La presa de Kakhovka, en Ucrania, llegó a tener 30 metros de altura y se extendía 3,2 kilómetros a lo largo del río Dniéper, creando uno de los embalses más grandes del país.
Por Smriti Daniel, CSIRO
Con una capacidad de unos 18 kilómetros cúbicos de agua, abastecía de riego a toda la región de Jersón y más allá, y refrigeraba la mayor central nuclear de Europa, en Zaporiyia.
Cuando la presa se derrumbó en junio de 2023, su pérdida desencadenó inundaciones catastróficas río abajo y secó el vasto embalse río arriba. Los campos quedaron resecos, los canales vaciados y los ecosistemas destrozados. Sedimentos tóxicos fluyeron al Mar Negro, se propagaron las floraciones de algas y lo que había sido un embalse comenzó a transformarse en un bosque virgen de llanura aluvial, con sauces y álamos brotando sobre un terreno inestable.
En medio de la agitación, la Dra. Sarah Hartman, entonces candidata a doctorado en la Universidad de California, Berkeley, se propuso con su equipo responder una pregunta urgente.
Queríamos comprender cómo respondían estas regiones a las perturbaciones. ¿Podríamos monitorear la resiliencia agrícola, incluso en situaciones de crisis, mediante IA e imágenes satelitales?
Ante el acceso terrestre inseguro o imposible, Hartman y su equipo recurrieron a satélites e inteligencia artificial. Su modelo utilizó imágenes Landsat disponibles públicamente a través de Google Earth Engine y datos privados de Planet Labs para monitorear la salud de los cultivos antes y después de la destrucción de la presa. Mediante aprendizaje automático no supervisado (un método que identifica patrones en los datos sin preetiquetado), detectaron cambios en la vegetación de la región. Un modelo de árbol de decisiones clasificó estos patrones en tierras de cultivo gestionadas activamente y áreas con signos de abandono o rebrote.
La investigación en Ucrania se realizó como parte del doctorado de Hartman, y las revisiones del artículo publicado se completaron después de que se uniera a CSIRO como becaria postdoctoral de Carrera Investigadora Temprana (CERC). Lo que surgió, según ella, fue «un mosaico de pérdida y persistencia».
«Pudimos identificar zonas de colapso, pero también zonas de recuperación», afirmó.
Esta capacidad de ver lo que está oculto bajo tierra, de interpretar las perturbaciones desde lejos, es la clave de la promesa de la IA en la agricultura.
Lo que la IA puede revelar
Mediante imágenes satelitales , la IA puede identificar dónde se están agotando los sistemas de riego , localizar invernaderos que no existían hace una década o señalar campos cuyo crecimiento se ha desviado repentinamente. En lugares donde faltan o se han perdido datos, la IA puede recuperar conocimiento, que a veces se remonta a décadas atrás. Con una salvedad: Hartman enfatiza que la potencia de la IA depende de su banco de datos.
«La IA es lo que come», dijo. «Si la alimentamos con datos escasos, obsoletos o sesgados, obtenemos modelos desinformados. Pero cuando entrenamos los modelos con información rica, local y oportuna, desarrollamos una IA relevante para las necesidades reales y urgentes de la agricultura».
Este principio es lo que ella y sus colegas denominan «IA responsable basada en aplicaciones» (RAD-AI, por sus siglas en inglés). El enfoque es simple pero crucial: la IA debe diseñarse con y para las personas que la usarán, fundamentarse en el contexto y alimentarse de los datos correctos.
Generar confianza en un sector bajo presión
«Es RAD porque nos recuerda que la IA responsable y orientada a las aplicaciones debe estar basada en el contexto y diseñada para el mundo real», explicó.
Su esencia radica en el codiseño: trabajar junto a las personas que utilizarán la tecnología —agrónomos, agricultores, empresas de tecnología agrícola— para garantizar que la IA refleje las necesidades reales y genere confianza.
«Desarrollar capacidades sensibles al contexto de manera responsable desde el principio, con un enfoque en las comunidades a las que se prestará servicio, es esencial», dijo Hartman.
La confianza, afirmó, también se basa en la diversidad. La incorporación de los sistemas de conocimiento indígenas, la soberanía de los datos locales y el diseño participativo contribuye a garantizar que la IA refleje los sistemas agrícolas únicos de Australia.
«Al integrar diferentes paradigmas agrícolas en el desarrollo, podemos construir herramientas que no solo sean técnicamente poderosas, sino también socialmente equitativas.»
Esto ocurre en un momento en que el sector agrícola australiano se encuentra bajo presión generalizada: cambio climático, escasez de mano de obra, desafíos de productividad y volatilidad en los mercados globales. Sin embargo, sin una inversión focalizada y un diseño cuidadoso, la agricultura corre el riesgo de perderse los beneficios de la inteligencia artificial (IA) justo cuando más se necesita.
«Tenemos una oportunidad increíble para aprovechar la IA, pero debemos asegurarnos de que se haga de manera responsable y de forma que refleje la realidad de la agricultura australiana», advirtió Hartman.
A medida que la innovación se acelera, Hartman cree que la responsabilidad no puede ser una consideración secundaria. Debe integrarse en el proceso desde el principio, no solo para evitar riesgos de sesgo, mal uso o exclusión, sino también para aprovechar todo el potencial de la IA como aliada en la agricultura.
