Vía Robotics&A
John Deere es, según la mayoría, el mayor fabricante mundial de maquinaria agrícola: tractores, cosechadoras, etc. El gigante estadounidense, con 185 años de historia, generó ingresos superiores a los 61 000 millones de dólares en el ejercicio fiscal 2023.
Las siguientes tres empresas en la lista son, en orden, Kubota (15 000 millones de dólares en ingresos), CNH Industrial (11 000 millones de dólares) y AGCO (9 000 millones de dólares). Deere lidera claramente ahora, pero una de estas tres empresas, CNH Industrial, podría estar en una buena posición para aumentar su cuota de mercado en el futuro, ya que lanzó un tractor autónomo de aspecto muy llamativo hace un par de años.
Si bien la máquina de CNH puede parecer demasiado futurista para la mayoría de las granjas, lo que posiblemente lleve a la gente a creer que no despegará pronto, John Deere, no obstante, respondió a toda la tendencia autónoma al lanzar su propio tractor sin conductor (en la foto de abajo), que se exhibió en el reciente evento CES.
En esta entrevista, Robotics and Automation News habla con Jesse Haecker , gerente comercial de siembra, pulverización y aplicación de nutrientes en John Deere.
Haecker no dio ningún detalle sobre el tractor autónomo que la compañía lanzó apenas unos meses después, pero cada vez era más evidente (sobre todo después de la
adquisición de Blue River por 305 millones de dólares ) que John Deere buscaba hacer movimientos sustanciales en el creciente mercado autónomo y tal vez expandir aún más la tecnología a otros mercados, como la construcción.
Aquí está la entrevista con Jesse Haecker. Abdul Montaqim formuló preguntas.
Abdul Montaqim : ¿Cuál es la naturaleza de su trabajo en John Deere?
Jesse Haecker : Llevo 23 años en Deere. Actualmente, mi puesto es gerente comercial de pulverización y siembra a nivel mundial.
Lo que eso implica es que, esencialmente, mi equipo es responsable de la planificación del portafolio futuro y de la introducción de nuevos productos al mercado y también es responsable de los resultados comerciales de esos productos.
AM : Supongo que su trabajo o su departamento se han vuelto más ajetreados a medida que la maquinaria se ha vuelto más informatizada. ¿Podría contarnos un poco sobre cómo las cosas han pasado de ser mecánicas a estar cada vez más informatizadas en los últimos años?
JH : Sí, mi grupo es bastante nuevo. John Deere se reorganizó en los últimos seis meses para centrarse aún más en la tecnología. Así que mi equipo es prácticamente nuevo.
Pero si pensamos en la evolución de la tecnología de los equipos, este ha sido un camino que John Deere ha recorrido durante más de 20 años. La idea de usar GPS para guiar vehículos y equipos por una ruta lleva 15 años presente.
Hemos tenido diferentes manifestaciones de la robótica durante los últimos 15 a 20 años. Por lo tanto, el uso de tecnología, algoritmos informáticos y otras herramientas similares en equipos no es nuevo.
Pero lo que Deere ha hecho en los últimos tres a cinco años es acelerar esto, y continúa acelerándolo más y más cada año.
Abdul Montaqim : ¿A qué atribuye esta aceleración? ¿Se debe a que la infraestructura de IA y computación se ha vuelto más accesible, más pequeña y económica, y más capaz de ejecutar sistemas de IA? ¿Y qué tipo de funciones realiza la IA?
JH : Yo diría que en términos de impulsores hay dos cosas: una son las tendencias macro y la otra es el avance de la tecnología en general.
Entonces, cuando pensamos en tendencias macroeconómicas, todos sabemos que la población mundial en 2050 será de alrededor de 10 mil millones, lo que representa un aumento enorme respecto de los 7 mil millones que tenemos actualmente.
Pero si lo aplicamos a los alimentos, necesitamos producir un 50 por ciento más de alimentos para alimentar a esa población a medida que cambian las dietas y necesitamos poder hacer que los agricultores sean un 60 por ciento más productivos en general de lo que son hoy.
Bien, ese es uno de los impulsores macro.
Otro factor macroeconómico es la reducción de la mano de obra. Hay menos gente en las explotaciones agrícolas, lo que significa que los agricultores individuales necesitan hacer más con mucho menos.
Finalmente, el aumento de la presión ambiental: gestión ambiental, sostenibilidad, etc.
