[Columna de Lee Chung-ho] Arquitectura de datos de ciclo completo para agricultura inteligente: la estandarización es lo primero

[Columna de Lee Chung-ho] Profesor Lee Chung-ho, Departamento de Ingeniería Industrial de la Universidad de Jeonju

WAGRI, la plataforma japonesa de datos agrícolas de NARO(Organización Nacional de Investigación Agrícola·y Alimentaria) de Japón, se opera con el objetivo de que fabricantes de maquinaria agrícola y empresas de tecnologías ICT como la AI se conviertan en usuarios de datos a través de los datos que ofrece al exterior y desarrollen nuevas tecnologías y servicios relacionados con la agricultura. Ha asegurado datos de los sectores público y privado, como meteorología, suelo, tierras agrícolas, predicción del crecimiento, y ha construido una plataforma que se utiliza en diversas investigaciones y negocios mediante la estandarización de datos en formato API . Los datos se distinguen entre datos públicos y datos no públicos en poder de los agricultores, y se busca su estandarización aplicando tecnologías de seguridad. Para responder con antelación a fenómenos climáticos anómalos y plagas y enfermedades, se realizan verificaciones en el terreno mediante la recopilación y el análisis de datos, y a través de la plataforma WAGRI se recopilan·procesan datos de crecimiento, entorno, estadísticas agrícolas, etc., y luego se proporcionan a los agricultores, haciendo realidad una gestión agrícola personalizada. 

Estados Unidos·Europa también compiten en la estandarización de datos…aumentan la precisión estadística con satélites·AI

Esta tendencia también puede encontrarse fácilmente en la agricultura de Estados Unidos·Europa, y el Departamento de Agricultura de Estados Unidos(USDA), para elevar la precisión estadística, impulsa proyectos piloto de mejora de estadísticas agrícolas utilizando imágenes satelitales en cooperación con la Administración Nacional de Aeronáutica y del Espacio(NASA) y otros organismos. El USDA , a través del Servicio Nacional de Estadísticas Agrícolas(NASS), para aumentar el valor añadido de los datos ofrecidos, se centra en la industrialización mediante una gestión integrada, más allá de la mera posesión de datos. La agricultura sistémica que eleva la productividad y la precisión estadística utilizando tecnologías avanzadas como imágenes satelitales, AI, suelo y sensores ambientales se está introduciendo bajo el nombre de agtech. El Espacio Común Europeo de Datos Agrícolas(CEADS) está construyendo un ecosistema estandarizado en el que agricultores, empresas de maquinaria agrícola, e instituciones públicas puedan compartir de forma fiable datos de producción y ambientales, pero en todos los países se señalan como problemas reales la carga de los costes de inversión inicial, la falta de infraestructura digital, y la insuficiente estandarización de datos.

En el caso nacional, la Administración de Desarrollo Rural ha construido actualmente el sistema del Servicio de Información de Ciencia y Tecnología Agrícolas(ASTIS) para hacer realidad el ‘gobierno de plataforma digital’ , pero para que la maquinaria agrícola inteligente y el sistema de gestión de datos de todo el ciclo agrícola logren resultados efectivos, quedan aún tareas muy amplias por resolver.

 El núcleo de la agricultura basada en datos es una arquitectura estratificada basada en MAS 

La agricultura inteligente basada en datos incluye redes inteligentes y gestión de datos, y necesita funciones de toma de decisiones ejecutables basadas en datos, así como la generación de resultados que creen valor significativo a partir de los datos recopilados. Para ello, se considera necesario construir una arquitectura en la que, mediante un sistema multiagente(MAS), varios agentes de inteligencia artificial independientes asuman sus respectivas funciones, se comuniquen y colaboren para resolver un objetivo común. En la industria agrícola, los agricultores son productores de productos agrícolas y, al mismo tiempo, consumidores de tecnología agrícola. Sin embargo, la propia industria agrícola tiene una estructura industrial pequeña, sin grandes empresas. Para incorporar tecnologías ICT en la agricultura basada en datos, mediante el diseño de sistemas multiagente, la estratificación estructural de diversos datos agrícolas, la recopilación de datos de calidad para el desarrollo de AI de agentes colaborativos, y la participación activa de empresas ICT en el desarrollo utilizando información API , así como la madurez de la tecnología y las empresas, determinarán los resultados de la agricultura de datos, pero en la realidad, como la mayoría de las empresas son de pequeña escala, existen dificultades para asegurar un crecimiento sostenido y personal altamente cualificado.

A través de la definición y clasificación de sistemas MAS para la toma autónoma de decisiones en el ámbito de la agricultura de datos, el objetivo de expandir en empresas, agricultores, gobierno, centros de investigación y universidades la recopilación estandarizada de datos y el desarrollo tecnológico relacionado con la agricultura de datos mediante API, así como la verificación en el terreno, no debe limitarse simplemente al sistema tecnológico, sino que debe atraer tecnologías y capital de industrias relacionadas mediante AX más allá de la productividad agrícola, a través de la formación de recursos humanos en las universidades y la verificación y comercialización de sistemas desarrollados con base en la información recopilada(maquinaria agrícola, software de toma autónoma de decisiones basado en AI , etc.). 

