El sector agrario está compuesto por varios tipos de trabajo que tienen poco en común entre sí. Existe trabajo físico en el establo, el invernadero o el campo, ligado a la estación, el clima y procesos biológicos que no se pueden acelerar. Existe trabajo administrativo relacionado con el registro, las solicitudes de subvenciones, la contabilidad de estiércol y el cumplimiento normativo, que varía según el cultivo, el animal o la región. Y existe una tercera capa: la planificación, la compra, las decisiones de cultivo y la evaluación de datos procedentes de sensores, imágenes satelitales y precios de mercado. Esa tercera capa está creciendo, mientras que la primera sigue teniendo una escalabilidad limitada por la propia naturaleza del trabajo.
Las circunstancias que determinan el resultado no son uniformes. Una empresa de agricultura extensiva con muchos datos abiertos sobre suelo y clima tiene puntos de apoyo para la automatización distintos de los de una explotación ganadera donde la supervisión del bienestar animal está legalmente reservada a personas. Una empresa de horticultura con ordenadores de clima lleva años dirigiéndose mediante datos de sensores; un agricultor que decide manualmente por parcela no cuenta con eso. Esa diferencia determina dónde la IA ya asume tareas hoy en día y dónde eso todavía queda lejos.
Tres categorías atraviesan el trabajo en este sector. En primer lugar, tareas que la IA puede ejecutar de forma autónoma: la interpretación de datos de sensores para el riego, el reconocimiento de patrones de enfermedad a partir de material visual, la elaboración de primeras versiones de informes para solicitudes de subvención. En segundo lugar, tareas en las que la IA formula una propuesta y una persona la aprueba o la rechaza motivadamente: un consejo de cultivo que se contrasta con el conocimiento local, una propuesta de compra que se evalúa según el riesgo de suministro. En tercer lugar, trabajo que sigue siendo humano: la supervisión física del bienestar animal, la evaluación de la calidad del suelo in situ, la negociación con un comprador sobre un contrato a largo plazo.
Esta división no es una fotografía fija que se desplaza igual en todas partes. Las empresas que ya trabajan con datos de sensores y software de apoyo a la decisión ven crecer la primera categoría, porque la estructura de datos ya está establecida. Las empresas que aún se basan en la experiencia y el registro manual ven surgir sobre todo la segunda categoría, porque allí primero alguien debe determinar qué es suficientemente fiable como para dejarlo a un sistema. La diferencia entre empresas no está, por tanto, en la ambición, sino en el grado en que el trabajo subyacente ya está registrado en una forma que un sistema puede leer.
Una estrategia que parte de una necesidad fija de personal para tareas administrativas o de monitorización descansa sobre una premisa que nadie ha formulado explícitamente: que este trabajo solo puede realizarlo una persona, a un ritmo determinado y a un coste determinado. En el momento en que la IA asume o apoya una parte de ese trabajo, esa premisa no caduca con un anuncio. Caduca de forma gradual, mientras el plan sobre el papel permanece sin cambios.
Ese es el patrón que este sector comparte con otros sectores donde la IA afecta al nivel de la tarea en lugar de al nivel del puesto. Un desplazamiento comparable se produce en el sector TIC, donde la IA asume parcialmente trabajo de programación y pruebas, en los servicios financieros, donde la supervisión de las evaluaciones automatizadas adquiere un nuevo papel, y en el sector recreativo, donde la planificación y el contacto con el cliente se reparten de otro modo entre el sistema y la persona. El sector agrario tiene su propio ritmo, determinado por la estación y la normativa, pero el mecanismo es el mismo: una premisa que en su momento era correcta no se retira, simplemente deja de comprobarse.
Esto no trata de si una empresa debe reducir personal o desplegarlo de otro modo. Esa decisión está sujeta a los propios requisitos legales en materia de derecho laboral y participación de los trabajadores, y a ese respecto se aplican normas que aquí no se abordan. Se trata de algo previo a eso: saber qué trabajo realiza de hecho la IA hoy en día, qué trabajo se realiza bajo supervisión y qué trabajo sigue siendo humano. Esa es una cuestión fáctica, no una decisión de personal.
La pregunta de qué trabajo en esta empresa puede realmente asumir la IA se responde tarea por tarea con el escáner de trabajo de FTE TO AI, de modo que las premisas sobre capacidad ya no se basen en una estimación. Quien desee saber con más precisión qué es en realidad una premisa estratégica lo encontrará explicado en la explicación sobre qué es una premisa estratégica y cómo comprobar si sigue siendo válida, y quien quiera saber cómo se contrasta una estrategia vigente con la situación actual puede leerlo en la explicación sobre cómo comprobar una estrategia existente.
El primer paso no es un plan completamente revisado, sino un breve inventario de las premisas sobre las que descansa el plan actual. FTE TO AI ofrece para ello una comprobación de premisas gratuita: una breve ronda en la que usted identifica sus principales premisas y ve, por cada una, cuándo se confirmó por última vez. Eso no ofrece un juicio sobre la estrategia en sí, pero sí una visión de qué partes necesitan atención antes de ajustarlas. La prueba de presión completa, con una imagen externa junto al autodiagnóstico de la dirección, está en construcción.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.