Estas macrotendencias están impulsando a empresas como John Deere a hacer las cosas de manera diferente, a hacerlas mejor, a hacerlas de forma más productiva.
Y por otro lado, la tecnología ha evolucionado para poder liberar ese potencial, ya sea el avance en robótica, el avance en sensores, la inteligencia artificial combinada con el aprendizaje automático, etc.
Esas serían las cosas que yo diría que están causando esta aceleración.
Hay muchos ejemplos que puedo darles, pero señalaré dos que son lanzamientos de productos recientes que Deere ha llevado a cabo.
Una fue el verano pasado. Introdujimos una nueva cosechadora que cosecha grano directamente del campo. Esta cosechadora, a nivel general, es entre un 10 % y un 20 % más productiva que su predecesora dentro del mismo marco. Es decir, la misma capacidad, el mismo tamaño relativo, pero entre un 10 % y un 20 % más productiva.
Y al hacer zoom en esa pieza de equipo, a medida que esa máquina pasa por el campo, hay aproximadamente 180.000 granos de maíz, por ejemplo, pasando por esa máquina.
En este sistema, utilizamos tecnología de cámara, IA y aprendizaje automático. 180 granos por segundo pasan por la máquina y, mediante visión artificial y aprendizaje automático, analizamos el grano a medida que pasa y realizamos ajustes en tiempo real en la cosechadora para garantizar que obtengamos muestras de grano limpias y no las dañemos.
Otro ejemplo que acabamos de anunciar el mes pasado tiene que ver con nuestra tecnología de visión y pulverización, en la que utilizamos 36 cámaras a lo largo de un brazo de 120 pies y esas cámaras pueden reconocer malezas de menos de una pulgada de alto y activar una de las 96 boquillas robóticas para pulverizar solo esa maleza en lugar de pulverizar toda la máquina.
AM : ¿Qué opina de la tendencia general en el mercado, en el sector agrícola, en cuanto al desarrollo de sistemas de IA, sistemas de IoT y vehículos cada vez más autónomos e inteligentes? ¿Podrían las startups o las empresas consolidadas amenazar la posición dominante de Deere utilizando estas tecnologías?
JH : Creo que la tendencia en la agricultura se orienta hacia estas tecnologías, y no se trata solo de John Deere. No somos la única empresa que ha reconocido esta tendencia.
Pero John Deere invierte más en investigación y desarrollo que nadie en la industria, especialmente en este espacio, porque estamos comprometidos con ello.
Creemos que ésta es la manera más importante de ayudar a alcanzar esos objetivos para 2050: la cantidad de producción de alimentos que es necesario aumentar.
Hay mucha gente interesada en el ámbito agrícola y estamos comprometidos con el avance de esta tecnología en la agricultura.
La industria agrícola siempre ha sido competitiva, ya sea hace 20 años, hace 50 años o hace cien años, en todo el mundo, la industria agrícola siempre ha sido competitiva.
La diferencia hoy es que la dinámica competitiva ha cambiado desde un producto más ferroviario a un producto altamente integrado y altamente técnico con muchas tecnologías diferentes.
Así, por un lado, nuestros competidores tradicionales reconocen las mismas oportunidades que nosotros para ayudar a producir más alimentos y reducir la carga de trabajo de los clientes. Por otro lado, existen startups enfocadas en diferentes nichos tecnológicos.
Desde nuestro punto de vista, nos centramos en la visión y la misión de alimentar a 10 mil millones de personas para 2050 y ayudar a los agricultores a ser más rentables, más sostenibles y a reducir su carga de trabajo.
Y estamos apostando en muchos ámbitos. Probablemente sepa que, entre 2015 y 2017, adquirimos Blue River Technology de California, una startup de visión artificial y aprendizaje automático. Se centraba en la tecnología principal de visión y proyección.
En el evento Agri-Technica, presentamos un tractor electrificado. También presentamos otros conceptos de vehículos autónomos que son bastante diferentes a los equipos actuales.
Así que nos centramos en hacer avanzar la industria, dada nuestra posición en ella, y estamos invirtiendo en muchas tecnologías únicas y en muchas áreas únicas para llegar allí.
AM : El software es tu área de especialización. ¿A qué tipo de desafíos te enfrentas? ¿Qué es más difícil: el hardware o el software? ¿O ambos están inseparablemente vinculados?
