En el evento "GREEN AI: El futuro sostenible de la Inteligencia Artificial", organizado por el Ministerio para la Transformación Digital y la Fundación Pública, Miguel Hormigo, director del Sector Industria de GMV, destacó el papel clave de la inteligencia artificial en el futuro de la agricultura sostenible. Durante su intervención, presentó el proyecto AgrarIA, que utiliza inteligencia artificial aplicada a la cadena de valor de la producción agraria con el objetivo de transformar el sector agroalimentario español hacia un modelo más sostenible y tecnológicamente avanzado. Es un proyecto de investigación industrial financiado por el Ministerio para la Transformación Digital y de la Función Pública, con el objetivo de desarrollar una industria global agrícola sostenible con huella de carbono neutra, usando tecnologías avanzadas tales como la inteligencia artificial, la robótica y la bioingeniería para identifica nuevos métodos de producción agrícola.

El proyecto contempla el desarrollo de un espacio de datos, con el nombre AgrarIA, basada en servicios de IA que unifica todos los modelos de la cadena de valor del sector agrícola -producción, transformación y distribución- en una sola entidad de computación desacoplada, permitiendo desplegar iniciativas singulares que favorezcan una rápida, eficiente, productiva y sostenible transformación del sector agroalimentario a medio plazo. Hormigo subrayó cómo estas tecnologías permiten una gestión más inteligente de los recursos, alineada con los objetivos del Programa Nacional de Algoritmos Verdes (PNAV) presentados en la jornada. Concretamente, AgrarIA tiene actividades de desarrollo concretas, dentro de sus paquetes de trabajo, para investigar en algoritmos verdes aplicados al espacio de datos y a diferentes casos de uso desarrollados por los socios del proyecto. Igualmente, el proyecto hace énfasis en buscar una eficiencia en el consumo de recursos computacionales para ser aún más sostenible y todo esto alineado con dos de los grandes retos del sector: la competitividad y la productividad.

Además, el proyecto tiene otro objetivo principal de investigación en el modelado mediante diferentes casos de uso de dicho espacio de datos, para mostrar su validez como plataforma interoperable, sostenible y segura; por lo que en su presentación mostró algunos ejemplos de estos casos de uso que están siendo desarrollados por todos los socios del consorcio: mejora del aforo de cosechas vinícolas, eficiencia energética en plantas frigoríficas, detección y eliminación rápida de plagas en plantaciones de tomate en invernaderos, visión artificial en supermercados para mejora de experiencia del cliente mediante el reconocimiento de frutas en línea de caja, computación cuántica aplicada a imágenes por satélite, eficiencia hídrica en grandes plantaciones, etc.

Uno de los ejemplos es la colaboración con TEPRO, donde se han implementado modelos de predicción para calcular el contenido de agua disponible en el suelo para cultivos, utilizando variables clave como la precipitación y la evapotranspiración. Estos modelos permiten anticipar las necesidades hídricas de los cultivos, optimizando así el uso del riego. En una finca de almendros en Carmona (Sevilla), los resultados fueron impresionantes, logrando un ahorro de hasta el 58 % en el agua de riego, lo que supone una mejora significativa en la sostenibilidad del uso de recursos hídricos.

Por otro lado, GMV y Familia Torres han trabajado en un proyecto para predecir la cantidad de uvas que entrarán en la bodega mediante la combinación de imágenes satelitales e información agroclimática. La IA desarrollada no solo ayuda a gestionar mejor las producciones propias, sino que también facilita el control de las previsiones de terceros, optimizando la compra de uvas y otros procesos relacionados con la vendimia.

En colaboración con el CSIC, GMV está llevando a cabo una prueba piloto de inteligencia artificial cuántica para predecir el rendimiento de los cultivos agrícolas. Esta iniciativa utiliza imágenes satelitales procesadas para generar un predictor basado en Quantum Machine Learning (QML), que permite predecir el rendimiento con mayor precisión. Además, se integran otros datos como el clima y los riesgos asociados, ampliando el modelo de predicción para ofrecer una visión más global y eficiente.

El Proyecto AgrarIA: INTELIGENCIA ARTIFICIAL APLICADA A LA CADENA DE VALOR DE LA PRODUCCIÓN AGRARIA 2050 (TSI-100114-2021-0), ha sido financiado por el Ministerio para la Transformación Digital y de la Función Pública, mediante el Programa Misiones de I+D en Inteligencia Artificial 2021, en el marco de la Agenda España Digital 2025 y de la Estrategia Nacional de Inteligencia Artificial, con financiación europea a través del Plan de Recuperación, Transformación y Resiliencia.