Formación en IA para cooperativas de Almería

Tres jornadas en Almería para llevar la inteligencia artificial al trabajo real de las cooperativas

Durante los días 29, 30 y 31 de julio, COEXPHAL organizó en Almería tres jornadas centradas en la aplicación de la inteligencia artificial al entorno de las cooperativas agrarias. La formación fue impartida por Mike Mösch, Chief Digital Officer de AIVERSO y AI Tender X, y José Miguel García López, consultor de inteligencia artificial en AIVERSO. Las jornadas reunieron tanto a profesionales de distintas áreas de las organizaciones como a responsables de gerencia.

El objetivo no era enseñar una colección de herramientas ni demostrar todo lo que puede hacer hoy la inteligencia artificial. La cuestión era bastante más relevante para una organización: cómo pasar de utilizar IA de manera puntual a incorporarla con sentido dentro de los procesos reales de trabajo.

Porque una cooperativa no necesita simplemente generar textos más rápido. Necesita trabajar con información agronómica, documentación técnica, expedientes, normativa, datos administrativos, procedimientos internos y decisiones que afectan directamente a su actividad. Y es precisamente en ese contexto donde empiezan a aparecer tanto las posibilidades reales de la inteligencia artificial como sus límites.

De utilizar inteligencia artificial a saber dónde puede aportar valor

Uno de los primeros cambios que se produce cuando una organización empieza a comprender estas tecnologías es dejar de preguntarse únicamente qué puede hacer una determinada plataforma. La pregunta pasa a ser otra: ¿en qué parte de nuestro trabajo tiene sentido utilizar inteligencia artificial?

Ese cambio de perspectiva es fundamental. No todos los procesos necesitan IA. No todas las tareas deben automatizarse. Y no todos los problemas se resuelven construyendo un asistente.

Durante las jornadas se trabajó precisamente sobre esa diferencia. Antes de pensar en soluciones hay que comprender bien la tarea: qué información se utiliza, de dónde procede, qué resultado se espera, quién debe revisarlo y qué decisiones siguen dependiendo necesariamente de una persona.

Esta forma de trabajar desplaza el foco desde la herramienta hacia el proceso. Y es especialmente importante en organizaciones donde buena parte del conocimiento está distribuido entre documentos, hojas de cálculo, correos electrónicos, procedimientos, experiencia acumulada por los profesionales y sistemas que muchas veces no están conectados entre sí.

La oportunidad de la inteligencia artificial aparece cuando somos capaces de ordenar ese conocimiento y utilizarlo para apoyar tareas concretas.

El verdadero salto está en trabajar con contexto propio

Utilizar un modelo de inteligencia artificial para redactar un correo, resumir un documento o resolver una consulta puede aportar productividad individual. Pero el salto realmente interesante para una organización comienza cuando el sistema puede trabajar dentro de un contexto definido.

Ahí aparece la diferencia entre una conversación general con inteligencia artificial y un asistente especializado. Un asistente pensado para una cooperativa necesita saber cuál es su función, qué información puede utilizar, cuáles son sus fuentes de referencia, qué instrucciones debe seguir y, sobre todo, qué debe hacer cuando la información disponible no es suficiente.

Durante la formación se trabajaron conceptos como modelos de lenguaje, contexto, memoria, instrucciones y tratamiento de la información precisamente para comprender esta diferencia.

La conclusión es importante: un buen asistente no depende únicamente de tener un modelo más potente. Depende en gran medida de cómo se haya diseñado el entorno en el que trabaja.

Si las fuentes son incorrectas, si la documentación está desactualizada o si el proceso no está claramente definido, la inteligencia artificial puede producir una respuesta aparentemente convincente que no resulte útil para la organización. Por eso implantar IA también obliga a revisar cómo se gestiona el conocimiento interno.

La calidad de la información se convierte en una cuestión estratégica

Muchas organizaciones descubren algo cuando empiezan a trabajar seriamente con inteligencia artificial: buena parte del problema no está en la IA, sino en la forma en la que está organizada su información.

