Cada día, el operador de maquinaria de la start-up de robótica FarmWise Diego Alcántar camina detrás de un enorme robot parecido a la máquina Zamboni que alisa el hielo para enseñarle a hacer el trabajo de desmalezado que haría un equipo de 30 personas. 

Un martes por la mañana de septiembre, conocí a Alcántar en un gigantesco campo de coliflores en las colinas a las afueras del extremo sur del vasto tablero de ajedrez de las explotaciones de hortalizas que bordean la costa central de California (EE. UU.). El valle de Salinas, que se mantiene fresco gracias a las brumas costeras del Pacífico, también se conoce como la Ensaladera de EE. UU. (America's Salad Bowl). El área alrededor de Salinas, junto con dos condados adyacentes al sur, durante los meses de verano produce la gran mayoría de la lechuga cultivada en EE. UU., además de la mayor parte de la coliflor, el apio y el brócoli, y un buen porcentaje de las frutas del bosque. 

La costa central es conocida por su excelente clima: cálido pero no caluroso, seco pero no reseco, con una suave brisa que fluye desde la costa. Cerca de allí, un grupo de cosecheros, con sombreros de paja y mangas largas, trabajaban rápidamente con una cantidad inconcebible de lechuga iceberg, apilando cajas de 10 unidades en la parte trasera de los tractores alineados en un camino de tierra. 

Dentro de tres meses, la misma escena se desarrollaría en el campo de coliflor donde se encontraba Alcántar, rodeado de decenas de miles de plantas de dos y tres hojas. Pero primero, se tenía que desmalezar. 

El robot se movía por encima de tres filas de plantas con sus ruedas en los surcos adyacentes. Alcántar lo seguía un par de metros atrás, sosteniendo un iPad con los controles de pantalla táctil como los de un joystick. Debajo de la carcasa, las cámaras del robot parpadeaban constantemente. Unas ráfagas de aire, como en el juego de golpear al topo, dirigían los juegos de cuchillas en forma de L en sus movimientos cortos y precisos entre las plántulas de coliflor, raspando el suelo para arrancar las malas hierbas y luego apartándolas a 30 centímetros para que solo quedara la coliflor intacta.

Cada poco, Alcántar paraba la máquina y se arrodillaba en el surco, agachándose para examinar el error que llamaba "kill" y que ocurría cuando las cámaras y cuchillas del robot se desalineaban ligeramente y arrancaban de raíz una plántula de coliflor. De media, Alcántar podía recorrer 4.000 metros cuadrados por hora, con solo un error por cada mil plantas. El error solía ocurrir por dos o tres motivos, con las visibles marcas cuando una rueda se había salido fuera del surco hacia la propia planta, o cuando las cuchillas se habían separado una fracción de segundo demasiado tarde.

Alcántar sacó un iPhone de su bolsillo, abrió un canal de Slack y envió un mensaje a un compañero a 240 kilómetros de distancia sobre unos cinco errores seguidos, con su hipótesis sobre la causa (latencia entre la cámara y la cuchilla) y la indicación de fecha y hora para que pudiera encontrar las imágenes y detectar qué había salido mal.

En esta plantación, y en muchas otras similares, una máquina había preparado el terreno, otra máquina trasplantaba las plántulas, y los pesticidas y fertilizantes se aplicaban a máquina. Las personas encargadas del riego seguían colocando manualmente la tubería, y otros trabajadores recogían la cosecha de coliflor cuando llegaba el momento, pero no resulta raro pensar que algún día ni una sola persona trabajará en el terreno alrededor de estas plantas. 

Distintas tecnologías compiten para revolucionar una de las ocupaciones más antiguas y más importantes del planeta centrándose en el esfuerzo de imitar y, en última instancia, superar los extraordinarios poderes de dos partes del cuerpo humano: la mano, capaz de usar pinzas o sostener a un bebé, agarrar o lanzar una pelota de fútbol, cortar una lechuga o arrancar una fresa madura dejando su cáliz intacto; y el ojo, cada vez más desafiado por la potente combinación de la computación en la nube, imágenes digitales y aprendizaje automático.

El término "tecnología agrícola" fue acuñado en una conferencia en Salinas hace casi 15 años; sus impulsores prometían una serie de dispositivos y software que iban a reformar la industria agrícola durante al menos ese tiempo. Y aunque las start-ups de tecnología agrícola han tenido más facilidad para encontrar inversores que clientes, es posible que los impulsores por fin estén en lo cierto. 

