La Inteligencia Artificial ya se usa para diseñar nuevas variedades de frutales

El mejoramiento genético, que se hacía de forma empírica y por descarte de variedades de menor rendimiento, va cobrando una velocidad y precisión no fácil de imaginar hace pocos años. La Inteligencia Artificial (IA), está permitiendo en la agricultura acelerar todos los procesos y generar resultados más ajustados a las necesidades de los productores y el mercado. “La plataforma de mejoramiento se puede llevar a otras especies, es totalmente extrapolable”, dice Gerardo Sánchez, investigador del INTA San Pedro, cuando se lo consulta si su trabajo para desarrollar una nueva variedad de durazno (Pionero INTA), se puede aplicar al desarrollo de nuevas variedades mejoradas de peras y manzanas.

Sánchez es uno de los impulsores de Biotango, una innovadora plataforma de mejoramiento genético que utiliza IA que utiliza Big Data, “para simular el comportamiento de plantas con genéticas artificiales, permitiendo la creación de variedades adaptadas a escenarios climáticos futuros, con un mayor rendimiento y resiliencia”, según se describe en la oficial del gobierno argentino.

Allí, explica: “Realizamos todas las simulaciones utilizando computadoras de alta potencia, capaces de procesar volúmenes masivos de datos".

Este científico participó de la “I Jornadas Binacionales de Divulgación en Investigación y Extensión en Agronomía”, que se realizaron en la Facultad de Ciencias Agrarias de Cinco Saltos, donde lo entrevistamos desde +P.

image

Su exposición giró en torno al uso de la inteligencia artificial y el mejoramiento genético, ¿sobre qué especies trabajó?
Nuestro objetivo es mejorar especies frutales, particularmente durazneros, donde usamos mucho herramientas de IA con el objetivo de poder encontrar aquellas variedades que tienen un comportamiento que es diferencial en escenarios climáticos futuros.

¿Qué implica el concepto de escenarios climáticos futuros?
Eso implica que para una región tenemos que encontrar aquella variedad que, año a año, nos va a dar la mejor producción y va a tener la mayor adaptabilidad. Esto quiere decir que tenemos que poder ser capaces de simular ese comportamiento (del clima) en el futuro, para hoy generar las variedades que en el futuro le van a dar más retorno por unidad a los productores.

¿Se puede mejorar al mismo tiempo productividad en kilos y calidad?
Sí, nosotros buscamos principalmente que haya un mayor rendimiento en kilos, pero que esos frutos que se generan sean de calidad. O sea, mantener un tamaño mínimo de fruto, una forma de fruto adecuada (evitando frutos que tienden a deformarse por las cuestiones climáticas), que además tengan una gran cantidad de pulpa con respecto al carozo, y en cuanto a sabor y aroma, que sean de calidad superior.

Ahora, para desarrollar esas variedades, para hacer esos modelos, hay que "domesticar" a la IA con información. ¿Cómo es ese proceso?
Exacto, siempre, para poder hacer estas predicciones, hay que primero adiestrar a las inteligencias artificiales, o los modelos, con datos históricos. Eso implica que nosotros tenemos que tomar datos de lo que queremos predecir, por ejemplo, calidad de fruto, y para eso se realizan procesos que le permite a esa inteligencia artificial aprender de los datos previos.

WhatsApp Image 2025-11-13 at 12.56.14

En su exposición hablaba del proceso de recolección de información. Usar por ejemplo fotografías para identificar flores y demás variables. ¿cómo es ese proceso?
Bueno, nosotros lo que hacemos es capturar información a partir del uso de herramientas que se conocen como de visión por computadora. Es decir, en vez de estar una persona observando, por ejemplo, un fruto y determinando el porcentaje de pulpa que tiene con respecto al carozo, lo hacemos de forma automática a partir de fotos. Simplemente, tomamos la foto, y a partir de esa foto, se pueden extraer información. Una es ese porcentaje de pulpa que te comento, pero tomamos diferentes características simplemente con fotografiar un fruto o filmarlo durante un tiempo.

