Por Adrián Bruno- CEO de Albor
Las oportunidades de generar eficiencia para los campos, productores y profesionales del agro son vastas y en constante crecimiento y las AgTech y la Agricultura de precisión son claves para lograrlo.
Es indudable que el progreso constante de las nuevas tecnologías cambiará la forma de hacer las cosas a un modelo mucho más informado y una recopilación de datos más activa.
Los tres tipos de visiones que tenemos para ayudar a tomar, informar y evaluar decisiones son: la retrospectiva; la perspectiva en tiempo real y la previsión futura. Si bien son diferentes, todas contribuyen a lo que buscamos constantemente: mejores resultados en el campo y en la industria agropecuaria hasta el consumidor.
La retrospectiva
Esta es la forma más común de utilizar herramientas digitales y tiene sus limitaciones porque es inherentemente “hacia atrás”. Sin embargo, es un lugar perfecto para comenzar.
Este es el acto de tomar y registrar datos e información del año o años anteriores y utilizarlos para tomar una decisión en la próxima campaña. Un ejemplo podría ser comparar cómo le fue a una variedad frente a otra el año anterior; observar cómo las cantidades o formas de aplicación de fertilizantes se compararon entre sí o cómo las marcas se comparan entre sí al tomar una decisión de compra combinada. E incluso combinar ello con las condiciones climáticas ocurridas de lluvias, viento y humedad. Aquí es donde una herramienta de evaluación comparativa única tiene un buen uso. Ahora tenemos acceso a un conjunto de datos mucho más completo y robusto, capturados por distintas herramientas (sistemas de gestión, sensores, maquinarias, etc.) que nos permiten volver a reunirnos después de una campaña (e incluso durante) e identificar un mejor camino hacia adelante para la próxima.
Perspectiva en tiempo real
Este concepto implica tener información que permita tomar una decisión “informada” que pueda afectar el resultado de la campaña en tiempo real. Hasta hace unos años, esto no era realmente tan posible. Actualmente, tenemos numerosas herramientas que pueden proporcionar información sobre cómo avanzar en función de lo que sucede en el campo ya mismo.
Vamos a dos ejemplos específicos: El primero son las sondas de humedad del suelo que pueden decirnos cuál es el nivel de humedad del perfil del suelo en este momento de hasta cierta profundidad. Si por ejemplo estamos ante un cultivo bajo riego, esta información es relevante para planificar los eventos de riego, pero incluso si el productor no riega, puede comprender cuánta humedad hay en su suelo y si en la profundidad hay suficiente humedad para justificar una aplicación adicional de nitrógeno. También se puede ir un paso más allá para tener una comprensión en tiempo real de los niveles de humedad más nitrógeno, basados en sensores y modelos analíticos que pueden brindarle una información basada en datos sobre “cómo proceder” en función de lo que hay actualmente en su suelo. Además están disponibles las imágenes de índice verde o NDVI, que si bien en el pasado ya existían, ahora son casi diarias y la capacidad de identificar la variación en un campo, se puede comenzar a ver en tiempo real dónde pueden haber ocurrido distintos eventos que afectan de una u otra manera al cultivo en ese momento y que pueden influir en el resultado final. Así, este tipo de herramientas ayudan a mutar de un escenario de “lo resolveremos para la próxima campaña” a un enfoque de “vamos a abordarlo ya mismo”.
La previsión futura
Se trata de la capacidad de ver alrededor y anticipar problemas u oportunidades antes de que sucedan, asegurando que se tenga una estrategia y un plan de ataque para mitigar cualquier riesgo a la baja o aprovechar una oportunidad que pueda surgir. Cuando se trata de AgTech, las capacidades para ofrecer y complementar este tipo de visión están creciendo cada vez más. Es la anticipación a los problemas que ocurren en el campo y se puede entregar a través del modelado de escenarios y el aprendizaje automático.
Los sensores y el modelado pueden permitirnos tener al menos una visión más clara del futuro. Con la capacidad de monitorear el clima a nivel de campo y pronosticar o modelar el clima a 10 días, más sensores que pueden evaluar en tiempo real en el área, se puede obtener una imagen más clara del nivel de riesgo de distintas enfermedades en los campos en momentos clave. Esto permite a los productores y colaboradores tomar decisiones más informadas sobre lo que podría suceder y comienza a darnos una probabilidad de riesgo (y consecuente pérdida de rendimiento) que nos permite tomar decisiones informadas.
Este es sólo un comienzo de la previsión, los modelos de predicción del rendimiento por zona/ambiente en el campo y la predicción de la calidad por zona/ambiente se convertirán en herramientas estándar para los productores en los próximos años y comenzaremos a ver nuevas tecnologías.
Más allá de la estrategia de gestión de datos que el productor implemente, la clave está en poder utilizar las tecnologías disponibles que conforman el mundo AgTech en nuestro país, que si bien aún están en una etapa incipiente de adopción, apuntan a ser una de las principales herramientas que les permitirán a los productores tomar decisiones más eficientes, buscando producir más y mejores alimentos.
