La lluvia que no llega y los datos que se van: inteligencia artificial, sequía y la pregunta que el campo chihuahuense debe hacerse antes de digitalizar su tierra

M.A.R.H Salvador Acevedo Ortega

Docente universitario en la Universidad Autónoma de Chihuahua, Facultad de Economía Internacional e Ingeniería

Un productor de Chihuahua se arrodilla sobre la tierra antes de que salga el sol. Toma un puñado de suelo, lo aprieta entre los dedos y observa cómo se desmorona. No necesita abrir una aplicación para saber que el terreno tiene sed. Lleva años aprendiendo a reconocer señales que ningún manual registra completamente, y cada una de ellas le ha costado tiempo, pérdidas y temporadas enteras de observación sin salir en ningún reporte de productividad.

A unos metros, una estación meteorológica mide temperatura, humedad, presión y viento. Un sensor enterrado calcula la humedad del suelo. Una plataforma procesa esos datos en tiempo real y envía una advertencia al teléfono: la probabilidad de estrés hídrico aumentará durante los próximos días. El productor y la máquina están observando el mismo rancho. Pero no están observando exactamente lo mismo, y esa diferencia importa menos que otra pregunta que nadie le está haciendo al productor antes de instalar el sensor: ¿a dónde van los datos que esa tierra produce cada día después de que él apaga el teléfono?

Para quien vive en la ciudad, la sequía aparece como un porcentaje en un reporte climático. Para un productor del norte de Chihuahua, aparece todos los días: cuando decide si sembrar o esperar, cuando calcula cuánto alimento queda para el ganado, cuando observa descender el nivel del pozo y cuando el costo de bombear agua empieza a comerse el margen que hacía rentable la temporada. El Monitor de Sequía de México registró, al 30 de abril de 2025, una condición de gravedad extraordinaria: los 67 municipios de Chihuahua aparecían dentro de las categorías de sequía extrema o excepcional. Cuarenta y dos se encontraban en sequía excepcional, la clasificación más severa del sistema.

Ese dato es contundente, pero no alcanza a describir el costo completo. La sequía no solo reduce el agua disponible. Modifica el precio del alimento para ganado, la capacidad de siembra, los costos de energía, el acceso al crédito, el valor económico de la tierra y, en el límite, la decisión de si una familia puede permanecer en su comunidad o debe abandonarla. Durante 2025, el Gobierno de Chihuahua tuvo que intensificar la entrega de pacas, maíz, suplementos pecuarios y semillas para responder a la escasez de forraje y aprovechar las pocas ventanas de humedad disponibles. La crisis no se resuelve esperando una mejor temporada. El campo necesita producir información útil, distribuirla con rapidez y convertirla en decisiones antes de que el daño sea irreversible. Ninguna advertencia de sequía convierte al algoritmo en un mejor administrador del agua que la CONAGUA y los productores juntos. La tecnología puede ayudar a utilizar mejor un recurso escaso. No puede fabricar el recurso que ya no existe.

La inteligencia artificial aplicada a la agricultura no significa necesariamente robots entre cultivos ni tractores autónomos. En muchos casos comienza con algo mucho más accesible: un sensor de humedad, imágenes de un dron, registros de producción, información satelital, datos de alimentación y movimiento del ganado. Los sistemas de IA pueden combinar esas fuentes para identificar relaciones que resultarían difíciles de calcular manualmente. La FAO y la Unión Internacional de Telecomunicaciones han documentado aplicaciones capaces de apoyar decisiones agrícolas, mejorar la supervisión, anticipar riesgos y orientar el uso eficiente de insumos escasos.

La diferencia fundamental no está en la sofisticación del sistema. Está en el tiempo. En el campo, la información vale más cuando llega antes de que el problema sea visible para todos. Una alerta de estrés hídrico que llega tres días antes de que el daño sea visible en la parcela puede significar una decisión de riego diferente, una compra anticipada de forraje o la revisión de un sector del hato que habría pasado inadvertido. Cuando la pérdida ya puede observarse a simple vista, con frecuencia también es demasiado tarde para evitarla. Esa ventana de tiempo es el valor real de la agricultura de precisión: no el algoritmo en sí mismo, sino la diferencia entre reaccionar y anticipar.

