Inteligencia artificial para la empresa agropecuaria: aplicaciones concretas para principiantes

Para bajar a la realidad las aplicaciones concretas, Santiago mostró casos reales. El primero fue una tarea puntual y de única vez, resuelta en un chat directo: un empresario CREA necesitaba digitalizar la planilla de manga que llevaba en papel.

A partir de seis fotos tomadas en cuadernos de pesada manual de 600 animales con distintas categorías y pesadas dobles, la IA procesó el material gráfico y lo transformó automáticamente en una base de datos de Excel estructurada.

El sistema leyó caravanas y pesos, siguió las instrucciones cuando reconoció pesadas dobles y señaló en un “reporte de dudas” los datos ilegibles, sobreescritos o duplicados para la revisión humana.

“Para poder estructurar de manera correcta los datos y evitar errores, es necesario cargar instrucciones que sean lo suficientemente precisas y no se deje nada de lado”, explicó Santiago.

En el ejemplo en cuestión, la orden inicial requirió seis aclaraciones posteriores. A pesar de eso, el tiempo de ejecución de la tarea fue sustancialmente menor al que se hubiese necesitado para cargar la planilla de manera manual.

Cuando el tema se repite, el paso siguiente es crear un proyecto: un espacio de trabajo que conserva las instrucciones, el contexto y los archivos de un mismo tema, para no arrancar de cero en cada consulta. El ejemplo, en este caso, fue un asistente técnico de campo montado sobre el historial productivo de los lotes: con las labores, los insumos, los cultivos y los rendimientos cargados, alcanza con preguntar qué se hizo en un lote para recibir el detalle cronológico completo, con dosis, fechas y responsables.

Para las tareas repetitivas, el consultor mostró cómo armar un asistente especializado (GPT) que reemplaza la planilla de Excel o el “prompt” que se usa una y otra vez. El ejemplo fue el óptimo económico de fertilización: el usuario indica los nutrientes objetivo por hectárea y el GPT, que ya tiene cargados los fertilizantes disponibles, sus precios y el costo de cada tipo de labor, calcula la combinación de productos y de aplicación de menor costo total para lograrlos.

diseño de aplicaciones digitales

Otra posibilidad es el “vibe coding”: crear aplicaciones propias describiendo en lenguaje natural –con palabras comunes– lo que se necesita que hagan, sin escribir una línea de código. Como ejemplos, Santiago mostró un tablero económico de cría que se emplea en el ámbito del CREA Maipú –que permite simular los resultados de distintos modelos de capitalización para el dueño del campo y para el dueño de la hacienda– y aplicaciones simples de control de stocks o de monitoreo.

“La posibilidad de desarrollar soluciones a medida de cada empresa ya es real y sin saber programar: hoy hay empresas del agro que están armando sus propias aplicaciones, desde gestión de stocks hasta sistemas de gestión simples”, señaló Santiago.

De todos modos, aclaró que llevar esos prototipos a un nivel comercial requiere expertos, porque demanda otros conocimientos: seguridad de la información, bases de datos, integraciones con otros sistemas, pruebas y mantenimiento. Aun así, el aspecto central es el acceso: una empresa chica o mediana, que antes no podía encarar un desarrollo a medida por una cuestión de presupuesto, hoy tiene esa posibilidad al alcance y puede disponer de un prototipo funcional de uso interno que resulta suficiente para generar valor en la empresa.

Santiago Tiscornia durante la charla sobre inteligencia artificial ofrecida en la jornada técnica realizada por la región CREA Este en la Sociedad Rural de General Belgrano.

De todos modos, Santiago puso el estado del arte en perspectiva: trabajar con consultas puntuales, proyectos y GPTs ya no es lo más avanzado –es terreno conocido–, pero dominar esos conceptos es la base para dar el paso siguiente. La frontera actual del uso son los “agentes”, a los que además se les puede dar acceso a las aplicaciones de la empresa –correo, calendario, planillas, carpetas de archivos– para que trabajen directamente sobre ellas.

En ese sentido, Santiago presentó un “agente de oficina” configurado para procesar de manera automatizada diferentes tareas, tales como controles lecheros mensuales. A partir de archivos dispersos en una carpeta, el agente pudo procesar los datos, crear un panel web interactivo con curvas de lactancia por vaca, trazar alertas individuales ajustables y estructurar prioridades de trabajo para el equipo del tambo en cuestión de minutos.

“El pedido inicial al agente fue de 73 palabras y la primera entrega estuvo lista en apenas 24 minutos, con dos rondas de ajuste antes de publicar”, resaltó.

“Un agente requiere instrucciones bien delimitadas de lo que puede y no puede hacer, además de necesitar la validación final de un responsable que pueda verificar el resultado del proceso”, apuntó el especialista. “Sin registros confiables no hay análisis posible. La IA puede ordenar datos desprolijos, pero no inventa la información que nunca se registró”, aclaró.

El asesor CREA fue enfático en que, para implementar la IA en una empresa, es esencial trabajar primero sobre los procesos y recién después automatizar. Eso implica tres etapas en orden: definir el proceso (determinar qué resultado se busca, qué información se necesita y quién lo valida), adaptar el flujo de trabajo (integrar las herramientas al contexto cotidiano de las personas) y, finalmente, delegar las tareas repetitivas conservando la responsabilidad final en manos del criterio de profesionales o responsables.

“Los que arrancamos hace años no tenemos una verdadera ventaja sobre el que empieza hoy: la tecnología avanza tan rápido que la destreza de uso queda vieja en meses. Lo que sí se acumula son los registros y los procesos de cada empresa, y eso se puede empezar a construir hoy”, apuntó.

“La IA no reemplaza el criterio humano, sino que permite potenciarlo al cubrir un espectro mucho más amplio. El rol del líder, en ese contexto, cambia, porque tiene que decidir qué va a delegar y quién y cómo van a validar los resultados”, resumió.

Para quienes todavía no arrancaron, el mensaje del consultor fue concreto: ninguno de los casos presentados requirió saber programar. Alcanza con elegir una tarea puntual, describirla con claridad y validar el resultado.

“No tener tiempo o no ser una persona tecnológica no deberían ser excusas; al contrario, deberían ser las razones para usarla. Al final, lo que más valor genera no es dominar la herramienta, sino contarle cómo trabajamos: la IA necesita aprender más de nosotros que nosotros de ella”, concluyó.