Lecciones del proyecto piloto IA de Farmable: los datos fomentan una agricultura más inteligente
En Farmable tenemos el objetivo de ayudar a los productores de todo el mundo a gestionar sus explotaciones. Por eso, hace poco pusimos en marcha un proyecto piloto de IA con algunos de nuestros usuarios más activos: productores que han probado nuestras herramientas en campos reales, desde Noruega hasta Inglaterra. ¿Nuestra misión? Descubrir cómo la inteligencia artificial puede encajar en el día a día de la agricultura sin complicar la vida a los productores. Ya tenemos los resultados y la conclusión está clara: para que la IA funcione, necesita buenos datos. Te contamos todo lo que hemos descubierto y te ofrecemos una guía paso a paso para utilizar las notas de campo basadas en IA de Farmable, que te ayudarán a aumentar la productividad de tu explotación.
El piloto: la IA llega a las explotaciones de verdad
Para este piloto, hemos introducido una nueva función: Notas de campo con IA. La idea era que los productores sacasen una foto o tomasen nota rápidamente de algún dato y que nuestra IA la analizase para identificar variedades de cultivos, detectar plagas y enfermedades o calcular el rendimiento. La tecnología funcionó a las mil maravillas: cada imagen subida se traducía en respuestas. Pero ¿cuál era la calidad de esas respuestas? Eso dependía totalmente de los datos que introdujéramos en el sistema.
En Farmable, incorporamos automáticamente los metadatos de un campo (el tipo de cultivo, el historial de siembra, los registros de plagas anteriores, los tratamientos y las cosechas) a cada análisis de la IA. Y no se trataba de añadir esos datos sin criterio alguno, sino de preparar el caldo de cultivo perfecto que convirtiera los consejos generales en información práctica. Vamos a ver los resultados a lo largo del tiempo.
Caso 1: Convertir una foto en consejos prácticos
Imagina que gestionases este manzanar de Noruega, un campo de 2,84 ha que alcanzó un rendimiento récord de 113 220 kg en 2023. Te das cuenta de que algunas hojas parecen apagadas, así que haces una foto y la subes como nota de campo. Sin contexto, la IA podría decir : «Podría tratarse de daños por una plaga: mira si hay pulgones». Un mensaje útil, pero no demasiado original.
Ahora, añade el historial del campo: deficiencia de magnesio registrada en 2024, brotes de sarna del manzano y un tratamiento de 30 kg de fertilizante en primavera. La respuesta de la IA cambia: «Dado el historial de sarna de este campo y el bajo nivel de magnesio, esas hojas amarillentas podrían indicar estrés por nutrientes. Prueba a echar sulfato de magnesio después de la cosecha y controla la sarna con Rimpro». De repente, tienes un plan adaptado a tu huerto, no una suposición que parece sacada de un manual.
Caso 2: Las muestras de suelo revelan datos más exhaustivos
Un productor hizo una prueba interesante durante el piloto: en lugar de una foto de la planta, subió un informe de la muestra del suelo. Algo así como el análisis de los Laboratorios Lancrop para un huerto de perales en Inglaterra que detallaba los niveles de pH, fósforo y calcio. Pensamos que la IA no daría los resultados esperados, pero nos equivocamos. Vinculó la muestra al campo adecuado, analizó el suelo en función de las necesidades del cultivo de pera y cotejó los registros de enfermedades anteriores. ¿El veredicto? «El nivel de calcio es bueno, pero el magnesio está al límite. Modifica las cantidades para aumentar la resistencia a las enfermedades».
Esto nos mostró que los datos del suelo no son solo una instantánea, sino un pilar fundamental. Combínalo con los registros de tratamiento (como los 10 kg de Multi-K+Mg aplicados en verano), y la IA podrá determinar con precisión cómo influye la salud del suelo en el futuro de tu cultivo.