Tasa de recopilación de datos de entidades de gestión de agricultura inteligente 36.7%…insuficiente desde el punto de partida

En la práctica, aunque el gobierno promociona la AX agrícola como una tarea de Estado, la obtención de datos, punto de partida de la agricultura inteligente, sigue siendo insuficiente, y en cuanto a la aceptación por parte de las explotaciones, según el ‘Informe de encuesta de situación y análisis de resultados de la agricultura inteligente 2024’ publicado por la Agencia Coreana de Promoción de la Tecnología Agrícola, entre las entidades de gestión de agricultura inteligente(2564 entidades) , las respuestas de que recopilan datos alcanzan solo el 36.7%, lo que muestra una baja percepción real de la agricultura de datos y revela la dificultad de recopilar y utilizar datos de calidad. Actualmente, en el país se opera la plataforma de datos de la Administración de Desarrollo Rural, se ofrecen servicios de monitoreo del entorno de los cultivos y de API abiertas, y Smart Farm Korea está abriendo diversos conjuntos de datos de granjas de cultivo.

 ERP·MES como arquitectura estándar y la preparación de SOP deben venir primero

Hay que prestar atención al hecho de que WAGRI, la plataforma de datos japonesa mencionada anteriormente(WAGRI), ha introducido un sistema basado en procedimientos operativos estándar(SOP) , equivalentes a manuales que las explotaciones pueden utilizar por sí mismas, y que las granjas presentan resultados como el rendimiento de cosecha y la eficiencia del trabajo. Ofrecer la oportunidad de comparar, mediante verificaciones, los resultados de la agricultura centrada en datos con los de la agricultura convencional de las explotaciones puede considerarse el inicio de la agricultura de datos. Actualmente, Corea impulsa la expansión externa de la agricultura de datos, incluida el satélite agrícola de la Administración de Desarrollo Rural, pero parece necesario reflexionar sobre la arquitectura de configuración de datos requerida para una plataforma de datos agrícolas de ciclo completo, incluido MAS para la toma de decisiones. La fábrica inteligente en la industria manufacturera se diseñó sobre la base de ERP, un sistema integrado de gestión del mundo real, y MES, un sistema de ejecución de manufactura basado en el Internet de las cosas, y los datos recopilados allí se almacenan en un sistema físico virtual(CPS) y se está construyendo un gemelo digital.
El sistema de datos agrícolas también se opera con una arquitectura de entorno similar, y la configuración de ERP y la construcción de MES adaptado al entorno agrícola pueden gestionarse mediante la sofisticación y estandarización de las granjas inteligentes. Además, se necesitan la configuración estándar de un sistema de AI de agentes multi-colaborativos para la toma autónoma de decisiones en diversas labores agrícolas y gestión del cultivo, así como la estandarización de datos y el diseño arquitectónico de un sistema agrícola de ciclo completo para preparar procedimientos operativos estándar(SOP) acordes. Se necesitan modelos de convergencia de diversas industrias, y, dado que para las explotaciones es difícil recopilar·analizar datos directamente, se requiere formar expertos que visualicen y analicen datos y que surjan empresas relacionadas, así como apoyo político para ofrecer soluciones necesarias para mejorar la productividad y el entorno de las explotaciones y para crear un ecosistema de entrada de empresas relacionadas con ICT. A través de ello, es necesario expandir continuamente los resultados verificados de productividad y respuesta climática con base en la estandarización de datos para asegurar la utilidad de la agricultura inteligente y en el sistema multiagente(MAS) construido aprovechando esos datos, y se requiere prioritariamente fomentar empresas capaces de utilizar industrialmente los datos construidos y formar recursos humanos.

En el caso de las explotaciones agrícolas, considerando el problema real de que, como productoras de productos agrícolas y consumidoras de tecnología agrícola, resulta difícil lograr economías de escala, para que surjan empresas que construyan sistemas de producción y plataformas que utilicen datos agrícolas, las medidas de apoyo del gobierno deben apartarse de un enfoque centrado únicamente en el apoyo a la investigación y el desarrollo. Para los datos de crecimiento de cultivos y ambientales que permitan utilizar la plataforma de datos de agricultura inteligente, y para la plataforma de datos de ciclo completo necesaria para industrias de equipos como la maquinaria agrícola inteligente, es prioritario construir una arquitectura estándar y preparar métodos de utilización bajo el concepto de ‘estándar coreano de granja inteligente de 4.ª generación’(nombre provisional). Además, parece necesaria una transformación de la percepción social en términos de los esfuerzos de cada ámbito y el fomento industrial para las tecnologías de seguridad de datos y la creación de valor añadido. 

[Fuentes] 
1. Seok Jun-ho, 2024, “Tendencias en el ámbito agrícola relacionadas con la AI e implicaciones de política”, Agricultura Mundial, número de otoño de 2024
2. Shin Dong-cheol, 2019, “Situación del uso de big data agrícola en Japón”, Agricultura Mundial, número de julio de 2019
3. Noh Si-young y otros, 2020, “ Estudio sobre planes para construir una plataforma de big data agrícola para activar la agricultura inteligente”, Sociedad Coreana de Tecnología de la Información y el Conocimiento Vol.15. No.5, pp 915-923
4. Plataforma de big data de granjas inteligentes https://www.n-farm.kr/home/
5. Plataforma de datos de tecnología agrícola(Administración de Desarrollo Rural) https://adp.rda.go.kr/portal/pub/main.do
6. La AI ayuda al cultivo de plantas(resultados de la agricultura inteligente basada en datos), Electronic Times 2025.11.20. https://www.etnews.com/20251120000276
6. Amine Roukh y otros, 2020, “Arquitectura de procesamiento de big data para agricultura inteligente”, enero de 2020, Procedia Computer Science, 177:78-85. https://www.researchgate.net/figure/WALLeSMART-system-components_fig1_346870440