1. ¿Cuál es realmente la exposición de la agricultura a la IA?
Hace apenas unas semanas, creiamos que los desarrollos de los grandes modelos de lenguaje (LLM) como GPT-5.6 de OpenAI, Fable 5 de Anthropic y otros modelos de frontera representaban una amenaza inminente para prácticamente todos los sectores laborales. Cada dos o tres semanas vemos cómo emergen nuevos modelos de parte de los gigantes tecnológicos de la IA. Incluso hemos visto recientemente cómo algunos de estos modelos han sido objeto de escrutinio regulatorio por gobiernos preocupados por temas de seguridad nacional.
Sin embargo, existe un análisis más profundo de cómo la IA impactará realmente nuestras economías el cual nos sugiere una historia completamente diferente.
2. La brecha de exposición: qué dicen realmente los datos
En un reciente estudio publicado por Anthropic, investigadores analizaron el impacto actual y potencial de la Inteligencia Artificial en diferentes campos laborales. Los resultados mostraron que mientras que trabajos de oficina, gerenciales, de negocios, arquitectura, legal e ingeniería están altamente expuestos a herramientas de IA, trabajos más manuales como agricultura, cuidado de personas, servicio de alimentación, construcción, transporte y producción están significativamente menos expuestos a la IA (ver grafico siguiente)
Fuente: (Massenkoff & Mccrory, 2026)
Esto no sorprende si consideramos que la mayoría de estos sectores requieren destreza manual, capacidad de adaptación a entornos impredecibles, y toma de decisiones basada en contexto local y esto exactamente lo que los sistemas de IA aún no pueden replicar de manera económica y confiable. Sin embargo, aunque la agricultura es uno de los campos con menor exposición a la IA según métricas tradicionales, el análisis no captura la verdadera oportunidad que existe en este sector.
Es crucial aclarar cuando hablamos de IA en agricultura, no estamos hablando primordialmente de modelos de lenguaje. Los LLM como GPT o Claude son herramientas super valiosas para procesamiento de texto y análisis de información. Pero en agricultura, el verdadero impacto viene de otros tipos de IA:
– Visión Artificial (Computer Vision)
– Robots y drones que escanean plantas enfermas, identifican plagas, detectan estrés hídrico mediante análisis de imágenes espectrales.
– Sistemas de Decisión Basados en Datos (Decision Support Systems)
– Algoritmos que procesan datos de sensores de suelo, clima, humedad y luz para recomendar cuándo riego, cuándo aplicar tratamientos, cuándo cosechar.
– IoT (Internet de las Cosas) + Análisis de Datos
– Redes de sensores que monitorean variables agrícolas en tiempo real, alimentando sistemas de IA que predicen rendimientos y optimizan recursos.
Hace poco, durante el lanzamiento de GPT-5.6, OpenAI presentó un caso de estudio muy interesante; un agricultor japones que utiliza la IA específicamente diseñada para agricultura (no un LLM) para monitorear su granja. Él controla la apertura de ventilación para ingreso de aire, coordina sistemas de riego, y toma decisiones sobre tratamientos fitosanitarios y todo lo hace mediante inteligencia artificial. Puedes ver la presentación completa aquí: https://www.youtube.com/watch?v=ELh8R7bGlxE
Entonces, ¿por qué Anthropic menciona que la agricultura es uno de los trabajos menos expuestos a la IA?
La respuesta es bastante simple: el trabajo manual aún sigue siendo una barrera que la IA no ha logrado superar económicamente. Aunque existen robots capaces de realizar tareas específicas como escanear plantas, tomar datos del cultivo y analizar condiciones del suelo, la implementación masiva sigue siendo extremadamente costosa para la mayoría de agricultores.
3. ¿Dónde Estamos, Agricultura 4.0 ó 5.0?
Técnicamente, podríamos decir que ya estamos en la era de Agricultura 5.0 (aprovechandonos del el uso de robots en la agricultura, tractores autonomos), sin embargo la realidad en el Sur Global nos muestra una historia diferente.
Actualmente, la mayoría de países en desarrollo siguen en Agricultura 4.0; usando sistemas digitales básicos que integran a los humanos de manera central. Necesitamos de las personas para
producir alimentos y materias primas, tanto para transformación agroindustrial como para cadenas de consumo directo.
La automatización completa no es viable para la mayoría de los agricultores por una razón fundamental: los costos de implementación de robots agrícolas siguen siendo altos, especialmente en mercados donde los márgenes de ganancia son estrechos.
Pero es precisamente aqui en donde se presenta la oportunidad: no necesitamos una Agricultura 5.0 completamente automatizada; lo que necesitamos es una Agricultura potenciada con sistemas digitales simple que el agricultor pueda manejar por el mismo.