Documentos repartidos entre distintas ubicaciones. Versiones diferentes de un mismo archivo. Información que depende de una persona concreta. Procedimientos que se conocen por experiencia pero que apenas están documentados. Datos almacenados en formatos difíciles de relacionar entre sí.

Mientras una persona con años de experiencia puede reconstruir ese contexto, un sistema de inteligencia artificial necesita que determinadas relaciones sean explícitas. Eso convierte la gestión documental, la estructuración de la información y la definición de procedimientos en elementos directamente relacionados con la adopción de IA.

Durante las jornadas se trabajó con información procedente de distintos ámbitos habituales en una cooperativa, desde documentación técnica hasta información administrativa o agronómica, pero el aprendizaje de fondo era común: antes de pedir a un sistema que razone sobre la información de una organización, hay que asegurarse de que esa información puede ser comprendida, relacionada y contrastada.

La inteligencia artificial no elimina la necesidad de ordenar el conocimiento empresarial. En muchos casos, la hace todavía más evidente.

La IA debe ayudar a pensar, no ocultar la incertidumbre

Otro de los aspectos relevantes fue trabajar sobre situaciones en las que la información disponible no permite obtener inmediatamente una respuesta definitiva. Es especialmente importante en ámbitos técnicos.

Un sistema útil no debería limitarse a producir una conclusión. También debería ser capaz de distinguir entre información confirmada, hipótesis, datos que faltan y comprobaciones que todavía son necesarias.

Ese comportamiento cambia considerablemente la utilidad de un asistente. En lugar de actuar como una supuesta fuente infalible, puede convertirse en una herramienta que ayuda al profesional a ordenar un problema, localizar información relevante, plantear alternativas y preparar mejor una decisión.

El criterio profesional continúa siendo imprescindible. La inteligencia artificial puede reducir el tiempo necesario para analizar documentación, preparar un primer borrador o relacionar información dispersa, pero la validación sigue formando parte del proceso.

Esto resulta especialmente relevante en organizaciones donde una respuesta incorrecta puede tener consecuencias técnicas, administrativas, económicas o normativas.

De la productividad individual a la inteligencia organizativa

Existe además una diferencia importante entre utilizar IA de forma individual e incorporarla a una organización.

Cuando una persona utiliza ChatGPT, Claude, Gemini u otra plataforma para resolver una tarea puntual, el beneficio suele quedarse en esa persona. Cuando una empresa identifica un proceso, documenta cómo funciona y configura un sistema capaz de ayudar de manera consistente en determinadas tareas, el conocimiento empieza a convertirse en una capacidad compartida.

Ahí cambia la escala del problema. Ya no estamos hablando simplemente de productividad personal. Estamos hablando de cómo una organización puede hacer accesible su conocimiento, reducir determinados trabajos repetitivos, mejorar la preparación de información y facilitar que diferentes profesionales trabajen sobre una base común.

Y ese es uno de los escenarios más interesantes para las cooperativas. Muchas disponen de una enorme cantidad de conocimiento técnico y operativo acumulado durante años. Parte está documentado y parte permanece distribuido entre las personas que conocen profundamente la organización.

La inteligencia artificial ofrece nuevas formas de utilizar ese conocimiento, pero para hacerlo bien es necesario transformarlo primero en una infraestructura de información suficientemente organizada.

El papel de gerencia es diferente

La incorporación de inteligencia artificial tampoco puede quedar exclusivamente en manos de quienes utilizan las herramientas. Gerencia tiene otro problema que resolver.

Debe decidir dónde merece la pena invertir tiempo, qué procesos pueden beneficiarse realmente, qué información puede utilizarse, qué riesgos existen y cómo se supervisarán los resultados. Por eso una parte de las jornadas estuvo específicamente orientada a responsables de empresas y cooperativas.

Para un equipo directivo, conocer todas las funcionalidades de una plataforma es secundario. Lo importante es desarrollar criterio: saber distinguir entre una demostración atractiva y un caso de uso que puede aportar valor real, entender qué procesos están suficientemente maduros para empezar, determinar quién será responsable del sistema y establecer qué decisiones pueden apoyarse en IA y cuáles no deben delegarse.

