Los paraguayos Pedro Coronel y Andrés Molina son los creadores del Proyecto Botánica, una plataforma digital pensada para dar solución a las problemáticas típicas de los ciclos hídricos en el mundo agro, que terminan dificultando las cosechas.
Según explicó Coronel, mientras daban forma al prototipo, utilizaron datos de 10 años históricos de producción y distribución hídrica en Paraguay. “La cantidad de agua que cayó cada año es la misma, pero el problema no es la cantidad sino la distribución”, precisó en contacto con Canal Pro.
Leé también: Buscarán consenso sobre precio base referencial de la hoja de yerba mate
En ese marco, expuso que “de nada sirve” al productor contar con mucha agua al inicio de la siembra, pero sin agua después, algo que mayormente se ve en las plantaciones extensivas de soja, maíz, trigo y caña de azúcar. Entonces, a partir de esta problemática es que se dio inicio al desarrollo de la plataforma con inteligencia artificial (IA).
“Desde esa problemática que afecta a los indicadores económicos del país, desarrollamos un modelo predictivo con IA para poder saber cuánto va a rendir cada hectárea del campo, es un modelo matemático, desarrollamos un indicador único que nos da esa información”, señaló.
Distribución de agua
En ese marco, apuntó que el problema del agua es el suministro equitativo para cada parcela o chacra, y que por eso, mediante la IA de Botánica con la precisión del 95% se podrá contar con una distribución justa. “Al tener un modelo predictivo con un 95% de precisión, ellos tienen la seguridad de lo que se va a producir al final de la zafra, con eso se garantiza la producción y por lo tanto pueden acceder a mejores créditos y ciclos de pago dentro de lo que es la plataforma”, aseguró.
Te puede interesar: Instituto de Corea apoyará investigación para fortalecer rubro del sésamo
Coronel contó que el proyecto fue desarrollado durante el 2022, año en el que también se implementó como prueba piloto. “En el 2022 desarrollamos la interacción del modelo con eso logramos el nivel de precisión. Como cualquier modelo predictivo requiere de entrenamiento, que el algoritmo vaya aprendiendo”, afirmó.