Los impulsores de la tecnología agrícola prometían una serie de dispositivos y software que iban a reformar la industria agrícola durante al menos 15 años. Puede que por fin estén en lo cierto. 

Silicon Valley está justo al otro lado de la colina de Salinas. Pero, según los estándares de Grain Belt o del "cinturón del grano", la zona de Salad Bowl resulta relativamente estancada, con un valor de alrededor de unos 8.172 millones de euros al año, en comparación con los casi 81.722 millones de euros que generan los cultivos básicos en el Medio Oeste de EE. UU. Nadie negocia el futuro de la lechuga como el de la soja; los gigantes como Cargill y Conagra se mantienen bastante al margen. Pero, es por eso que la industria de los "cultivos especiales" me pareció el mejor lugar para analizar la evolución de la agricultura de precisión: si las herramientas tecnológicas pueden funcionar bien en la costa central de California, con pequeñas parcelas con cortos ciclos de cultivo, entonces quizás estén realmente listas para pasar a usarse de forma más amplia.

Alcántar, de 28 años, nació en México y llegó a Estados Unidos en 1997, cuando tenía cinco años, atravesando el desierto de Sonora (entre México y Estados Unidos) hacia Arizona (EE. UU.) con su tío y su hermana más pequeña. Sus padres, del estado de Michoacán (México), preparaban lo necesario para una nueva vida como trabajadores agrícolas en Salinas, durmiendo en el vestidor de un familiar antes de alquilar un apartamento que era un garaje reformado. Alcántar pasó el primer año en casa, viendo la televisión y cuidando a su hermana mientras sus padres trabajaban. Una mujer que vivía en la casa principal iba a verlos de vez en cuando y les daba de comer durante el día, pero nadie podía llevarlos a la escuela.

Foto: Los trabajadores en la cosecha de brócoli que forma parte de un proyecto conjunto entre la NASA y la Universidad de California. Créditos: Lucas Foglia

Cuando iba al instituto, Alcántar solía trabajar como peón de campo en la finca donde su padre se había convertido en el encargado. Cortaba y desmalezaba la lechuga, apilaba las cajas de fresas después de la cosecha, conducía el montacargas en el almacén. Pero, cuando cumplió 22 años y vio cómo sus amigos con los que había crecido conseguían sus primeros trabajos después de la universidad, decidió que necesitaba un plan para dejar el trabajo manual. Se sacó el permiso para conducir vehículos pesados y empezó a trabajar en la start-up de robótica. 

Alcántar recuerda que, durante este primer período, sus familiares lo regañaban por ayudar a acelerar la introducción de las máquinas en los campos, donde trabajar agachado y sudando había despejado el camino para la evolución ascendente de su familia. "¡Nos estás quitando nuestros trabajos!", le decían. 

Cinco años después, según Alcántar, eso ha cambiado por completo. Afirma que Incluso FarmWise ha tenido dificultades para encontrar a personas dispuestas a "caminar detrás de la máquina" y que "la gente prefiere trabajar en un restaurante de comida rápida como el In-N-Out que paga 14,30 euros la hora".

II

Todo tipo de cosas pueden obstruir la "visión" de los ordenadores que alimentan los sistemas automatizados como los que usa FarmWise. Resulta difícil para un ordenador distinguir, por ejemplo, si unas manchas contiguas de hojas de lechuga verde representan una sola plántula sana o una "doble", cuando dos semillas germinan una al lado de la otra y, por lo tanto, perjudican el crecimiento de la otra. Los campos agrícolas son luminosos, calurosos y polvorientos, que no son condiciones ideales para un buen funcionamiento de los ordenadores. Una rueda se puede atascar en el barro y cambiar temporalmente la sensación de distancia del algoritmo: los neumáticos izquierdos en ese caso han girado más que los neumáticos derechos. 

Otras formas de observación digital tienen sus propios desafíos. Los satélites tienen que lidiar con las nubes; los drones y aviones luchan contra el viento y la vibración de los motores que los mantienen en el aire. Para los tres, el software de reconocimiento de imágenes debe tener en cuenta el aspecto cambiante de los mismos campos en diferentes momentos del día a medida que el Sol cambia su posición en el cielo. Y siempre hay que buscar el término medio entre la resolución y el precio. Los agricultores tienen que pagar por los drones, aviones o cualquier maquinaria de campo. Las imágenes de satélite, que históricamente han sido generadas, pagadas y compartidas libremente por las agencias públicas espaciales, se han limitado a ser poco frecuentes y de baja resolución.