Porque introducir inteligencia artificial en una organización no es únicamente una decisión tecnológica. También afecta a procesos, responsabilidades, conocimiento interno y formas de trabajar.

Empezar pequeño permite pensar en grande

Las tres jornadas también permitieron trasladar una idea especialmente relevante para cualquier organización que esté comenzando: no es necesario intentar transformar toda la cooperativa de una vez.

El punto de partida más razonable suele ser identificar un proceso concreto. Un proceso suficientemente frecuente como para que una mejora tenga impacto, suficientemente delimitado como para poder controlarlo y suficientemente conocido como para comparar el resultado antes y después de introducir inteligencia artificial.

A partir de ahí se puede documentar el funcionamiento actual, identificar la información necesaria, definir las reglas del asistente, establecer los controles y probarlo con situaciones reales. Solo después tiene sentido ampliar su alcance.

Este enfoque permite aprender mucho más que desplegar herramientas de forma generalizada desde el principio. Las propias jornadas mostraron que áreas muy diferentes de una cooperativa pueden compartir problemas similares: información dispersa, tareas repetitivas, documentación que debe revisarse o decisiones que requieren reunir múltiples fuentes. Pero cada proceso necesita sus propios datos, criterios y mecanismos de validación.

La inteligencia artificial como capacidad de la organización

Después de tres jornadas trabajando con profesionales y responsables de cooperativas, probablemente la conclusión más importante no tiene que ver con ninguna plataforma concreta.

La inteligencia artificial empieza a tener verdadero valor cuando deja de percibirse como una herramienta externa y comienza a integrarse en la forma en la que la organización trabaja con su conocimiento.

Eso exige tecnología, pero también exige procesos bien definidos, documentación adecuada, profesionales capaces de supervisar los resultados y una dirección que sepa priorizar dónde merece la pena aplicarla.

El futuro de la IA en las cooperativas no consiste en utilizar más herramientas. Consiste en construir mejores formas de trabajar con la información que ya poseen.

Y ese es el cambio que permite pasar de experimentar con inteligencia artificial a convertirla realmente en una capacidad de la organización.

¿Hablamos de tu cooperativa?

Las jornadas de COEXPHAL muestran cómo trabajamos: partimos de procesos reales y de la información que ya utiliza la organización. Si quieres analizar un proceso concreto, identificar oportunidades de IA o valorar una jornada o un piloto adaptado a tu cooperativa, puedes contactar directamente con Mike Mösch.

mikemosch@aiverso.com

656 462 176

aiverso.com

– Equipo AIVERSO

Cómo aplicar la IA al trabajo de las OPFH y AOP

AIVERSO impartió en Huelva dos jornadas sobre inteligencia artificial aplicada a OPFH y AOP, agentes especializados de gestión documental.

Los días 22 y 24 de julio, AIVERSO impartió en Huelva dos jornadas de formación sobre la aplicación de la inteligencia artificial al ámbito de las OPFH y AOP. Las sesiones, conducidas por Mike Mosch y José Miguel García, partían de una idea sencilla, avanzar desde una comprensión general de la IA generativa hacia un uso mucho más práctico, centrado en cómo integrar estas tecnologías en entornos con una fuerte carga documental, normativa y procedimental.

Durante los dos días se trabajaron tanto el uso cotidiano de las principales plataformas de IA como un ámbito que gana cada vez más peso en las organizaciones: la creación de agentes y asistentes especializados capaces de trabajar con documentación propia, instrucciones definidas y procesos concretos.

Mike Mosch AIVERSO Inteligencia artificial

Entender la IA antes de aplicarla

Antes de hablar de agentes, asistentes o automatización, conviene entender qué ocurre realmente cuando utilizamos una herramienta de inteligencia artificial. Por eso las jornadas comenzaron por los fundamentos: los modelos de lenguaje, el contexto, los tokens, la memoria y las herramientas que incorporan plataformas como ChatGPT, Claude y Gemini, y la forma en que estos elementos condicionan el trabajo con IA. También se aclaró una distinción que suele generar confusión: la que existe entre el modelo de inteligencia artificial y el entorno o plataforma desde el que se utiliza, algo fundamental para entender sus capacidades, sus herramientas y sus límites.

