Suelo: el motor de recomendaciones que nadie construyó

Samwel Wanjala cultiva una acre en el oeste de Kenia. Durante años compró fertilizante caro y lo aplicó en abundancia, viendo cómo sus cultivos no prosperaban. Estaba, como lo describió One Acre Fund, "alimentando un suelo químicamente incapaz de digerir los nutrientes". Años de monocultivo y fertilizante DAP habían acidificado su tierra más allá del punto en el que los nutrientes añadidos podían absorberse. Más fertilizante empeoraba las cosas.

Samwel no es una excepción. Menos del 3% de los agricultores kenianos se han hecho alguna vez un análisis de suelo. El agente de extensión que podría interpretar los resultados atiende a otros mil agricultores. En la práctica, la mayoría de pequeños agricultores fertiliza por costumbre, por intuición o con lo que tenga disponible el distribuidor agropecuario.

Esto importa a escala civilizatoria. Los 33 millones de pequeñas explotaciones de África producen la mayor parte de los alimentos del continente. Las brechas de rendimiento —la diferencia entre lo que la tierra produce y lo que podría producir con técnicas conocidas— son del 50-80% en todo el continente. Cerrar siquiera una parte de esa brecha es la diferencia entre seguridad alimentaria y dependencia de las importaciones.

La ciencia para cerrar esas brechas ya existe. Se ha validado en ensayos de campo en trece países. Los datos de suelo están cartografiados con una resolución de 30 metros para toda África: gratis y accesibles por API. Los canales de distribución llegan a millones de agricultores por USSD y SMS. Las piezas ya están ahí.

Nadie las ha ensamblado. Y hay razones concretas, bien documentadas, de por qué.

Mi lente: constructor de software, generalista de sistemas. Detecto más fallos de integración y middleware ausente que química del suelo. Las afirmaciones agronómicas aquí se apoyan en CGIAR, IFDC y ensayos de campo revisados por pares; las hipótesis de despliegue son hipótesis.

Las piezas que ya existen

El panorama está más completo de lo que la mayoría cree.

Los datos de suelo están prácticamente resueltos. iSDAsoil ofrece mapas de suelo de 30 metros de resolución para toda África, con más de 20 propiedades, entre otras pH, carbono orgánico, nitrógeno, fósforo, potasio, textura y micronutrientes. Totalmente abiertos (CC-BY 4.0), accesibles vía API REST, AWS o Google Earth Engine. Puedes obtener un perfil de suelo para cualquier coordenada GPS del continente en milisegundos.

SoilGrids 2.0 hace lo mismo a escala global con una resolución de 250 metros, construido a partir de 230.000 perfiles de suelo. Los datos meteorológicos están igual de maduros: CHIRPS ofrece precipitación diaria a 5,5 km de resolución desde 1981.

La ciencia de cultivos está validada. OFRA (Optimizing Fertilizer Recommendations in Africa) realizó ensayos de campo en trece países del África subsahariana entre 2013 y 2017, generando más de 6.200 funciones georreferenciadas de respuesta cultivo-nutriente: las relaciones matemáticas entre insumos de fertilizante y rendimiento para cultivos específicos en zonas concretas. AgWise, el sistema sucesor de CGIAR, integra datos de suelo, meteorología, ensayos de campo, precios de mercado locales y restricciones presupuestarias del agricultor. En pilotos de Etiopía y Ruanda logró aumentos de rendimiento del 60-69%. En Malaui alcanzó a 950.000 agricultores.

Los canales de distribución llegan a millones. DigiFarm de Safaricom tiene 2,5 millones de agricultores registrados en Kenia, accesibles por USSD. Apollo Agriculture atiende a más de 350.000 en Kenia y Zambia a través de una red de más de 1.000 distribuidores agropecuarios. Esoko cubre aproximadamente a un millón de agricultores en 20 países mediante SMS y voz en 12 idiomas.

Datos de suelo validados. Ciencia de cultivos validada. Infraestructura de distribución validada. Cada pieza funciona. El sistema no.

Click to enlarge

La brecha

No existe ningún sistema open source que conecte: un resultado individual de análisis de suelo → selección de cultivo → precios locales de fertilizante → pronóstico meteorológico → recomendación accionable entregada por SMS o USSD.

Cada pieza existe de forma aislada. Los datos de suelo viven en APIs. La ciencia de cultivos vive en hojas Excel y scripts en R. Las plataformas de distribución transportan alertas meteorológicas y precios de mercado, pero no orientación de fertilización específica por suelo.

AgWise es lo más parecido al sistema objetivo, y ejemplifica la brecha con precisión. Es gratuito, open source, modular y realmente potente: puede expresar recomendaciones como "compra 2 sacos de [marca concreta] a [proveedor local]". Pero su propia documentación afirma: "The workflow and associated algorithms are currently actionable only by programmers and crop scientists."