La NASA lanzó el primer satélite para las imágenes agrícolas, conocido como Landsat, en 1972. Las nubes y las bajas velocidades de descarga limitaron la cobertura de la mayor parte de las tierras agrícolas del mundo a un puñado de imágenes al año de un sitio determinado, con píxeles de 30 a 120 metros.

Durante las décadas de 1980 y 1990, Landsat recibió media docena más de iteraciones, pero fue en 1999, con el espectrorradiómetro de imágenes de resolución moderada, o MODIS, cuando el satélite pudo enviar observaciones diarias a los agricultores sobre la mayor parte de la superficie terrestre del mundo, aunque con un tamaño de píxel de 250 metros.

El experto en la conservación del agua del Centro de Investigación Agrícola de Tierras Áridas en Arizona Andy French explica que a medida que las cámaras y la informática han ido mejorando conjuntamente en los últimos 20 años, varias empresas tecnológicas se han propuesto ganar dinero proporcionando información generada mediante las imágenes de satélite y aeronaves. Aunque afirma que "no han tenido éxito". Pero, como la frecuencia y la resolución de las imágenes de satélite siguen aumentando, eso podría cambiar muy rápido, y añade: "Hemos pasado de Landsat que sobrevolaba por encima de nuestras cabezas cada 16 días a otra situación casi diaria con la resolución de uno a cuatro metros".

"Hemos pasado de Landsat que sobrevolaba por encima de nuestras cabezas cada 16 días a otra situación casi diaria con la resolución de uno a cuatro metros", Andy French

En 2014, Monsanto desembolsó 816 millones de euros para adquirir la start-up Climate Corporation, que se promocionaba a sí misma como una empresa de "agricultura digital". "Era un grupo de chicos de Google expertos en imágenes satelitales que se preguntaban: '¿Podemos hacer algo para que esto sea útil para los agricultores?' Eso llamó la atención de todos", recuerda el director de productos con gran experiencia que cofundó la empresa de capital de riesgo Yield Lab, Thad Simons.

En los años transcurridos desde entonces, Silicon Valley ha lanzado una serie de start-ups financiadas por los fondos de capital de riesgo cuyos servicios de análisis y pronóstico se basan en las herramientas que pueden recoger y procesar información de forma autónoma o a distancia: no solo con imágenes, sino también mediante los sensores y sondas de humedad del suelo. "Cuando se ve que las conferencias ganan más dinero que la gente que realmente trabaja, se sabe que es un tema importante", resalta Simons con una sonrisa.

Una parte de estas empresas, como FarmWise, trabajan en algo parecido a la coordinación mano-ojo, persiguiendo el eterno objetivo de automatizar las etapas manuales más intensivas del cultivo de frutas y hortalizas (el desbroce y, sobre todo, la cosecha) para combatir la falta crónica de mano de obra agrícola. Pero muchas otras empresas se centran exclusivamente en ofrecer mejor información a los agricultores. 

Una forma de entender la agricultura es como si fuera una interminable lucha contra las incertidumbres que afectan el resultado final: la meteorología, las enfermedades, la cantidad y el momento óptimos de los fertilizantes, pesticidas y riego, y enormes fluctuaciones en el precio. Cada uno de estos factores impulsa miles de decisiones incrementales en el transcurso de una temporada, basadas en largos años de prueba y error, intuición y experiencia ganada con mucho esfuerzo. Por eso, la pregunta tecnológica en boca de los agricultores en todas partes, según me explicó Andy French, es: "¿Qué es lo que nos va a decir que no sepamos ya?"

III

El vicepresidente de Operaciones Agrícolas de Church Brothers, Josh Ruiz, que cultiva verduras para el sector de servicios alimentarios, gestiona más de 1.000 campos agrícolas que ocupan más de 8.000 hectáreas. Amable, corpulento y comunicativo, Ruiz es conocido en esta industria como uno de los primeros en adoptar las nuevas tecnologías y por no tener miedo de experimentar con ellas. En los últimos años, su empresa se ha convertido en una parada habitual en el recorrido que atrae a los ejecutivos tecnológicos en sus Teslas con ganas de visitar un campo de lechugas y hacer preguntas sobre el negocio agrícola. Ruiz cuenta: "Trimble, Bosch, Amazon, Microsoft, Google, me han llamado todos. Suelen llamar mi atención muy rápido si me resuelven un problema, pero lo que sucede en nueve de cada diez casos es que las empresas de tecnología acuden a mí para solucionar algo que no era un problema".

