Research Articles Cómo el diseño inclusivo está trasladando el poder a los agricultores y cerrando brechas en la adopción de semillas
Investigadores del proyecto Artemis de la Alianza desarrollaron herramientas móviles de inteligencia artificial y sistemas de información para los agricultores en Tanzania y Colombia, con el fin de transformar la forma en que el fitomejoramiento responde a las necesidades reales de los pequeños agricultores.
En todo el Sur Global, los programas de mejoramiento de cultivos se enfrentan a un reto recurrente: la brecha entre las variedades mejoradas, desarrolladas en las estaciones de investigación, y la realidad de las tierras de los pequeños agricultores. Este desajuste es un subproducto de los sistemas de mejoramiento que, históricamente, han sido centralizados, verticales y con poca disponibilidad de datos, lo que limita su capacidad para reflejar las condiciones de cultivo locales o las preferencias de los agricultores.
Pero los investigadores trabajan para cambiar esta situación. La inteligencia artificial (IA), cuando se conecta con métodos de diseño participativos y centrados en el ser humano, ha abierto el campo a nuevas y apasionantes oportunidades. Un conjunto de herramientas móviles de fenotipado, desarrollado por el proyecto Artemis de la Alianza de Bioversity International y el CIAT, ha aprovechado la IA para desarrollar un sistema de fitomejoramiento inclusivo apoyado en la tecnología, que genera datos más precisos, amplifica las voces de los agricultores y fortalece los sistemas de semillas allí donde más se necesitan.
¿Por qué es necesario acelerar el mejoramiento de cultivos?
Las decisiones de mejoramiento dependen en gran medida del fenotipado (la medición de los rasgos de las plantas que permiten seleccionar y avanzar las variedades). En los programas de fitomejoramiento con pocos recursos, esto se suele hacer mediante puntuación visual manual por parte de técnicos cualificados. Pero este método es lento, subjetivo y difícil de aplicar en los numerosos entornos en los que operan los pequeños agricultores.
Además, los comentarios de los agricultores rara vez se incorporan de forma sistemática, especialmente durante las primeras fases de desarrollo de las variedades. Como consecuencia, las semillas mejoradas no suelen satisfacer las necesidades de producción o consumo de los agricultores. Esto conduce a una baja adopción y a una lenta rotación de variedades, lo que constituye una preocupación urgente ante el cambio climático y la inseguridad alimentaria.
Para abordar esta problemática, el equipo de Artemis desarrolló herramientas de fenotipado digital basadas en teléfonos móviles que aplican modelos de visión por ordenador (CV, por sus siglas en inglés) para evaluar rápidamente rasgos como el conteo de plantas, el número de vainas y la severidad de las enfermedades. Estas herramientas se han probado en estaciones de fitomejoramiento de Colombia y en ensayos en terreno de cinco distritos de Tanzania.
Los resultados:
-
Las herramientas basadas en CV alcanzaron correlaciones de precisión de rasgos de 0,88 a 0,95 en comparación con datos reales, superando a menudo la precisión de la puntuación visual tradicional.
-
Fenotipar una parcela estándar de 4m × 3m lleva ahora menos de un minuto, frente a las varias horas que se tardaba con métodos manuales.
-
En los ensayos en estación, la captura diaria de imágenes permitió diez veces más datos por genotipo que las técnicas analógicas.
-
Los ensayos realizados en terrenos agrícolas obtuvieron datos cuantitativos de 480 sitios, una escala antes imposible para programas de recursos limitados.
Esto significa que ahora se pueden recopilar datos de fenotipado de alta calidad directamente en los campos de los agricultores, utilizando herramientas accesibles para cualquier persona con un smartphone.
Codiseño de herramientas que se adapten a los flujos de trabajo del fitomejoramiento en el mundo real
La precisión por sí sola no basta para que las herramientas se adopten a gran escala, sino que deben encajar en los flujos de trabajo existentes de los equipos de mejoramiento, los técnicos y los encuestadores comunitarios. Por eso los investigadores aplicaron el diseño centrado en el ser humano (DCH) para guiar el desarrollo.
