La tierra fértil y las manos del campesino hicieron que la Argentina fuera conocida a finales del siglo XIX y comienzos del XX como «el granero del mundo». El país se convirtió en uno de los mayores exportadores de maíz y trigo del planeta, así como el mayor exportador de lino y carne. Desde 1880 aparecieron las innovaciones para conservar y trasladar la carne, como buques con cámaras de frío, y se aplicaron a las estancias técnicas de mestizaje para mejorar las razas y optimizar las pasturas, así como un tendido férreo que se extendió por el país. Si tenemos en cuenta que en esa década se empezaron a fundar escuelas como el Instituto Agronómico Veterinario de Santa Catalina (1881), en Buenos Aires, y la Quinta Normal de Agricultura (1883), en Mendoza, el desarrollo tecnológico estuvo desde siempre en la mentalidad agrícola argentina, que para 1887 ya contaba la primera promoción de ingenieros agrícolas.
Argentina sigue siendo esa pampa fértil «cuya anchura ahonda las afueras», como dice Borges. La agricultura sigue siendo parte medular de su identidad nacional. Por eso Mercedes Sosa canta a la cosecha de algodón en El cosechero, a la siembra de vid en Cuando tenga la tierra, al trigo en Triunfo Agrario y a la zafra de caña en Muchacho pelador. Según el Censo Nacional Agropecuario de 2018, Argentina cuenta con 37,5 millones de hectáreas de cultivo agrícola; es el primer exportador mundial de harina y aceite de soja, aceite y manufactura de maní, y el tercer productor mundial de maíz y limón. Pero, ¿continúa el país por la senda de la innovación que lo caracterizaba cuando comenzó su revolución agrícola? El camino está abonado para la siembra.
La Inteligencia Artificial
Es un secreto a voces que los gobiernos y las empresas de todo el mundo están comenzando a adoptar aplicaciones de Inteligencia Artificial (IA) y están compitiendo por ser los primeros en subirse a la ola de cambio tecnológico que está sucediendo a nivel global. Con la IA se puede automatizar el monitoreo de los cultivos, controlar plagas y aplicar fertilizantes de manera más eficaz, así como medir la calidad de los suelos, la cantidad de la cosecha y otras variables que combinan sistemas de posicionamiento geográfico con información genética. El desafío para muchos está en cómo lograr adoptar de manera exitosa la IA en contextos con capacidades tecnológicas y financieras limitadas. Como parte de un proyecto encargado por el BID, en este post compartimos nuestra experiencia a partir de un reciente estudio de caso, así como un conjunto de recomendaciones para acelerar la adopción de IA en el sector de maquinaria agrícola de Argentina.
El sector de maquinaria agrícola argentino ha seguido manteniendo su voluntad innovadora y su dinámica. A lo largo de los años más recientes, las empresas del sector han sido pioneras en la adopción de nuevas tecnologías, como la agricultura de precisión, por ejemplo, y más recientemente, han comenzado a aparecer nuevas empresas locales de agtech, creando un segmento emergente de nuevos proveedores de maquinaria agrícola. La adopción empresarial de aplicaciones de IA, sin embargo, trae consigo nuevos retos. Dado su carácter de «tecnología de propósito general», su adopción no solo requiere de adaptaciones a nivel tecnológico y de ingeniería, sino también a nivel de recursos humanos, estrategia corporativa o gobernanza. A pesar de esta complejidad, las empresas del sector son conscientes de que no pueden esperar más y han decidido apostar por la promesa de los beneficios que puede traer la aplicación de IA para mejorar procesos y operaciones y, sobre todo, habilitar el desarrollo de nuevos productos y servicios.
De hecho, ya hay algunas empresas del sector que se están moviendo en esa dirección. Deepagro desarrolló un sistema de detección de maleza que permite una aplicación más precisa de herbicidas a lo largo de las distintas fases del cultivo de la soja. Por su parte, Auravant es una plataforma para el monitoreo de intervenciones de agricultura de precisión que utiliza imágenes satelitales para analizar la variabilidad de terrenos. S4 Agtech también usó datos satelitales para desarrollar, por primera vez a nivel global, un índice que permite predecir y gestionar los riesgos en la producción de diferentes granos. Estas innovaciones están permitiendo al sector agrícola optimizar su producción, mediante la maximización de rendimientos y la reducción de costos, como también la gestión de los efectos del cambio climático y la reducción del impacto ambiental negativo.
