La incorporación de inteligencia artificial a la agricultura de precisión avanza hacia una etapa en la que ya no solo permite monitorear el estado de los cultivos, sino también anticipar su comportamiento y apoyar decisiones productivas con semanas de anticipación.
Ese fue uno de los principales planteamientos de la ponencia ofrecida por el investigador boliviano Juan A. Landivar, durante Total Conference 2026, donde expuso los resultados de una metodología desarrollada en Texas A&M AgriLife Research, institución estadounidense de la que es director de Investigación y Extensión.
La propuesta integra información obtenida mediante drones, imágenes satelitales y modelos conocidos como gemelos digitales, que replican el comportamiento del cultivo durante todo su ciclo productivo. Cada nuevo monitoreo alimenta algoritmos de inteligencia artificial capaces de proyectar el desarrollo de la planta desde la germinación hasta la cosecha.
“El objetivo es transformar grandes volúmenes de datos en información útil para el agricultor, permitiéndole anticipar escenarios y realizar ajustes oportunos en el manejo agronómico”, explicó.
En los ensayos realizados en algodón, la plataforma ha logrado proyectar el rendimiento entre seis y ocho semanas antes de la cosecha. Para ello utiliza una biblioteca de alrededor de 260 modelos digitales, que el equipo espera ampliar hasta cerca de 800, con el objetivo de incrementar la precisión de las predicciones.
Predicciones antes de la cosecha
Durante su exposición, el investigador mostró resultados obtenidos en campos experimentales del sur de Texas, donde el sistema ha sido utilizado para estimar el rendimiento de los cultivos entre seis y ocho semanas antes de la cosecha.
En pruebas realizadas en cultivos de algodón en el sur de Texas, el sistema ha logrado proyectar el rendimiento entre seis y ocho semanas antes de la cosecha, información que permite al productor planificar con mayor anticipación el manejo del cultivo y sus decisiones comerciales.
“Las proyecciones se actualizan conforme ingresan nuevos datos obtenidos mediante vuelos de drones, permitiendo identificar cambios derivados de eventos climáticos como sequías o granizadas y ajustar las estimaciones de producción”, indicó Landivar.
Además del rendimiento esperado, la plataforma puede proyectar variables relacionadas con el crecimiento del cultivo, la acumulación de biomasa, la maduración y las necesidades de reguladores de crecimiento, generando recomendaciones para cada etapa del desarrollo de la planta.
Agricultura basada en datos
Uno de los conceptos centrales de la presentación fue el uso de los llamados gemelos digitales, modelos virtuales que reproducen el comportamiento fisiológico del cultivo a partir de información capturada directamente en campo.
“Esta metodología permite construir una base histórica de datos que alimenta continuamente los algoritmos de inteligencia artificial. A medida que aumenta la cantidad de información disponible”, explicó Landivar, también mejora la precisión de las predicciones.
El investigador señaló que el sistema ya ha sido evaluado durante varios años en diferentes condiciones productivas, incorporando escenarios marcados por eventos climáticos extremos para fortalecer la capacidad predictiva de los modelos.
Herramienta para la toma de decisiones
El sistema también incorpora modelos que combinan proyecciones de rendimiento con estimaciones de precios, permitiendo analizar posibles márgenes de rentabilidad antes de la cosecha.
De acuerdo con Landivar, contar con información anticipada puede ayudar al productor a planificar mejor sus operaciones comerciales y de manejo, reduciendo la incertidumbre propia de la actividad agrícola.
Aplicación en distintos sistemas productivos
Aunque la investigación se ha desarrollado principalmente en algodón, Landivar indicó que la metodología puede adaptarse a otros cultivos como maíz, soya, sorgo, trigo y arroz.
Asimismo, señaló que el equipo de investigación trabaja en aplicaciones para sistemas ganaderos, mediante la estimación de biomasa en pasturas para apoyar decisiones relacionadas con la capacidad de carga y el manejo de potreros.
Consultado sobre la posibilidad de implementar esta tecnología en Bolivia, sostuvo que las herramientas necesarias ya existen y que el principal desafío pasa por integrar los distintos componentes tecnológicos y adaptarlos a las condiciones locales.
"La tecnología está disponible; el reto es decidir cómo implementarla", afirmó.
La productividad como motor del crecimiento
En la misma conferencia, el economista agrícola de Texas A&M AgriLife Extension, Yuri Calil, complementó la visión tecnológica desde una perspectiva económica. Explicó que el verdadero crecimiento del sector agropecuario no depende únicamente del acceso al crédito o de las variaciones del tipo de cambio, sino del incremento sostenido de la productividad. “Crédito, tipo de cambio e inflación son conversaciones de corto plazo; cuando uno observa la economía en perspectiva, lo que realmente determina el desarrollo es el crecimiento de la productividad”, sostuvo durante su exposición.
Calil ilustró esta idea con la evolución del ingreso per cápita de Estados Unidos. Señaló que, medido a precios constantes de 2011, el ingreso pasó de aproximadamente $us 10.000 durante buena parte del siglo XX a cerca de $us 60.000 en apenas dos generaciones, impulsado principalmente por el desarrollo tecnológico y la mejora de la productividad. “En lugar de discutir cómo redistribuir una riqueza de 10, el desafío es generar una economía que produzca 60 u 80; el crecimiento beneficia a toda la sociedad”, afirmó.
El especialista también advirtió que una desaceleración del crecimiento económico puede tener efectos significativos en el bienestar de largo plazo. Como ejemplo, explicó que si una economía con un ingreso per cápita de $us 62.000 crece al 2% anual, en 25 años alcanzaría alrededor de $us 98.000; en cambio, si mantiene un crecimiento del 4% anual, llegaría a aproximadamente $us 159.000. “Reducir el crecimiento de 4% a 2% significa dejar de generar cerca de $us 60.000 de ingreso real por persona en una generación”, indicó.
Fuente: Economy
