Los datos son la nueva “moneda digital” porque a través de los mismos se produce información que luego, al transformarse en conocimiento, permite generar valor. Ese paradigma –aunque muchos no lo sepan– ya llegó al sector agrícola.
La metodología de trabajo tradicional en el desarrollo genético del sector semillero consistía en generar un gran volumen de plantas diversas para luego detectar a aquellas que mostrasen rasgos superiores en los parámetros buscados. El éxito de tales acciones estaba fundamentado en “ley de los grandes números” y el azar.
“Actualmente tenemos algunas herramientas que nos permiten ser mucho más precisos, de manera tal que no generamos individuos al azar, sino que podemos hacer combinaciones más precisas gracias a la ciencia de datos, las nuevas plataformas digitales y la genómica”, explicó Federico Vartorelli, líder de Breeding (investigación en semillas) de Bayer Crop Science Latinoamérica, durante una conferencia en línea brindada este lunes.
Bayer Crop Science cuenta con una plataforma de agricultura digital (FieldView) que, además de brindar un servicio agronómico, permite recolectar datos que luego sirven de insumo para detectar tendencias, necesidades y, además, validar de manera sistemática la robustez de los algoritmos de prescripciones agronómicas contenidos en la plataforma.
Otro aspecto clave es que la compañía cuenta con la tecnología para realizar un genotipado rápido de cada una de las plantas evaluadas, lo que permite, al cruzar tales datos con el comportamiento agronómico de cada individuo, asociar secuencias genómicas con atributos deseados o no deseados.
Así es cómo todos los días se incorporan millones de nuevos datos a la “biblioteca genómica” de Bayer, los cuales provienen tanto de los centros de investigación de la compañía –distribuidos en diferentes regiones agrícolas del mundo– como de las plataformas digitales de prescripciones agronómicas.
Lo fabuloso de esa “biblioteca” es que, al ser “alimentada” de manera constante, el progresivo volumen de datos genera una cantidad creciente de correlaciones entre diferentes variables que mejoran la eficiencia de los algoritmos diseñados para asociar secuencias genómicas con atributos.
“Los modelos de simulación emplean esos datos para realizar recomendaciones basadas en patrones de inteligencia artificial”, expresó el especialista en referencia a los algoritmos diseñados para mejorarse a sí mismos de manera automatizada a medida que se nutren de nuevos datos.
El otro gran evento es que, gracias a esa tecnología, ahora es posible hacer ensayos en computadoras para poder detectar con anticipación las familias de genotipos más adecuadas para diseñar nuevas variedades de semillas. Eso implica un ahorro enorme de recursos tanto materiales como temporales.
“Podemos hacer experimentos con millones de individuos, pero en lugar de generarlos físicamente, los evaluamos digitalmente con programas que terminan haciendo recomendaciones basadas en inteligencia artificial”, señaló Vartorelli.
Gracias a ese gigantesco avance tecnológico, a las evaluaciones a campo solamente llegan las plantas que tienen una elevada probabilidad de lograr éxito en lo que respecta a los atributos agronómicos buscados.
Un ejemplo de desarrollo logrado con la nueva tecnología es el maíz de baja estatura desarrollado por Bayer Crop Science en México, el cual tolera mayores densidades de siembra y tiene menores problemas de vuelco sin que eso comprometa el potencial productivo del cereal.
“Los maíces de baja altura son un hecho comercial en México y próximamente también lo será en EE.UU. Estamos trabajando para introducirlos en Brasil y Argentina. Hubiese sido muy difícil conseguir un producto como el maíz de baja estatura sin tener la precisión para modificar lo que queremos modificar sin cambiar lo que no queremos modificar”, expresó.
Lo maravilloso del proceso de transformación tecnológica es que, mientras que dos décadas atrás los protagonistas de las áreas de desarrollo genético eran fundamentalmente ingenieros agrónomos, ahora buena parte de los equipos están conformadas por matemáticos, biólogos, programadores e informáticos, muchos de los cuales no tienen conocimientos agronómicos.
“Los equipos son mucho más diversos y se requieren diferentes talentos. Diez años atrás el principal desafío era la infraestructura y la maquinaria disponible, mientras que ahora el foco de las inversiones está puesto en el desarrollo de sistemas de agricultura digital e inteligencia artificial”, concluyó.