Existe un peligro frecuente en la narrativa tecnológica aplicada al campo: suponer que lo que no aparece en una base de datos no tiene valor. El productor conoce elementos que difícilmente pueden capturarse con precisión digital: zonas donde el agua suele acumularse después de cada lluvia, cambios pequeños en el comportamiento del ganado que anuncian algo, terrenos que responden de manera distinta aunque parezcan similares en cualquier imagen satelital, errores de proveedores que nadie documentó, condiciones comunitarias que afectan la capacidad de invertir en una temporada específica. La investigación de Lundström y Lindblom sobre sistemas de apoyo a decisiones agrícolas publicada en Agricultural Systems (2018) advierte que la tecnología solo produce valor sostenible cuando se integra con el conocimiento situado y basado en la experiencia de quienes trabajan la tierra. El algoritmo puede señalar que dos parcelas tienen características estadísticas semejantes. Quien las trabaja sabe que una recibe escurrimientos, que otra fue sobreexplotada y que una tercera tiene un problema que nunca fue registrado correctamente porque nunca hubo tiempo ni recurso para registrarlo.

La agricultura digital que funciona no se construye desde un escritorio y se entrega después al campo como una instrucción terminada. Se desarrolla con productores, técnicos, agrónomos, veterinarios y universidades. No solamente para ellos.

Aquí está la pregunta que esta serie no puede ignorar, porque es exactamente el tipo de asimetría que hemos documentado en otros sectores durante los últimos veintinueve artículos. Cada sensor instalado en un rancho produce información: humedad, temperatura, ubicación, rendimientos, movimientos del ganado, enfermedades, consumo de agua, productividad, costos. Esos datos pueden ayudar al productor. Pero también tienen valor económico significativo para proveedores de insumos, bancos, aseguradoras, compradores, comercializadoras y fondos de inversión. La pregunta que aún no tiene respuesta clara en México es la misma que esta serie formuló en el artículo sobre capitalismo de vigilancia: ¿quién controla la información económica producida por esa tierra?

La OCDE advirtió en su informe Issues Around Data Governance in the Digital Transformation of Agriculture (2020) que las reglas sobre acceso, uso, almacenamiento y transferencia de datos agrícolas continúan siendo fragmentadas y poco claras en la mayoría de los países. Entre las principales preocupaciones de los productores se encuentran el control de los datos generados en sus unidades, la privacidad, la seguridad y la confianza en las empresas que administran esa información. Una investigación reciente de Duncan y colaboradores publicada en Journal of Rural Studies (2026) confirmó que la disposición a compartir datos cambia significativamente según el tipo de información, el nivel de detalle, la institución que la solicita y la finalidad para la que será utilizada. No es lo mismo compartir un pronóstico meteorológico que entregar el rendimiento exacto por parcela, la localización de los animales o la situación financiera de la unidad productiva. Esa última información puede utilizarse para ofrecer un mejor servicio. También puede emplearse para calcular cuánto cobrar por un insumo, qué riesgo asignar al productor o qué tierra podría resultar rentable adquirir. El dato producido por el rancho puede convertirse en valor económico fuera del rancho, incluso cuando quien lo generó nunca recibe una parte de ese valor.

El productor puede poseer la tierra y estar rentando, sin saberlo, la inteligencia que esa tierra produce. Esa es la nueva dependencia que nadie menciona en la presentación del sensor.

La conexión entre la digitalización agrícola y las finanzas del productor no es abstracta. Es operativa y ya ocurre. Los datos de satélite sobre rendimiento y condición de tierras se utilizan crecientemente en evaluaciones crediticias agropecuarias. Una aseguradora que tiene acceso a cinco años de datos de sensores sobre la productividad, el uso del agua y el historial de enfermedades de un rancho puede diseñar una prima de seguro con una precisión que nunca fue posible antes. Eso puede ser mejor para el productor si la prima refleja fielmente su nivel de riesgo real. Puede ser peor si el productor jamás supo que estaba firmando un contrato de uso de datos que permitía exactamente esa transferencia de información.

