Dentro de las ramas de la Inteligencia Artificial el Machine Learning se presenta como una de las áreas con mayor potencial de aplicaciones en el sector agropecuario.

La Inteligencia Artificial llegó para ayudarle al productor a tomar decisiones y así, lograr mayor rentabilidad.

Días atrás, se realizó el seminario “Los algoritmos al servicio del agro. El futuro de la Inteligencia Artificial en Argentina”, aunque suene raro, expertos debatieron sobre el futuro de la Inteligencia Artificial (IA) en el mundo y en el país, sus consecuencias económicas, sociales y ambientales sobre el sistema agropecuario y las estrategias que deberían adoptar las organizaciones públicas y privadas para maximizar el aporte de la IA al desarrollo regional.

La IA llegó al agro

Frases como: “Las IA no es algo del futuro, es un tema de hoy”; “El ritmo del cambio tiene que ver no donde llega el más avanzado sino donde se queda el ultimo", marcaron el espíritu del evento, el cual fue organizado por el INTA junto al Instituto para la Integración de América Latina y el Caribe (INTAL) del Sector de Integración y Comercio del Banco Interamericano de Desarrollo (BID).

En ese contexto, Héctor Espina, director nacional del INTA, resaltó: "Entre los desafíos planteados dentro del INTA,debatimos sobre la transición de una agricultura intensiva en insumos a una intensiva en conocimientos, donde la conectividad debe llegar al campo para gestionar la gran batería de datos y que se transforme en información".

Al respecto, los especialistas coinciden en que estamos frente a la 4.° Revolución Industrial y enfatizan la idea de una creciente digitalización con herramientas como la IA, el Big Data y el Machine Learning.

La información como fuente de rentabilidad

Bajo la consigna, Argentina en busca de una agricultura exponencial, diferentes profesionales del sector compartieron su experiencia y recomendaciones sobre la aplicación de la IA a la agricultura y a la ganadería.

En este sentido, desde INTA aclaran que la IA es un campo que estudia el problema general de crear inteligencia en las máquinas y dentro de las ramas de la IA, el Machine Learning, se presenta como una de las áreas con mayor potencial de aplicaciones en el sector agropecuario.

Carlos Di Bella, director del Instituto de Clima y Agua del INTA,  sugirió: “Hoy tenemos la posibilidad de duplicar la producción en muchos sectores, para ello la IA va a tener que estar orientada al estudio del ambiente, y no tanto a la genética”.

Por su parte, Guillermo Salvatierra, CEO y gerente general deFrontec, fue muy claro con su mensaje: “Vamos a buscar mayor productividad no vía insumo sino vía información”.

En diálogo con AgrofyNews marcó un antes y un después en la toma de decisiones: “Anteriormente, en el lote tratábamos de evaluar cómo nos había ido con un manejo o con un insumo nuevo que estábamos aplicando para el promedio del rendimiento. Hoy, tenemos la posibilidad de medir en cada pixel el rendimiento y de mirar 30 años para atrás de imágenes satelitales, construir una especie de monitores de rendimiento y tratar de correlacionar el rendimiento con el ambiente, con el clima. Todo eso procesándolo a través de las tecnologías disponibles”.

A su vez, Salvatierra comentó que el productor que paga por un servicio de agricultura por ambiente, al final de la campaña quiere resultados verificables: que en el promedio de lote haya un rendimiento superior  o que el costo por quintal producido sea más bajo. “Estas tecnologías están hechas para eso y tienen un impacto en dos planos: el económico, porque mejora la rentabilidad del productor y a su vez, perfecciona la sostenibilidad de los manejos agropecuarios”, subrayó.

A modo de reflexión, el CEO de Frontec consideró que la fuente de rentabilidad más importante que tiene hoy la producción agropecuaria es la utilización intensiva de información y aseguró: “Tenemos más para ganar en la buena decisión de la fecha de siembra, en la buena definición de un dosis de fertilización, que en comprar el último insumo a un costo mucho más alto”.

Empujando la ganadería inteligente

Mucho se conoce sobre la IA aplicada a la agricultura, pero muy poco se sabe sobre la ganadería. Tan es así que Ricardo Garro del INTA Anguil, habló sobre robótica móvil y ganadería inteligente. Si bien reconoció que el desarrollo de la IA en la ganadería argentina es precoz, comentó que crearon un sistema de comederos para medir el consumo individual de los animales, y tienen identificado cada animal a través de esa caravana comercial que posee un chip.

Al ser consultado por AgrofyNews sobre la esencia proyecto, Garro, detalló: “Empezamos a desarrollar este sistema hace dos años y medio, y el objetivo es medir el consumo residual, es decir, como el animal convierte lo que come por día en kilogramos de carne”, y ejemplificó: “En un rodeo de 43 animales, podemos identificar cuáles son los que comieron menos alimento de lo esperado y ganaron mayor peso que el promedio, lo cual sería una condición (no la única) para una posible selección, pero genéticamente esa condición es medianamente heredable”.

Según comentó, los primeros comederos se instalaron en el INTA Anguil, están comenzando a armar una red nacional, y a su vez, el sistema se está replicando a un tambo de Suipacha para hacer la misma correlación de litro de leche a alimento consumido.

Los retos

Al ser consultados sobre cuánto falta para alcanzar esa ganadería y agricultura exponencial, Garro respondió que “es necesario trabajar en la concientización, ya que  la IA no viene a quitar trabajo sino a colaborar”.

En tanto, Salvatierra celebró que ya hay gente utilizando este tipo de tecnología. No obstante, indicó que “el enorme desafío es hacer una agronomía basada más en datos”.  Para Di Bella, el futuro va a depender de cómo se le incorpore multidisciplinariedad y sentido crítico a la IA.

Un asunto del Estado

Frente a la 4º Revolución Industrial cabe preguntarse ¿Cómo puede el Estado acompañar el desarrollo y la adopción de la IA en el sector? En esta línea, Gustavo Béliz, director de INTAL-BID subrayó: "Es clave la colaboración con el sector público y académico, al tiempo que es fundamental desempeñar el rol de facilitador, impulsador y agente financiero de la adopción y desarrollo de nuevas tecnologías en América Latina".

Para Fernando Peirano, vicepresidente del departamento de Ciencia, Tecnología e Innovación de la UIA, el desafío estatal resulta tan importante como los científicos tecnológicos, y argumentó: “Tenemos que pensarnos no solo como usuarios sino también como productores, como Argentina puede integrar una industria que acompañe los nuevos servicios, y donde el desafío del agro es el conocimiento y no lo geográfico”.

En la misma línea, Federico Marty, responsable de la Plataforma Global de Datos e Inteligencia Artificial deMicrosoft Argentina, resaltó: "Es imperante que los organismos estatales de ciencia y tecnología como el INTA, además de las empresas privadas, acompañen a los agricultores en el proceso de implementación de estas herramientas".

Por su parte, Leandro Lombardi, responsable del Programa de Ciencia de Datos de la Fundación Sadosky, con una mirada más crítica, analizó: "Hay que minimizar la idea de que lo importado es mejor”, y señaló: “Tiene que haber políticas de Estado para que el talento se quede en Argentina”.