Lo que todos quieren, en una palabra, es previsión. Durante más de una generación, el Gobierno federal estadounidense ha protegido a los productores de maíz, trigo, soja y otros alimentos básicos del impacto económico de las plagas y del mal tiempo mediante subsidios para compensar el coste del seguro de los cultivos y, en las épocas de cosechas abundantes, estableciendo un precio "base" cuando el Gobierno interviene como comprador de último recurso. Las frutas y verduras no gozan de la misma protección: representan menos del 1 % de los cerca de 20.000 millones de euros) que el Gobierno federal destina a los subsidios agrícolas. Como resultado, el mercado de hortalizas está sujeto a tremendas variaciones en función de las condiciones meteorológicas y otros factores poco predecibles.

Foto: Josh Ruiz, el vicepresidente de operaciones agrícolas de Church Brothers, que cultiva verduras, con la cosechadora automatizada de brócoli "Big Red" de su diseño. Créditos: Lucas Foglia

Cuando visité Salinas, en septiembre, el sector de la lechuga estaba en medio de una semana excepcional en cuanto a precios, con cabezas de iceberg y escarola generando cerca de 25 euros por caja, o unos 60.000 euros por hectárea. "En este momento cabe la posibilidad de perder una fortuna y recuperarla", afirmó Ruiz mientras estábamos en el borde de un campo. Las oscilaciones pueden ser drásticas: unas semanas antes, según me explicó, la lechuga iceberg se vendía por una fracción de esa cantidad: a unos cuatro euros por caja, aproximadamente la mitad de lo que cuesta producirla y cosecharla. 

En el campo de al lado, varias filas de plántulas jóvenes de lechuga iceberg tenían unas líneas de color marrón rojizo, que era la marca del virus de la mancha necrótica del Impatiens, o INSV, que ha estado causando estragos en la lechuga de Salinas desde mediados de la década de 2000. Ese era el primer síntoma. Ruiz me aseguró que, si regresara después de un par de semanas, la mitad de las plantas estarían muertas: no valía la pena cosecharlas en absoluto.

Tal y como estaban, representarían pérdidas de 4.000 euros, teniendo en cuenta los costes de la tierra, el arado, la siembra y los insumos. Si decidieran desmalezar y cosechar, esa pérdida podría duplicarse fácilmente. Ruiz señaló que no habría sabido que estaba perdiendo esos 4.000 euros si no hubiera decidido llevarme a hacer el recorrido ese día. Multiplique eso por más de 8.000 hectáreas. Suponiendo que una empresa pudiera ofrecerle de manera fiable ese tipo de conocimiento previo sobre el INSV, ¿cuánto valdría eso? 

La empresa que intenta averiguarlo es la start-up de imágenes y análisis GeoVisual Analytics, que trabaja con los algoritmos capaces de prever los probables rendimientos con algunas semanas de antelación. Es una tarea difícil de modelar correctamente.  Normalmente más de la mitad del crecimiento de una cabeza de lechuga ocurre en las últimas tres semanas antes de la cosecha; si permanece en el campo solo un par de días más, podría resultar demasiado dura o fina para la venta. Cualquier modelo que la empresa construya debe tener en cuenta ese tipo de factores y otros más. Si la cabeza de iceberg se riega en un momento inoportuno se hincha tanto que se convierte en un ramo de hojas sueltas. Las zanahorias de los supermercados se riegan menos para que sean más largas. 

Cuando GeoVisual apareció por primera vez en Salinas, en 2017, su director general Charles McGregor, de 27 años, admite: "Llegamos prometiendo el futuro y luego nunca cumplimos". Ruiz define su primera temporada directamente como un "fracaso épico". Pero le reconoce el mérito a McGregor por haberse quedado. "Han sabido escuchar y arreglarlo", resalta. Sin embargo, tampcoo está seguro de cuánto estaría dispuesto a pagar por ello.

