La posibilidad de identificar patrones y analizar datos para sacar conclusiones está modificando la forma de producir alimentos en todo el mundo. Sin dudas, la agricultura digital ayuda al campo a ser cada vez más eficiente y sustentable.
Por ejemplo, hacer una recorrida a campo implica observar la realidad de cada lote y tomar datos que hoy, gracias a las herramientas tecnológicas aplicadas a la agricultura, son fácilmente registrables y convertidos en información.
E incluso los procesos son cada vez más avanzados: el denominado Big Data y Chat GPT ofrecen múltiples alternativas útiles al productor.
Así es que analizar y entender esta presición resulta una valiosa guía para la toma de mejores decisiones de manejo y la planificación estratégica de los negocios.
AGRÓNOMOS DE PRECISIÓN, CON CHAT GPT
Por ejemplo, un informe difundido por CREA destaca el potencial para el campo de la inteligencia artificial a través de GPT-4, la última versión de Chat GPT lanzada por OpenAI en marzo de este año, que permite realizar múltiples tareas orientadas a eficientizar el uso del tiempo y los recursos en el ámbito agronómico.
Se trata de la versión más avanzada del sistema desarrollado por la compañía para mantener conversaciones en cualquier idioma, dado que sus algoritmos tienen la capacidad de interpretar órdenes para generar respuestas basadas en la información con la que la aplicación ha sido entrenada.
La versión más completa, Chat GTP Plus, además de disponer de mayor cantidad de funcionalidades, se actualiza en tiempo real con los registros presentes en Internet; la misma tiene un costo mensual de 20 dólares.
“Cuando yo iba a la facultad te decían: acá te damos la llave de la biblioteca, y luego llegó Google. Pero ahora apareció esta nueva tecnología”, expresó Martín Oesterheld, docente e investigador de la Facultad de Agronomía de la UBA.
Las respuestas a las preguntas relativas a cuestiones agronómicas aportadas por GTP-4 son, por lo general, correctas, aunque generales, dado que carecen aún de la profundidad y el conocimiento específico propio de cuestiones regionales o locales.
SINTETIZAR LA INFORMACIÓN
El sistema tiene la capacidad de sintetizar y clarificar textos de toda índole. Por ejemplo, si se le solicita a GTP-4 que explique brevemente en español, para una audiencia no experta, el contenido de un artículo científico sobre cultivos de servicio, lo hace de manera apropiada.
Además, puede resumir un artículo de divulgación científica y comprimirlo de manera tal que pueda ser adaptado a un tweet.
Esta herramienta permite mejorar textos para simplificarlos y hacerlos más accesibles. De esta manera, cualquier escrito puede ser incorporado a GTP-4 para solicitarle al sistema que escriba el texto de manera más breve, directa y efectiva, lo que por lo general arroja un resultado acorde a lo esperado.
Además, el sistema puede ayudar a escribir textos. Se le puede solicitar, por ejemplo, que escriba un párrafo para un boletín técnico de temas agropecuarios en torno a lo siguiente: “Los sensores remotos proveen valiosos servicios a la producción agropecuaria”. El resultado es el siguiente:
También es factible solicitar que enriquezca el texto aportado, por ejemplo, pidiéndole que, en lo que respecta a la mención realizada sobre agricultura, reemplace el texto por algo que diga que los sensores son utilizados para generar modelos de predicción de rendimientos.
IDENTIFICA CONTENIDOS EN IMAGENES
Asimismo, el artículo elaborado por CREA menciona que GPT-4 es útil para identificar aspectos contenidos en imágenes, como puede ser el caso de síntomas de enfermedades de cultivos.
También el sistema puede emplearse para programar. Es decir que se le puede cargar una planilla con datos y solicitarle que escriba un script en lenguaje Python para elaborar un gráfico box-plot de “rendimiento” para cada “región CREA” con los resultados ordenados de mayor a menor. Con estas instrucciones, Chat GTP-4 explica qué es lo que hace para luego mostrar el código que permite elaborar el gráfico solicitado.
Existe una alternativa más práctica, denominada “Análisis Avanzados de Datos”, por medio de la cual, en lugar de brindar el código para elaborar el gráfico, se saltea ese paso y genera directamente el gráfico, lo que permite ahorrar gran cantidad de tiempo.
