Sabiduría campesina e inteligencia artificial
Coescrita con Valentina Fuentes, geógrafa y asistente de investigación Rimisp; y Nicolás Fuentes, doctorando de Ciencias Sociales en Estudios Territoriales
Le pedimos a distintos grupos de agricultores que le pregunten a la inteligencia artificial por técnicas productivas sostenibles. Tres consejos, nada más. Esperan algo distinto, complejo, quizás inalcanzable. Pero en las pantallas de sus celulares aparecen la rotación de cultivos, el compostaje, la acumulación de agua, prácticamente lo mismo que ellos habían dibujado poco antes en un mapa de un predio imaginario. Hay sorpresa en la sala. ¿La máquina sabe lo mismo que nosotros?
La escena se repite en las capacitaciones que realizamos en Ñuble y La Araucanía, en el marco del proyecto Comunidades Conectadas, una iniciativa interagencial entre el Sistema de las Naciones Unidas (ONU Chile), el Estado de Chile y el sector privado para reducir la brecha digital en zonas rurales vulnerables del país.
El objetivo de los cursos es facilitar el aprendizaje de herramientas digitales aplicadas a la producción sostenible y la comercialización. En ellos constatamos que la brecha digital no es solo una cuestión de antenas y señal, sino también de uso y confianza. Una de las principales barreras es el temor a equivocarse, estropear el celular, perder información o ser víctima de una estafa.
Asimismo, a medida que repetimos el curso, apareció con nitidez un diálogo entre dos mundos: el tradicional y el moderno, que aparentemente están disociados, pero que en el transcurso de dos jornadas vemos que se conectan entre sí. En ese diálogo se juegan, justamente, la confianza y el uso.
En la primera parte del curso conversamos sobre cambio climático, tipos de producción, eficiencia y gestión del predio. Para aterrizar estos conceptos, hablamos sobre prácticas específicas en torno al agua, el suelo y la biodiversidad. El ejercicio concluye con el mapa imaginario que mencionamos al principio, donde los participantes ubican las prácticas que consideran necesarias: rotación y asociación de cultivos, acumulación de agua, distintos tipos de compostaje, bandas florales, entre muchas otras.
Hasta acá no hay nada nuevo. Son prácticas que en general todo agricultor campesino o indígena conoce bastante bien. Lo interesante sucede cuando introducimos la inteligencia artificial. Conversamos sobre sus usos, potencialidades y riesgos, y sobre las plataformas para acceder a ella. Muchos tienen temor de usarla, otros la usan como si fuera un buscador y unos pocos se han atrevido con tareas más complejas.
Les proponemos entonces el ejercicio con el que abrimos esta columna. Parece algo sencillo, pero no es evidente. Los agricultores esperaban información distinta, de alta complejidad, porque se supone que el conocimiento que alberga la IA va más allá de lo humano. Sin embargo, la base es la misma. No hay un conocimiento moderno opuesto al tradicional. De hecho, buena parte de lo que responde la máquina se nutre de saberes que los propios agricultores han construido y transmitido por generaciones, y que la máquina sintetiza a través del análisis de múltiples registros.
Ahí está el primer argumento para entender la brecha de confianza: la IA no reemplaza lo que los agricultores saben y hacen, sino que lo reafirma.
Luego, nos adentramos en cómo funciona la IA. ¿Qué la hace distinta de un buscador? ¿Qué aporta si dice lo mismo que saben los agricultores? En el debate aparece una respuesta: la capacidad de iteración entre el ser humano y la máquina. Hay que preguntarle y volver a preguntarle, darle contexto y datos para que genere información adecuada a cada caso. Es la magia del prompt, la instrucción que se le entrega a la máquina.
Lo que entrega la IA, entre muchas otras cosas, es la posibilidad de llegar a rincones muy específicos del conocimiento en poco tiempo. Les pedimos entonces que pregunten por esas mismas técnicas antes nombradas, pero ajustadas a sus necesidades reales: el cuidado de 20 gallinas, técnicas para mejorar un invernadero de 2×5 metros de hortalizas, consejos para el cuidado de un cuarto de hectárea de papa. Luego, los participantes preguntan por materiales, precios y planos.
Las preguntas se repiten y las respuestas se suceden. En los distintos grupos hay sorpresa por la capacidad de generar en minutos información que, de manera manual, les habría tomado mucho tiempo reunir: metros de cinta, mangueras y plásticos; la cantidad de estacas, clavos y tornillos; los precios promedio en negocios cercanos a sus pueblos. Por cierto, no todo lo que entrega la máquina es exacto. Los precios y cantidades hay que contrastarlos con el comercio local y con la propia experiencia, y ahí el saber del agricultor vuelve a ser decisivo.
El segundo argumento tiene que ver con el uso. Al preguntar y contrapreguntar sobre casos concretos, los agricultores pierden el miedo frente a la máquina, se apropian de la herramienta y entienden la diferencia entre buscar información e interactuar con la IA. No es una interacción entre pares, porque pares no son; no hablan entre iguales. Dicho eso, una barrera se rompe. Cuando comprenden el proceso de iteración, se genera mayor simetría, no con la máquina, sino con el resto de la sociedad que ya está usando estas herramientas para hacer más eficientes sus procesos productivos.
Cuando el agricultor descubre que la máquina habla un lenguaje que ya conoce, que su saber no queda obsoleto, sino que es el punto de partida, la IA deja de ser una amenaza lejana y se convierte en una herramienta más del predio. El diálogo entre ambos mundos no se resuelve con el reemplazo de uno por otro, sino en la conversación: preguntar, dar información y recibir información.