Esta base resulta especialmente relevante en un contexto profesional. Utilizar IA no consiste solo en aprender a escribir mejores instrucciones; implica entender qué información tiene disponible el sistema en cada momento, cómo gestiona el contexto, qué herramientas puede utilizar y hasta dónde llegan sus capacidades. Con estos conceptos claros, la formación pudo trasladarse al terreno concreto de las necesidades de las OPFH/AOP.

Un entorno documental complejo

La gestión asociada a las OPFH/AOP obliga a trabajar de forma habitual con normativa, procedimientos, programas operativos, actuaciones, requisitos, inversiones, controles, documentación justificativa y expedientes. Y la dificultad no está únicamente en disponer de esa información, sino en localizarla, relacionarla, comprobar su vigencia, interpretar requisitos, contrastar documentos y detectar posibles carencias o contradicciones entre fuentes.

Es precisamente en este tipo de entornos donde la inteligencia artificial puede aportar más valor: consultar grandes volúmenes de documentación, estructurar información, comparar fuentes, preparar revisiones o facilitar determinadas comprobaciones previas. Pero para obtener resultados fiables no basta con abrir un chat y formular una pregunta; hace falta construir un entorno adecuado alrededor de la IA.

Un chat no es lo mismo que un agente

Uno de los ejes de la formación fue distinguir entre utilizar inteligencia artificial en una conversación puntual y trabajar con un sistema configurado previamente para una actividad concreta. Un chat puede ayudarnos a analizar un documento, redactar un texto, resumir información o resolver una consulta determinada. Un agente especializado parte de otra lógica: puede tener una misión definida, instrucciones previamente establecidas, documentación propia, procedimientos de trabajo, herramientas y reglas que determinan cómo debe actuar ante distintas situaciones.

La diferencia es importante, porque la pregunta deja de ser únicamente qué le preguntamos a la IA y pasa a ser cómo diseñamos el sistema que va a trabajar sobre esa consulta. Estos conceptos se trasladaron a un entorno basado en documentación oficial relacionada con OPFH/AOP, lo que permitió ver cómo cambia el comportamiento de un sistema cuando dispone de información especializada, instrucciones claras y procedimientos definidos de antemano.

Qué hay detrás de un agente

Durante las sesiones se analizaron los principales componentes que pueden formar parte de un agente profesional. El system prompt establece su función, su ámbito de actuación, las reglas que debe respetar, los límites de su trabajo y la forma en que debe entregar los resultados. Las skills permiten estructurar procedimientos específicos y resultan especialmente útiles cuando el sistema no debe limitarse a responder, sino seguir una secuencia determinada de comprobaciones o análisis antes de llegar a una conclusión. A estos elementos se suman la documentación especializada, la información aportada en cada conversación, la memoria, el contexto disponible y las herramientas propias de cada plataforma.

Es la combinación de todas estas capas la que permite pasar de una IA que responde preguntas a un sistema preparado para trabajar siguiendo una lógica definida de antemano, algo especialmente importante en ámbitos donde existen normativa, procedimientos y criterios que respetar.

La documentación también es arquitectura

Otro de los aspectos tratados fue la preparación de la documentación utilizada por estos sistemas. Cuando se construye un asistente documental, no siempre es conveniente cargar directamente todos los archivos disponibles sin un trabajo previo: el formato, la estructura y la limpieza de los documentos influyen en la forma en que la inteligencia artificial puede procesarlos.

