A partir de una visita que el CREA Melo-Serrano realizó al oeste de la provincia de Buenos Aires comenzaron a implementar en sus establecimientos una metodología que les permitió identificar brechas de rendimiento y optimizar la toma de decisiones.
El CREA Melo-Serrano incluye 11 empresas, siembran unas 28.000 hectáreas, aproximadamente y la gran mayoría están ubicados a unos 60 kilómetros alrededor de Laboulaye, otros entre Melo el este de Serrano, Huanchilla, Gral. Levalle, La Cecira, Cañada Seca y Buchardo.
El 100% de los miembros del CREA Melo-Serrano hace agricultura de precisión. Malcom Azcurra Moriena, asesor del grupo CREA explicó que “la agricultura de precisión por definición es poner la cantidad de insumos que cada ambiente soporte o necesite”. Agregó que las variables que se consideran son, “la más importante la fecha de siembra, es decir, en un mismo lote, si tenés ambiente muy contrastante, en el mejor ambiente poner una fecha de siembra temprana y en el ambiente tardío una fecha de siembra posterior. La segunda práctica más importante es la variación de la densidad de siembra. La tercera variable que más impacto de rendimiento tiene, es la variación de nitrógeno que se hace en maíz, en trigo, en girasol y en sorgo. Y la cuarta es la variación de la reposición de fósforo variable en invierno, que esa es una práctica que genera, no sé si tanta respuesta económica, pero si genera un alto ahorro de insumos, porque los ambientes muy limitados tienen muy alta cantidad de fósforo y no es necesario agregar”.
Los productores de esta región trabajan con un enfoque basado en ambientes, donde cada uno se consideraba una unidad homogénea de manejo. El análisis por lotes asumía que todos los suelos eran iguales y eso llevaba a un manejo de los cultivos de una manera generalizada y menos eficiente.
De esta manera, de acuerdo a topografía, el contenido de arena o presencia de capas arcillosas es que definen un ambiente. “Lo que tenemos es un sistema en el que todos cargan información en la nube y eso se convierte en una base de datos linkeada a un visualizador de datos que se llama Looker Studio”, dijo el profesional.
Escucha la columna completa de Fernanda Birerni
Lo interesante es todos se comparten la información planificada de los cultivos y les permite tomar decisiones en tiempo real antes de ir directo a la siembra real. “Todos ven el manejo de sus pares, se comparten abiertamente la información, sin ningún resquemor, sin ningún problema, cuál es el manejo fino, exacto y preciso, numérico, cuantitativo, que hacen por ambiente de cada una de las empresas, y eso es fantástico”, destacó Azcurra.
Y continuó; “gracias a esto nos dimos cuenta que los análisis de nitrógeno en suelo del maíz temprano, dieron extremadamente dispares, había un grupo de empresas que le dio muy alto y otro grupo de empresas muy bajo. Al tener la información compartida nos dimos cuenta que a los que le había dado bajo tenía un error de la carga de datos, de esta manera las empresas evitaron tener un gasto excesivo”.
Escuchá la palabra de Malcom Azcurra Moriena
Un gran Big Data del campo
El gran cambio fue que anteriormente los productores analizaban las campañas por lotes, asumiendo que los lotes son medianamente parecidos y pretendían sacar conclusiones. Ahora, al analizar las campañas por ambientes bajo una metodología con datos comparables logran información mucho más precisa. A partir de ahí “podemos empezar a sacar otras conclusiones de mucho mayor impacto, cómo se comporta la genética en distintos ambientes, la variación de rendimiento que hay dentro del ambiente y tratar de entender qué es lo que la explica. Es como que antes teníamos solamente 300 lotes y ahora, por ejemplo, que cada lote tiene tres ambientes, pasamos de tener 300 a tener 900 unidades de análisis”.
Esto aumenta la escala de datos y al tener más escala de datos pueden lograr informes “mucho más jugosos”. Gracias a esto comienzan a aplicar estadísticas, datos consistentes e información robusta, pasan de una mesodata a una bigdata.
Del ambiente al pixel
Azcurra usa desde hace cuatro meses la versión paga de ChatGPT, le pide que le mejore todos los análisis que hace, solicita interpretación de datos y gráficos, y utiliza AI generativa para su trabajo diario. Actualmente, cursa un master en AI en una universidad española.
Empezar a analizar 10 metros x 10 metros como una unidad de área parece un futuro cercano y ese ambiente se iría convirtiendo en un pixel del campo, como la unidad mínima sobre la que se toman decisiones.
Durante la charla asegura, ante la duda de muchos puestos de trabajo, que el del ingeniero agrónomo no va a desaparecer, sino que “van a cambiar nuestros roles. En chatGPT plus, estoy viendo modelos entrenados específicos para agronomía y la verdad que las respuestas que me dan son reales y coinciden con la decisión que yo hubiera tomado. Vamos a tener ingenieros que hagan LLM, (Modelos de Lenguaje Largo) o modelos entrenados de inteligencia artificial en vez de hacer una visita técnica. Yo creo que va a cambiar la forma en la cual somos proveedores de servicios. No se va a terminar el rol del ingeniero agrónomo”.
El grupo planea integrar herramientas de inteligencia artificial y aprendizaje automático, y en la medida en que aumenten el volumen de datos, puedan utilizar algoritmos para analizar patrones, validar modelos de producción y predecir resultados con mayor exactitud.
