La Universidad Estatal de California, Fresno y el Centro de Desarrollo de Pequeñas Empresas organizaron una Cumbre Global de Innovación AgTech e IA para examinar las oportunidades, los desafíos y las aplicaciones inmediatas de las tecnologías de inteligencia artificial dentro de la industria agrícola del Valle Central.
El panel inaugural de la cumbre del 26 de mayo contó con la participación de Ryan Dinubilo, Director de Innovación en F3 Innovate; Eric Hadden, Director del Centro de Tecnología y Energía del Agua; Olivier Jerhagnon, Fundador y CEO de AgMonitor; y Tiffany Weldin, Gerente de Análisis de Datos en Primex Farms.
Los proveedores de tecnología describieron en gran medida la IA en términos estratégicos amplios, enfatizando que los avances recientes en la potencia de cómputo y la disminución de los costos de hardware finalmente están permitiendo que los sistemas de inteligencia artificial pasen de la teoría a la implementación práctica.
Un tema recurrente durante la discusión fue que el principal obstáculo para la adopción puede no ser ya la tecnología en sí, sino la preparación de la fuerza laboral y la confianza.
Los panelistas señalaron que muchos agricultores se muestran cautelosos a la hora de depender de lo que a menudo se percibe como sistemas de “caja negra”, es decir, tecnologías que generan recomendaciones o decisiones sin explicaciones fácilmente comprensibles de cómo se llega a las conclusiones.
Los oradores también discutieron la naturaleza fragmentada de las implementaciones actuales de IA agrícola. Muchos sistemas operan dentro de silos aislados — como la detección de plagas, el monitoreo del riego o la gestión de equipos — sin una integración completa entre las operaciones. Algunos participantes sugirieron que los centros de datos locales y la infraestructura de computación regional pueden llegar a ser necesarios para respaldar el procesamiento a gran escala de modelos de lenguaje grandes (LLM) en la agricultura, al mismo tiempo que mantienen los datos operativos sensibles más cerca de los agricultores.
Los presentadores también enfatizaron la importancia de la “referenciabilidad” en la agricultura, donde las tecnologías exitosas a menudo se difunden de agricultor a agricultor a través de la observación directa y las recomendaciones de vecinos, en lugar de depender únicamente del marketing.
Entre los ejemplos más concretos presentados se encuentra la operación de procesamiento de pistachos de Primex Farms en Wasco.
Según Weldin, la compañía está implementando tecnologías de IA en fases y actualmente está operando su próxima generación de sistemas de implementación. El representante informó que la tecnología de clasificación óptica asistida por IA ha triplicado la velocidad de procesamiento, lo que permite a la instalación procesar aproximadamente la carga completa de un camión de pistachos por hora.
El sistema aprende continuamente las características de los productos y ajusta automáticamente la configuración del equipo para mantener una calidad constante a pesar de las variaciones en las materias primas entrantes. Primex Farms planea expandir aún más su uso de análisis estadístico impulsado por IA y capacidades de pronóstico de producción.
Después del panel, siguió una presentación del Dr. St. Hilaire, decano del Jordan College of Agricultural Sciences and Technology.
Una tecnología destacada implicó sistemas de “pulverización puntual” de precisión que utilizaban visión por computadora para identificar malezas y aplicar herbicidas solo donde eran necesarios. Según la presentación, el sistema ha demostrado reducciones de herbicidas de hasta el 90 por ciento en comparación con los métodos de pulverización convencionales.
Inicialmente introducida como equipo de alquiler, se informa que la tecnología demostró ser lo suficientemente exitosa como para que los fabricantes estén aumentando la producción para su compra directa por parte de los agricultores.
El Dr. St. Hilaire también describió la tecnología de monitoreo “bolus” (pastilla), de smaXtec, que se está implementando en la operación lechera de Fresno State. Aproximadamente 90 animales han sido equipados con sensores ingeribles —cada uno solo un poco más grande que una linterna pequeña— capaces de monitorear la rumia, el movimiento, la temperatura corporal y la ingesta de agua.
El sistema puede emitir alertas relacionadas con posibles problemas de salud y detectar ciclos de celo a través de cambios en la temperatura corporal tan pequeños como medio grado Fahrenheit, lo que permite identificar ventanas de reproducción en aproximadamente 24 horas. El proveedor afirma que puede ayudar a los productores lecheros a reducir el uso de antibióticos hasta en un 70 por ciento.
Presentaciones adicionales exploraron tecnologías de imagen hiperespectral capaces de analizar las condiciones de las plantas más allá del espectro de luz visible. Investigaciones adicionales describieron sistemas que pueden identificar el estrés hídrico, las deficiencias de nutrientes y las enfermedades de las plantas antes de que los síntomas sean visibles a simple vista.
Un ejemplo presentado fue la detección de la enfermedad de Pierce en vides. Los investigadores afirmaron que el análisis hiperespectral identificó la infección en aproximadamente el 87 por ciento de la cepa, mientras que solo había emergido alrededor del 3 por ciento de los síntomas visibles, lo que potencialmente creaba una ventana de tratamiento más amplia para las terapias con fagos.
El Dr. St. Hilaire también anunció que el centro de supercomputación de IA de Fresno State ya está totalmente operativo y disponible para proporcionar recursos informáticos locales para aplicaciones agrícolas. La iniciativa tiene como objetivo, en parte, abordar las preocupaciones de los productores sobre el envío de datos operativos confidenciales a centros de procesamiento remotos basados en la nube.
Si la cumbre reveló algo claramente, es que la adopción de IA en la agricultura del Valle Central ya no es hipotética. Las preguntas restantes pueden ser menos sobre si estos sistemas llegarán, y más sobre cuán rápido los agricultores aprenderán a confiar en ellos, y quién controlará en última instancia los datos, la infraestructura y los sistemas de toma de decisiones detrás de ellos.