El Sur Global tiene un potencial enorme que rara vez se reconoce en discusiones sobre IA y tecnología. Empezemos por considerar que la gran mayoría de pequeños productores agrícolas gestionan predios de menos de 2 hectáreas. Y en conjunto, cerca de 500 millones de pequeños agricultores operan sobre tan solo el 12% de la tierra agrícola total del Sur Global, de acuerdo con análisis publicados en la revista Science (Elouafi, 2026)
¿ Y entonces cómo toman decisiones estos agricultores? En su mayoría:
· Basándose en experiencia acumulada
· Observando lo que hacen los vecinos
· Siguiendo las recomendaciones de vendedores de insumos agrícolas.
La oportunidad es clara: estos productores no necesitan grandes centros de datos ni sistemas digitales sofisticados. Necesitan herramientas simples de toma de datos en las que puedan confiar. Específicamente:
1. Sistemas de monitoreo de humedad que les digan exactamente cuándo riego (reduciendo desperdicio de agua y ahorrando costos)
2. Detección temprana de plagas mediante sensores simples o fotografía, que informen automáticamente sobre opciones de control biológico
3. Predicciones de rendimiento basadas en datos locales, no en modelos globales
Estas soluciones no requieren IA sofisticada. Requieren IA práctica.
4. El Caso de Colombia: Un Mercado en Crecimiento
Para finales de 2025, Colombia alcanzó 201 startups activas en agrifoodtech, incrementando el empleo directo del sector. Según el reporte «El Estado del Emprendimiento Agrifoodtech en Colombia 2025», el sector mantuvo a agrifoodtech como la tercera categoría de inversión en venture capital a nivel nacional.
Sin embargo, a pesar de nuestro potencial agrícola, existe una brecha crítica: hacemos falta creación y desarrollo de empresas AgTech que trabajen específicamente en:
· Toma y monitoreo de datos para pequeños agricultores
· Sistemas de decisión accesibles económicamente
· Soporte técnico local que los mismos productores puedan mantener
No basta con tener capital de riesgo. Necesitamos empresas que comprendan la realidad local, que hablen el idioma del agricultor, y que ofrezcan soluciones escalables pero simples.
Y esta es precisamente en esta intersección donde la Universidad de San Buenaventura Cali está actuando estratégicamente. Estamos preparando a nuestros estudiantes de Ingeniería Biológica (modalidad híbrida) e Ingeniería Agroindustrial para ser los actores clave de esta transformación. No para reemplazar agricultores con robots, sino para empoderar agricultores con herramientas inteligentes.
Lo que nuestros estudiantes están aprendiendo:
– Fundamentos de IoT agrícola: Diseño de redes de sensores de bajo costo
– Análisis de datos para decisiones agrícolas: Cómo convertir datos en recomendaciones prácticas
– Implementación de IA para agricultura: No LLM, sino sistemas de decisión específicos del dominio
– Emprendimiento AgTech: Desde idea hasta modelo de negocio sostenible
– Sustentabilidad: Reducción de agua, químicos, y maximización de rendimiento
5. Conclusión: El Momento es Ahora
Vivimos en un momento de convergencia única en donde la IA ya existe, es accessible y no se va a ir, el Sur Global tiene el 50% de la población mundial pero apenas el 12% de tierras agrícolas productivas (por capacidad y no por disponibilidad), hay capital disponible para emprendimientos AgTech y existe una demanda urgente de soluciones
La agricultura no es un refugio donde esconderse de la IA. Al contrario; es la próxima frontera de innovación con IA, especialmente en mercados emergentes donde la simpleza, la confiabilidad y la asequibilidad son más valoradas que la sofisticación. El sector AgTech en Colombia es joven pero robusto. Hay oportunidades reales de retorno financiero mientras se impactan positivamente millones de pequeños agricultores.
En la Universidad de San Buenaventura Cali creemos profundamente que la agricultura inteligente potenciada con IA será un motor de desarrollo en el Sur Global.
El futuro de la agricultura no será más automatizado. Será más inteligente.
Referencias
· Anthropic. (2024). The impact of AI on labor markets: A sectoral analysis.
· OpenAI. (2024). Presentation: AI in Agriculture case studies. https://www.youtube.com/watch?v=ELh8R7bGlxE
· FAO & UNDP. (2023). State of small-scale farming in the Global South. Science, 371(6532).
· FONDO CAPITAL PRIVADO COLOMBIA. (2025). El Estado del Emprendimiento Agrifoodtech en Colombia 2025.
Luis Fernando Delgado
Director del Programa Ingeniería Biológica