Por eso se trabajó sobre la transformación de determinados documentos PDF a Markdown y sobre la conversión de archivos Excel a CSV, cuando estos formatos permiten simplificar la estructura de la información y facilitar su lectura y tratamiento por parte de la IA. El objetivo es disponer de corpus documentales más limpios, organizados y fáciles de interpretar, reduciendo elementos de formato innecesarios y facilitando la localización y relación de la información. Un trabajo que cobra todavía más importancia a medida que aumenta el volumen documental, porque un buen agente no depende únicamente del modelo que utiliza, sino también de qué documentación se selecciona, cómo se organiza y de qué forma se prepara antes de incorporarla al sistema.

Cada plataforma trabaja a su manera

La formación permitió también comparar distintas aproximaciones al trabajo con inteligencia artificial. ChatGPT y Claude ofrecen entornos donde combinar conversaciones, instrucciones, documentación y herramientas para construir sistemas especializados. Gemini Notebook plantea un enfoque especialmente interesante cuando el principal reto está en analizar, consultar y relacionar un conjunto de fuentes documentales. Cada plataforma gestiona de forma diferente aspectos como el contexto, los archivos, las instrucciones o la documentación disponible.

De ahí uno de los mensajes centrales de las jornadas: no existe una herramienta mejor para todo. La elección debe depender del proceso que se quiera mejorar, del volumen y el tipo de información disponible y del comportamiento que se necesite del sistema.

Aprender a elegir y combinar herramientas

Las jornadas incluyeron también una dinámica práctica pensada para que los participantes trabajaran con mayor autonomía ante un reto abierto. El objetivo no era comprobar quién conseguía generar el contenido más llamativo, sino observar algo más importante: cómo se seleccionan y combinan distintas capacidades de inteligencia artificial cuando existe un objetivo concreto que resolver.

Investigación, generación de contenidos, organización de información, creación visual o elaboración de materiales pueden abordarse con herramientas diferentes. Este tipo de ejercicios ayuda a romper una idea todavía muy extendida -que trabajar con IA significa utilizar siempre la misma aplicación-. El ecosistema actual es mucho más amplio: existen diferentes modelos, proveedores y herramientas, con capacidades que evolucionan constantemente, y conocerlos, compararlos y entender qué puede aportar cada uno permite tomar mejores decisiones y evitar adaptar todos los problemas a una única solución.

Diseñar sistemas, no solo usar herramientas

Las dos jornadas de Huelva abordaron la inteligencia artificial desde dos perspectivas complementarias: aprender a utilizar mejor las herramientas que ya existen y, a la vez, comprender cómo empezar a construir agentes y asistentes especializados alrededor de procesos, documentación y conocimiento profesional. El segundo enfoque es especialmente relevante en ámbitos como el de las OPFH/AOP, donde buena parte del trabajo consiste en interpretar, relacionar y revisar información procedente de distintas fuentes.

La inteligencia artificial puede reducir parte de ese esfuerzo, facilitar el acceso al conocimiento y mejorar determinadas tareas de revisión o análisis. Pero conseguirlo exige trabajar sobre algo más que la tecnología: definir qué función tendrá el sistema, qué información necesita, qué procedimientos debe seguir, qué límites debe respetar y cómo deben revisarse sus resultados. Ese es, probablemente, uno de los principales cambios que estamos viendo en la adopción profesional de la IA: pasar de utilizar herramientas de forma puntual a diseñar sistemas capaces de integrarse en la forma real de trabajar de una organización.

Las jornadas de Huelva permitieron abordar precisamente ese cambio, utilizando las OPFH/AOP como un entorno real sobre el que entender tanto las posibilidades de estas tecnologías como las condiciones necesarias para aplicarlas con rigor. Y es que el siguiente paso en la adopción de la inteligencia artificial no consiste tanto en preguntar mejor como en diseñar mejor el sistema que queremos poner a trabajar.

Formación en IA para ingenieros agrónomos e ingenieros técnicos agrícolas en Granada – COITA

IA aplicada al trabajo de ingenieros agrónomos e ingenieros técnicos agrícolas

Publicado el 4 de agosto de 2026 · Formación impartida en el COITA de Granada

El pasado 23 de julio, Aiverso impartió una sesión de formación sobre inteligencia artificial aplicada al trabajo de ingenieros agrónomos e ingenieros técnicos agrícolas en el Colegio Oficial de Ingenieros Técnicos Agrícolas de Granada.