"Llegamos prometiendo el futuro y luego nunca cumplimos", Charles McGregor

Actualmente, los agricultores hacen sus pronósticos de las cosechas de forma claramente analógica. Algunos cuentan las cabezas de lechuga paso a paso y extrapolan midiendo lo que se arrancó. Otros usan una sección de nueve metros de tubería de rociadores. Este tipo de métodos no pueden igualar de ninguna manera la escala de lo que podría capturar un dron o un avión, pero sus resultados tienen la ventaja de un formato que pueden procesar fácilmente y, en general, su margen de error oscila entre el 3 % y el 5 %.

También forman parte de los gastos básicos de una operación agrícola: si el mismo empleado detecta una válvula de riego rota o un depósito de fertilizante vacío y se asegura de que el equipo de deshierbe comience a tiempo, pedirle un pronóstico de cosecha decente no supone necesariamente un coste adicional. En cambio, el precio de las previsiones realizadas con alta tecnología suele ser distinto. Los vendedores de tecnología reducen el coste del servicio para conseguir nuevos clientes y luego, con el tiempo, tienen que encontrar la manera de ganar dinero con lo que venden.

Ruiz admitió: "Por ocho euros el acre, le diría [a GeoVisual] que lo hiciera todo, pero por 40 euros el acre, tengo que pensármelo. Si me cuesta 81.500 euros al año durante dos años, y luego consigo la fórmula mágica, ¿voy a poder recuperar mis 163.000 euros?

IV

Cualquier observación digital agrícola es una forma de medida aproximada: una manera de traducir las partes del espectro electromagnético para comprender los procesos biológicos que afectan a las plantas. La reflectancia infrarroja térmica se correlaciona con la temperatura de la superficie terrestre, que a su vez se correlaciona con la humedad del suelo y, por lo tanto, con la cantidad de agua disponible para las raíces de las plantas. Medir las ondas reflejadas de la luz verde, roja e infrarroja cercana es una forma de calcular la cubierta vegetal, y eso ayuda a los investigadores a seguir la evapotranspiración, es decir, cuánta agua se evapora a través de las hojas de una planta, y de ese proceso depende claramente la salud de las plantas.

Mejorar estas cadenas de extrapolación es un proceso continuo entre los datos generados por las nuevas generaciones de sensores y los modelos de software que nos ayudan a comprenderlos. Antes del lanzamiento del primer satélite Sentinel de la UE en 2014, por ejemplo, los investigadores tenían cierto conocimiento de lo que el radar de apertura sintética, que genera imágenes de alta resolución simulando antenas grandes, podría revelar sobre la biomasa de las plantas, pero no tenían suficientes datos reales para validar sus modelos. En el oeste de Estados Unidos, hay una gran cantidad de observación para seguir el movimiento del agua sobre los campos de regadío, pero ningún modelo de cultivo lo suficientemente avanzado para ayudar a los agricultores de manera fiable a decidir cuándo "solicitar" la concesión de agua para riego, algo que generalmente se tiene que hacer con varios días de antelación. 

Al igual que con cualquier tema relacionado con el big data, parte de lo que impulsa la explosión del interés en la tecnología agrícola es simplemente la disponibilidad de cantidades de datos sin precedentes. Por primera vez, la tecnología puede ofrecer instantáneas de cada corona de brócoli individual en una parcela de 4000 hectáreas y mostrar qué campos tienen más probabilidades de sufrir incursiones de ciervos y jabalíes de las colinas sobre el Valle de Salinas. 

El problema consiste en que convertir ese enorme flujo de datos numéricos en algún tipo de información útil (generando, por ejemplo, una alerta de texto sobre los cinco campos con mayores señales de sequía) requiere una comprensión muy sofisticada del trabajo agrícola, que muchas start-ups parecen no tener. Como dijo el consultor agrario con mucha experiencia en Salinas Paul Fleming: "Solo queremos saber algo sobre las cosas que no salieron tal y como se suponía que iban a salir".

"Solo queremos saber algo sobre las cosas que no salieron tal y como se suponía", Paul Fleming

Y eso es solo el inicio. A los minoristas se les paga por cada cabeza de coliflor o paquete de col rizada que producen; a los procesadores, que venden brócoli cortado o bolsas de mezcla de ensaladas, generalmente se les paga por peso. Los agricultores contratados para cultivar un producto para otra persona por una tarifa específica por acre, podrían no saber nunca si una cosecha determinada fue "buena" o "mala", con ganancias o pérdidas para la empresa que los contrató. A menudo a la empresa le interesa que los agricultores individuales no tengan demasiada información sobre su puesto en relación con sus competidores cercanos.

