La agricultura regenerativa ofrece una vía para garantizar la seguridad alimentaria y contribuir a combatir el cambio climático.
Los avances en IA pueden ayudar a acelerar la transición hacia la agricultura regenerativa.
Describimos cómo puede aprovecharse y escalarse la tecnología emergente en los países de ingreso bajo y medio.
Se ha producido un creciente interés por la regeneración en los últimos años. Mitigar ya no es suficiente.
En 2019, una encuesta reveló que el 80 % de los consumidores estadounidenses prefiere las marcas “regenerativas” frente a las “sostenibles”. Lo regenerativo es sinónimo de renovación: va más allá de “no causar daño” hasta “revertir el daño”, un tema fundamental al hablar del medio ambiente. Si bien se trata de una tendencia multisectorial, la regeneración es fundamental para los sistemas agroalimentarios. Por ejemplo, el 34 % de las tierras agrícolas del mundo están degradadas y se volverán progresivamente infértiles hasta el punto de que no podremos cultivar alimentos, fibras ni forraje en ellas.
El sector agrícola también es responsable del 72 % de todas las extracciones de agua dulce, un recurso fundamental actualmente amenazado. La industria contribuye significativamente al cambio climático: entre el 21 % y el 37 % de las emisiones antropogénicas mundiales puede atribuirse a los sistemas alimentarios. Ante estos desafíos, los actores del sector deben centrarse en regenerar la agricultura y los sistemas alimentarios, especialmente para alimentar a unos 10 000 millones de personas para 2050.
Agricultura regenerativa: para la seguridad alimentaria futura y sistemas alimentarios resilientes
La agricultura regenerativa se centra en construir sistemas alimentarios resilientes mediante la recuperación de la salud del suelo y la mejora de recursos naturales como los niveles freáticos y la biodiversidad en las explotaciones. Dar prioridad a la regeneración del suelo garantiza la sostenibilidad a largo plazo y mejora los rendimientos de los cultivos gracias a suelos más sanos y con mayor capacidad de retención de agua. Además, la agricultura regenerativa puede reducir las emisiones agrícolas al optimizar el uso de insumos. A nivel de explotación, fortalece la resiliencia, dotando a las granjas de mejores herramientas para hacer frente a los desafíos ambientales y, en última instancia, generando ingresos más estables.
Comprender el papel de la tecnología digital y la IA en la agricultura
Un poco antes del impulso mundial hacia la agricultura regenerativa, se puso el foco en la digitalización de la agricultura. Ofrece beneficios como mayores ingresos agrícolas, mejores resultados ambientales y una mayor viabilidad comercial al trabajar con pequeños agricultores. Las investigaciones sugieren que la agricultura digital podría impulsar el PIB agrícola de los países de ingreso bajo y medio en más de 450 000 millones de dólares, es decir, un 28 % anual. El uso creciente de la inteligencia artificial (IA) en la agricultura ha ampliado aún más estos beneficios para los agricultores. Por ejemplo, gracias al aprovechamiento de la IA y las tecnologías digitales, el Foro Económico Mundial, mediante la iniciativa AI for Agriculture Innovation, en colaboración con el Gobierno de Telangana (India), ayudó a los productores de chile a aumentar un 21 % el rendimiento de sus cultivos, a reducir un 9 % el uso de pesticidas y a obtener un incremento de ingresos de 800 dólares por acre y por ciclo.
Combinar la agricultura regenerativa y la IA: casos de uso prometedores
Muchos de los casos de uso de la IA en la agricultura tienen el potencial de acelerar la agricultura regenerativa. Destacamos cinco casos de uso prometedores.
1. Imágenes geoespaciales para la planificación a nivel de paisaje
Escalar la agricultura regenerativa a menudo requiere un enfoque paisajístico, centrado en la zona de producción más amplia y no en explotaciones individuales. Esto permite una gestión y regeneración holística de los recursos naturales. Los modelos de IA que utilizan datos geoespaciales pueden analizar los cambios en la cubierta y el uso del suelo, la salud del suelo y la disponibilidad de agua en grandes extensiones de terreno, lo que facilita la planificación de paisajes regenerativos. En Madhya Pradesh, el Centro de Innovación Alimentaria del Foro, en asociación con el gobierno estatal, está trabajando con Skymet Weather para integrar imágenes geoespaciales en la planificación del paisaje. Los datos recopilados se vincularán además con instrumentos financieros para apoyar mejor a los agricultores en la adopción de prácticas sostenibles.
