Una herramienta computacional permite transformar datos en análisis predictivos para el agronegocio

Es una solución desarrollada con el apoyo del programa PIPE-FAPESP en el marco de un proyecto cuyo objetivo es ayudar a los agricultores a evaluar riesgos y prever precios futuros

Por Guilherme Mariano  |  Agência FAPESP – El agronegocio es un fuerte impulsor del Producto Interno Bruto (PIB) de Brasil. En 2020, el primer año de la pandemia de COVID-19, el sector descolló al representar el 26,6 % de la suma de bienes y servicios finales producidos en el país, de acuerdo con una investigación nacional a cargo del Centro de Estudios Avanzados en Economía Aplicada de la Escuela Superior de Agricultura Luiz de Queiroz, de la Universidad de São Paulo (Esalq-USP), en colaboración con la Confederación de la Agricultura y Ganadería de Brasil (CNA). En 2021, esa participación fue del 27,4 % y, si bien ha venido registrando oscilaciones, el agronegocio sigue siendo un protagonista de la economía nacional.

Para los próximos años, las expectativas pueden ser aún más halagüeñas si se tiene en cuenta que las empresas procuran adoptar cada vez más soluciones basadas en la inteligencia artificial para incrementar el rendimiento y la productividad, según sostienen los especialistas.

“La conjunción del agronegocio con el área de inteligencia artificial ha hecho posible transformar al campo en un enorme ecosistema de análisis de datos”, dice Brett Drury, docente de la Liverpool Hope University, quien en simultáneo con su trabajo como investigador ha venido dedicándose a la búsqueda y al desarrollo de soluciones para el sector basadas en IA.

Drury fue el responsable de un proyecto desarrollado por la startup SciCrop con el apoyo del Programa FAPESP de Investigación Innovadora en Pequeñas Empresas (PIPE), cuya meta consistía en crear una herramienta destinada a ayudar a los agricultores a analizar los riesgos y prever los precios futuros de sus productos mediante un lenguaje de programación predictivo.

La herramienta desarrollada por Drury permite obtener gráficos elaborados con base en fuentes textuales, datos de satélites y de meteorología y series históricas de los productores, e incluso en noticias relacionadas con factores económicos y sociales. Con dichos gráficos se determinan relaciones causales entre eventos que adquieren valores probabilísticos. De este modo es posible prever escenarios de precios referentes a un determinado cultivo agrícola o mitigar diversas eventualidades, como en el caso de la merma de la cosecha ocasionada por distintos eventos climáticos, por ejemplo.

“Con base en esa herramienta, SciCrop puede emplear sus propios datos para determinar evidencias en los gráficos, u otros usuarios pueden incluir información privada para efectuar inferencias sobre un determinado resultado. Otra posibilidad que la herramienta aportaría consiste en poner a prueba situaciones hipotéticas futuras”, explica Drury.

Una colaboración fructífera

Esta herramienta tiene su fundamento en las redes bayesianas, definidas como un subcampo de la técnica de aprendizaje automático o machine learning, proveniente de la inteligencia artificial, que condensa datos y códigos dentro de una máquina o computadora para la ejecución automática de tareas.

La idea inicial de Drury en el proyecto era usar las redes bayesianas para ayudar a los productores a prever el precio de las commodities agrícolas.

“Brett se acercó a nosotros y nos dijo que su investigación estaba relacionada con lo que hacía SciCrop. Y efectivamente lo estaba, pero mientras que nosotros hacíamos un proceso básico de analytics aplicando la teoría de la información y los procesos de machine learning, él utilizaba las redes bayesianas como técnica de modelado de datos”, comenta Renato Ferraz, socio fundador de SciCrop.

Por entonces, Drury estaba abocado a la búsqueda de alguna empresa que estuviera trabajando con datos no estructurados, es decir, con información no organizada en gráficos o en bancos de datos, como los textos. En la experimentación, emplearon como referencia contenidos del antiguo Twitter, actual X.

“Brett necesitaba reunir miles de tuits almacenados en un banco de datos para hacer funcionar la técnica de análisis semántico vía red bayesiana, y nosotros los teníamos. Así fue como se plasmó la conexión”, afirma Ferraz.

Pese a haberse avanzado en el detallado y en la validación, no se llegó a incorporar la herramienta a sus soluciones.

“Al final, él logró incluso aplicarla para realizar pronósticos destinados al mercado agrícola, pero con un plazo de tres días a lo sumo. Esto podría funcionar para quienes hacen daytrade [compra y venta de commodities], pero no para realizar pronósticos a mayor plazo como nosostros anhelábamos”, sostiene.

Con base en esta constatación, la empresa no llegó a lanzar esta herramienta en Brasil. Pero la colaboración con Drury fue enriquecedora y rindió frutos en otras soluciones que SciCrop desarrolló, como NotRumor, dice Ferraz.

Lanzada en julio de 2023, esta plataforma agregadora de noticias sobre el mercado agropecuario emplea inteligencia artificial para seleccionar los reportajes más interesantes destinados a los clientes. “Hay una parte de la investigación de Brett en NotRumor, en la funcionalidad de detección de palabras relevantes, que es precisamente el modelo de análisis semántico [de las redes bayesianas] que él estudia”, explica.

Actualmente, SciCrop opera en otros mercados además del agro, como los de energía, minería e industria, atiende a unos 60 grandes players del mercado y ha sido señalada como una de las “100 Startups to Watch” por la revista Pequenas Empresas & Grandes Negócios, la principal publicación sobre emprendimientos en Brasil. Algunos de los objetivos de los fundadores de SciCrop para 2024 son expandir la actuación en empresas del sector ambiental y lanzar un pequeño satélite con la mira puesta en incrementar la posibilidad de captación de datos para su procesamiento interno.

En tanto, Drury se encuentra en el Reino Unido, donde sigue perfeccionando el desarrollo de la herramienta con nuevos socios.

“Estimo que esta herramienta es única. Es una lástima no haber podido seguir adelante con el trabajo de desarrollo en Brasil. Ahora espero poder desarrollar esta tecnología con organizaciones como Rothamsted Research [una de las instituciones de investigación agrícola más antiguas del mundo]. Estamos solicitando recursos del gobierno británico del orden de más de 3 millones de libras esterlinas [equivalentes a más de 18 millones de reales] para desarrollar diversas tecnologías agrícolas, incluso la que empecé en SciCrop”, afirma.