En Salinas, el desafío de hacer que los macrodatos se vuelvan relevantes para los jefes de explotaciones agrícolas también consiste en consolidar el universo de información que las granjas ya recopilan, o quizás no. El director de una consultoría enfocada en la tecnología agrícola, Aaron Magenheim, quien creció con el negocio de regadío de su familia, asegura que los detalles sobre el riego, los fertilizantes, las rotaciones de cultivos o cualquier cantidad de variables que pueden influir en la cosecha tienden a perderse en el ajetreo de cada temporada, si es que acaso se recogen.

"Todo el mundo cree que los agricultores saben cómo cultivan, pero la realidad es que improvisan. No realizan un seguimiento por cada parcela", me dijo. Hasta 40 o 50 parcelas podrían compartir el mismo pozo de riego y depósito de fertilizante, sin una forma precisa de contabilizar los detalles. "Cuando hay que fertilizar, se trata de una persona que abre una válvula en un depósito y lo aplica durante 10 minutos y concluye: 'Bueno, parece que está bien'. ¿Juan cerró el depósito número 6 o el número 2 por una tubería rota? ¿Se informó sobre eso? "¡No! Porque tienen demasiadas cosas que hacer", advierte Magenheim.

Luego están los mapas. En comparación con la explotación del maíz y la soja, donde se plantan los mismos cultivos año tras año, o viñedos y frutales, cuyas plantaciones no cambian durante más de una generación, los productores de cultivos especiales se enfrentan a un rompecabezas interminable de lechuga romana después del apio y del brócoli, con plantaciones que cambian de tamaño y forma según el mercado, y ciclos tan cortos como 30 días desde la siembra hasta la cosecha.

Para muchas empresas en Salinas, el hombre que les ayuda a sortear la brecha entre lo que sucede en el campo y las necesidades de creación de registros de un negocio agrícola moderno es el consultor de tecnología de 50 años Paul Mariottini. Planeaba convertirse en contratista general hasta que consiguió un ordenador a los 18 años y, como él mismo dice, "dejó de dormir de inmediato". Ahora realiza operaciones desde su casa, con un teléfono plegable y una serie de plantillas y plug-ins a medida que escribe para Microsoft Access y Excel. Cuando pregunté a los productores cómo gestionaban esta parte del negocio, la respuesta de todos ellos fue: "Oh, eso lo hace Paul".

Mariottini también tiene como clientes a algunas de las empresas de productos agrícolas más grandes del mundo, pero solo una de ellas utiliza tablets para que los supervisores de campo puedan registrar la extensión y la variedad de cada plantación, el tipo y la fecha del uso de fertilizantes y pesticidas, y otros datos básicos sobre el trabajo que supervisan mientras se lleva a cabo. El resto de sus clientes toman notas en papel o introducen la información de memoria al final del día. 

Cuando le pregunté si alguien usaba software para vincular los mapas en papel a las hojas de cálculo que mostraban qué se plantó y dónde, se rio entre dientes y respondió: "Llevo 20 años intentando que eso suceda". Una vez programó un PalmPilot; él mismo denominó a uno de sus plug-ins "lo suficientemente parecido a GPS". "La industria tecnológica probablemente se reiría, pero lo que ese sector no comprende es el tipo de personas con el que estamos trabajando", afirmó.

V

El objetivo de la automatización agrícola se entiende mejor como un plan integral. Las pocas semanas de cosecha consumen una parte desproporcionada del presupuesto general, hasta la mitad del coste de cultivar algunos productos. Pero también hay esfuerzos para optimizar y minimizar la mano de obra durante el ciclo de cultivo. Las fresas se cultivan con barreras de malezas de aerosol biodegradable que podrían eliminar la necesidad de cubrirlas con lonas de plástico. Los tractores automatizados pronto podrán arar los campos de hortalizas para conseguir una superficie más lisa que la que podría lograr un conductor humano, mejorando las tasas de germinación.

Mientras las empresas de análisis compiten por ofrecer plataformas capaces de controlar la salud de una lechuga individual desde la semilla hasta su llegada al supermercado y optimizar el orden en el que se cosechan los campos, otras start-ups desarrollan nuevas variedades de lechuga "alargada", similares a la lechuga romana, con un cuerpo más compacto y hojas que se sostienen más elevadas del suelo, para que un robot pueda "verlas" y cortarlas más fácilmente.