Y después, ¿qué se hace con esa información? ¿Se busca una evolución genética de la planta?
Esa información va directamente a entrenar la inteligencia artificial, que es la que nos va a decir cuál, de las variedades (cruzadas por la IA), es la que mayor chance tiene de adaptación para la región.

¿Y esas chances de adaptación después tienen que trabajarlas con las personas que hacen, por ejemplo, investigaciones en genética?
Sí, nosotros mismos lo hacemos una vez que entendemos cuál sería esa variedad teórica para una región. Lo que hacemos es venir a la realidad, hacer los cruces necesarios, y a partir de la información genómica de esas cruzas, encontrar ese individuo que nosotros hicimos la predicción de que era el mejor para esa zona. Después lo tengo que encontrar, y hacerlo (antes de llegar a la variedad Pionero se repasó la información genética de 200 variedades de durazno), y ahí es donde termina el proceso con una nueva variedad, con características que son útiles para el productor. En nuestro caso, una variedad que pueda ser exportada al hemisferio norte, y que tengan la mayor adaptabilidad y rendimiento en los próximos años.

Y en ese camino, ¿en qué punto están? ¿Ya encontraron la variedad que estaban buscando o que ustedes recomiendan?
Sí, necesitábamos una variedad que sea capaz de aguantar al menos cuarenta días en frío, manteniendo condiciones de calidad óptimas, que satisfagan al mercado europeo. Esa variedad la hemos generado, la hemos inscrito muy recientemente, se llama Pionero INTA. El mejoramiento es un proceso continuo. Siempre estamos generando variedades nuevas. Todos los años hacemos cruzas y vamos encontrando esas variedades que tienen algún diferencial con respecto a lo que existe hoy en nuestra región (El desarrollo del duraznero Pionero surgió de un convenio que suscribió el INTA San Pedro con la Cámara de Productores y Empacadores (CAPROEM)”,

image

¿Cómo ve el futuro de la investigación a partir del aporte de nuevas tecnologías?
Creo que cualquier instituto, universidad, como el INTA, o los grupos de investigaciones que están funcionando, tienen que adoptar la inteligencia artificial en algún punto. Y para eso necesitan, como decís vos, de fierros. En nuestro caso, usamos hubs (redes) de computadoras que tienen alto rendimiento, y lo podemos hacer de forma remota. Y esa infraestructura la tiene INTA, y por eso nosotros somos capaces de hacerlo. Cualquier grupo (de investigación) tendría que poder acceder a ese tipo de estructura para poder realizar los modelos, porque tienen mucha demanda computacional. Por eso creo que tiene que haber un apoyo a generar esas infraestructuras que nos permitan analizar los datos.

¿El trabajo que hicieron con duraznos se puede aplicar al mejoramiento en peras y manzanas?
Exactamente, se puede llevar la plataforma de mejoramiento a otras especies, es totalmente extrapolable, lo que se necesita es contar datos previos para poder realizar entrenamientos de la inteligencia artificial, y analizar cuánta precisión se logra con esos nuevos datos.

¿Esos datos, necesarios para adiestrar a la IA, ya están disponibles para los investigadores, o comienzan desde cero?
Se puede trabajar con datos previos que, generalmente, el productor o instituto de investigación (que les interesa mejorar alguna característica), han tomado en función de analizar esas variedades. Entonces, muchas veces hay datos, pero para características nuevas que se quieran analizar, bueno, hay un proceso de toma de datos (fotos, por ejemplo) para el desarrollo de estas herramientas, para tomar incorporar datos de forma más acelerada.

Una variable, que es bastante inasible, y que nombraste en tu exposición, es la climatológica. ¿Cómo la incorporan? ¿Cómo la manejan?
En nuestro caso, bueno, tenemos a disposición datos históricos climáticos a partir de la red de estaciones agroclimáticas de INTA, y eso nos permite disponer de datos históricos para las proyecciones futuras. De eso nos valemos para simular estos comportamientos o proyectar escenarios climáticos. Esa proyección se puede hacer para cualquier región.