Soja: ROSARIO
$481 -100.97%
Maíz: ROSARIO
$267,50 -0.89%
Trigo: ROSARIO
$291,30 -99.59%
El agro está incorporando ciencia predictiva, inteligencia artificial y análisis de datos para desarrollar hoy las tecnologías que los productores necesitarán en los próximos años. Según informó Forbes Argentina, Syngenta utiliza estas herramientas para anticipar problemas futuros, reducir los tiempos de investigación y orientar sus inversiones hacia soluciones capaces de responder a los nuevos desafíos del campo.
La particularidad de la innovación agrícola es que una tecnología puede demorar más de una década en llegar al productor. Por eso, la industria debe prever cómo será el escenario productivo cuando esa solución finalmente esté disponible.
“El trabajo de un equipo de Investigación y Desarrollo (I+D), especialmente del área de investigación, es identificar los problemas de los próximos 15 años”, explicó Camilla Corsi, directora global de Investigación y Desarrollo de Protección de Cultivos de Syngenta, según informó Forbes Argentina.
La ejecutiva lidera un equipo global de más de 3.000 especialistas y la compañía destina alrededor de US$2.000 millones anuales a investigación y desarrollo en todas sus unidades de negocio.
La lógica consiste en detectar con anticipación problemas que todavía no tienen un impacto significativo. Entre ellos aparecen nuevas resistencias, cambios en las condiciones productivas, modificaciones regulatorias y la pérdida de efectividad de determinadas herramientas.
Marcos Bradley, director regional para Latinoamérica de Syngenta, explicó cómo funciona esta mirada de largo plazo. Hace siete años, un equipo de investigación le presentó un producto que todavía tardaría otros siete años en llegar al mercado.
Bradley cuestionó entonces por qué se desarrollaba una solución que no parecía superior a las existentes. La respuesta fue que, cuando llegara al productor, la resistencia haría que el producto utilizado en ese momento dejara de funcionar. Siete años después, ese escenario efectivamente se produjo.
La experiencia muestra cómo funciona la innovación predictiva en el agro: una tecnología no necesariamente debe resolver el problema de hoy, sino anticiparse al desafío que tendrá el productor cuando esa solución llegue al mercado.
El cambio tecnológico también modifica la manera de investigar. Durante décadas, los científicos debían analizar miles de moléculas mediante sucesivos ensayos experimentales. Ahora, los modelos predictivos permiten seleccionar desde etapas tempranas las alternativas con mayores probabilidades de éxito.
Según Bradley, anteriormente podían ser necesarias unas 10.000 moléculas para llegar a una alternativa exitosa. El uso de modelos permite reducir ese universo y concentrar los recursos en las opciones con mejores perspectivas.
La inteligencia artificial ocupa un lugar cada vez más importante dentro de ese proceso. Los modelos pueden ayudar a anticipar resistencias, analizar perfiles toxicológicos, estudiar combinaciones y evaluar las exigencias regulatorias de distintos mercados antes de avanzar con una tecnología.
“La IA no es solamente el futuro, es el presente. Venimos trabajando con modelos predictivos y modelos de lenguaje desde hace casi diez años”, señaló Corsi.
Uno de los ejemplos de esta estrategia es Authence®, un herbicida desarrollado para controlar malezas gramíneas resistentes y lanzado globalmente en Argentina en junio de este año.
La elección de Argentina como uno de los primeros mercados para determinadas tecnologías responde, entre otros factores, a las características de su sistema productivo y a la velocidad con la que aparecen nuevos desafíos.
En el país, las malezas gramíneas resistentes afectan alrededor del 70% del territorio productivo y pueden generar pérdidas de rendimiento de hasta 70%. El desarrollo de soluciones para enfrentar este problema comenzó años antes de que alcanzara la dimensión actual.
La utilización de herramientas predictivas permite acelerar parte del proceso y mejorar la selección de alternativas durante la investigación. El objetivo es que la tecnología llegue al productor con una solución adaptada a las condiciones que encontrará en el campo.
La transformación no implica reemplazar el trabajo científico. Por el contrario, la IA y los modelos de datos funcionan como herramientas para ampliar la capacidad de análisis de los investigadores, reducir incertidumbres y mejorar la asignación de recursos.
El desafío central de la industria agrícola sigue siendo anticipar. La diferencia es que ahora cuenta con herramientas capaces de procesar grandes volúmenes de información y detectar patrones que pueden resultar determinantes para el desarrollo de nuevas tecnologías.
En una actividad donde una innovación puede tardar más de diez años en llegar al mercado, mirar hacia adelante dejó de ser una ventaja y se convirtió en una parte esencial de la investigación agrícola.
La ciencia predictiva permite así conectar las necesidades del productor actual con los problemas que enfrentará el campo del futuro y acelerar el desarrollo de soluciones antes de que esos desafíos se conviertan en una limitación productiva.