La situación que van der Burg, Wiseman y Krkeljas describieron en Ethics and Information Technology (2021) sobre el código de conducta europeo para datos agrícolas identifica con precisión el nudo del problema: la confianza es el activo central en cualquier acuerdo de datos agrícolas, y esa confianza solo puede construirse cuando el productor entiende exactamente qué está compartiendo, con quién, para qué y con qué consecuencias. En México, ese nivel de claridad contractual rara vez existe en los acuerdos de servicio que los productores firman al adoptar plataformas tecnológicas, especialmente cuando la urgencia de la sequía reduce el tiempo disponible para leer los términos. Esta serie documentó en el artículo veintinueve que la urgencia puede convertirse en una variable económica que los sistemas explotan sistemáticamente. El rancho con sequía severa que necesita una solución tecnológica ahora, hoy, antes de perder la temporada, está exactamente en la situación que menos favorece una negociación informada.

En mayo de 2026, la Secretaría de Desarrollo Rural de Chihuahua abrió apoyos para adquirir estaciones meteorológicas, sensores de humedad, drones, equipos de geolocalización y otros instrumentos tecnológicos, con apoyos de hasta 60 por ciento de la inversión y un máximo de 40 mil pesos por persona. La medida es positiva porque reconoce que la modernización rural necesita apoyo público. Pero conviene señalar la limitación que el subsidio no resuelve: un sensor sin capacitación puede convertirse en un aparato abandonado. Un dron sin interpretación agronómica puede producir imágenes atractivas y pocas decisiones. Una aplicación que requiere conectividad permanente puede ser inútil en el lugar donde más se necesita.

El Censo Agropecuario 2022 del INEGI registró que la mayoría de las unidades de producción en Chihuahua son pequeñas y medianas, con recursos limitados para absorber costos de mantenimiento, capacitación y suscripciones recurrentes. Un productor grande puede distribuir el costo de la tecnología entre miles de hectáreas o un inventario ganadero considerable. Uno pequeño no siempre puede hacerlo. Y si el subsidio público financia el primer paso de la adopción sin garantizar los siguientes —capacitación continua, soporte técnico, portabilidad de datos, conectividad adecuada—, el resultado puede ser que el productor grande escale su ventaja competitiva con apoyo estatal mientras el pequeño acumula un dispositivo más que terminará en una bodega. Democratizar la agricultura digital no significa repartir tecnología. Significa garantizar que el productor pueda comprenderla, mantenerla, cuestionarla y obtener valor real de ella.

El estado ya avanza hacia la modernización hídrica y tecnológica. En 2025, la CONAGUA, el Gobierno de Chihuahua y productores acordaron tecnificar 15 mil hectáreas en los distritos de riego 005 Delicias y 009 Valle de Juárez, con el objetivo de recuperar hasta 36 millones de metros cúbicos de agua en beneficio de más de 10 mil productores. La dirección es correcta. Pero Chihuahua todavía debe decidir qué clase de agricultura digital quiere construir: una basada en servicios costosos y sistemas cerrados que solo puedan aprovechar las unidades más grandes, o una que incluya infraestructura compartida, capacitación continua, participación de universidades, estándares abiertos, protección contractual y evaluación independiente de resultados. La ventaja competitiva del campo chihuahuense no estará en comprar los mismos drones disponibles en cualquier parte del mundo. Estará en combinar esa tecnología con conocimiento local, organización productiva, administración responsable del agua y reglas que permitan que los datos beneficien primero a quienes los generan.

