Para poner fin a la tragedia de arar los campos de cebolla... la clave de la IA agrícola son los 'datos de consumo'

Este año, al desplomarse los precios de productos agrícolas clave como la cebolla, el pepino y el calabacín coreano, los agricultores celebraron el 7 de julio una manifestación, arando los campos que habían cultivado con esmero y exigiendo al gobierno medidas de respuesta. Aunque la inteligencia artificial (IA) y los tractores autónomos emergen como el futuro del campo, la realidad en los sembradíos sigue siendo dura. Este año, la tragedia volvió a repetirse. Los expertos señalan que, sin “datos” precisos del terreno que la respalden, no es posible evitar los desequilibrios entre oferta y demanda de productos agrícolas ni los desplomes de precios. Por eso, en la era de la transformación de la IA, la necesidad de construir no solo datos de producción sino también “datos de consumo” surge como la tarea más urgente para que la agricultura coreana sobreviva.

El Ministerio de Agricultura, Alimentación y Asuntos Rurales y el Instituto de Planificación y Evaluación de Tecnología para Alimentos, Agricultura y Silvicultura celebraron el 22 de julio en el JW Marriott Hotel Seoul el “40.º Foro de Crecimiento Futuro de la Industria Agroalimentaria”, bajo el tema “Perspectivas de la tecnología agrícola en la era de la transformación de la IA: debatir la transformación AX de la industria agroalimentaria”. Kim Dae-hoon, director ejecutivo de Nuvilab y ponente ese día, señaló con agudeza la realidad contradictoria de la industria agroalimentaria. Kim Dae-hoon afirmó: “El mercado agroalimentario mundial tiene un tamaño aproximado de 9,7 billones de dólares (según BCG, previsión para 2026), el mayor del mundo, pero su nivel de madurez en transformación digital (DX) sigue estando en el último lugar en comparación con otros sectores como finanzas, manufactura, salud y medios”.

Debido a este “vacío digital y de datos”, los productores no pueden conocer la demanda final del consumidor ni las tendencias del mercado, incluso si producen productos agrícolas de alta calidad. Del mismo modo, el gobierno y los responsables de políticas solo pueden comprender el apoyo mediante subsidios o las políticas de suministro agrícola, pero no cuentan con datos para verificar qué resultados reales produjeron esas políticas en el terreno. Como la cadena de datos que conecta la producción, la distribución y el consumo final está rota, agricultores, gobierno y consumidores sufren cada año la inestabilidad recurrente de la oferta y la demanda.
Kim Dae-hoon subrayó: “Sin datos de consumo, optimizar la producción agroalimentaria es prácticamente imposible”, y añadió: “Los datos de ventas son solo rastros de la demanda. La optimización de la industria alimentaria comienza solo cuando existen datos de consumo reales”.

La clave de la IA es el ‘dato contextual de campo’… lecciones de casos de éxito en el extranjero
En última instancia, la IA que recopila datos con precisión en el terreno agrícola y en los puntos de contacto con el consumidor inevitablemente tendrá mayor competitividad. En el extranjero, ya se está logrando una sofisticada industrialización de la IA basada en datos de campo.
De hecho, en 13 hoteles de los Emiratos Árabes Unidos (EAU), cámaras de IA y sensores de peso analizan en tiempo real los alimentos desechados para mejorar también en tiempo real el volumen de producción, la cantidad servida y la composición del menú. Tras una operación piloto de cuatro meses, lograron reducir en un 76% los residuos de cocina y en un 55% los restos de comida tras las comidas.

La plataforma australiana de distribución de alimentos frescos Freshō transformó un sistema de pedidos que dependía de registros manuales en una estructura automatizada de pedidos con IA. Al predecir con precisión la demanda en tiempo real, elevó la exactitud del inventario hasta el 98,6% y minimizó el exceso de existencias y los desechos mediante pedidos, empaquetado y entregas precisos. Como resultado, procesó un acumulado de 30 millones de pedidos (unos 10 millones en el último año) y atrajo inversiones por 17 millones de dólares.
 

El efecto multiplicador de 2,3 billones de wones que genera una optimización del consumo del 1%
En particular, Kim Dae-hoon puso el foco en el valor de los “datos de consumo”, que durante mucho tiempo habían permanecido en el punto ciego de la política agrícola. En su presentación explicó: “Servir un 30% de verduras en comidas colectivas no significa que los niños hayan comido un 30% de verduras”, y añadió: “Según los datos realmente recopilados mediante tecnología de IA, la tasa real de ingesta de verduras de los niños fue de solo el 11%, lo que generó una brecha de 19 puntos porcentuales. Existen razones estructurales claras por las que estos datos de consumo no se habían acumulado hasta ahora”.

Señaló que la recopilación estandarizada de datos era difícil porque la cantidad y la forma de lo que se come cambian cada vez, y que métodos como el recuerdo de 24 horas o el autoingreso inevitablemente tienen baja precisión y continuidad. También indicó que las tasas de permanencia eran bajas porque la estructura del servicio estaba centrada en la introducción manual de datos, lo que exigía a los usuarios dedicar mucho tiempo a dejar registros, y que los datos de cada ámbito —comedores colectivos, nutrición y atención médica— estaban fragmentados, lo que hacía imposible un análisis integrado.

Kim Dae-hoon destacó: “Incluso optimizar el consumo en solo un 1% al llenar el vacío de datos de consumo puede crear un enorme valor económico y ambiental”, y añadió: “Tomando como base el mercado alimentario nacional (unos 230 billones de wones, Instituto Coreano de Desarrollo, 2024), lograr una optimización del consumo del 1% puede generar un ahorro de costos de hasta 2,3 billones de wones”. Continuó: “Esta cifra incluye la reducción del desperdicio de ingredientes alimentarios, la optimización del inventario y la logística, y la reducción de gastos médicos derivada de una mejor salud”, y agregó: “También puede producir enormes resultados ambientales al reducir las emisiones de gases de efecto invernadero hasta en 1,39 millones de toneladas (CO_2e, según el estándar de 2023 del Ministerio de Medio Ambiente)”.

La afirmación de Kim Dae-hoon de que “los datos abundantes crean el rendimiento de la IA y cambian el futuro de la industria. La transformación de la IA en la industria alimentaria comienza en el momento en que el consumo real se convierte en datos” tiene grandes implicaciones. Ha llegado el momento de construir una “plataforma nacional integral de datos agroalimentarios” que conecte desde los datos de crecimiento en la etapa de producción hasta los volúmenes de distribución y los datos de consumo final en la mesa. Porque solo cuando se garantizan la continuidad de los datos y su conexión con el terreno, la política agrícola del gobierno podrá pasar por fin de una simple “política de oferta” a una verdadera “política centrada en resultados”.