Escuchar artículo

Agronegocios: ¿cuál es el lado B si se aplica la IA generativa?

Por definición, la inteligencia artificial generativa (IAG) está basada en modelos de aprendizaje automáticos, que son algoritmos que simulan los procesos de aprendizaje y la toma de decisiones ...

21 Noviembre 2024

Por definición, la inteligencia artificial generativa (IAG) está basada en modelos de aprendizaje automáticos, que son algoritmos que simulan los procesos de aprendizaje y la toma de decisiones del cerebro humano. También que el sistema funciona mediante la identificación y programación de los patrones en cantidades relevantes de datos para, posteriormente, comprender las preguntas del lenguaje natural de los eventuales usuarios y responder en consecuencia por medio de un nuevo contenido.

En el caso puntual de la utilización con fines orientados a los agronegocios, o a la agroindustria, el vaso medio lleno se puede apreciar a través de no pocas aplicaciones.

Fabricio Orrigo, director de productos para agro de TOTVS, lo explica de esta manera: “Desde el lanzamiento de ChatGPT, la interfaz conversacional basada en IA generativa, se produjo bastante discusión sobre los impactos de su uso en los diferentes sectores de la economía. Con el principal foco puesto en la conversación y la generación de contenidos, considero que el uso de estas tecnologías es un complemento importante del trabajo humano, especialmente cuando tratamos con un volumen cada vez más impresionante de datos generados por sistemas autónomos. Y en el caso de los agronegocios esta innovación puede actuar como un acelerador de las decisiones tomadas por gestores y productores”.

En el mismo sentido, Orrigo cita 6 puntos relevantes para el uso en la agroindustria:

—Asistencia técnica: un chatbot basado en GPT puede responder dudas sobre productos agrícolas, uso correcto de fertilizantes, técnicas de siembra y nutrición vegetal, pasando a ser una suerte de asistente técnico para el productor.

—Comunicación con los clientes: los chatbots pueden proporcionar información sobre los productos, tales como características nutricionales, y origen y métodos de cultivo. La tecnología también puede funcionar a la inversa, capturando opiniones y comentarios de los consumidores para generar conocimientos comerciales y mejoras de procesos para los productores.

—Análisis de datos: a escala, la IAG puede procesar pronósticos meteorológicos, datos de cosechas e información de mercado. De este modo, se pueden utilizar los resultados para acelerar la toma de decisiones en diversas etapas de siembra.

—Demanda y previsión del mercado: se puede aplicar el análisis de datos históricos y en tiempo real de la agroindustria para predecir la demanda futura de productos agrícolas y proporcionar información sobre las tendencias del mercado (lo que permite planificar la producción).

—Monitoreo y control de plagas: con la ayuda de imágenes e información proporcionada por productores, la IAG puede procesar una importante cantidad de datos para ayudar a diagnosticar enfermedades de los cultivos e, incluso, sugerir medidas de control fitosanitario.

—Optimización del uso de recursos: la IAG está en condiciones de contribuir a la optimización del agua y de los fertilizantes en función de datos ambientales y características del suelo. Se pueden hacer proyecciones y pronósticos de recursos e insumos con base en el historial de actividades (con repercusión en prácticas más sustentables y sostenibles).

Ahora, verlo sólo con una perspectiva positiva cuando se trata de una tecnología que aún sigue en desarrollo es poco menos que (ciertamente) una quimera.

“Como ocurre con cualquier tecnología nueva, es importante considerar algunas advertencias antes de incorporarla a la gestión de agronegocios. El rendimiento de la IA generativa depende de la calidad y representatividad de los datos con los que se alimenta. Es decir, invertir en actualizar y elegir los más relevantes para el negocio es vital si se pretenden respuestas correctas. Otro punto está relacionado con la seguridad y la privacidad de esos datos, ya que es fundamental garantizar el uso responsable de la información agrícola para mantener la integridad de las aplicaciones y del servicio”, sostiene Orrigo.

Marcelo Granieri, licenciado en Sistemas de Información y profesor de OBS Business School, también plantea estas cuestiones: “Si la IA generativa es entrenada con determinados datos, puede generar contenido que refleje esos sesgos; esto es, podría tener consecuencias graves en esas áreas cargadas, como economía, medioambiente, política y demás. Otro riesgo es la privacidad: con la capacidad de generar contenido único y personalizado, hay preocupaciones sobre el uso de datos personales y la posibilidad de que puedan ser utilizados para fines indebidos, así como la IAG también plantea desafíos éticos en relación a la creatividad y a la propiedad intelectual”.

De esta manera, se permite preguntar: ¿quién será considerado el autor o creador de ese contenido? ¿cómo se protegerá la propiedad intelectual de estos productos generados por la IAG? Lo que se sabe es que ya existen debates a nivel global por este tema”.

OTROS TEMAS DE ESTA MISMA COLUMNA:

—La Niña: cuando una debilidad ilusiona al sector agropecuario

—Sudoeste bonaerense: ¿por qué la fertilización mejora la eficiencia del agua?

—El suelo argentino: ¿por qué analizar sólo el 30 % no alcanza para tomar decisiones?

—Drones: el cambio que ya se instaló en los programas de pulverización

—Bordeu 2024: un clima de época que se nota

—Colza: un cultivo de invierno en auge para biocombustibles

—Ganado bovino: cuando la mejor productividad redunda en un menor impacto ambiental

—Ganadería: ¿por qué la campaña 2023/24 fue un electrocardiograma?

—Maquinaria agrícola: en agosto aparecieron indicios de una reactivación

—Agroexportación: ¿se puede incrementar U$S 20.000 millones hacia 2030?

—Alimentos: cuando la sustentabilidad se convierte en el eje del debate