Antes de instalar cualquier sensor, un productor debería poder responder con claridad —no en el lenguaje de un contrato de cuarenta páginas, sino en términos prácticos— quién tendrá acceso a la información que su tierra produce, si podrá descargar y trasladar ese historial cuando cambie de proveedor, qué ocurrirá cuando no haya conexión, si esa información podrá ser utilizada para calcular el riesgo de un crédito o el precio de un insumo, y quién responde cuando la recomendación del sistema resulte incorrecta para ese terreno, esa variedad y esa temporada en particular. Son las mismas preguntas que esta serie ha formulado durante treinta artículos en otros contextos: ¿quién financia el sistema, ¿qué espera obtener de él y qué ocurre cuando el usuario descubre cómo funciona?

La inteligencia artificial puede calcular probabilidades, advertir que la humedad está descendiendo, identificar una anomalía, sugerir una fecha, comparar miles de escenarios. No vive con las consecuencias. No pierde la cosecha. No vende el ganado. No solicita el crédito. No hereda la deuda. No explica a una familia por qué el ingreso de la temporada no alcanzó. Por eso la decisión final debe conservar contexto, responsabilidad y rostro humano. El futuro del campo no consiste en sustituir la experiencia por datos. Consiste en permitir que la experiencia utilice mejores datos sin perder, en el proceso, el control sobre los que ella misma produce.

Chihuahua no necesita ranchos que obedezcan ciegamente a una aplicación. Necesita productores capaces de recibir una advertencia temprana, contrastarla con su experiencia y actuar antes de que una amenaza se convierta en pérdida. Necesita tecnología que funcione donde la señal falla, que explique por qué recomienda algo, que permita conservar los datos y que no convierta la dependencia climática —que ya es severa— en una dependencia tecnológica cuyas consecuencias financieras nadie le explicó antes de firmar.

Comisión Nacional del Agua (CONAGUA). (2025, 30 de abril). Monitor de Sequía de México. Servicio Meteorológico Nacional. https://smn.conagua.gob.mx/es/climatologia/monitor-de-sequia/monitor-de-sequia-en-mexico

Comisión Nacional del Agua (CONAGUA). (2025). Convenio para la tecnificación de los distritos de riego 005 Delicias y 009 Valle de Juárez. CONAGUA / Gobierno de Chihuahua.

Duncan, E., Ruder, S. L., Bahadur KC, K., Wittman, H., & Fraser, E. (2026). The political economy of agricultural data governance: Farmer perspectives on trust in data sharing. Journal of Rural Studies, 123, 104076. https://doi.org/10.1016/j.jrurstud.2026.104076

Food and Agriculture Organization of the United Nations & International Telecommunication Union. (2021). Digital agriculture in action: Artificial intelligence for agriculture. FAO–ITU. https://www.fao.org/documents/card/en/c/cb4834en

Gobierno del Estado de Chihuahua. (2025). Refuerza Gobierno del Estado estrategias y apoyos para fortalecer al campo. Secretaría de Desarrollo Rural de Chihuahua. https://www.chihuahua.gob.mx

Gobierno del Estado de Chihuahua. (2026). Impulsa SDR modernización del campo con apoyos para equipamiento agrícola y tecnología productiva. Secretaría de Desarrollo Rural de Chihuahua. https://www.chihuahua.gob.mx

Instituto Nacional de Estadística y Geografía (INEGI). (2023). Censo Agropecuario 2022: resultados definitivos. INEGI. https://www.inegi.org.mx/programas/ca/2022/

Lundström, C., & Lindblom, J. (2018). Considering farmers’ situated knowledge of using agricultural decision support systems (AgriDSS) to foster farming practices: The case of CropSAT. Agricultural Systems, 159, 9–20. https://doi.org/10.1016/j.agsy.2017.10.004

Organisation for Economic Co-operation and Development (OCDE). (2020). Issues around data governance in the digital transformation of agriculture. OECD Food, Agriculture and Fisheries Papers, No. 146. OECD Publishing. https://doi.org/10.1787/1f8a2dce-en

van der Burg, S., Wiseman, L., & Krkeljas, J. (2021). Trust in farm data sharing: Reflections on the EU code of conduct for agricultural data sharing. Ethics and Information Technology, 23, 185–198. https://doi.org/10.1007/s10676-021-09579-x