JH : Para ser honesto, ambos ofrecen desafíos únicos y sus aplicaciones son diferentes.
Les daré un par de ejemplos diferentes. Uno de los principales desafíos en la agricultura en torno a la tecnología de hardware y sensores es la dureza de los entornos en los que operamos: no estamos en un edificio cerrado, como en una fábrica, ni en un entorno semicontrolado.
Durante años, si se te caía el celular al lago, lo metías en una bolsa de arroz con la esperanza de que volviera a la vida. Ese es un entorno muy exigente: lluvia sobre los sensores, polvo, suciedad, abrasión e impactos. Estos son entornos reales en los que desarrollamos, lo que plantea desafíos en la agricultura en cuanto al hardware. Tenemos que robustecer el hardware y que resista los entornos hostiles. Así que existen esos desafíos.
En cuanto al software, existe una gran diversidad en la agricultura. Pensemos en un algoritmo de aprendizaje automático.
Esto es realmente interesante porque nuestros cerebros pueden mirar una mala hierba o un trozo de césped o cualquier cosa que esté ahí y, sin importar dónde esté el sol, reconocemos que es una mala hierba.
Pero si lo miras al sol y lo miras desde otra perspectiva, el color cambia drásticamente; nuestro cerebro piensa que es verde. Esto se debe a que usamos otras partes de nuestro modelo mental para lograrlo.
Así que, si consideramos el aspecto del software y la gran diversidad de aspectos que intentamos ver y reconocer, no se trata de un entorno de fábrica controlado donde buscamos una soldadura que no se vea perfecta. Es, literalmente, un entorno muy dinámico.
Por lo tanto, los modelos de aprendizaje automático que entrenamos y las cosas que hacemos desde el punto de vista del software se vuelven muy complejos muy rápidamente.
Así que yo diría que ambos plantean sus desafíos.
AM : ¿Qué opinas de los sistemas IoT para la agricultura? Por ejemplo, sensores por todo el campo que detectan malezas y otros problemas, y el uso de drones para tareas como fumigar malezas e incluso sembrar semillas. ¿Compiten con los sistemas agrícolas basados en vehículos o tractores, o funcionan en conjunto?
JH : Creo que es una gran pregunta sobre la capacidad tecnológica versus la escalabilidad.
Entonces, una pregunta es: «¿La tecnología –de colocar sensores fijos en el campo y adoptar un enfoque diferente– es capaz realmente de realizar el trabajo que hacen nuestros clientes?».
Sí, yo diría que la tecnología probablemente sea capaz.
Pero cuando llegas a la cuestión de la escalabilidad, quiero decir, solo para poner esto en perspectiva, voy a utilizar una analogía de un campo de fútbol americano (me disculpo por no utilizar el fútbol europeo, es mi error), pero si piensas en un campo de fútbol americano.
Aplicaríamos nutrientes y pesticidas a un campo. Hoy, podemos cubrir un campo de fútbol en 20 segundos.
Entonces, cuando pensamos en la escalabilidad, podemos poner semillas en el suelo en ese mismo campo de fútbol en 60 segundos: entre 50.000 y 200.000 semillas en 60 segundos.
Entonces, si piensas en la idea de sembrar entre 50.000 y 200.000 semillas en un área de ese tamaño en 60 segundos, la idea de usar drones y sensores fijos se convierte en un desafío. Se convierte en un desafío significativo.
John Deere existe desde 1837 y hemos aprendido cómo permitir que los clientes cubran la mayor superficie agrícola posible dentro de las ventanas climáticas cortas, realicen múltiples tareas al mismo tiempo y lo hagan de manera súper precisa, súper sustentable y súper eficiente, así que esa es una de las cosas que consideramos.
Cada segundo que un agricultor pasa por el campo, sabes que no se trata solo de girar el volante. Hay decenas de cosas sucediendo a su alrededor.
Nos gusta decir que los agricultores son los máximos expertos en múltiples tareas y los máximos microgestores.
Cuando menciono que se siembran entre 46.000 y 200.000 semillas por minuto, el objetivo de los agricultores es microgestionar cada una de esas semillas para aprovechar al máximo su potencial.
Y al mismo tiempo, hay muchas cosas sucediendo a su alrededor. Por lo tanto, la idea de aprovechar la robótica y todas estas tecnologías es crucial para que esos agricultores puedan hacer un mejor trabajo.