Otra herramienta disponible es la generación de imágenes a través de instrucciones de texto. Las creaciones elaboradas por Dall-E 3 -aplicación específica para el desarrollo de imágenes- no son tomadas de archivos existentes en la web, sino desarrolladas por el propio sistema, lo que permite emplearlas sin problema en presentaciones, ya que no tienen derecho de autor.
Si bien el sector de la agricultura es una de las áreas donde la inteligencia artificial todavía no logró ganar terreno aún, sobre todo en Sudamérica, con el paso de los años la demanda y la competencia por la calidad de los productos hacen que los productores opten por mejorar y entrometerse en mundo de importante alternativa que llegó para quedarse.
EL BIG DATA TAMBIÉN POTENCIA LOS RINDES
Por su parte, el desarrollador de Data Science en la agtech SIMA (Sistema Integrado de Monitoreo Agrícola), Bruno Cocitto, exhibió su mirada de experiencia al respecto.
“Básicamente, es tomar los datos que recogen nuestros usuarios y con ello generar info que le sirva al cliente a través de modelos y tableros”, asegura el Data Scientist de SIMA sobre el rol del Big Data en el agro.
Está claro que estas plataformas de gran utilidad, que llegaron para revolucionar la noble actividad agropecuaria, permite integrar todos los datos ordenados, interpretarlos y mostrarlos en forma de gráficos, tablas o mapas que sean amigables, de fácil lectura y observación para entender la relación que tienen.
“Nosotros en particular agrupamos un montón de datos y los transformamos para generar valor al cliente a través de predicciones y sugerencias, que le sirvan para encontrar similitudes de manejo o tendencias”, explica Cocitto.
TRANSMITIR LA MEJOR INFORMACIÓN
Con esta tecnología, no basta solo con transformar la información si no se logra transmitir idóneamente. Es fundamental saber comunicar de manera efectiva y eficientemente a los usuarios para que los resultados del análisis puedan concretarse en acciones y decisiones, que lleven a mejorar los sistemas productivos.
En ese marco, hay que apreciar que existen dos grandes grupos de usuarios; los productores o asesores independientes que llevan adelante pequeñas empresas con potencial desarrollo, y compañías con mayor volumen de operaciones.
“Resulta especialmente significativo acompañar en esta transferencia de conocimiento para lograr una adopción exitosa de estas tecnologías”, resalta Bruno.
La escala del establecimiento o empresa es importante en la adopción y aceptación de nuevas formas de registrar la información, y por ello es de particular relevancia construir lazos de confianza con todos los clientes y en especial con las empresas más pequeñas o los productores individuales que se animan a incursionar en ellas.
En estos casos, lo que se tiene que buscar es no imponer la herramienta, sino sugerir cambios o complementar criterios, como por ejemplo a través de casos de éxito.
EL DATO ACOMPAÑADO DE LA REALIDAD
La demostración de evidencia práctica y resultados positivos a través de la realización de ensayos, visitas a campo y el trato directo con los clientes es la mejor forma de hacerlo, según advierten los desarrolladores de estas importantes innovaciones.
Para ejemplo, en su plataforma, SIMA cuenta con un predictor de rindes y mostrar diferencias o similitudes entre los resultados esperados o estimados por los productores y los que devuelve el predictor.
“Es una manera práctica de tangibilizar esta ciencia de datos a través de la evidencia, y es donde el equipo de DS pone especial foco: cómo comunicar de la mejor manera al usuario”, argumenta Cocitto.
En los últimos años, la implementación de Inteligencia Artificial (IA) en el campo de la agricultura ha avanzado significativamente. No obstante, hay mucho camino por recorrer, especialmente en áreas como la predicción de enfermedades o eventos abióticos; y para avanzar hacia ello uno de los primeros pasos es la mejora de la calidad de los datos.
La IA combina matemáticas y estadística, programación especializada, análisis avanzados y machine learning entre tantas otras disciplinas, para descubrir información práctica oculta en los datos de una organización, y puede ayudar a generar confianza y convencer a los usuarios de su utilidad.
La industria agropecuaria en Argentina tiene todo el potencial para dar el salto, pero aún hay desafíos y oportunidades por delante, particularmente en la comunicación efectiva con los diferentes tipos de usuarios y la mejora continua de la calidad de los datos.
