Los desaf铆os de aplicar inteligencia artificial a la agroindustria en Argentina

La IA permitir铆a predecir rendimiento, calidad, curva de demanda, curvas de cosechas, necesidades de log铆stica, din谩micas de plagas y recomendaciones de manejo de cultivos, entre otras cosas.

Procesar la informaci贸n agropecuaria que genera la Argentina 鈥損a铆s de casi 3 millones de kil贸metros cuadrados de superficie que, a su vez, cosecha millones de toneladas de granos鈥 no parece tarea sencilla.

En este contexto, la innovaci贸n tecnol贸gica es un instrumento necesario para lograr mediciones que otorguen datos que puedan transformarse en informaci贸n de calidad. Esa informaci贸n, 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聽inteligencia artificial (IA)聽puede 鈥揳 trav茅s de la incorporaci贸n de informaci贸n hist贸rica de calidad e informaci贸n actual鈥 generar modelos predictivos basados en temas objetivos e incorporando miles de datos. 鈥淧or lo tanto, esta herramienta es un aporte de alto valor en pos 聽de una mejor toma de 聽decisiones. La IA permitir铆a predecir rendimientos, calidades, curva de demanda, curvas de cosechas, necesidades de log铆stica, predicci贸n y din谩micas de plagas y recomendaciones de manejo de cultivos entre otros usos鈥, coment贸.

Por su parte, Eduardo Mart铆nez, CIO de San Miguel, coincide en que en la cuesti贸n productiva, la IA puede ayudar a mejorar significativamente la agricultura de precisi贸n. 鈥淓s posible tratar diversos lotes de diversas maneras con mucha m谩s precisi贸n en base a datos de contexto. En lo comercial, depende de la regulaci贸n de los mercados, pero sin duda lotes mejor tratados dar谩n productos de mejor calidad y por ende de mejor valor鈥, detall贸 Mart铆nez.

Para poner en contexto, en Estados Unidos y Europa la aplicaci贸n de IA ayuda a la predicci贸n 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 log铆stica y comercializaci贸n en forma anticipada y聽estimar la curva de ventas y cobranzas en distintos mercados agroindustriales. 鈥淎simismo 鈥揺xplica Ogallar鈥 es posible predecir la evoluci贸n de precios en el corto plazo de los聽commodities聽en los mercados locales, as铆 como realizar estimaciones del rendimiento y la calidad a nivel de regi贸n o pa铆s鈥.

En estos mercados, la implementaci贸n de estas tecnolog铆as est谩 mucho m谩s diseminada y profesionalizada. 鈥淧ueden, adem谩s, invertir m谩s capital en tecnolog铆as que todav铆a son algo experimentales. En Europa, hay ejemplos en Espa帽a e Israel donde, por ejemplo, a pesar del clima des茅rtico han logrado cultivar c铆tricos, apalancados en la tecnolog铆a apropiada para eso鈥, apunta Mart铆nez.

En el caso de Argentina y Brasil, ambos pa铆ses tienen un alto nivel tecnol贸gico en aspectos como siembra directa, adopci贸n de biotecnolog铆a, edici贸n g茅nica, entre otros.聽

Ogallar coment贸 que en cuanto al manejo de datos se puede destacar la agricultura de precisi贸n por ambientes y maquinaria acorde a la tecnolog铆a. 鈥淟os productores de punta cuentan con muy buena informaci贸n hist贸rica acumulada en la nube en muchos casos, big data, y est谩n iniciando la explotaci贸n de esta informaci贸n en tecnolog铆as como agricultura de precisi贸n e 聽IA鈥, afirma.