Los desafíos de aplicar inteligencia artificial a la agroindustria en Argentina

Predicción inteligente

En la visión del CIO de San Miguel, Eduardo Martínez, la incorporación de IA en la agricultura depende del tipo de cultivo. “En los más extensivos, como la soja, estas tecnologías están más diseminadas. En cultivos intensivos como las frutas todavía le falta más tiempo para su implementación masiva y en gran escala. Pero, sin dudas, el uso de tecnologías e IA predictivas va a crecer pronto”.

Por ejemplo, enfrentar el cambio climático es una preocupación real para Argentina. De acuerdo con el INTA (Institución Nacional de Tecnología Agropecuaria) en la agenda de los próximos 20 años está el proyecto de mejorar los sistemas de innovación para abastecer mercados que serán cada vez más exigentes. Para tal motivo, es necesario entender el clima con el objetivo de aumentar la producción en una población creciente.

Según fuentes del INTA la entidad cuenta con 50 años de registros ininterrumpidos de estadísticas agroclimáticas georreferenciadas, variables que son ventajosas para entender la variabilidad climática. Al integrarla en distintos tipos de modelos (matemáticos, estadísticos o espaciales) resultan útiles porque permiten simular o predecir una condición real.

En este camino, INTA se asoció con Microsoft para sumar esfuerzos en lo que refiere a minería de datos climáticos e históricos para cálculos de riesgo agroclimático, o bien la ingeniería de datos satélites para el seguimiento y análisis de cultivos y los recursos naturales.

El INTA explica que mediante el aprendizaje automático (machine learning) pueden avanzar en aspectos asociados a los pronósticos meteorológicos y con la analítica de big data profundizan en la modelización de ciertos sistemas de producción. 

¿Cuáles, entonces, son los obstáculos para avanzar con la tecnificación o con la introducción de IA en la agroindustria en Argentina?

La primera barrera es la información disponible en un formato acorde a las necesidades para generar los modelos. “Ha habido muchos progresos en esta área pero aún no estamos en un nivel para hacer crecer exponencialmente las últimas tecnologías”, cuenta Ogallar.

Por otro lado, los expertos señalan que la IA requiere de un cambio cultural en el direccionamiento de las empresas para un mayor entendimiento del potencial del valor aplicado. “Las nuevas tecnologías requieren de un espíritu de colaboración permanente con jugadores de distintas áreas, aprendiendo a la par y aceptando algunos fracasos iniciales hasta encontrar el valor buscado.

Finalmente, a pesar de que los productores en Sudamérica son vanguardistas, necesitan casos de éxito para involucrarse de lleno en la curva de aprendizaje en forma colaborativa con los proveedores de machine learning y otros actores de la cadena”, resume Martínez.

Desde San Miguel agregan también el factor de la infraestructura país, sobre todo para lo que es conectividad para registros remotos. “El tema de empezar a dejar a las máquinas aplicar inteligencia bruta y a los humanos el discernimiento está todavía en cuestión; también la falta de historia digital. Lleva tiempo y dinero alimentar a la IA con la información histórica no digitalizada que sea la base de sus procesos de aprendizaje”, concluye Martínez.