El sector agrario se compone de dos tipos de trabajo que apenas tienen relación entre sí. Por un lado, el trabajo en el establo, el invernadero o el campo: alimentar, ordeñar, cosechar, el mantenimiento de máquinas, observar el comportamiento y la salud de los animales. Por otro lado, el trabajo de escritorio: la contabilidad de estiércol, las solicitudes de subvenciones, el registro de cultivos, la facturación, la planificación de entregas, la comunicación con los clientes y con el contable. Quien se pregunta qué trabajo asume antes la IA debe mantener separados estos dos flujos, porque el resultado es completamente distinto para cada uno.
El trabajo físico cambia despacio. Ordeñar un animal, podar un cultivo o conducir un tractor sigue siendo en gran medida trabajo humano, incluso cuando ya intervienen sensores y robots. El trabajo administrativo y analítico cambia más rápido, y precisamente ese trabajo ocupa en muchas explotaciones más horas de las que el propietario mismo se da cuenta. Un ganadero de vacas lecheras que sabe cuánto tiempo dedica cada semana a rellenar formularios y a volver a introducir datos entre sistemas suele ver por primera vez dónde está la capacidad que se puede liberar.
En una explotación agraria las horas no van solo a la producción. Una gran parte se dedica a:
Estas tareas raramente aparecen en la conversación sobre la IA en la explotación, mientras que a menudo constituyen la mayor parte de las horas de oficina de un empresario agrario. Evaluar qué parte de este trabajo se puede asumir depende de lo estructurados que ya estén los datos, de cuántos sistemas funcionan de forma independiente entre sí, y de con qué frecuencia una tarea se ejecuta según reglas fijas frente a según experiencia y criterio.
En las explotaciones donde los datos llegan de forma digital y estructurada, el software ya puede asumir hoy tareas como la elaboración de contabilidades de estiércol a partir de datos de sensores, el rellenado automático de formularios estándar, la detección de desviaciones en el rendimiento de leche o en las curvas de crecimiento, y la propuesta de planificaciones basadas en la previsión meteorológica y la capacidad disponible. Se trata de trabajo en el que la entrada es inequívoca y el resultado se puede contrastar con una norma.
Otras tareas siguen requiriendo supervisión humana: un sistema puede señalar una desviación en el comportamiento de un animal, pero la valoración de si eso significa enfermedad, estrés u otra cosa sigue correspondiendo al ganadero o al veterinario. Un sistema puede comparar un presupuesto de fertilizante o de pienso por precio, pero la elección de un proveedor depende también de la relación, del plazo de entrega y de la experiencia de temporadas anteriores. Esa supervisión no es una fase intermedia que desaparezca en cuanto la técnica mejore; es un lugar fijo dentro del proceso mientras la valoración requiera un contexto que no está en los datos.
Y una parte del trabajo sigue siendo tarea humana, punto: la manipulación física de animales y cultivos, el mantenimiento de máquinas, la estimación del momento de cosecha a partir del olor, el color y el tacto. La técnica puede apoyar aquí con datos, pero la acción en sí no se desplaza.
Dos explotaciones agrarias de tamaño comparable pueden diferir mucho en lo que ya se puede asumir hoy. Una explotación que ya trabaja con un paquete de contabilidad, sensores y un sistema de registro centralizado tiene la base establecida para automatizar tareas. Una explotación que todavía trabaja con formularios en papel y archivos de Excel sueltos debe establecer primero esa base antes de que la IA pueda asumir algo. La diferencia no radica, por tanto, principalmente en el sector, sino en el estado de los datos y los sistemas dentro de la explotación.
Este patrón no es exclusivo de la agricultura. También en el sector de las TIC y en los servicios financieros la calidad de los datos subyacentes determina cuánto trabajo se asume realmente. Donde una explotación agraria lucha con datos de sensores fragmentados, un departamento de marketing a menudo se enfrenta a un problema comparable al puntuar leads por calidad: la técnica existe, pero la entrada debe estar en orden antes de que pueda asumir algo.
Este análisis no dice nada sobre a quién debería mantener en plantilla o despedir una empresa. Trata sobre tareas y horas, no sobre funciones o personas. Si un cambio en el trabajo tiene consecuencias para el personal, se aplican para ello requisitos legales propios sobre los que esta página no se pronuncia.
El primer paso es obtener una visión clara de a dónde van las horas en su propia explotación: cuántas a registro, cuántas a planificación, cuántas al propio trabajo físico. Solo con ese panorama se puede evaluar qué parte del trabajo ya se puede asumir hoy, qué parte puede hacerse con supervisión, y qué parte sigue siendo tarea humana.
El quickscan gratuito de FTE TO AI ofrece una primera indicación al respecto: doce preguntas, sin necesidad de cuenta, con una estimación de qué parte de las horas de su perfil puede asumir hoy la IA. El análisis de trabajo completo, que desglosa el trabajo de una empresa hasta el nivel de tareas y lo traduce por tarea en capacidad de fte, todavía está en construcción.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.