¿Qué significa en la práctica "accionable solo por programadores"? Significa clonar repositorios de GitHub y ejecutar scripts en R desde un IDE. Significa pasarse días limpiando y estandarizando datos de entrada antes de que la herramienta pueda siquiera ejecutarse. Significa que la salida es un conjunto de parámetros optimizados, no una prescripción: tienes que construir tu propia capa de distribución para que un agricultor pueda entenderlo. No hay API key, no hay endpoint, no hay portal de documentación. Estás haciendo fork de un flujo de trabajo científico. Y si tu geografía o cultivo concreto carece de datos de respuesta subyacentes, el marco no puede generar una recomendación válida: vuelve a consejos genéricos que no son mejores que los que ya da el gobierno.

Las herramientas de OFRA cuentan una historia parecida, pero más antigua. 74 Fertilizer Optimization Tools que cubren 67 zonas agroecológicas; pero la "herramienta" es una hoja Excel con macros y Solver. Las funciones de respuesta cultivo-nutriente están codificadas en la propia hoja. Un desarrollador que quiera integrar esto en una app moderna tendría que hacer ingeniería inversa de las fórmulas de Excel y reescribir la lógica de optimización lineal en Python o JavaScript. No hay API. Hay una "Paper FOT": tablas de consulta para zonas sin ordenadores.

Este es el overhang en un sentido técnico concreto: existen componentes validados, ensamblarlos ahora es barato (APIs, frameworks modernos, LLM para traducción de idiomas), y nadie ha hecho la integración.

La demo de abajo ensambla esas piezas. En modo demo usa tres perfiles de suelo precargados de localizaciones de este artículo. Si quieres datos en vivo para cualquier coordenada GPS de África, cambia a "Live iSDA API": puedes registrar una cuenta gratuita en isda-africa.com en un par de minutos.

Entran coordenadas, salen datos de suelo, sale una recomendación de fertilizante. La brecha de integración es real, pero no es difícil de cerrar.

Por qué la información no basta

Algunos programas sí lograron hacer llegar recomendaciones a los agricultores. Importó poco.

India imprimió 227 millones de tarjetas de salud del suelo. Cada una listaba doce parámetros del suelo con recomendaciones de fertilizante específicas por cultivo. Fue el mayor programa de análisis de suelo de la historia: más de 200 millones de dólares de financiación pública. Solo el 0,5% de los agricultores podía entender las tarjetas originales. Estaban redactadas en hindi formal, medían en hectáreas en vez de acres y listaban compuestos químicos sin sentido para alguien que cultiva dos acres de trigo. Tras el rediseño, la comprensión subió al 33%. De quienes entendían, solo el 48% siguió las recomendaciones.

Un cuarto de billón de tarjetas. Miles de millones de rupias. Y la restricción vinculante era algo para lo que nadie había diseñado nada.

SoilDoc en Tanzania ofrece el ensayo controlado aleatorizado. La Universidad Columbia y UC Davis desarrollaron un kit portátil de análisis de suelo e hicieron un RCT en condiciones. El hallazgo: recomendaciones más insumos subvencionados generaron 16 $/acre de beneficio adicional. Las recomendaciones por sí solas —información sin capacidad de actuar— no produjeron ningún cambio de comportamiento medible.

La tecnología funcionaba. La ciencia era correcta. La información llegó al agricultor. No cambió nada.

Confianza

En la temporada de siembra de 2024 en Kenia, miles de agricultores compraron sacos de "fertilizante" subvencionado por el gobierno que resultó ser tierra de diatomeas —básicamente arena— reenvasada y distribuida por canales oficiales. Los cultivos de maíz amarillearon y se atrofiaron en cuestión de semanas. Siguieron investigaciones parlamentarias.

En la subregión de Masaka, en Uganda, una inspección de mercado del Ministerio de Agricultura encontró que aproximadamente el 80% de los distribuidores de agroquímicos operaban ilegalmente o vendían productos adulterados. Los vendedores reenvasaban químicos caducados en operaciones clandestinas y los vendían como insumos legítimos. Para una agricultora del distrito de Rakai, esto significa que incluso ahorrar para comprar fertilizante conlleva un riesgo extremo. Un saco falso no solo tira el dinero: tira una temporada entera. Muchas personas abandonan por completo el fertilizante y prefieren rendimientos bajos en suelos no fertilizados antes que arriesgar una pérdida total.

Samuel Kimari, caficultor en el condado de Murang'a con cinco acres, describió que está "a merced de cárteles" que controlan tanto el suministro de insumos como los mercados de venta. Paga precios premium por fertilizante y recibe 30 KSh por kilo de café: no alcanza para sostener un medio de vida. Está valorando arrancar su cultivo. El café es "sentimental", dijo, pero "no se puede comer la sentimentalidad".

