
En julio, un agricultor de Chuzhou, China, recurrió a un asistente de inteligencia artificial para obtener un plan contra las malas hierbas y las plagas. El modelo recomendó una combinación de productos agroquímicos que un periodista de Futurism describió después como «un Long Island iced tea de agroquímicos». El agricultor aplicó la mezcla en 25 acres de cultivo. Al día siguiente, todas las plántulas de sésamo habían muerto. Las pérdidas rondaron los 150.000 yuanes, equivalentes a unos 18.000 euros.
Cuando Wu preguntó al chatbot qué había salido mal, la herramienta reconoció sus errores. La mezcla propuesta servía para controlar ciertas malas hierbas de hoja ancha, pero el sésamo también se clasifica ampliamente como una planta de hoja ancha. Además, el chatbot recomendó tratar todo el campo en lugar de aplicar el producto de forma localizada.
El caso ilustra un problema más amplio: la inteligencia artificial generativa puede ofrecer respuestas convincentes sin contar con la información necesaria para que sean seguras. Un estudio reciente de investigadores de Estados Unidos, Reino Unido, Kenia, Nigeria y Colombia evaluó si estos sistemas podrían sustituir a los asesores agrícolas humanos. Sus resultados, publicados en Nature Food, sugieren que todavía no están preparados para hacerlo.
En una primera prueba, el equipo pidió a varios chatbots que recomendaran cómo combatir el gusano cogollero, una plaga que daña cultivos de maíz en distintas partes del mundo. GPT-3.5 y GPT-4, de OpenAI, ofrecieron indicaciones sobre pesticidas que resultaban ambiguas.
Después, los investigadores simularon consultas de agricultores de yuca en Nigeria. ChatGPT recomendó herbicidas concretos, pero indicó un momento de aplicación incorrecto. Seguir ese consejo podría haber destruido los cultivos y puesto en riesgo la seguridad alimentaria de millones de personas. Nigeria es el mayor productor de yuca de África.
## Un problema que podría agravarse
Los errores de este tipo preocupan aún más porque muchos agricultores tienen dificultades para acceder a asesoramiento profesional. El aumento de los costos de mano de obra, tierras y equipos limita lo que pueden gastar en orientación, mientras que en numerosas regiones escasean los extensionistas agrícolas capacitados.
Estos especialistas rara vez llegan a las explotaciones más aisladas de África y Sudamérica. Para muchos agricultores, desplazarse cientos de kilómetros para asistir a una capacitación tampoco es una opción. A menudo dependen de organismos ubicados en las capitales, que pueden carecer de personal y financiación para actualizar sus guías o seguir las nuevas prácticas agrícolas.
En ese contexto, algunos productores recurren a asistentes digitales. Una encuesta reciente de McKinsey indica que alrededor del 17 % de los agricultores del mundo ya utiliza IA generativa en sus decisiones cotidianas. Según informó Bloomberg, es una proporción superior a la de quienes emplean otras tecnologías emergentes del sector, como la robótica o la maquinaria eléctrica.
El problema no es necesariamente la inteligencia artificial en sí, sino confiar en chatbots de propósito general —como ChatGPT o Claude— para tomar decisiones agronómicas. Estas herramientas pueden conocer cultivos, productos químicos y prácticas habituales, pero no están diseñadas específicamente para asesorar sobre agricultura. Por ejemplo, quizá no soliciten datos esenciales antes de responder. Así, una recomendación puede parecer profesional y, aun así, resultar inadecuada o peligrosa.
## Una IA diseñada para la agronomía
Para que la IA sea más útil en el campo, debe basarse en información agronómica y datos específicos de cada explotación. Esto supone, por un lado, incorporar información relevante sobre el terreno: imágenes satelitales, cosechas anteriores, condiciones meteorológicas y etapa de crecimiento del cultivo. Por otro, requiere la participación de agrónomos que enseñen al sistema cómo responder ante distintas situaciones y establezcan límites claros.
Si el sistema sabe qué cultivo hay en una parcela, por ejemplo, puede evitar recomendar un herbicida no autorizado para ese cultivo. También puede reconocer cuándo los datos disponibles no bastan y pedir más información antes de ofrecer una sugerencia.
Imaginemos a un agricultor que necesita tratar un campo de trigo contra las malas hierbas. Un chatbot general podría recomendar un producto eficaz según información de carácter general. Sin embargo, quizá desconozca que el trigo atraviesa una etapa vulnerable o que se esperan vientos fuertes al día siguiente. Aplicar el producto en esas condiciones podría dañar el cultivo o hacer que la pulverización llegue a terrenos vecinos.
Un asistente conectado a datos fiables podría consultar imágenes satelitales y pronósticos meteorológicos antes de responder. Con esa información, podría advertir sobre el viento, considerar la etapa de crecimiento del trigo y sugerir una alternativa más segura. También podría indicar zonas concretas que necesitan tratamiento, mediante coordenadas o un mapa de tareas, en vez de recomendar la pulverización de todo el campo. El resultado potencial: menos gastos innecesarios y una mayor protección de la cosecha.
## Reducir la carga de recopilar datos
Pedir a los agricultores que reúnan toda esa información y la introduzcan manualmente en una herramienta genérica no es una solución realista. La tarea requiere tiempo y conocimientos técnicos que muchos productores no tienen disponibles. Además, los datos deben mantenerse actualizados para que las recomendaciones sigan siendo pertinentes.
Por eso podría desarrollarse un mercado de asistentes agrícolas especializados, conectados de manera nativa a paneles de gestión e imágenes satelitales. La integración permitiría consultar distintas fuentes de información sin obligar al agricultor a cambiar constantemente de plataforma o recopilar cada dato por separado.
Algunas herramientas ya avanzan en esa dirección. Pueden revisar capas de datos satelitales, analizarlas visualmente y responder en lenguaje sencillo a preguntas como: «¿Qué ha cambiado en las últimas 48 horas?». Otros productos permiten enviar notas de voz sobre las labores o los productos aplicados; el sistema registra esa información en el lugar correspondiente y la conserva como contexto para futuras consultas.
Estas soluciones pueden ayudar a interpretar los datos de cada explotación, detectar cambios importantes y reducir el tiempo dedicado a combinar fuentes distintas. La IA no sustituirá por sí sola la experiencia agronómica, pero, cuando se diseña para el sector y se apoya en información contextualizada, puede convertirse en una herramienta valiosa. El objetivo debe ser ayudar a los agricultores a tomar decisiones mejor fundamentadas, no añadir nuevos riesgos a una actividad de la que dependen sus cosechas y sus medios de vida.
from Latest from TechRadar https://ift.tt/t1FDEpn
via IFTTT IA