Sin embargo, en general, los problemas con el sistema alimentario estadounidense no tienen tanto que ver con la tecnología como con las leyes y la política. Sabemos desde hace mucho tiempo que el herbicida Roundup se relaciona con un aumento de las tasas de cáncer, pero se sigue utilizando ampliamente. Llevamos más de 100 años sabiendo que Occidente sufre escasez de agua, pero seguimos cultivando alfalfa en el desierto y utilizamos técnicas de perforación cada vez más sofisticadas en una especie de carrera de buscar agua. Estos problemas no son causados por la falta de tecnología.

En mi último día en Salinas, conocí al productor Mark Mason y lo seguí hasta una plantación de apio de 3,6 hectáreas con una bien organizada torre de equipo meteorológico en el centro. El equipo es propiedad de la NASA, como parte de un proyecto conjunto con la Oficina de Extensión Cooperativa de Agricultura y Recursos Naturales de la Universidad de California, o UCANR.

Hace ocho años, mientras escuchaba noticias sobre las sequías e incendios forestales, Mason pensó que debería gestionar con más cuidado el agua subterránea que utiliza para regar, aunque la parte económica sugiere lo contrario. Eso lo llevó a ponerse en contacto con el investigador de UCANR Michael Cahn.

Históricamente, el agua en Salinas siempre ha sido barata y abundante: el inconveniente de regar de menos o de usar muy poco fertilizante siempre ha sido mucho mayor que los posibles ahorros. "Los productores quieren vender sus productos; el uso eficiente es secundario. No quieren arriesgar la calidad", explicó Cahn. El riesgo incluso se podría extender a perder una cosecha. 

Sin embargo, últimamente, la contaminación del agua potable por nitratos, causada por el uso intensivo de fertilizantes y relacionada con la enfermedad de la tiroides y algunos tipos de cáncer, se ha convertido en un importante problema político en Salinas. La junta de control de calidad del agua local está desarrollando actualmente una nueva normativa que limitará la cantidad de fertilizantes nitrogenados que los productores pueden aplicar a sus campos, y se espera que esté lista en 2021. Como explicó Cahn, "no se puede controlar el nitrógeno sin controlar el agua de riego". Mientras tanto, Mason y un puñado de otros productores están trabajando con UCANR en una plataforma de software llamada Crop Manage, diseñada para recibir datos meteorológicos y del suelo y ofrecer recomendaciones personalizadas sobre el riego y el uso de fertilizantes para cada cultivo.

Foto: Michael Cahn, investigador de la Universidad de California que está desarrollando un software para optimizar el uso de agua y fertilizantes, en una prueba de agua para alcachofas. Créditos: Lucas Foglia

Cahn espera que los avances tecnológicos en la gestión del agua sigan un curso similar al que está marcando la amenaza de regulaciones más estrictas sobre los fertilizantes nitrogenados. En ambos casos, el argumento de las empresas a favor de una solución y la tecnología necesaria para conseguirla dependen de la política. El escándalo de la falta de acceso a aguas subterráneas limpias generó un nuevo mecanismo regulador, que facilitó los fondos para averiguar cómo solucionarlo y que, a su vez, informará sobre los métodos de gestión que utilizan los agricultores. 

Al final resulta que la presión política ha creado las condiciones para el avance de la ciencia y la tecnología. Por ahora, los fondos del capital de riesgo y las subvenciones federales para la investigación siguen brindando un impulso artificial a la tecnología agrícola, mientras que sus posibles compradores, como los productores de lechuga, continúan tratándola con cierto nivel de precaución. 

Pero, igual que las nuevas normas podrían modificar de un día para otro el análisis de coste-beneficio en torno al uso de nitrógeno o agua, también podría hacerlo un producto con clara rentabilidad. Todos los productores con los que hablé dedican un tiempo precioso a seguir el mundo de las start-ups: recibir llamadas telefónicas, comprar y probar los servicios tecnológicos en una parte de sus plantaciones, hacer sugerencias sobre cómo dirigir los análisis o ajustar una app agrícola. ¿Por qué? Para participar con su opinión en el desarrollo del futuro, o por lo menos acercarse lo suficiente para verlo venir. Un día y pronto, alguien ganará mucho dinero siguiendo los consejos de un ordenador sobre el precio de la lechuga, sobre cuándo protegerse de una nueva plaga, o qué campos cosechar y cuáles abandonar. Cuando eso suceda, estos agricultores quieren ser los primeros en saberlo.