Al trazar el recorrido del fitomejorador, desde la configuración del ensayo hasta el análisis de los datos, y realizar entrevistas con los usuarios en Tanzania, el equipo identificó los puntos críticos: tareas que exigen mucho trabajo, errores humanos frecuentes y soporte digital limitado. Esta información dio forma al diseño de:
- Dispositivos portátiles de bajo costo para captura de imágenes que mejoran el rendimiento y reducen la fatiga;
- Procedimientos operativos estándar (SOP, por sus siglas en inglés) adaptados para su uso en fincas y estaciones;
- Materiales de capacitación diseñados para distintos niveles de alfabetización digital, incluyendo la incorporación digital de encuestadores descentralizados.
Modelos de base como DINOv2 y Segment Anything permitieron entrenar modelos de rasgos con muchas menos imágenes, reduciendo la barrera para la personalización entre cultivos y rasgos.
El resultado es una herramienta de fenotipado diseñada con, no solo para, las personas que la utilizarán.
De la medición al significado: recopilando las opiniones de los agricultores con ayuda de la inteligencia artificial
El equipo también se propuso captar lo que más importa a los agricultores en sus propias palabras, en sus propios idiomas, ya que mejorar la precisión en la medición de rasgos es solo una parte de la historia.
A través del proyecto NDIZI, los investigadores pusieron a prueba un sistema que utiliza reconocimiento automático del habla (ASR, por sus siglas en inglés) y procesamiento del lenguaje natural (NLP, por sus siglas en inglés) para recoger las opiniones en audio de los agricultores durante los ensayos de campo. Las entrevistas en swahili se transcribieron utilizando el modelo Whisper, y en ellas se identificaron:
- Características mencionadas (por ejemplo, rendimiento, resistencia a enfermedades, tiempo de cocción).
- Actitud o postura hacia cada rasgo (positivo, negativo, neutro).
- Importancia del rasgo, tanto individualmente como entre subgrupos de agricultores (por ejemplo, mujeres, zonas propensas a la sequía).
Este enfoque sustituye las encuestas rígidas por herramientas flexibles basadas en la voz, que permiten a los agricultores participar de forma natural. También proporciona a los fitomejoradores preferencias de rasgos estructuradas y clasificadas que pueden integrarse en índices de selección.
La recopilación multimodal de datos, que combina lo que dicen los agricultores con lo que ven en el campo, permite profundizar en la percepción local del rendimiento de los cultivos. Las señales visuales identificadas por los agricultores pueden incluso servir de base para mejorar los propios modelos de CV.
Hasta el momento, el sistema integrado de fenotipado y retroalimentación de la IA ha demostrado un gran potencial.
Los retos persisten:
- Los modelos de IA de alto rendimiento aún requieren inversión inicial en ingeniería y un mantenimiento continuo.
- Barreras como el acceso a smartphones, los costos de los datos y la alfabetización digital persisten en muchas zonas rurales.
- Los modelos de código abierto, aunque potentes, pueden incorporar sesgos que deben abordarse para garantizar la equidad.
La innovación inclusiva exige un enfoque colaborativo, adaptativo y reflexivo de las realidades sobre el terreno. Desde el diseño conjunto de los procedimientos operativos estándar hasta la recopilación de datos de audio de los agricultores, los investigadores trabajan para integrar la inclusión no solo en los resultados, sino en el propio proceso de innovación.
Lo que está cambiando no son solo los métodos, sino toda la mentalidad que hay detrás del mejoramiento de los cultivos. Mediante la combinación de herramientas basadas en IA, diseño participativo y datos centrados en el agricultor, el equipo de Artemis está demostrando cómo puede ser un mejoramiento de cultivos inclusivo y resiliente al clima. El sistema ya está dando resultados: fenotipado más rápido y preciso, mayor alcance geográfico y mayor compromiso con los agricultores. A medida que las tecnologías sigan evolucionando, también lo harán los métodos para codesarrollar sistemas de semillas que sirvan a las personas más afectadas por la variabilidad climática y la inseguridad alimentaria.
En esencia, este trabajo trata sobre el poder: acercarlo a las personas que cultivan los alimentos. Con las herramientas y las alianzas adecuadas, el fitomejoramiento puede ser más equitativo.