Durante cuatro horas, un grupo limitado a 23 profesionales analizó una cuestión que cada vez está más presente en el sector: cómo puede incorporarse la inteligencia artificial al trabajo cotidiano de ambos perfiles sin perder rigor, criterio ni responsabilidad profesional.

La asistencia tuvo que limitarse a ese número, aunque otras personas también habían mostrado interés por participar. Este dato refleja una realidad evidente: la inteligencia artificial ha dejado de ser un asunto lejano para convertirse en una preocupación concreta dentro de despachos técnicos, explotaciones, cooperativas y empresas agrarias.

Mike Mosch y José Miguel García López, de Aiverso, condujeron la sesión con un planteamiento claro desde el inicio: analizar cómo puede incorporarse la inteligencia artificial al ejercicio profesional de ingenieros agrónomos e ingenieros técnicos agrícolas, atendiendo a las competencias y responsabilidades propias de cada perfil.

Colegio Oficial de Ingenieros Técnicos Agrícolas y Peritos Agrícolas de Granada.

01

De la curiosidad a los problemas reales del sector

La presencia de ingenieros agrónomos e ingenieros técnicos agrícolas permitió trabajar sobre situaciones muy próximas a la realidad profesional de ambos colectivos. La encuesta previa reflejaba perfiles vinculados con la dirección y gestión de explotaciones, el asesoramiento técnico y otros ámbitos propios de la actividad agraria.

Esto hizo que la conversación avanzara rápidamente desde las preguntas generales hacia problemas mucho más concretos.

¿Cómo puede ayudar la IA a preparar una visita de campo? ¿Qué ocurre cuando faltan datos? ¿Puede detectar contradicciones entre documentos? ¿Cómo se evita que complete información que no aparece en un expediente? ¿Hasta dónde puede apoyar la elaboración de un diagnóstico o un informe técnico?

Las dudas y aportaciones de los asistentes fueron conectando la tecnología con tareas que forman parte de su día a día. Esa participación permitió abordar la inteligencia artificial desde un terreno reconocible, lejos de los discursos genéricos y de las promesas difíciles de trasladar a la práctica.

Porque conocer una herramienta no significa saber utilizarla profesionalmente. Y obtener una respuesta rápida tampoco significa haber resuelto correctamente un problema.

02

Antes de construir asistentes, hay que entender cómo trabajan

Una parte importante de la jornada se dedicó a explicar qué es la inteligencia artificial generativa, qué diferencias existen entre un chat general y un asistente especializado y por qué la calidad del resultado depende de la información, las instrucciones y los límites que se hayan definido.

Un sistema de IA puede ayudar a organizar datos, resumir documentos, comparar información, preparar preguntas o elaborar un primer borrador. Sin embargo, también puede generar una respuesta aparentemente convincente a partir de datos incompletos.

Ese es uno de los principales riesgos.

En el trabajo de ingenieros agrónomos e ingenieros técnicos agrícolas, una conclusión incorrecta no es simplemente un texto mal redactado. Puede afectar a una explotación, condicionar una inversión, alterar una recomendación técnica o tener consecuencias productivas, económicas e incluso legales.

Por eso, el valor de la inteligencia artificial no reside únicamente en su capacidad para responder. También debe saber detenerse, reconocer que faltan datos, señalar una contradicción o advertir que una conclusión necesita ser validada.

La IA puede asistir al profesional, pero no sustituir su conocimiento, su experiencia ni la responsabilidad asociada a sus decisiones.

03

El proceso importa más que la herramienta

El enfoque de Aiverso parte de una idea sencilla: una implantación útil de inteligencia artificial no comienza eligiendo una plataforma. Comienza entendiendo cómo se realiza actualmente el trabajo.

Antes de automatizar una tarea, es necesario analizar qué información recibe el profesional, qué comprobaciones realiza, qué criterios aplica, dónde aparecen errores y qué parte del proceso consume más tiempo.

