Todo lo que la inteligencia artificial puede hacer por la agricultura

La inteligencia artificial en la agricultura alcanzará un valor de mercado global de diez mil millones de dólares en el año 2032, con una tasa de crecimiento anual del 20,5 %. La estimación corresponde a un informe de IMARC Group, que viene a poner de manifiesto cómo la tecnología puede ser una herramienta muy útil en el sector agroalimentario, sometido a tensiones debido al incremento de los costes de producción, mano de obra y energía.

La agricultura de precisión, basada en la integración de la IA, permite una toma de decisiones más informada a través de los datos. Los drones equipados con cámaras inteligentes pueden vigilar el estado de los cultivos, detectar enfermedades en una fase temprana y evaluar las condiciones del suelo con una precisión sin precedentes. Los algoritmos analizan los datos y proveen recomendaciones sobre el riego, la fertilización y el control de plagas, con lo que se optimiza el uso de los recursos y aumentando el rendimiento.

Son solo algunos de los ejemplos sobre las aplicaciones de la IA en la agricultura, un sector que tiene un punto de partida dispar en cuanto a la implantación de nuevas tecnologías, desde las explotaciones más tradicionales hasta aquellas con un alto nivel de tecnificación. «Hay una base tecnológica buena hoy en día», explica Gerardo Faro Moure, socio de ERA Group, consultora especializada en la optimización de costes y la gestión de proveedores. En Galicia, hace tiempo que se miden y sensorizan muchos parámetros, sin ir más lejos, y Castilla cuenta ya con tractores con alto nivel de conducción autónoma y equipados con tecnologías que permiten por ejemplo consultar las predicciones meteorológicas.

Así que «el nivel tecnológico de partida es lo suficientemente bueno como para comenzar a implantar la inteligencia artificial». La IA, al igual que otras tecnologías, es escalable tanto a nivel técnico como en volumen, con lo que no se necesita un nivel de partida muy alto. 

Eso hace que sea totalmente factible comenzar a usar inteligencia artificial en pequeñas explotaciones. «Ya hay muchas explotaciones pequeñas, entre comillas, en Galicia que controlan muchos parámetros», aunque el control de dichos parámetros y el análisis de los datos se hace a través de personas expertas, con mucho conocimiento pero «que no manejan la cantidad de datos dispares que puede manejar la inteligencia artificial».

ERA Group resalta tres ámbitos en los que los algoritmos pueden ser de utilidad en el sector agrícola. El primero es el de la sostenibilidad, con aplicaciones que permiten reducir el consumo de agua. Se puede hacer a través de mediciones del nivel de humedad del sustrato, lo que permite saber cuándo es necesario o no aportar agua. 

Además, la IA permite calcular cuánta agua es necesario aportar. Lo mismo ocurre con el fertilizante. En este segundo caso también se podía medir el tipo de abono necesario para complementar las carencias del terreno. Es cierto que actualmente los especialistas son capaces de dar este tipo de información pero «esto es mucho más fino, puedes utilizar lo que realmente necesitas, en la cantidad y en el momento necesario», afirma Gerardo Faro.

Así que además de reducir el consumo de agua y el uso de abonos, la IA puede contribuir a la reducción del desperdicio y del uso de pesticidas o herbicidas, calculando exactamente el momento en el que es necesario hacer uso de estos productos. «Es posible anticiparse a las plagas y atacarlas antes de que vayan a ocurrir, de manera que con un mínimo de pesticida evitar que ocurre». ¿Cómo? Pues a través de parámetros como la concentración de insectos, por ejemplo. 

Otro de los ámbitos es el del consumo energético, que indirectamente incide en la sostenibilidad. La IA permite optimizar el uso de calefacciones y refrigeración minimizando el uso de combustibles. «Se trata de utilizar mejor los recursos que hay y solo cuando se necesitan y hasta donde se necesitan», remacha el partner de ERA Group. Cualquier tipo de gasto energético se puede optimizar, dice Faro, ya sea a través de la aplicación de la inteligencia artificial o con medidas de eficiencia como buscar el coste óptimo del servicio y haciendo una gestión activa.