Acerca del estudio
El BID encargó a Element AI, una empresa canadiense especializada en IA, el desarrollo del estudio de caso del sector de maquinaria agrícola argentino, tomando como base una metodología para medir la madurez en el uso de IA en las empresas (AI Maturity Framework, o Marco de Madurez de IA), desarrollada previamente por la empresa, a partir de una encuesta a empresas de América del Norte que medía el grado de madurez en el uso de IA a lo largo de cinco dimensiones: Estrategia, Datos, Tecnología, Personas y Gobernanza. Entre los hallazgos de ese estudio, se encontró que las empresas que no realizan su transformación a lo largo de las cinco dimensiones no logran adaptar sus negocios para aprovechar el máximo potencial de la IA. Por ejemplo, las empresas pueden ser más maduras en un área (frecuentemente, la de Datos), pero si tienen bajos niveles de madurez en otras áreas (típicamente en las áreas de Gobernanza o Personas), su nivel de madurez global de IA baja.
En colaboración con académicos y expertos del sector en Argentina, adaptamos la metodología de la encuesta norteamericana al contexto local. En noviembre y diciembre del 2020, encuestamos a 100 empresas del sector y realizamos entrevistas en profundidad a una selección de estas empresas. Estos datos fueron claves para entender en mayor profundidad las actitudes, desafíos y soluciones específicas en el proceso de adopción de IA del sector. Se encontró evidencia de que las empresas no desconocen la IA y están muy interesadas en aplicarla a sus negocios, pero no están seguras de cómo proceder o, por las limitaciones de recursos, no pueden hacerlo.
Las propuestas de política que emanan del estudio de caso pretenden ser una hoja de ruta para la transformación de la IA en el sector, y esbozan algunas correcciones de rumbo basadas en los resultados de la encuesta. La hoja de ruta se apoya en los siguientes principios generales:
- Queríamos que nuestra hoja de ruta acelerara la adopción de la IA. El sector necesita moverse rápido para aprovechar las ventajas de la IA y poder competir en el extranjero.
- A través de las propuestas de la hoja de ruta, queríamos desarrollar un ecosistema. A lo largo del trabajo, conversamos con muchas partes interesadas en IA, pero estos agentes actuaban de manera desarticulada. En Canadá, a menudo se cita la existencia de un ecosistema robusto como la clave detrás del éxito que ha convertido a ese país en un líder en el desarrollo de la IA a nivel global.
- Queríamos proponer formas innovadoras de trabajar de manera colectiva con los recursos de IA, (como los mecanismos de datos compartidos o data sharing mechanisms). Este tema se está discutiendo actualmente en muchas partes del mundo. Argentina podría ser uno de los primeros países en establecer un mecanismo efectivo de intercambio de datos para la IA.
- Queríamos fomentar la inversión en tecnología y formación, de manera que se beneficie todo el ecosistema.
- Queríamos fomentar la idea de la IA responsable y la gobernanza desde el principio. Perder la oportunidad de abordar esto al principio del proceso solo aumenta el riesgo de daño más adelante, y puede crear miedo y desconfianza en la población en general. Si Argentina puede abordar estos riesgos de forma temprana, también puede convertirse en un líder regional en este aspecto.
Sobre la base de estos principios, formulamos 30 recomendaciones en el informe. En este post las resumimos en tres grupos: las acciones individuales que deben tomar las empresas, las acciones colectivas que se pueden llevar a cabo a nivel de clúster y las recomendaciones de política para las agencias gubernamentales.
Qué pueden hacer las empresas
En general, los emprendimientos más pequeños han podido adoptar la IA más rápido, mientras que solo las empresas más grandes y con más recursos están logrando realizar las inversiones necesarias para adaptar sus negocios al uso de IA. Dadas las limitadas capacidades de absorción de la IA encontradas en las empresas encuestadas, desarrollar esa capacidad es el primer objetivo que se deberían plantearse las firmas interesadas. Pueden empezar por organizarse y educarse en cada dimensión, haciéndose las siguientes preguntas: ¿con qué recursos contamos? ¿qué queremos lograr? ¿qué deberíamos querer lograr? En estas conversaciones, la herramienta de medición de madurez digital se convierte en una valiosa guía de autoevaluación, la cual irá alentando a las empresas a considerar lo que los datos pueden y deben hacer por su negocio, o ayudándolas a identificar qué inversiones se necesitan y cómo escalar las intervenciones. A medida que las empresas maduren, podrán decidirse a asumir más riesgo a través de experimentos. Éstos pueden consistir, al principio de un experimento, en un único modelo y, gradualmente, ir avanzando hacia experimentos con sistemas interactivos de modelos, los cuales tienden a requerir más madurez para su uso para evitar el riesgo de que un error se extienda por todo el sistema. Estas pruebas de concepto demostrarán a los usuarios la necesidad de realizar otros cambios e inversiones en las empresas. Tomar gradualmente estos riesgos experimentales es parte del viaje. Además, incluso por los aprendizajes que generan los experimentos que fallan en el camino, generan beneficios netos positivos.
