Por qué la agricultura podría ser la mayor ganadora de productividad de la IA

Al discutir el impacto de la IA en la economía, el debate público tiende a centrarse en empleos relacionados con TI (programación, artistas digitales, etc.), profesiones de cuello blanco (abogados, médicos) o investigación científica. Sin embargo, esto podría estar pasando por alto aplicaciones importantes que tendrán efectos transformadores en industrias enteras.

En general, la IA probablemente mejore la productividad más donde pueda optimizar directamente los insumos físicos, reemplazar a los humanos en decisiones repetitivas y optimizar la asignación de recursos. También prosperará en entornos lo suficientemente complejos como para no haber sido automatizados aún, pero no tan complejos que siga siendo necesaria una inteligencia humana de mayor nivel.

Un estudio reciente de dos investigadores del Instituto Avanzado de Ciencia y Tecnología de Corea y del Grupo Financiero Hana (Corea del Sur) ha investigado la relación entre la penetración de la IA y el desempeño a nivel de industria.

Descubrieron que, si bien la IA afecta significativamente el desempeño de valor agregado a nivel de industria en los sectores de producción, manufactura y transporte, tuvo el impacto positivo más fuerte en la agricultura.

Publicaron sus hallazgos en la revista International Review of Economics & Finance¹, bajo el título “Inteligencia artificial y ganancias de productividad: Un análisis empírico de la heterogeneidad industrial”.

IA & Productivity

IA By Industry

Desde el lanzamiento público de ChatGPT, la IA se está adoptando en múltiples industrias con la esperanza de que pueda materializar ganancias de productividad y crear una ventaja competitiva para los primeros adoptantes.

Sin embargo, puede ser difícil medir exactamente la tasa de adopción y su impacto. Históricamente, un aumento del 10 % en la inversión en tecnologías de la información y la comunicación se asocia con un incremento del 0,5–0,6 % en la productividad. Pero aún no se sabe cuál será el número final específicamente con la IA.

Hasta ahora, la IA se ha desplegado principalmente en roles de servicios: asistencia al cliente en tiempo real, diagnóstico y monitoreo en salud, etc.

Para roles físicos, las principales aplicaciones se han dado en la manufactura, donde fábricas inteligentes habilitadas por IA respaldan el mantenimiento predictivo y la optimización operativa, impulsando la reducción de costos y ganancias de eficiencia.

En industrias tradicionales como la química y el papel, la adopción de IA es mucho más lenta hasta ahora. Esto puede deberse a la ausencia de estrategias digitales claras, escasez de habilidades, resistencia cultural, baja confianza del consumidor e incertidumbre regulatoria.

AI Productivity Dataset

Los investigadores recopilaron datos de un panel de 103 países entre 2010 y 2019, excluyendo a la mayoría de los países por falta de datos suficientes.

Los datos sobre valor agregado bruto (VAB) por tipo de actividad económica se obtuvieron de UN Data y se utilizaron como la variable principal para capturar el desempeño económico en distintos sectores y países.

Los datos de inversión extranjera directa, gasto nacional bruto, inflación, participación de la fuerza laboral y comercio se obtuvieron de los Indicadores de Desarrollo Mundial (WDI). También recopilaron puntuaciones del índice de derechos humanos de Our World in Data.

Los datos sobre el número de startups relacionadas con IA se recopilaron de Crunchbase, y mostraron que el pico de fundación de startups de IA en este conjunto de datos se alcanzó en 2017, reflejando una amplia aceleración de la actividad emprendedora vinculada a la IA durante la mitad de la década de 2010.

Fuente: International Review of Economics & Finance

AI-Driven Productivity By Industry

Los investigadores descubrieron que la IA tenía la relación positiva más fuerte con el desempeño en la agricultura, mientras que la relación en la construcción no fue estadísticamente significativa.

Otras industrias donde la IA tuvo un impacto medible fueron la manufactura, la producción y el transporte.

(También cabe señalar que el mismo análisis con datos que cubran el período 2019-2025 sería interesante, considerando el rápido progreso de la tecnología de IA)

Una razón probable del impacto en la agricultura es que ya es, en cierta medida, una industria altamente automatizada. Comparada con hace un siglo, la agricultura está sustancialmente más mecanizada, con tractores, riego automatizado, sistemas de ordeño y otros equipos que reducen la cantidad de trabajo manual necesario.

Al mismo tiempo, muchas de estas tareas agrícolas entran en categorías que la IA ya puede manejar: conducción, pulverización, deshierbe, etc.

Otro factor es que la agricultura ha pasado las últimas dos décadas adoptando nuevos métodos, generando muchos más datos y aprendiendo a actuar sobre ellos: imágenes satelitales multiespectrales, composición química del suelo, optimización de pesticidas y herbicidas, utilización de equipos, gestión de mano de obra, etc.

