Lanzamos un software de gestión agrícola con IA
La semana pasada, en Farmable probamos nuestras primeras funciones basadas en IA. Hemos colaborado con 30 de nuestros usuarios más activos para probar este lanzamiento inicial, no para convencernos de su valor (¡de eso ya estamos convencidos!), sino para abordar las cuestiones técnicas relacionadas con las API de modelos de inteligencia artificial. De momento, los resultados están claros: las posibilidades son alucinantes.
Los tres pilares del análisis de la IA
Nuestra primera implementación aprovecha la IA para analizar las imágenes que suben los usuarios, enriquecidas con metadatos de las excepcionales bases de datos de Farmable. Nos hemos centrado en tres funciones clave: la identificación de variedades de cultivos, la detección de plagas y enfermedades, y la predicción del rendimiento.
- Identificación de las variedades de cultivos: Esta función está relacionada con la verificación. Al analizar una imagen, la IA confirma que lo que se está cultivando en el campo coincide con los datos que tiene el usuario sobre esa parcela. Es una solución muy práctica que permite evitar los errores humanos y el mal uso, garantizando que el sistema se ajuste a la realidad.
- Identificación de plagas y enfermedades: A partir de los registros históricos, los tratamientos de cultivos de años anteriores y las bases de datos de conocimientos regionales, identifica las plagas y enfermedades con una precisión extraordinaria. Un agricultor podría subir una foto de una planta marchita y la IA podría identificar una plaga concreta, basándose en años de datos locales, para proponerles las medidas que podrían tomar.
- Predicción del rendimientoEsta es la solución más ambiciosa de este trío y da resultados especialmente interesantes cuando se combina con un conjunto de datos completo; en concreto, las imágenes se asocian al historial de rendimiento, los tratamientos de los cultivos, los planes de fertilización y las métricas sobre la salud de las plantas. Con este contexto, la IA pronostica el rendimiento con la precisión suficiente para poder hacer los cambios necesarios a mitad de temporada o planificar la cosecha. Sin él, sin embargo, las predicciones no son tan exactas, un problema que queremos solucionar con estas pruebas.
El poder de un equivalente digital
Lo que hace que esta inteligencia artificial funcione no son solo algoritmos inteligentes: es la base de datos de Farmable, un equivalente digital de las operaciones agrícolas del mundo real. Nuestra base de datos principal consta de casi 200 objetos interconectados, cada uno de ellos anidado y vinculado para representar las dependencias reales de las explotaciones agrícolas. Con las consultas adecuadas, la IA puede acceder a una vista panorámica de la organización y la ejecución de una explotación agrícola para analizar cada campo, cada tratamiento y cada cosecha. No se trata solo de datos: es un espejo de la explotación agrícola casi en tiempo real.
Sin esta estructura, volveríamos al viejo problema de los datos en silos: hojas de cálculo aisladas, bases de datos SQL y datos inconexos. El enfoque del equivalente digital garantiza que la IA no se limite a ver una sola imagen, sino que comprenda la historia que hay detrás. Por ejemplo, identificar una plaga no es solo cuestión de la hoja que se retrata en la foto, sino de la historia del cultivo, los patrones de plagas de la región y las intervenciones anteriores del agricultor. Esa es la diferencia entre las conjeturas y la inteligencia.
El camino técnico
Estos ensayos son un campo de pruebas para definir los detalles de la integración de la IA. ¿Cómo optimizamos las llamadas a la API para que sean más rápidas? ¿Cómo tratamos los casos extremos, como la carga de datos erróneos? ¿Cómo obligamos a la IA a devolver un objeto de Farmable como un «trabajo de pulverización»? Los 30 usuarios que participan en la prueba nos están ayudando a afinar estos detalles, y las primeras rondas de feedback ya están dando forma a futuras versiones.
Traspasando horizontes
Esto es solo el principio. En un futuro próximo, ampliaremos el alcance de la IA a todo el ecosistema de Farmable. Imagina que la inteligencia artificial analice los lotes de cosechas para vincular la calidad a campos concretos, o que procese imágenes de satélite para obtener información sobre la salud de los cultivos en tiempo real. Incluso estamos planeando escanear las hojas de resultados de los almacenes,
extrayendo datos sobre la calidad y los precios para vincular los resultados financieros directamente al rendimiento del campo. Cada paso nos acerca más a una plataforma totalmente integrada en la que la IA ayuda a los productores en todo momento, automatizando las tareas más sencillas, facilitando las más complejas y ayudándolos a tomar mejores decisiones.
La visión de Farmable
En última instancia, nuestro objetivo es sencillo pero ambicioso: utilizar la IA para mejorar los resultados financieros de los productores. Al incluirla en cada rincón de Farmable, desde la planificación hasta la cosecha y la comercialización, estamos creando un sistema que trabaja tanto como las personas a las que sirve. Las pruebas que lanzamos la semana pasada son un paso importante, pero también una promesa. En Farmable, la IA no es una moda, sino la base de un futuro más inteligente y rentable para la agricultura.
