Experto revela qué está deteniendo el avance de la Inteligencia Artificial en salmonicultura
Noruega: Muchos productores acuícolas han iniciado proyectos de digitalización, pero todavía están estancados en silos y procesos manuales, manifiesta Sverre Benjaminsen de Iteam.
Si la industria de la acuicultura quiere liberar todo el potencial de la inteligencia artificial, primero debe lograr el control de algo mucho más fundamental: sus propios datos.
"Muchos han iniciado proyectos de digitalización, pero todavía están estancados en silos y procesos manuales", dice Sverre Benjaminsen de Iteam a Kyst.no, medio asociado a Salmonexpert.
Como director de la división de acuicultura de la empresa tecnológica Iteam, Benjaminsen ha participado activamente en el desarrollo de soluciones digitales para la industria acuícola. En su presentación en la conferencia sobre IA de Bergen, destacó un problema común en el sector. Cree que muchos acuicultores aspiran a utilizar la inteligencia artificial, pero carecen de la infraestructura necesaria para implementarla en la práctica.
"Hablamos con muchas empresas que dicen llevar uno, dos o incluso tres años trabajando en proyectos de digitalización. Pero a menudo los datos están aislados. Algunos se encuentran en el entorno de producción, otros en los sistemas profesionales y otros en manos de actores externos. Esto dificulta la recopilación, la estructuración y el uso de los datos de forma que realmente aporten valor", explica el experto.
La contribución de Iteam a esta labor consiste en proporcionar internet de alta velocidad a las ubicaciones y conectar datos de producción, ambientales e información operativa mediante líneas de radio, fibra óptica y otras infraestructuras. En total, la empresa ha desarrollado 1.500 puntos maestros a lo largo de la costa noruega, así como en Canadá, Islandia y Escocia. El objetivo es proporcionar a las ubicaciones un acceso estable y seguro a la red y a los servicios en la nube, y desde allí, facilitar el uso de herramientas digitales más avanzadas.
"Para tomar buenas decisiones, se necesitan datos. Pero también se necesita criterio humano. No debemos olvidarnos de la cabeza en este proceso", indica, haciendo un paralelo con el uso que todos hacemos de la inteligencia artificial como apoyo para tomar decisiones en la vida diaria.
Del tiempo real a la información
Benjaminsen describe la digitalización como un proceso, donde el primer paso es facilitar el acceso a datos en tiempo real de forma sencilla y comprensible. Esto podría incluir, por ejemplo, datos meteorológicos y de olas, mediciones de oxígeno o de biomasa, que se muestran en un panel de control. El simple hecho de tener control sobre lo que ocurre en el sitio proporciona beneficios inmediatos.
El siguiente paso, afirma, es utilizar los datos para simplificar y automatizar la generación de informes. Una vez establecida la estructura y el historial, se pueden generar informes automáticos para las autoridades, los sistemas de certificación y los sistemas de producción internos. Benjaminsen considera que muchas personas tienen mucho que ganar con esto y destacó ejemplos de empresas que ya han reducido significativamente el trabajo manual mediante estas soluciones.
El paso final, y quizás el más comentado, es usar datos para análisis predictivo mediante inteligencia artificial. Sin embargo, esto presupone que se disponga de suficientes datos históricos y que estos se hayan recopilado en el contexto adecuado: ¿Dónde y cuándo se midió la temperatura? ¿En qué jaula, a qué profundidad, en qué condiciones? Sin esta información, incluso las lecturas de los sensores más avanzados carecen de valor en retrospectiva.
"Suelo decir que una temperatura del mar de 8 grados en sí misma no significa nada. Hay que saber dónde se midió, cuándo, en qué jaula y a qué profundidad. Sólo entonces se puede usar para algo", comenta el especialista.
No todo necesita mostrarse en un panel de control
Benjaminsen enfatiza que no se trata de mostrar todo en un panel. Al contrario, gran parte de los datos solo deben almacenarse y usarse en segundo plano. Un ejemplo que destacó fue un proyecto donde se recopilaron 213 puntos de datos de una sola ubicación. Sin embargo, esto no significa que todas las cifras deban mostrarse a la vez; se trata de usar los datos para fortalecer la base de la toma de decisiones y extraer beneficios a largo plazo.
El alimento es el mayor costo de producción. Si se pueden usar los datos para reducir el consumo de alimento sin reducir el crecimiento, ya se ha logrado una gran ganancia.
Según Benjaminsen, muchos se preguntan cuánto cuesta construir una plataforma de datos. La respuesta no es sencilla, pero, según él, hay que considerarla una inversión continua. Se trata de obtener pequeñas ganancias desde el principio y, a partir de ahí, construir. Iteam ha trabajado con varios clientes en proyectos piloto para determinar qué medidas aportan valor a corto plazo y cuáles sientan las bases para obtener mayores beneficios a largo plazo.
Los datos deben estar estandarizados
Una parte importante del trabajo también se centra en la estandarización, incluso mediante el uso de AquaCloud.
“Existen muchas herramientas útiles, pero los datos deben estructurarse y almacenarse de forma segura y predecible. Sólo así se podrá extraer valor de ellos”, concluye Benjaminsen.