Este es el entorno de confianza en el que debe operar cualquier sistema de recomendación de suelo. Cuando una agricultora recibe la recomendación de aplicar "NPK 17-17-17 a 50 kg/acre", tiene que confiar en la recomendación, confiar en el vendedor, confiar en que el saco contiene lo que dice y tener dinero para comprarlo. Si falla un solo eslabón de esa cadena —y en gran parte del África oriental fallan varios— la información no vale nada.

Salome Wanjiru, gerente de una fábrica de café en Murang'a, contó a periodistas de investigación de The Elephant cómo era la infraestructura que antes funcionaba. Recordó cuando los agricultores podían usar números de entrega para asegurar crédito para insumos y tasas escolares a través de su cooperativa. Mostró a los reporteros el deterioro físico de su fábrica —parrillas de secado podridas, maquinaria en ruinas— como reflejo del colapso de los servicios de extensión que antes ofrecían orientación fiable sobre suelos. Los agricultores de su cooperativa están reconvirtiendo cafetales a maíz y plátano de subsistencia porque no pueden permitirse los fertilizantes específicos que requiere el café.

Los "años dorados" de cooperativas funcionales, dijo, ya no existen.

Esto no es una brecha tecnológica. Es deterioro institucional, corrupción en la cadena de suministro y erosión de la confianza a lo largo de todo un sistema. Un motor de recomendaciones entra en este paisaje.

Lo que tienen en común los casos de éxito

No todo fracasa. Las iniciativas que funcionan comparten un patrón: no venden información. Venden resultados empaquetados con los medios para lograrlos.

Apollo Agriculture (Kenia, más de 350.000 agricultores) ofrece crédito, semilla certificada y fertilizante, seguro agrario y acceso a mercado en un único paquete. Las recomendaciones basadas en suelo están integradas en ese pack. Una agricultora llamada Flavia en Kenia describió la experiencia: un agente llegó en moto con un smartphone, cartografió su parcela con GPS y aprobó un préstamo para insumos. Ella no salió a comprar: los insumos llegaron por cupón a un distribuidor local, acompañados de mensajes de voz automatizados sobre calendario y aplicación. Su cosecha de maíz pasó de 20 sacos a 50. Pudo pagar tasas escolares por primera vez.

La clave: Flavia no necesitó entender química del suelo. No necesitó confiar en un papel. Confió en una persona —el agente— y el paquete se encargó del resto.

One Acre Fund descubrió pronto que los resultados de análisis de suelo del gobierno eran "very complicated and incomprehensible" para los agricultores. Así que construyeron sus propios laboratorios. Samwel Wanjala —el agricultor del inicio de este artículo— obtuvo su respuesta por esa vía. El laboratorio de OAF prescribió menos fertilizante, no más.

Cal agrícola para corregir el pH, después microdosificación —usar un tapón de botella para medir cantidades exactas por raíz de planta. Su cosecha se duplicó mientras su uso de fertilizante cayó a la mitad. "There is no more hunger in our home," contó.

Kvuno (Zambia, respaldado por Gates) cobra 5 $ por análisis de suelo —menos que las tarifas de laboratorio, con respuesta rápida— y empaqueta los resultados con una "receta de fertilizante" concreta. Kelvin, horticultor en el distrito de Chongwe, siguió su receta y cultivó una col de 8,7 kilogramos, rompiendo el récord del distrito. Se convirtió en agricultor líder local. Otros participantes canjearon puntos de recompensa por radios solares que les permitían sintonizar Ulimi Walero ("Modern Farmer"), un programa de radio agrícola, creando un bucle de retroalimentación entre práctica y educación.

El patrón es consistente: la información empaquetada con insumos, crédito y relaciones de confianza cambia el comportamiento. La información por sí sola, no.

Esto no significa que un motor de recomendaciones no valga para nada. Significa que un motor de recomendaciones es infraestructura: necesario pero no suficiente; valioso como componente dentro de servicios empaquetados más que como producto independiente.

Dónde tiene palanca un actor pequeño

Dado todo lo anterior —piezas que funcionan, integración ausente y la lección dura de que la información sola no cambia comportamientos— ¿dónde existe de verdad la palanca?

La respuesta honesta es más estrecha de lo que parece al principio. Un desarrollador en solitario o un equipo pequeño no puede validar recomendaciones agronómicas sin ensayos de campo. No puede resolver problemas de distribución o confianza. No puede reemplazar relaciones institucionales ni construir negocios sostenibles sin alianzas.