El tercer ámbito es el de la cadena de suministro. Uno de los ejemplo es la optimización de rutas, lo que reduce el número de transportes necesarios y con ello, el coste. «Una de las cosas que hace hoy en día la IA es la predicción de la demanda, de cómo se va a comportar el mercado» y así, adecuar los niveles de producción o tomar decisiones de manera adelantada. 

Si el año ha sido de buena cosecha, los algoritmos facilitan la gestión de stocks para venderlos en el momento adecuado y al mejor precio que pueda pagar el mercado, por ejemplo. «Antes se utilizaban datos históricos, pero la inteligencia artificial, con trillones de datos, hace estimaciones que se acercan mucho más al consumo real que va a haber», explica Faro Moure. 

Otra manera de contribuir es la trazabilidad. «Hoy en día no es ningún problema trazar un producto desde la tierra al plato», pero hay aplicaciones múltiples con soluciones mucho más fiables y robustas «de lo que nunca hubiéramos pensado». Las soluciones con IA en este caso también se acompañan con un enfoque tradicional, como la búsqueda del mejor precio y servicio, el análisis de optimización de flujos en la cadena de suministro y también optimización de embalajes, no solo en cuanto a uso, sino en materiales, dimensiones, diseño... 

Lo que es más complicado es hablar de nivel de inversión, ya que en ello juegan muchos factores: el tamaño de la explotación, las localizaciones, el enfoque y la capacidad económica son algunas de las variables a tener en cuenta. «La inversión es muy variable, siempre depende lo que se quiera abarcar», aclara Faro, que insiste en la flexibilidad de la inteligencia artificial y en su escalabilidad. Se puede comenzar con un nivel de inversión enfocado a solo dos o tres objetivos e ir ampliando posteriormente.

En cuanto al retorno, las predicciones son variables, desde uno a cinco años. «Tenemos que pensar que la inteligencia artificial, en realidad, está todavía en pañales», más aún en aplicaciones de mejora de productividad, optimización de costes y sostenibilidad. 

El retorno depende del nivel de inversión y del tamaño de la explotación. En una gran explotación, el ratio entre inversión y retorno será probablemente más bajo. «No hay una respuesta concreta, pero sí se estima que no es un retorno a muy largo plazo. Los estudios dicen que en menos de cinco años, en los peores casos, hay un retorno de la inversión».

Y en cuanto a la productividad, lo mismo. Hay estudios que cifran en n 25 % la mejora de la productividad agrícola, pero el socio de ERA Group es prudente: «Por ahora no hay la suficiente cantidad de datos reales como para constatar una cifra», aclara. 

¿Qué ocurre con la formación para implantar la IA en el sector agrícola? «Probablemente nadie esté muy bien formado» todavía, ya sea fuera o dentro del sector de la agricultura. «Hay que empezar ya.  Si no empezamos, nos quedamos atrás, porque la inteligencia artificial ha llegado aquí para quedarse», reconoce Gerardo Faro.

«La formación es algo que hay que plantearlo como en muchos otros campos, no solo en la inteligencia artificial» y además tiene que ser continuada, porque la tecnología avanza más rápido que nunca. En cualquier caso, «los avances tecnológicos están más pensados para que se puedan utilizar sin tener que tener un conocimiento enorme», orientados de este modo a que sean intuitivos y que cualquier usuario, con unas nociones básicas, pueda utilizarlo. «Esa es una ventaja grande», afirma el partner de ERA Group. 

En cualquier caso, la formación es necesaria, remarca Gerardo Faro, ya que no se trata solo del software que se está manejando, sino que este está a su vez conectado a un sistema de mediciones que incluye el manejo de sensores, drones y otros parámetros que vienen de fuentes externas a la propia inteligencia artificial.