No existe el sensor correcto

La semana pasada vimos que el problema en agricultura ya no es la falta de datos, sino qué hacemos con ellos.
Hoy damos un paso atrás, porque antes de analizar, interpretar o automatizar cualquier cosa, hay una pregunta clave:

¿Qué decisión quiero tomar y qué dato necesito para respaldarla?

Porque si no tenemos clara la decisión, cualquier sensor es caro.

🎧 ¿Prefieres escucharlo o verlo en formato video?

Este contenido también está disponible como una masterclass breve en video, pensada para escucharse con calma, como si fuera una clase ejecutiva sobre agricultura digital.

👉 Ver el video completo aquí: https://youtu.be/N0gjewOVZQw

No todos los sensores sirven para lo mismo

Cuando se habla de agricultura digital, muchas veces se parte desde la tecnología:
satélites, drones, sensores de suelo, plataformas.

Ese enfoque suele llevar a errores.

En agricultura, la tecnología no se elige primero.
Primero se define la decisión, luego el tipo de información necesaria y recién al final el sensor.

No todas las decisiones requieren el mismo nivel de información, ni el mismo tipo de dato.

Sensores según la distancia al objeto

Existen sensores que capturan información a distancia, como los satélites o los drones.
Su principal ventaja es que permiten observar grandes superficies al mismo tiempo y entender la variabilidad espacial del predio.

Pero esa cobertura tiene un costo:
a mayor distancia, menor nivel de detalle.

Por otro lado, existen sensores que trabajan muy cerca del objeto, incluso en contacto directo con el suelo o la planta.
Aquí entran los sensores de humedad de suelo, estaciones meteorológicas o sensores portátiles.

Cubren menos superficie, pero entregan mayor precisión local.

Por eso, la pregunta correcta no es “satélite o sensor de suelo”, sino:

¿necesito ver todo el campo o necesito entender qué pasa en un punto específico?

Sensores según cómo capturan la información

Otra forma de clasificar los sensores es según cómo recolectan los datos.

Algunos sensores registran información de forma continua, permitiendo generar mapas y analizar patrones espaciales.
Otros miden de forma puntual, en ubicaciones específicas.

Ambos enfoques son válidos, pero sirven para preguntas distintas:

• un mapa continuo ayuda a identificar dónde mirar,

• una medición puntual ayuda a entender qué está pasando realmente.

El tiempo también importa

No todas las decisiones agrícolas se toman en el mismo horizonte temporal, y eso define directamente qué tipo de sensor y qué tipo de dato necesitamos.

Hay decisiones que requieren reaccionar de inmediato.
Por ejemplo, la activación de riego por heladas, el manejo climático en un invernadero o el control de temperatura en un sistema sensible.
En estos casos, el dato debe estar disponible en tiempo real.
Un dato que llega horas o días después simplemente no sirve.

Pero existen otras decisiones donde el tiempo juega un rol distinto.

Por ejemplo, cuando se busca ajustar una estrategia de riego, evaluar la uniformidad del riego o priorizar sectores con mayor estrés hídrico, no se necesita una reacción inmediata.
Aquí lo importante es entender tendencias y patrones en el tiempo, no un valor puntual.

En estos casos, una imagen satelital periódica o un análisis diario puede ser mucho más útil que un sensor en tiempo real, o que información capturada de forma esporádica —por ejemplo, imágenes térmicas obtenidas dos o tres veces por temporada—, que entregan una fotografía puntual, pero no permiten comprender la dinámica real del sistema productivo.

No es lo mismo:

• decidir cuándo encender el riego hoy,

• que decidir cómo rediseñar los sectores de riego para toda la temporada.

Ambas decisiones son importantes,
pero requieren datos distintos, capturados con tiempos distintos.

El error más común: partir desde el sensor

Muchos proyectos de agricultura digital fallan siempre por lo mismo.

Empiezan diciendo:
“vamos a usar satélite”,
“vamos a usar drones”,
“vamos a instalar sensores”.

Pero nunca se preguntan primero:

• qué decisión quieren tomar,

• qué problema quieren resolver,

• qué variable explica realmente ese problema.

Sin esa definición, el sensor termina siendo solo un generador de datos, no una herramienta de decisión.

Un ejemplo concreto: redefinir sectores de riego

Para aterrizar esta idea, veamos un ejemplo real en el que trabajamos esta semana.

El objetivo del estudio no era analizar el estado productivo del cultivo, ni evaluar vigor o rendimiento.
La decisión que se quería respaldar era muy clara:

redefinir los sectores de riego del campo.

El problema era que los sectores actuales agrupaban superficies con comportamientos de suelo muy distintos, y además convivían en un mismo sector árboles adultos y replantaciones recientes.

Esto hacía imposible regar de forma eficiente, incluso contando con buena infraestructura y automatización.

Por eso, la primera pregunta no fue qué sensor usar, sino:

¿qué información necesitamos para rediseñar correctamente los sectores de riego?

En este caso, lo relevante no era la respuesta puntual de una planta,
sino entender cómo se comporta el suelo frente al riego, de manera estructural y transversal a todo el campo.

Para eso se integraron distintas fuentes de información:

• muestreos de suelo en puntos representativos,

• información satelital en sectores sin cobertura vegetal,

• análisis geomorfológico y topográfico para entender drenaje, pendiente y acumulación de agua.

El resultado no fue un mapa productivo ni un indicador del desempeño del cultivo.

Fue un mapa de unidades funcionales de suelo, independiente del estado actual del huerto.

A partir de ese mapa se identificaron zonas con distinta capacidad de retención, drenaje y respuesta al riego, y ese resultado se utilizó como base técnica para redefinir los sectores de riego, trabajando en conjunto con el diseño hidráulico.

El sensor no tomó ninguna decisión.

Permitió ordenar el campo, entender su lógica interna. Y, sobre todo, permitió separar decisiones estructurales de decisiones operativas, evitando seguir ajustando el riego sobre un diseño que ya estaba mal definido.

La decisión final —cómo dividir los sectores de riego— fue una decisión agronómica y de diseño hidráulico, respaldada por datos.

La lógica correcta

Este ejemplo resume muy bien la lógica de la agricultura basada en datos:

primero la decisión,
después el tipo de información,
y recién al final el sensor.

Las tecnologías no compiten entre sí.
Se complementan.

La agricultura moderna no falla por falta de tecnología.
Falla cuando se mide sin un propósito claro.

Antes de instalar sensores, conviene responder una sola pregunta:

¿qué decisión quiero mejorar con este dato?

Cuando ese orden se respeta, los datos dejan de ser números y se transforman en decisiones operativas reales.

Este correo ha sido preparado por el Equipo de ViLab | www.vilab.cl