Las herramientas de inteligencia artificial se pueden encontrar en casi todos los sectores de la sociedad y se están convirtiendo rápidamente en el gran avance tecnológico de este siglo.
por Addison Dehaven, Universidad Estatal de Dakota del Sur
En el sector agrícola, las operaciones agrícolas a gran escala están utilizando IA para aumentar la rentabilidad, reducir los impactos ambientales y promover prácticas sostenibles.
Pero, ¿cómo utilizan la IA las operaciones a pequeña escala? ¿Los pequeños agricultores obtienen los mismos beneficios que las operaciones a gran escala?
Un grupo de estudiantes graduados y recién graduados de la Universidad Estatal de Dakota del Sur, incluidos Skye Brugler, Ajoy Kumar Saha y Maryam Sahraei, buscaron responder estas preguntas en un informe de investigación que analizaba los desafíos relacionados con la IA en el sector agrícola . También hicieron recomendaciones de políticas en su informe publicado recientemente titulado «Las aplicaciones de inteligencia artificial en la agricultura necesitan una lente de justicia para abordar los riesgos y brindar beneficios a los pequeños agricultores».
«Estamos analizando cómo estos pequeños agricultores están lidiando con la IA», dijo Sahraei, «tanto en términos de velocidad como de desarrollo de la tecnología».
IA y pequeñas explotaciones
Si bien las operaciones agrícolas a gran escala parecen dominar la producción mundial de alimentos, la agricultura a pequeña escala, o las granjas de cinco acres o menos, en realidad representan casi el 35 % de la producción total de alimentos en el mundo. Además, cinco de cada seis productores, o el 83% de todos los agricultores, se consideran pequeños propietarios. Debido a esto, existe una «necesidad urgente de colocar a los pequeños agricultores al frente y en el centro de la innovación en IA utilizada con fines agrícolas», explicó el equipo de investigación en el resumen.
En el Sur Global, generalmente definido como países de América Latina, África, Asia y Oceanía, los pequeños agricultores son clave para superar muchos de los desafíos de seguridad alimentaria que enfrentan estas poblaciones en crecimiento. Muchos pequeños agricultores de estas regiones confían en técnicas tradicionales y carecen de la experiencia técnica necesaria para muchas de estas aplicaciones de IA.
«Los pequeños agricultores a menudo no pueden obtener los mismos beneficios de la IA que las grandes operaciones de producción de alimentos», dijo Sahraei.
Hay varias razones por las que esto es cierto, explicó Sahraei. Primero, los pequeños agricultores a menudo carecen de las habilidades técnicas necesarias para utilizar los datos disponibles. Por ejemplo, las técnicas de detección remota que producen imágenes satelitales ayudan a reducir el trabajo de campo y brindan datos precisos . Los datos de estos satélites proporcionan los modelos de IA que luego ayudan a tomar decisiones agronómicas.
Comprender los datos sin procesar requiere habilidades técnicas que los pequeños agricultores a menudo no tienen. Las plataformas computacionales capacitadas para leer los datos, como Google Earth Engine, han brindado una oportunidad necesaria para que los agricultores accedan a los datos.
En segundo lugar, los pequeños agricultores a menudo carecen de los recursos de capital necesarios para adoptar estas tecnologías. Por ejemplo, la agricultura de precisión, que permite la aplicación de insumos agrícolas en sitios específicos para mejorar las ganancias agrícolas y la sostenibilidad ambiental , tiene bajas tasas de adopción entre los pequeños agricultores debido a algunas de las razones mencionadas junto con la inestabilidad económica .
“Están menos dispuestos a adoptar la IA porque si la usan mal o pierden los beneficios, será difícil para ellos superar financieramente el fracaso”, dijo Sahraei.
Las limitaciones económicas de las pequeñas explotaciones agrícolas han creado una «brecha tecnológica» entre las operaciones a pequeña y gran escala.
«Las encuestas han demostrado que los agricultores más grandes tienen más capital para invertir en tecnología y software, son más capaces de asumir riesgos debido a la capacidad de absorber la disminución de las ganancias y pueden crear puestos de trabajo especializados para analizar y tomar decisiones en función de los datos recopilados». Saha dijo.
Recomendaciones de política
Para combatir estos desafíos, el equipo de investigación proporcionó un conjunto de recomendaciones de políticas destinadas a gobernar los grandes datos y la IA a través de una lente de justicia social. Una de las recomendaciones incluía exigir estándares de transparencia para los modelos utilizados por las herramientas y aplicaciones de IA.
Otras recomendaciones incluyeron la regulación del mercado, específicamente asegurando que los mercados de IA sigan siendo competitivos para limitar el poder de cualquier desarrollador individual.
Finalmente, al reconocer los beneficios de la tecnología de IA para las operaciones agrícolas, el equipo de investigación recomendó servicios de extensión para ayudar a educar a los pequeños agricultores sobre las tecnologías que funcionan mejor en sus operaciones.
«Debe haber más educación de extensión para que los pequeños agricultores puedan aprender sobre las nuevas tecnologías», dijo Saha.
Más información: Informe: Las aplicaciones de inteligencia artificial en la agricultura necesitan una lente de justicia para abordar los riesgos y brindar beneficios a los pequeños agricultores
