El auge de la tecnología en la agricultura

Según las cifras más recientes del Departamento de Agricultura, en Estados Unidos se cultivan unos 900 millones de acres. Esto representa más de la mitad del territorio continental de Estados Unidos. En 2021, el 87% de las empresas agrícolas estadounidenses utilizaban algún tipo de IA para gestionar sus explotaciones. Esta cifra va en aumento.

La integración de la inteligencia artificial y el aprendizaje automático en la agricultura tiene una historia relativamente corta. La llegada de la informática en los años sesenta proporcionó a los agricultores nuevas herramientas para procesar grandes conjuntos de datos agrícolas. A finales de los 80 y principios de los 90, empezó a surgir una práctica conocida como agricultura de precisión. Esta técnica buscaba optimizar los cultivos a nivel de campo, y se introdujeron herramientas como el GPS y los sistemas de supervisión de campos.

A medida que los agricultores recopilaban más información sobre sus cultivos, rendimientos y variaciones meteorológicas y climáticas, las tecnologías de captura de datos siguieron avanzando, especialmente con la mejora de la tecnología de los teléfonos móviles. En la década de 2010 se pusieron de moda los drones agrícolas (UAV), que recopilaban información aún más precisa sobre los cultivos y el ganado en tiempo real. La llegada de la computación en la nube y el big data aceleró aún más la adopción de tecnología avanzada en el sector. Con la incorporación del aprendizaje automático y la IA, los agricultores pueden ahora obtener análisis predictivos para todo, desde el rendimiento de los cultivos y la detección de enfermedades hasta los tiempos de siembra y cosecha.

“Cuando quieres hacerlo todo en una habitación y no malgastar un montón de agua y energía, como refrigeración y ventilación, entonces se vuelve extremadamente complicado y se convierte en un problema informático más que humano”, explica Carter.

Smallhold ha desarrollado un sistema informático y de hardware que capta y comunica toda la información de cada sala de cultivo y ejecuta “recetas” especializadas para cada sala en función del tipo de seta que se cultiva en ella. “Podemos ejecutar análisis sobre cualquiera de los datos que estamos obteniendo y luego ejecutarlos a través de nuestro sistema ERP, que es básicamente la comprensión de la cantidad de volumen que tenemos, la cantidad de volumen que vamos a necesitar, la comprensión del aspecto de las ventas de la misma, y a su vez nos permite controlar las cámaras de diferentes maneras para asegurarse de que el hongo es cosechable en el momento adecuado.”

Riesgos de la IA

Aunque sus defensores se apresuran a hablar de los aspectos positivos de la IA y la agricultura sostenible, existen algunos inconvenientes y riesgos potenciales en torno a esta tecnología.

“La agricultura requiere mucha información específica: sobre la explotación, lo que se ha hecho en el terreno y lo que funciona mejor en cada lugar”, explica Chandra. “En consecuencia, aplicar la IA sin supervisión humana podría dar lugar a resultados inesperados”. Dijo que Microsoft no ve la IA como un sustituto del agricultor, sino como una herramienta para aumentar sus conocimientos.

También está la cuestión de las amenazas a la seguridad, señala Chandra. “Las explotaciones agrícolas son un negocio que no ha estado expuesto a muchos de estos tipos de tecnologías. Así que los agricultores necesitarían herramientas de seguridad y concienciación adecuadas cuando utilicen la IA”.

Los investigadores advierten de que dejar la agricultura en manos de la inteligencia artificial podría entrañar riesgos importantes. Señalan que los piratas informáticos podrían envenenar conjuntos de datos o desconectar pulverizadores, drones autónomos y cosechadoras robóticas y causar estragos en la cadena de suministro de alimentos.

Los problemas laborales y de desigualdad también son un problema. El trabajo agrícola depende de la mano de obra migrante, y un estudio reciente sugiere que la mayor parte del trabajo agrícola se convertirá en trabajo de cuello blanco a medida que se afiance la transición a la IA. En lugar de cosechar los productos, los trabajadores supervisarán a las máquinas que realizan el trabajo. Aunque los fundadores de Zordi afirman que, anecdóticamente, muchos de los trabajadores con los que trabajan en sus invernaderos han acogido con satisfacción el cambio tecnológico avanzado, existe, como han señalado los investigadores, el riesgo de que la tecnología amplíe las diferencias entre la mano de obra cualificada y la no cualificada, lo que podría conducir a una disparidad de ingresos aún mayor en la agricultura.

También está el problema de la conectividad. Para que la IA y el ML funcionen en la agricultura, las zonas rurales necesitan banda ancha. Según un informe de 2021 del Pew Research Center, la brecha digital entre comunidades rurales y urbanas sigue siendo un factor a tener en cuenta. El gobierno de Biden ha hecho un esfuerzo por cerrar esta brecha gracias a la ley de infraestructuras introducida en 2021, pero el desarrollo llevará tiempo.

Una vez establecida la conectividad, también está la cuestión de la propiedad de los datos. Las grandes empresas serán probablemente las que más se beneficien de la implantación de la IA y el ML en la agricultura, porque les dará más acceso a datos monetizables. En este momento, debido a que la IA, el ML y la robótica todavía están muy avanzados, el coste de implementar estas herramientas es muy alto y está fuera del alcance financiero de la mayoría de los agricultores, según Estes en la IFPA, aunque señala que incluso los pequeños agricultores se benefician de ello. “Una forma de verlo”, dijo, “es que están obteniendo el resultado de ello incluso si no están utilizando la IA en su granja”.

La agricultura inteligente ya está aquí

Más allá de setas y fresas únicas, la IA también está teniendo un impacto mayor en la agricultura de los países en desarrollo.

Jawoo Koo cofundó la plataforma de big data en agricultura del CGIAR. El CGIAR es una asociación mundial de investigación centrada en la seguridad alimentaria en la crisis climática. También es investigador principal del Instituto Internacional de Investigación sobre Políticas Alimentarias.

“Para que esta tecnología tenga un impacto real en los pequeños agricultores, los grandes tienen que hacer muchos tipos de pruebas en el medio ambiente”, explica Koo. “Suele ser un proceso largo, pero ahora tenemos una forma mejor de hacerlo”. Se refirió al proyecto 1000farms en el que ha estado trabajando.

“Esos datos se están convirtiendo en una especie de modelado predictivo para mantener una mejor estimación en torno al potencial de productividad de las nuevas semillas y también centrarse en esos microambientes. No está pensado sólo para todo un país o una gran zona, se puede precisar, o cuando un agricultor pide información”.

A medida que la agricultura se enfrenta a los crecientes retos del cambio climático, la disminución de los recursos y el aumento de la demanda mundial de alimentos, la IA y el ML podrían ofrecer potentes herramientas de adaptación a los agricultores. Grandes empresas como John Deere y Microsoft, junto con pequeños agricultores y empresas emergentes, están ampliando las fronteras de la agricultura inteligente. Aunque no es probable que la IA sustituya al agricultor, seguirá aumentando significativamente la toma de decisiones en el esfuerzo por hacer avanzar la agricultura hacia un futuro más sostenible, eficiente y respetuoso con el clima.