Caso 3: El NDVI lo combina todo
Luego añadimos imágenes de satélite NDVI (índice de vegetación de diferencia normalizada), que analizan la salud de la vegetación a lo largo del tiempo. En el manzanar, el NDVI mostró signos de crecimiento desigual. La IA relacionó esta información con los trabajos de fertilización registrados y las notas sobre las plagas (sarna y pulgones) y propuso lo siguiente: «Poda para que la luz penetre mejor y reducir el riesgo de sarna; esas zonas más oscuras podrían necesitar un refuerzo extra de 10 kg de Naraber». Con el NDVI, la IA no solo ve el presente, sino que relaciona las acciones pasadas con los resultados actuales.
Cómo utilizar las notas de campo de la IA en Farmable: guía paso a paso
¿Quieres probarlo en tu explotación? A continuación te explicamos cómo crear y almacenar una nota de campo con IA en Farmable. Es muy fácil ¡y solo tardarás unos minutos!
- Abre la aplicación y crea una nueva nota
Pulsa el botón + y selecciona «Nota de campo». Verás opciones para escribir una observación rápida (por ejemplo, «Hojas amarillas manchadas») o subir una foto, por ejemplo, de tu cultivo o de una muestra de suelo. - Añade detalles y haz una foto
Si vas a subir una imagen, utiliza la cámara del teléfono directamente desde la aplicación o selecciónala de la galería. Por ejemplo, haz una foto del manzano en cuestión o de un informe del suelo del campo. Añade una breve nota si quieres (por ejemplo, «Comprobando si hay sarna»). - Deja que la IA analice los datos
Toca «Preguntar a la IA» para que se ponga en marcha. Escaneará la foto o el texto, lo cotejará con el historial de tu campo (por ejemplo, el trabajo de pulverización de la semana pasada), y te devolverá datos útiles, como alertas sobre plagas o consejos sobre nutrientes. - Guarda los datos y compártelos
Una vez que la IA responde, la nota se guarda en el registro de tu campo, al que puedes acceder en cualquier momento desde la pestaña «Notas». ¿Necesitas compartir estos datos con un agrónomo o con las autoridades? Expórtalos en PDF o enlázalos a través de nuestra API.
¡Así de fácil! La aplicación hace el trabajo más difícil (combinar la información que introduces con el historial de datos, las estadísticas del suelo y el NDVI) para que recibas consejos útiles con total facilidad.
La gran conclusión: los datos son imprescindibles
Nuestro piloto nos permitió establecer los tres pilares de datos imprescindibles para la IA en la gestión agrícola:
- Historial de datos del campo: las cosechas, los registros de plagas y los trabajos aportan contexto.
- Muestras de suelo: son la base de todo, como hemos observado en el caso del huerto de perales en el que había que modificar los nutrientes.
- Imágenes del NDVI: se monitoriza el progreso y se vinculan las acciones a los resultados a lo largo del tiempo.
Sin uno de estos pilares básicos, los consejos de la IA son demasiado generales. Sin embargo, si los combinas todos, tendrás pasos precisos y procesables: menos sugerencias sin concretar y más indicaciones concretas que seguir.
¿Por qué esto es tan importante para los gerentes de las explotaciones?
No se trata de dejar de lado tus conocimientos, sino de ampliarlos. Analicemos por ejemplo el caso del productor de manzanas: su rendimiento en 2023 fue fantástico, pero el NDVI del 2024 señaló los puntos críticos. Con la IA, podrá adaptar el plan de la próxima temporada (quizá subir la dosis de potasio) para superar las 1200 cajas. Estamos hablando de beneficios, no solo de datos.
Únete al futuro de la agricultura
Este camino no ha hecho más que empezar. Nuestro piloto con la IA está evolucionando y queremos animar a productores como tú a darle forma. ¿Quieres probar las notas de campo de la IA en tu terreno? Regístrate para disfrutar de una demostración o únete a nuestra próxima fase piloto: trae tus datos y avancemos hacia un sistema más inteligente juntos.