Cómo Bayer está desenterrando el futuro de la agronomía con la IA generativa

Bayer Crop Science (BCS), una división de Bayer AG, se ha comprometido a aprovechar la innovación, los datos y la tecnología de vanguardia, así como la colaboración, para desbloquear soluciones que puedan ayudar a mejorar las decisiones que los agricultores toman cada día y dar forma al futuro de la agricultura.

BCS recurrió a la ayuda de los profesionales de Ernst & Young LLP (EY) para que le ayudaran a crear un sistema GenAI de prueba de concepto (POC). El objetivo era ayudar a los asesores agronómicos de Bayer a acceder rápidamente a una amplia gama de conocimientos técnicos.

Los equipos de BCS y EY, apoyados por el socio aliado Microsoft, se propusieron evaluar las verdaderas capacidades agronómicas de un gran modelo lingüístico (LLM, por sus siglas en inglés).

"Nuestra consolidada relación con BCS sirvió de base sólida para una colaboración innovadora en este campo emergente", afirma Michael Seemann, Life Sciences Partner, Ernst & Young LLP. "Rápidamente reunimos un equipo formado por personas experimentadas en agronegocios, planificación estratégica y tecnología GenAI para identificar las oportunidades de negocio y el valor potencial de la IA dentro de Bayer".

El LLM, construido en el entorno Microsoft Azure, se cimentó con décadas de contenido agronómico agregado, datos de investigación de productos y perspectivas propias. Con la información adicional almacenada en los sistemas heredados de BCS en formatos tradicionales (es decir, hojas de cálculo y tablas), el equipo trabajó duro para traducir la información a una estructura que el sistema GenAI pudiera comprender. Pero el descubrimiento de información no se detuvo ahí. El equipo utilizó algoritmos para dar formato a la información procedente de distintas fuentes y convertirla en datos digeribles que sirvieran de base al sistema GenAI.

"El éxito de una solución GenAI depende de dos factores críticos: la calidad de los datos utilizados como elementos fundacionales dentro de la tecnología, y las relaciones y patrones establecidos dentro de ese conjunto de datos," señala Dan Diasio, EY Global Artificial Intelligence Consulting Leader. "La solución GenAI de Bayer destaca en ambos aspectos".

El equipo necesitaba construir el sistema GenAI para comprender el contexto y los detalles de las consultas en lenguaje natural. Por ejemplo, el sistema tenía que ser capaz de responder: "¿Cuál es la clasificación greensnap de la semilla de maíz DKC25-15RIB?", que se refiere a la capacidad de un producto de semilla de maíz para resistir vientos fuertes durante el periodo de crecimiento rápido.

El equipo empleó la metodología de Generación Aumentada de Recuperación (RAG, por sus siglas en inglés) que podía recuperar dinámicamente la información relevante para responder, en tiempo real, a las consultas solicitadas. También se utilizó la ingeniería de instrucciones para adaptar aún más las respuestas del sistema GenAI con el fin de garantizar la precisión y, posteriormente, superar a los LLM de código abierto que sirven actualmente al mercado en preguntas de agronomía aplicada.

Para evaluar las capacidades del sistema, el equipo diseñó un sofisticado sistema de puntuación que comparaba las respuestas del sistema GenAI, los LLM de código abierto y los expertos en la materia (SME, por sus siglas en inglés). A continuación se amplió el conjunto de preguntas y se construyó un proceso de validación automatizado. Los resultados fueron impresionantes. Al final del POC de 90 días, el sistema GenAI respondía con una precisión sobresaliente en todos los temas, lo que generó una gran confianza en el equipo y los usuarios.

"Es nuestra obligación aplicar los beneficios de la IA de forma responsable y concienzuda", afirma Edward Bobrin, Executive Director, Technology Consulting, Data and AI Leader, Ernst & Young LLP. "Los equipos de EY tienen un profundo conocimiento tanto del potencial de la IA como de los riesgos asociados".

"En algunos aspectos, el sistema es capaz de superar lo que un solo individuo puede almacenar en su cerebro", dijo Kurdys. "No puede sustituir los conocimientos de un experto en un tema específico. Sin embargo, es una poderosa ayuda en manos de los agrónomos gracias a su velocidad de recuperación de conocimientos y a la amplitud de la información accesible. Esto ilustra el verdadero potencial de la tecnología".