Las herramientas que ya están surgiendo
Ya estamos viendo iniciativas prometedoras en acción. En estancias ganaderas remotas, se están probando drones equipados con algoritmos de inteligencia artificial para automatizar el arreo del ganado. Desarrollados por la empresa australiana SkyKelpie , estos sistemas predicen el comportamiento del ganado y optimizan las rutas de vuelo, reduciendo costes e impacto ambiental en comparación con helicópteros y quads.
Al mismo tiempo, empresas de robótica como Swarmfarm están desarrollando tractores totalmente autónomos que integran múltiples tecnologías de IA. Estas máquinas tienen el potencial de transformar las operaciones agrícolas, aunque aún existen desafíos técnicos y de escalabilidad.
La IA también está transformando la forma en que los agricultores gestionan el clima. Avances como GraphCast de Google y Aurora de Microsoft ofrecen pronósticos con una velocidad y precisión sin precedentes, lo que facilita la toma de decisiones desde la siembra hasta la gestión de sequías. Y la IA generativa está empezando a entrar en la agricultura, desde el chatbot AgPilot de Microsoft hasta las plataformas emergentes que pueden integrar datos específicos de cada explotación en recomendaciones personalizadas.
Cada uno de estos avances demuestra la versatilidad de la IA, desde la ganadería hasta la logística, pasando por las predicciones y el trabajo de campo. Pero también revelan vulnerabilidades. La IA generativa —sistemas entrenados para crear contenido nuevo como texto, imágenes o código— es propensa a las «alucinaciones»: produce respuestas seguras pero incorrectas. Aplicados erróneamente en la agricultura, estos errores podrían acarrear costosas equivocaciones.
Preparándose para el futuro
El proyecto «Agrónomo de IA de Confianza» de Hartman muestra cómo la IA puede hacer que la compleja ciencia de los cultivos sea utilizable en las explotaciones agrícolas. Se entrena una red neuronal de propagación hacia adelante para replicar el Simulador de Sistemas de Producción Agrícola de CSIRO, generando pronósticos de crecimiento de cultivos en diferentes condiciones. Fundamentalmente, también proporciona bandas de incertidumbre, lo que proporciona a los agricultores no solo una predicción, sino también un grado de confianza para tomar decisiones basadas en el riesgo.
«La mayoría de las decisiones agrícolas se toman bajo riesgo, no con certeza», dijo. «Conocer el grado de confianza en torno a una predicción, y no solo el promedio, permite a los agricultores con diferentes tolerancias al riesgo elegir la acción que tenga más sentido».
Visualizar no solo un único resultado, sino un abanico de posibilidades, fomenta la confianza y la resiliencia en el proceso de toma de decisiones.
Mientras tanto, como parte de la iniciativa Ag2050 de CSIRO , Hartman ha estado examinando los tres avances en IA con mayor potencial para transformar la agricultura : integración y análisis de datos, predicción meteorológica y climática, y chatbots generativos de IA.
No se trata de conceptos abstractos, sino de tecnologías tangibles ya en marcha, que apuntan hacia el tipo de sistemas agrícolas que Australia podría construir a mediados de siglo.
«La agricultura es compleja y la IA puede revolucionar la forma en que se toman las decisiones», dijo la Dra. Rose Roche, líder del programa Ag2050 de CSIRO.
«Para que la productividad agrícola siga creciendo frente al cambio climático , la fluctuación de los mercados y la presión sobre los recursos, nuestro trabajo en Ag2050 está demostrando cómo la IA puede ayudar a los agricultores a adaptarse y mantenerse resilientes en el futuro», dijo Rose.
Frank Sperling fue coeditor del número especial de Ag2050 de la revista Farm Policy Journal , una edición histórica publicada por el Instituto Agrícola Australiano en colaboración con la CSIRO. Afirmó que es vital explorar futuros diversos para la agricultura australiana.
«Dado que la agricultura australiana tiene que desenvolverse en un futuro cada vez más incierto, donde los riesgos globales y locales se entrelazan, necesitamos considerar múltiples escenarios plausibles y explorar qué se puede hacer para aprovechar las oportunidades, al tiempo que minimizamos los resultados adversos», dijo Frank.
«Por eso este trabajo de Hartman y sus colegas sobre IA responsable es tan importante», añadió.
Elegir qué tipo de IA se arraiga
Para Hartman, la lección de Ucrania aún resuena. Tras la devastación, la IA ayudó a revelar tanto el colapso como la persistencia, y ahora se están desarrollando y probando tecnologías similares en Australia. Desde el arreo de ganado asistido por drones y la predicción meteorológica avanzada hasta herramientas de IA generativa como AgPilot de Microsoft, la IA está evolucionando constantemente de la investigación a la aplicación práctica en todo el sector agrícola.
Lo mismo ocurrirá en Australia: las tecnologías que decidamos desarrollar —y la forma en que decidamos desarrollarlas— determinarán si la IA se convierte en una fuente de confianza y resiliencia, o en una causa de mayor riesgo.
Esta idea sustenta el reciente reconocimiento de Hartman como ganadora del premio Women in AI Asia-Pacific por IA en Agronegocios y Desarrollo Rural.
«Este premio es un reflejo de mi impulso por involucrarme profundamente al crear soluciones tecnológicas (de alta y baja tecnología) y asegurar que funcionen para las personas», dijo.
Pero Hartman se apresura a añadir una nota de cautela: «La IA no es la panacea. Pero cuando se diseña de forma responsable y se basa en buenos datos, puede convertirse en una poderosa herramienta para transformar la agricultura».