Qué pueden hacer las empresas de manera colectiva
Las empresas no tienen por qué estar solas en este viaje. Ya comentamos el valor de un ecosistema de alianzas para crear un entorno de transformación de IA exitoso. En Argentina, este ecosistema está aún en ciernes, con centros de investigación y laboratorios trabajando con IA en todo el país. Sin embargo, aún no hay una buena interacción entre los sectores público y privado, y la comunidad investigadora y empresarial. Esta es, en parte, la razón por la que enmarcamos propuestas de políticas en torno a la mejora de las alianzas y el trabajo colectivo: hacerlo así ayuda a hacer crecer el ecosistema en su conjunto.
Consideramos que organizaciones como la Fundación CIDETER (una asociación de la industria de maquinaria agrícola con la que se colaboró para este estudio) proporcionan un vínculo crucial entre las empresas, la comunidad de investigación y desarrollo, y el sector público. Las recomendaciones se centran en el desarrollo de oportunidades de creación de redes y capacitación, de generación y difusión de mejores prácticas, del uso de recursos colectivos y el análisis agregado de las tendencias en el sector. Este rol proporcionaría, además, una vía para que organizaciones como Fundación CIDETER exploren nuevas opciones de generación de ingresos, con la creación de servicios de valor agregado o incluso el desarrollo de una unidad de negocio dedicada (tal vez centrada en la transformación digital, de manera más general).
Qué puede hacer el sector público
Por último, hay varios mensajes clave para el sector público. A nivel mundial se está produciendo una carrera de IA, con una fuerte competencia por el acceso a grandes volúmenes de infraestructura informática, datos y habilidades. Sin embargo, competir por el avance en el desarrollo tecnológico de la IA no es lo mismo que competir para encontrar formas novedosas de adoptar la IA para impulsar la competitividad de un sector y, por extensión, para mejorar la competitividad regional en general. Si bien Argentina por el momento podría no lograr participar directamente en la carrera global de IA, existe una oportunidad para que mejore sus niveles de competitividad.
Las recomendaciones del reporte para el sector público están enfocadas en: crear programas de financiamiento específicos para actividades relacionadas con la adopción de AI, ayudar a garantizar un mínimo de infraestructura tecnológica (como los clusters de computación de alta capacidad) e identificar brechas en los sectores y establecer las reglas para guiar un desarrollo responsable de la IA en el sector privado. Junto con esto, el desarrollo de capacidades en forma de programas de capacitación, adaptados a las fortalezas y condiciones locales ayudaría a acelerar los procesos de adopción de IA. Al respecto encontramos dos desafíos clave: aumentar la sensibilización sobre la importancia de las capacidades derivadas de la investigación académica (y combinar oportunidades para explorarlas comercialmente) y facilitar la creación de soluciones de IA confiables, que requieran el uso de datos considerados privados, propietarios o sensibles. En cada dimensión, se alienta al sector público a implementar una visión intersectorial de las actividades para diseñar intervenciones apropiadas.
Próximos pasos
Contando ya con un plan para impulsar el desarrollo de la madurez de IA, es factible (e incluso urgente) que las empresas den el siguiente paso e implementen planes de transformación efectivos. Incluso en ausencia de conocimientos avanzados de IA se puede avanzar. Nosotros centramos nuestro estudio de caso en Argentina, pero ahora es su turno. Cuando se embarquen en su viaje de transformación de IA, los animamos a utilizar el Marco de Madurez de IA como su hoja de ruta.
Conoce más en el informe completo que acaba de ser lanzado como una publicación del BID. El BID encargó este proyecto de investigación a la empresa canadiense Element AI, la cual contó con el apoyo de dos expertos locales. Los autores de este post fueron parte del equipo contratado para este proyecto: Abuhamad y Salveson fueron los expertos de Element AI; Braga (Fundación CIDETER) y Stubrin (CONICET/CENIT-UNSAM) fueron los expertos locales con sede en Argentina.
Leave a Reply