2. Extensión digital habilitada por IA
La agricultura regenerativa se basa en prácticas adaptadas desarrolladas por universidades de investigación. Transmitir estas prácticas a través de agentes de extensión es costoso, y una baja proporción de agentes por agricultor deja a varios agricultores sin atención. Los avances tecnológicos han mejorado la rentabilidad de difundir dichas prácticas por canales digitales. Además, los grandes modelos de lenguaje (LLM) combinados con modelos de generación aumentada por recuperación (RAG) pueden ofrecer asesoramiento específico para cada explotación basado en datos localizados. Asimismo, las traducciones lingüísticas habilitadas por IA pueden permitir la entrega en idiomas locales de forma rentable, haciéndolas más accesibles en todas las regiones.
3. Predicción de plagas para reducir el uso de pesticidas
El uso de pesticidas ha sido calificado como un “problema mundial de derechos humanos,” y los programas de agricultura regenerativa intentan reducir gradualmente el uso de pesticidas. Las soluciones de IA basadas en el reconocimiento de imágenes y en imágenes hiperespectrales pueden permitir la detección predictiva y preventiva de plagas, optimizando el uso de pesticidas.
4. Incentivos financieros habilitados por IA
Una barrera para la agricultura regenerativa es la falta de incentivos financieros para llevar a cabo el cambio. Los incentivos financieros, como el pago por el carbono secuestrado, son complejos debido a los elevados costes de seguimiento y de realización de pagos. Sin embargo, programas piloto recientes que utilizan sensores para medir la salud del suelo y contratos inteligentes habilitados por IA han hecho que los pagos sean más rápidos, sin errores y rentables. La mayoría de las empresas de financiación del carbono utilizan modelos de IA basados en datos geoespaciales para medir el secuestro de carbono a distancia. Modelos innovadores similares para incentivar la transición se utilizan en la Iniciativa 100 Millones de Agricultores. La iniciativa ofrece una combinación de apoyo financiero y no financiero para avanzar hacia la agricultura regenerativa. Gracias a la IA, permite recompensar tanto a los agricultores como a los inversores tempranos. Hay disponibles planes para replicar dichos modelos financieros a través de la iniciativa.
5. Pruebas rápidas de suelo y seguimiento de programas
Las pruebas de suelo habilitadas por IA proporcionan evaluaciones rápidas de la salud del suelo, lo que permite tomar decisiones precisas sobre la eficacia de las prácticas regenerativas. Además, los modelos geoespaciales de IA pueden utilizarse para supervisar prácticas como el cultivo intercalado o los cultivos de cobertura, que generalmente son difíciles de monitorear a gran escala. Este análisis también puede permitir segmentar a los agricultores, facilitando la prestación de apoyo personalizado a agricultores en distintos niveles de adopción.
Escalar la IA para la agricultura regenerativa
Hoy existen varios desafíos que habría que abordar para garantizar que la IA realmente facilite la acción climática. Entre los pasos para lograrlo se incluyen:
Reducir la huella de carbono de la IA: La creciente demanda de IA está incrementando el consumo de electricidad, lo que provoca un aumento de las emisiones de las empresas tecnológicas. Reducir estas emisiones es fundamental, y deberían explorarse opciones que favorezcan la reducción, como las energías renovables y una mejor gestión de los datos.
Optimizar la infraestructura y el marco de datos: Los datos de alta calidad son fundamentales para que los modelos de IA sean eficaces, pero los datos agrícolas suelen estar fragmentados. La creación de infraestructura pública digital para compartir datos puede ayudar a reducir costes al permitir que las organizaciones reutilicen y reciclen los datos. Armonizar la recopilación de datos mediante estándares es esencial para la interoperabilidad y para hacer más eficiente su uso. Otro aspecto incluye la recopilación de datos sobre las prácticas de los agricultores y su contraste con otros conjuntos de datos sobre suelo, agua, etc., para generar evidencia sobre las prácticas que funcionan.
Estructurar una red de prestación de servicios a nivel de aldea: Puede resultar difícil para los agricultores adoptar tecnologías habilitadas por IA directamente y sin ninguna intermediación. Se necesita colaboración multisectorial para formar y desplegar agentes a nivel de aldea que puedan ayudar en la prestación asistida de servicios habilitados por IA a los agricultores.
A medida que se acumulan más datos agrícolas y los agricultores se familiarizan con la tecnología, el papel de la IA en la agricultura regenerativa aumentará. Al mismo tiempo, con más datos, mejorará la precisión de las soluciones existentes. Por ello, para aprovechar al máximo estos avances, es fundamental planificar la IA al diseñar los programas de agricultura regenerativa.
Para más información sobre cómo la IA puede contribuir al desarrollo agrícola mundial, póngase en contacto con el equipo AI4AI del Foro.
Autor colaborador: Abhay Pareek, responsable de la iniciativa Inteligencia Artificial para la Innovación Agrícola, Centro para la Cuarta Revolución Industrial.