Así que la IA llegó justo a tiempo para usar estos datos y aprovecharlos aún más en acciones mediante 2 mecanismos:

• Ayudar a los agricultores a comprender mejor sus datos y utilizarlos de manera eficiente.
• Ayudar directamente en las granjas mediante visión por computadora, conducción autónoma, identificación de malezas, drones y sistemas robóticos.

Conclusiones para inversores

Muchas estrategias de inversión hoy en día deben tener en cuenta los próximos efectos de la revolución de la IA. En muchos casos, esto implica ser cauteloso ante el posible daño que la IA puede causar a una actividad o modelo de negocio específico, pero también puede impulsar drásticamente la productividad. Y, al parecer, no hay lugar donde esto sea más cierto que en la agricultura.

Esto brinda un buen ejemplo de una tesis de inversión emergente en IA física, donde desplegar IA en aplicaciones del mundo real tiene un efecto directo en la productividad de todo un sector económico.

Esto significa que los inversores deberían esperar que todo el sector se vuelva más productivo y, potencialmente, más rentable, al menos para los vendedores de sistemas de IA adaptados a esta industria y máquinas capaces de llevar el pensamiento de IA a los campos.

Este tipo de aplicación requiere una profunda experiencia específica del dominio, así como una sólida red de distribución ya en contacto con los agricultores. Por lo tanto, probablemente beneficiará a los fabricantes de equipos capaces de integrar IA en sus máquinas y hacerlas eficientes en condiciones reales, particularmente cuando esas acciones reducen insumos costosos.

Invertir en IA agrícola

Deere & Company

John Deere es más conocido como el fabricante de los icónicos tractores verdes y amarillos, cosechadoras y otras maquinarias agrícolas.

Menos conocido por el público en general, John Deere también es una empresa tecnológica, con una larga historia de inversión en sensores y software, así como de ejecutar programas piloto para desplegar IA, robótica, drones y visión por máquina en la agricultura.

Fundada hace casi dos siglos (en 1837), la compañía siempre ha impulsado la última innovación en agricultura, desde la primera hoja de arado mejorada hasta los primeros tractores. Recientemente, la empresa ha incrementado sus gastos en I&D con un enfoque en algunos ejes tecnológicos: sensores, conectividad, autonomía y energía alternativa.

Fuente: John Deere

Por ejemplo, el sistema See & Spray Ultimate, lanzado en 2021, utiliza 36 cámaras para distinguir plantas de cultivo de malezas y optimizar el uso de herbicidas mediante visión por computadora y aprendizaje automático.

O el John Deere Operations Center, un gemelo digital de una granja, que permite a los distribuidores realizar diagnósticos remotos, programación y actualizaciones por aire.

Fuente: John Deere

En el campo de la autonomía, John Deere también está trabajando para convertir en realidad las cosechadoras automatizadas de la película de ciencia ficción Interstellar. John Deere lanzó en 2022 su primer tractor totalmente autónomo, una versión sin conductor de su tractor de hileras 8R. Se orienta gracias al GPS y a seis pares de cámaras estéreo para detección de obstáculos y navegación en 360 grados. Este lanzamiento siguió a la adquisición por parte de John Deere de la startup Bear Flag Robotics por 250 millones de dólares.

Por último, la compañía también está impulsando la electrificación, notablemente lanzando una excavadora eléctrica que utiliza una batería Kreisel, una empresa austriaca en la que Deere adquirió una participación mayoritaria en 2022. Deere también está trabajando para desarrollar un motor de 9 litros que quema etanol para usar biocombustible en maquinaria pesada como cosechadoras.

A medida que la IA y la visión por computadora se vuelvan cada vez más eficientes e inteligentes, empresas como John Deere podrán mejorar aún más la eficiencia de sus tractores cargados de cámaras y sensores.

La ventaja de John Deere sobre las empresas genéricas de IA es su red de distribuidores y su profunda experiencia agrícola, lo que le ayuda a desplegar esta tecnología en aplicaciones útiles y rentables al aprovechar las relaciones existentes con los agricultores.

Sin embargo, los inversores también deben recordar que Deere sigue siendo un fabricante de equipos cíclico. La adopción de IA puede fortalecer su posición competitiva y aumentar los ingresos relacionados con la tecnología, como suscripciones de software, pero los ingresos agrícolas, los precios de los cultivos, las tasas de interés y los ciclos de reemplazo de maquinaria seguirán influyendo en los resultados.

También es posible que startups más pequeñas y ágiles o la competencia extranjera puedan aprovechar la revolución continua de IA y robótica que se está gestando en la agricultura para desafiar la posición de incumbentes bien establecidos como John Deere.

Últimas noticias y desarrollos de acciones de Deere & Company (DE)

Estudio referenciado

^{1. Eunjung Park and Sangyoon Yi. Inteligencia artificial y ganancias de productividad: Un análisis empírico de la heterogeneidad industrial. International Review of Economics & Finance. 22 de agosto de 2026. Artículo: 105726. 10.1016/j.iref.2026.105726}