En el ámbito agrario, muchas horas de trabajo se destinan a preparar visitas, ordenar observaciones, revisar documentación, consultar fuentes oficiales, comparar datos, organizar fotografías, redactar informes o hacer seguimiento de las actuaciones recomendadas.

La IA puede aliviar parte de esa carga, especialmente cuando la información se encuentra dispersa entre correos electrónicos, analíticas, fotografías, formularios, hojas de cálculo y documentos con formatos diferentes.

Pero no basta con escribir una instrucción genérica como “prepara un informe” o “diagnostica este problema”.

Un sistema profesional necesita conocer el contexto, solicitar los datos necesarios, seguir un procedimiento y respetar unos límites. También debe mostrar de dónde procede la información, distinguir los hechos de las hipótesis y entregar un resultado que pueda ser revisado.

Ahí se encuentra la diferencia entre mantener una conversación ocasional con una inteligencia artificial y diseñar un asistente especializado.

04

Del chat general al asistente especializado

Un chat general puede resolver una consulta puntual utilizando la información disponible en ese momento. Puede ser útil para explorar ideas, resumir un texto o preparar un borrador rápido.

Un asistente especializado tiene otra finalidad. Se diseña para realizar una misión concreta de manera consistente.

Para conseguirlo, debe saber qué trabajo tiene que desarrollar, qué información necesita antes de comenzar y qué situaciones quedan fuera de su alcance. También debe conocer las fuentes que puede consultar, el procedimiento que debe seguir y la forma en que tiene que actuar cuando encuentra datos incompletos o contradictorios.

El objetivo no es conseguir una respuesta que parezca correcta. Es construir un sistema que trabaje con método.

Esta diferencia resulta especialmente importante en contextos técnicos. Una respuesta rápida puede transmitir seguridad y, al mismo tiempo, apoyarse en información insuficiente. Un asistente profesional debe hacer visible esa insuficiencia antes de formular una conclusión.

Durante la formación, esta idea se trasladó a dos pilotos relacionados directamente con el ejercicio profesional de ingenieros agrónomos e ingenieros técnicos agrícolas.

05

Un asistente para ordenar una incidencia de campo

El primer piloto estaba orientado al análisis inicial de consultas e incidencias técnicas en explotaciones agrícolas.

Su propósito no era emitir automáticamente un diagnóstico. Pretender que una inteligencia artificial determine una causa sin disponer de toda la información sería poco riguroso y, en muchos casos, peligroso.

La función del asistente era ayudar al profesional a organizar lo que sabía y, sobre todo, a detectar lo que todavía necesitaba saber.

Ante una incidencia, el sistema podía estructurar los síntomas observados, separar los hechos de las interpretaciones, identificar posibles líneas de comprobación y preparar las preguntas que deberían plantearse al responsable de la explotación.

También podía ayudar a diseñar una visita técnica más ordenada: qué zonas conviene revisar, qué fotografías deben tomarse, qué antecedentes es necesario consultar y qué muestras o analíticas podrían ser relevantes.

Su aportación más importante no consistía en anticipar una respuesta definitiva, sino en evitar que se tomara una decisión apresurada.

Cuando faltaban datos sobre el riego, el sistema radicular, los tratamientos anteriores, las condiciones ambientales o la evolución temporal de los síntomas, el asistente debía indicarlo. Del mismo modo, tenía que diferenciar claramente entre una causa posible y una causa confirmada.

La gestión de la incertidumbre es una condición esencial para utilizar inteligencia artificial en contextos profesionales. La IA debe ayudar a formular mejores preguntas, no a ocultar aquellas que todavía no tienen respuesta.

06

Un asistente para revisar documentación antes de redactar

El segundo piloto se centró en la preparación de informes técnicos agrarios.

Uno de los mensajes principales fue que un informe no comienza cuando se escribe la primera frase. Comienza mucho antes, con la revisión de la documentación recibida.

