Ayudar a los agricultores de todo el mundo a tener una mejor idea sobre la planificación, el arado, la siembra, la fumigación y la cosecha ha sido el impulso para que IBM expanda la Watson Decision Platform for Agriculture a escala global.
Con tecnología de Inteligencia Artificial (IA), la plataforma ha sido diseñada para nuevos cultivos y regiones específicas con la intención de ayudar a alimentar a una población en crecimiento.
IBM, por primera vez, estaría proporcionando una solución global para la agricultura que combina tecnología predictiva con datos de The Weather Company, un negocio de IBM IoT (Internet de las Cosas).
De acuerdo al informe “Perspectivas de la población mundial: la revisión de 2017”, realizado por el Departamento de Asuntos Económicos y Sociales de la ONU, el mundo necesitará alimentar a dos mil millones de personas más sin un aumento de tierras cultivables para el 2050.
Teniendo en cuenta esta cifra, la compañía estaría combinando datos energéticos del clima con modelos de cultivos, incluidos los datos históricos, actuales y de pronóstico, así como los modelos de predicción del tiempo de The Weather Company.
La intención es ayudar a mejorar la precisión del pronóstico de rendimiento, generar valor y aumentar la producción y la rentabilidad de la granja.
Como agricultor, Roric Paulman, propietario y operador de Paulman Farms en el suroeste de Nebraska, sabe que el comodín siempre es clima.
Él ha dicho que IBM superpone los detalles del clima, con sus propios datos e información histórica, para ayudarlo a solicitar, verificar y tomar decisiones.
“Por ejemplo, nuestra granja se encuentra en una cuenca de agua altamente restringida, por lo que la capacidad de anticipar mejor la lluvia no sólo me ahorra dinero, sino que también me ayuda a ahorrar valiosos recursos naturales”.
Modelos de cultivos y regiones
Se ha conocido que los nuevos modelos de cultivos incluyen maíz, trigo, soja, algodón, sorgo, cebada, caña de azúcar y papa, pero se siguen incorporando más.
Estos modelos están disponibles en Estados Unidos, Canadá, México y Brasil, así como en nuevos mercados en Europa, África y Australia.
Kristen Lauria, gerente general de Watson Media y Weather Solutions en IBM, ha insistido en que los agricultores no sólo cultivan alimentos en estos días.
También se trataría de datos, desde aviones no tripulados que vuelan sobre campos, hasta sistemas de riego inteligentes o sensores IoT colocados en cosechadoras, sembradoras, pulverizadores y otros equipos.
“La mayoría de las veces, estos datos se dejan en la planta, nunca se analizan ni se usan para obtener información».
Watson Decision Platform for Agriculture buscaría entonces cambiar esto al ofrecer herramientas y soluciones para ayudar a los productores a tomar decisiones más informadas sobre sus cultivos.
De ser así, y teniendo en consideración que la granja promedio genera un estimado de 500 mil puntos de datos por día, un reporte de Business Insider Intelligence, de 2016, calcula que aumentarán a cuatro millones de puntos de datos que no deberían dejarse en el olvido para 2036.
Entonces, la aplicación de la IA y el análisis a datos agregados de campo, maquinaria y ambientales, puede ayudar a mejorar la información compartida entre los agricultores y las empresas en todo el ecosistema agrícola.
“Con una mejor vista de los campos, los productores pueden ver lo que está funcionando en ciertas granjas y compartir las mejores prácticas con otros agricultores”.
Es por eso que la plataforma de IA evalúa los datos en un registro de campo electrónico para identificar y comunicar los patrones y conocimientos de manejo de cultivos.
Las organizaciones empresariales, como las empresas de alimentos, los procesadores de granos o los distribuidores de productos, pueden trabajar con los agricultores para aprovechar esas ideas.
Además, ayuda a rastrear el rendimiento de los cultivos, así como las condiciones ambientales, climáticas y biológicas de las plantas que tienen un buen o mal rendimiento.
También contribuye al manejo del riego, el análisis de riesgo de plagas y enfermedades, y el análisis de cohortes para comparar subconjuntos de campos similares.
