Breve diccionario de términos para acercarse a la transformación digital de la agricultura

En los últimos años se han perfeccionado diversas tecnologías de naturaleza digital, que en estas circunstancias que actualmente vivimos están demostrando ser tremendamente eficientes. De hecho, cualquiera de ellas, por sí sola, hubiera supuesto una verdadera revolución, pero es que además esas tecnologías en su conjunto están demostrando que son capaces de mejorar el sistema que conocíamos hasta ahora. El sector primario, tan castigado por el sistema, se encuentra ahora en posición de salir triunfante de esta crisis precisamente gracias a las nuevas tecnologías

Todo esto nos lleva a pensar que no estamos en una era de cambios, sino un verdadero cambio de cambio de era. Las circunstancias obligan, ahora más que nunca, a adaptarse a los nuevos tiempos. Sabemos que el ser humano, en general, suele ser reacio a los cambios, pero debemos tener en cuenta que en muchas ocasiones los cambios traen importantes ventajas y mejoras, como se está demostrando. 

El sector de la agricultura es precisamente uno de los segmentos que más se puede beneficiar de la transformación digital, pero es normal que al acercarnos a las nuevas tecnologías nos encontremos con términos complejos que nos alejan de ellas. Es el momento de pararnos a pensar en qué es realmente la digitalización, qué mejoras propone y en qué consisten estas nuevas tecnologías que tantos beneficios pueden aportar al sector agroalimentario. En unas pocas líneas vamos a aproximarnos a algunos conceptos que son fundamentales para todos aquellos que quieren saber más de la digitalización del sector agrario

1. Big Data: mucho más que recoger datos 

Partamos de la base: tradicionalmente el cultivo de la tierra se hacía por intuición, y acumulando la sabiduría obtenida a través de muchos años de labranza. Digamos que el conocimiento se transmitía de generación en generación de manera directa, verbalmente y de padre a hijos. Esto no sólo pasaba en el campo, también en el comercio se repetía una frase: “hacer las cosas como toda la vida”. ¿Y cómo se conseguía esa experiencia para saber hacer las cosas bien? Pues a través del tiempo y del ensayo (con un sistema muy elemental de prueba y error, o lo que es lo mismo: analizando la causa-efecto). Ese es precisamente el conocimiento que nuestros antepasados tenían en el cabeza, la sabiduría popular basada en sus experiencias.  

Nuestros abuelos analizaban lo que le ocurría al campo (mediante la observación) y detectaban su causa (hacían su diagnóstico). Y en base a ello, decidían qué iban a hacer al día siguiente (prescribían la actividad) con la esperanza de tener un buen resultado en el futuro inmediato (predecir la cosecha). Quizás sorprenda saber que el Big Data se basa precisamente en eso: es un sistema para observar, diagnosticar, prescribir y predecir. 

Y es que cuando hablamos de Big Data nos estamos refiriendo a la capacidad de obtener, clasificar, gestionar y optimizar millones de datos para (con aquellos que son apropiados) obtener una información provechosa con un gran valor. Se podría decir que hoy en día hemos perfeccionado estos conocimientos (y el método de nuestros abuelos) gracias a la acumulación de datos, y aplicando técnicas científicas. Por eso, son muchas las explotaciones agrícolas que a día de hoy cuentan con sensores de campo para observar, diagnosticar, prescribir y predecir. 

2. IoT: Internet de las cosas 

Como su nombre indica, el llamado Internet de las Cosas (IOT) es simplemente permitir que los objetos (las cosas) funciones autónomamente gracias a Internet, y otros elementos tecnológicos. Pensemos en las estaciones meteorológicas, los sistemas de guiado por Internet, monitorización del riego, o el mapeo de las explotaciones. 

Estamos hablando de poner sensores en casi cualquier cosa, para que sean capaces de recoger información y transmitirla electrónicamente de manera autónoma. (Imaginad la camiseta de un deportista que pudiera captar datos sobre el rendimiento, las pulsaciones, sudoración, etc. del corredor que la lleva puesta). Esos objetos ahora digitalizados, captan muchos datos, pero sin un buen análisis y estructuración, no nos sirven para nada. Ese estudio posterior es el llamado data analitycs, que es imprescindible para llegar a conclusiones concretas. 

3. Inteligencia Artificial 

La mente humana tiene una capacidad limitada. Y sabemos que, a la hora de analizar datos, no puede recoger, almacenar y analizar millones de datos (a veces en microsegundos). Sin embargo, la mente humana ha sido capaz de desarrollar una máquina que sí lo consiga, hablamos ahora de la inteligencia artificial.  

La IA es el apelativo genérico que se da a una serie de tecnologías que sirven para emular capacidades que tradicionalmente estaban ligadas de manera exclusiva al intelecto humano. Pero, por ser más concreto, la inteligencia artificial no son más que programas y procesadores, creados por el hombre, capaces de analizar, aglutinar, diferenciar y clasificar datos. Pero no solo eso, a día de hoy la inteligencia artificial permite a la maquinaria incluso autoprogramarse, para ayudarnos y dar soporte en ese proceso de obtención de información.  

4. Machine Learning 

Hoy a través del aprendizaje automático de los ordenadores, ellos mismos pueden agrupar y estructurar datos para definir pautas y tendencias con las que después hallar soluciones por sí solos. Por así decirlo, los ordenadores son inteligentes porque detectan patrones, y proponen alternativas. Los robots son el primer ejemplo que nos viene a la mente al pensar en el aprendizaje de las máquinas. Lo cierto es que ahora no tenemos que pensar en los robots como unos muñecos de metal hechos a imagen del hombre, sino que robots son también esas máquinas autónomas que son capaces de mapear un terreno sin ni siquiera estar conducidos ni guiados, sino autónomamente, gracias al machine learning

En la revista de Asaja Nacional (correspondiente al mes de Abril de 2020) encontráis este y otros artículos interesantes sobre agricultura y ganadería).