogallar– es posible predecir la evolución de precios en el corto plazo de los commodities en los mercados locales, así como realizar estimaciones del rendimiento y la calidad a nivel de región o país”.

En estos mercados, la implementación de estas tecnologías está mucho más diseminada y profesionalizada. “Pueden, además, invertir más capital en tecnologías que todavía son algo experimentales. En Europa, hay ejemplos en España e Israel donde, por ejemplo, a pesar del clima desértico han logrado cultivar cítricos, apalancados en la tecnología apropiada para eso”, apunta Martínez.

En el caso de Argentina y Brasil, ambos países tienen un alto nivel tecnológico en aspectos como siembra directa, adopción de biotecnología, edición génica, entre otros. 

Ogallar comentó que en cuanto al manejo de datos se puede destacar la agricultura de precisión por ambientes y maquinaria acorde a la tecnología. “Los productores de punta cuentan con muy buena información histórica acumulada en la nube en muchos casos, big data, y están iniciando la explotación de esta información en tecnologías como agricultura de precisión e  IA”, afirma.