Pero hay cosas concretas que ahora sí son abordables:

1. Una prueba de concepto orientada a desarrolladores. La demo interactiva de arriba traza el pipeline suelo→recomendación desde la perspectiva de un programador: coordenada GPS + cultivo → datos de suelo iSDA → funciones de respuesta → recomendación básica con orientación específica por cultivo. Es una prueba legible de que el pipeline funciona, y hace visibles de forma concreta los puntos de rotura. El valor no está en la demo en sí, sino en hacer que la brecha de integración sea innegable para las organizaciones que están en posición de cerrarla.

2. Datos legibles por máquina de respuesta cultivo-nutriente. Las 6.200 funciones de respuesta de OFRA —el activo científico central para recomendaciones de fertilización en África subsahariana— existen en hojas Excel detrás de una web poco fiable. Extraerlas, limpiarlas y publicarlas como un conjunto de datos estructurado y accesible por API sería una contribución real. El modelo de Our World in Data: coger datos que existen en formatos inutilizables y volverlos listos para análisis. Este es el mayor cuello de botella de datos en el pipeline.

3. Una capa de traducción para herramientas existentes. Los algoritmos de AgWise funcionan pero exigen hacer fork de repositorios en R y semanas de preparación de datos. Envolverlos en una API REST documentada no requiere ciencia original: hace utilizable una ciencia existente para desarrolladores de Apollo, Kvuno y DigiFarm que ya están construyendo productos orientados al agricultor.

4. Una capa de interpretación con LLM que traduzca salidas validadas a idiomas locales y formatos apropiados para agricultores. Esto es exactamente para lo que los LLM son buenos. Pero una recomendación incorrecta sobre fertilización no es un bug de UI: es una temporada perdida. Sin validación agronómica, esto tiene alto riesgo.

Cada una de estas piezas es útil sobre todo como infraestructura para quienes ya han resuelto los problemas de confianza y distribución. La palanca está en facilitarles el trabajo, no en construir un sistema competidor.

Contrastes con la realidad

Estas son personas o experiencias concretas que podrían demostrar que este análisis está equivocado:

• Un desarrollador de AgWise o científico de datos de CGIAR: ¿es justa la caracterización de "solo accesible para programadores"? ¿Hay una interfaz para agricultores en desarrollo?
• Un operador de Kvuno o Apollo Agriculture: ¿qué sistema de recomendación usáis realmente? ¿Un motor open source sería útil o redundante?
• Alguien que haya trabajado con datos de OFRA: ¿siguen científicamente vigentes esas 6.200 funciones de respuesta? ¿Cuánto costaría de verdad extraerlas y estructurarlas?
• Un miembro del equipo de iSDA: ¿cómo genera recomendaciones el Virtual Agronomist? ¿Qué parte es propietaria y cuál replicable?
• Un pequeño agricultor de Kenia o Tanzania que haya recibido resultados de análisis de suelo: ¿qué ocurrió en realidad? ¿Cambió algo?
• Un agente de extensión en África subsahariana: ¿qué herramientas usas de verdad? ¿Qué te facilitaría el trabajo?

Si encajas en alguno de estos perfiles y crees que me equivoco, me gustaría escucharte.

Veredicto

Esta avenida tiene la estructura de overhang más nítida de todas las que he investigado. Las piezas existen de verdad; no como prototipos o conceptos de investigación, sino como sistemas validados y desplegados. La brecha de integración es real, específica y técnicamente resoluble, como muestra la demo.

Pero la verdad más dura —la que demuestran tanto los 227 millones de tarjetas en India como el ensayo SoilDoc en Tanzania— es que la brecha de software es la parte menor del problema. El motor de recomendaciones es infraestructura necesaria. No es, por sí solo, lo que cambia resultados. Confianza, acceso a insumos, crédito, integridad de la cadena de suministro y apoyo institucional son las restricciones vinculantes. Cuando el 80% de los distribuidores de una región vende falsificaciones, una mejor recomendación queda fuera de foco.

El mejor encuadre: la brecha del motor de recomendaciones es real, específica y resoluble. Resolverla sin resolver distribución y confianza repetiría un patrón de fracaso bien documentado. El valor de construirla de todos modos es que vuelve legible el pipeline, reduce la barrera para proveedores de servicios empaquetados y crea una demostración concreta de cómo se ve el sistema ensamblado, para que quienes sí tienen las relaciones y la distribución puedan ver lo que es posible.

A veces la labor de reconocimiento revela que el overhang es real pero la palanca es estrecha. Este es uno de esos casos. Las piezas están todas ahí. El ensamblaje es barato. Pero las restricciones vinculantes no son técnicas, y una investigación honesta tiene que decirlo.

Recursos

Esto forma parte de la serie Avenues of Investigation: cartografiando overhangs tecnológicos donde personas motivadas podrían encontrar palanca.