JUAN LANDÍVAR BOWLES EN TOTAL CONFERENCE 2026: “LA AGROPECUARIA DEL FUTURO YA ESTÁ AQUÍ”

La agricultura digital y sistemas expertos con datos reales y masivos, además de los modelos digitales, permite un aprendizaje automático anticipado, desde la germinación hasta la cosecha, y también del mercado y el sistema financiero.

Juan Landívar Bowles se autodefine como “un camba texano”, doctorado en fisiología de cultivos, dirige un departamento de investigación, en la universidad de Texas A&M. Le gusta hablar de la “agricultura de precisión”, pero tituló su exposición como “Agricultura digital: oportunidades y desafíos”.

Sus inicios profesionales están relacionados con el algodón cuando fue parte del crecimiento de ese cultivo que se experimentó en Brasil en 1998, así como la introducción de transgénicos. También participó en cultivos de sorgo, en el mejoramiento genético de ostras y de pasto, y ahora se encuentra en la “agricultura digital”. Opina que todo lo que se haga en agricultura tiene que ser rentable.

En su opinión, los últimos diez años cambiaron la agricultura. Tenemos muchos datos por drones, robots, satélites, y hay sensores desde 6 mil a 80 mil dólares. Tenemos más capacidad de computación a menor costo. Las empresas de computación duplican su capacidad cada cierto tiempo. Estamos en la era de los datos masivos, donde procesarlos y analizarlos permite predecir rendimientos. El momento de adaptar es ahora.

“Como agricultores, podemos llegar a una situación comparable a la de cajas registradoras de supermercados, que captan y digitalizan en tiempo real los datos de ventas. Tenemos en el momento, la información real de lo que está pasando. Tenemos que hacer el análisis crítico y llegar a la acción”, afirmó Landívar Bowles.

Seguidamente señala: “En agricultura tenemos la captación solar; el crecimiento, que es la fotosíntesis; la altura, que es el agua; y el volumen de la biomasa, que es la eficiencia. Tomando esos datos, en cada cuadrado de 10 por 10 metros del terreno, permiten construir una base de datos con cientos de modelos o campos, que funcionen como una biblioteca que permitan hacer predicciones”.

Continúa expicando que incluso se puede construir el “gemelo o réplica digital”, en el cual experimentar, sin necesidad de hacer la experiencia en la realidad material-biológica, sin tener que esperar sus tiempos naturales de germinación, crecimiento, fructificación. “Se puede aprender digitalmente a mejorar el manejo del cultivo, de los fertilizantes, defoliantes o regulantes. Estamos hablando de Inteligencia Artificial predictiva y también prescriptiva, es decir identificar problemas y encontrar soluciones o recomendaciones técnicas digitalmente, en forma anticipada”.

Con datos reales más modelos digitales, también podemos tener aprendizaje automático del mercado y el financiamiento, con una anticipación de 60 a 80 días. Esto nos permite hacer pronósticos y tomar decisiones, desde el monitoreo hasta el mercado, en cualquier lugar del mundo, “hasta en Pailón”, precisó.

Con datos reales más la simulación, desde la germinación hasta la cosecha, podremos tener predicción de la eficiencia y el rendimiento. Si su predicción era 35 quintales y con anticipación de 6 a 8 semanas sabe que una “seca” puede bajar su producción a 25 quintales, usted puede estabilizar las cosas antes de la cosecha.

No todas las zonas de un campo rinden igual, en el fondo, las zonas de mayor rendimiento “subsidian” a las de menor rendimiento. Con Inteligencia Artificial, usted puede encontrar qué reguladores necesita cada zona y cuándo deben ser aplicados.

De esa manera, no sólo mejora el rendimiento y la ganancia agrícola, sino que se extiende a los seguros y préstamos bancarios, mejorando sus tasas por la predictibilidad y capacidad real de incidencia. Esta integración totalizante tiende a implementarse incluso en aparatos, pues hay modelos predictivos con drones conectados a satélites.

El modelo de aprendizaje automático tiene un porcentaje de precisión superior al 90% por lo bajo y hasta el 98% hacia lo alto, sintetizándose en: captura masiva de datos, alimentación de modelos digitales, predictibilidad, producción final y manejo financiero, con anticipación de 6 a 8 semanas, como ya se mencionó.

Los modelos simulados manejados por datos no solo hacen proyecciones, sino que proveen prescripciones correctivas. “El mundo del futuro será de los sintetizadores e integradores de datos e información”, concluyó Landívar Bowles.