Antes de redactar, es necesario comprobar qué archivos forman parte del expediente, qué información contiene cada uno y si los datos son coherentes entre sí.

Un asistente especializado puede facilitar esta fase previa. Puede inventariar los documentos, resumir provisionalmente su contenido, relacionar cada dato con su fuente y localizar campos incompletos o información desactualizada.

También puede detectar discrepancias que podrían pasar inadvertidas durante una revisión manual.

Si dos documentos recogen superficies diferentes, fechas incompatibles o datos contradictorios, la IA no debe decidir por su cuenta cuál es correcto. Debe señalar el conflicto y trasladarlo al profesional para su validación.

Lo mismo ocurre cuando falta información. El sistema no debería completar un dato porque resulte probable o porque aparezca en un expediente similar. Debe mantenerlo como pendiente y explicar cómo afecta su ausencia al alcance del informe.

Este planteamiento permite que la IA acelere la organización y la redacción sin asumir decisiones que requieren criterio profesional.

07

Una jornada que dejó ganas de continuar

Al finalizar la formación se realizó una encuesta de valoración. La respuesta de los participantes fue muy positiva, tanto por el enfoque como por los contenidos y la dinámica de la sesión.

También quedó patente el interés por profundizar en los casos prácticos.

Los ingenieros agrónomos y los ingenieros técnicos agrícolas no buscan únicamente conocer qué es la inteligencia artificial. Quieren saber cómo utilizarla para resolver problemas que ya existen: preparar inspecciones, revisar analíticas, organizar expedientes, consultar fuentes técnicas, elaborar informes o hacer seguimiento de una explotación.

Ahí se encuentra el verdadero reto de la formación.

Una sesión centrada exclusivamente en herramientas puede resultar llamativa, pero difícilmente transforma la manera de trabajar. Para que la tecnología llegue a incorporarse a la actividad profesional, es necesario partir de una necesidad concreta y convertirla en un proceso controlado, revisable y mejorable.

La jornada celebrada en el COITA de Granada no pretendía cerrar ese proceso. Representó un primer paso.

La inteligencia artificial puede reducir el tiempo dedicado a localizar, ordenar, comparar, resumir y redactar información. También puede ayudar a preparar mejor una visita técnica, detectar incoherencias documentales o estructurar un análisis.

Sin embargo, su utilidad no depende solo de la capacidad de la herramienta. Depende del método con el que se integra en el trabajo.

Un asistente dirigido a ingenieros agrónomos e ingenieros técnicos agrícolas debe conocer su misión, trabajar con información pertinente, reconocer cuándo faltan datos y diferenciar claramente entre hechos, hipótesis y conclusiones. Sus resultados deben ser comprensibles, trazables y revisables.

Y la decisión final debe permanecer siempre en manos del profesional.

No se trata de sustituir el conocimiento agronómico, sino de utilizarlo mejor. De reducir el trabajo repetitivo para dedicar más tiempo a observar, analizar y decidir.

La acogida de la jornada confirma que existe un interés real por avanzar en esta dirección. El siguiente paso será trabajar sobre nuevos casos, construir asistentes adaptados a diferentes perfiles profesionales y comprobar su utilidad en tareas reales.

La experiencia desarrollada en el COITA de Granada demuestra que la inteligencia artificial puede aportar valor a ingenieros agrónomos, ingenieros técnicos agrícolas y al conjunto del sector agrario, siempre que se implante con conocimiento del proceso, criterio profesional y responsabilidad.

ANEXO: AIVERSO Implantación de IA en las empresas agrarias

Cooperativas agrarias · inteligencia artificial aplicada

¿Hablamos de tu colegio, tu despacho o tu cooperativa?

La sesión del COITA de Granada es un ejemplo de cómo trabajamos: partimos de problemas reales, no de herramientas genéricas. Si quieres organizar una jornada similar para tu colegio profesional, o valorar un piloto de inteligencia artificial para tu cooperativa o explotación, hablemos.

mikemosch@aiverso.com

656 462 176

aiverso.com

— Equipo AIVERSO