Una granja típica para un cliente estadounidense tendrá 750 millones de plantas.
AM : ¿John Deere ha desarrollado algún dron para la agricultura?
JH : No, no hemos desarrollado ningún dron.
Pero, para continuar con uno de tus comentarios anteriores, todo se reduce a la fusión de sensores. Hay cosas que podemos detectar en los vehículos al pasar por algunos campos. Además, existe la posibilidad de otras entradas de otros sensores u otra información de otras fuentes.
En John Deere, tenemos una aplicación basada en la nube llamada Operations Center , que es nuestra herramienta digital para que los clientes monitoreen su operación y recopilen datos sobre la operación y analicen esos datos.
El Centro de Operaciones es una herramienta abierta a otros proveedores mediante API. Permite integrar otros datos en el sistema.
La plataforma está conectada a través de módems a nuestro equipo y podemos intercambiar información sin problemas desde ese vehículo hasta esa plataforma en la nube y fusionar los datos que salen de las máquinas con los datos que provendrían de otros lugares del ecosistema.
AM : ¿Tiene John Deere máquinas para recolectar fruta? ¿O está desarrollando alguna, quizás utilizando principios técnicos similares a los de las cosechadoras? He leído sobre algunas startups que desarrollan máquinas o robots para recolectar fruta; parecen muy sofisticados.
JH : No contamos con equipos para cosechar frutas en nuestro portafolio. Lo más cercano serían las cosechadoras de algodón que arrancan el algodón de las plantas, lo cual representa un desafío robótico muy diferente a arrancar el grano de una planta.
Puedes imaginarlo acercándose a un árbol de algodón y arrancándolo; esto es más un método mecánico que quizás uno completamente robótico. Pero hemos podido extraer algodón de las plantas mecánicamente desde finales de la década de 1940 gracias a la tecnología.
Así que eso sería lo más cercano que tenemos a lo que estás describiendo en términos de la acción robótica o los brazos recogiendo fruta de los árboles o ese tipo de cosas.
AM : John Deere vende muchos vehículos, pero el 99 % de los suyos son conducidos por humanos. Imagino que, en el futuro, todos esos vehículos serán autónomos, ya que la tecnología no parece tan difícil de adquirir, desarrollar o implementar para una empresa como la suya.
JH : Retomaría mis comentarios anteriores. Si conducir fuera lo único que hiciera el operador, prácticamente estaríamos ahí.
Hoy tenemos tecnología: guía GPS con seguimiento automático que puede guiarlo por un camino, más o menos media pulgada, que hemos podido hacer durante 10 años; tenemos tecnología que gira automáticamente el vehículo al final del campo para regresar en la otra dirección; y tenemos tecnología que ahora, después de hacer la primera pasada por el campo, creará automáticamente el camino para cada otra operación que pase por el campo.
Así que ya sabes que puedes literalmente llegar a un campo y presionar un botón y tenemos suficiente tecnología para conducir el vehículo.
El desafío entonces reside en todo lo demás que sucede al conducir por el campo. Incluso antes de que la guía pueda controlar el volante y la máquina, los clientes pasan más tiempo observando todo lo que sucede detrás de ellos y de su vehículo: para optimizar la tarea de sembrar, fumigar, retirar la cosecha del campo, etc.
Así que el camino hacia la agricultura se centra menos en pensar en vehículos autónomos como si fueran coches; hoy estamos muy cerca de poder hacerlo. De hecho, somos muy capaces de hacerlo. El reto reside en los seis a doce elementos adicionales que hay detrás de un vehículo agrícola típico.
En la agricultura, los próximos años se centrarán en reducir la carga de tareas del operador a través de la automatización de tareas que aprovechan la tecnología robótica, la inteligencia artificial, el aprendizaje automático, los sensores y las cámaras, etc.
Combinaremos todas esas cosas para reducir la cantidad de tareas que realiza el operador además de la parte de conducción.
Otro aspecto a tener en cuenta es que el agricultor típico es el director general de su empresa: gestiona la logística: los insumos que llegan al campo y los que salen del campo; comercializa y vende el grano; es el gerente de recursos humanos; etc. Se encarga de todo esto.
Así que hoy, con la automatización y la tecnología que hemos incorporado a los equipos agrícolas, la cabina de ese tractor cosechador se convierte en su oficina móvil.
Así que literalmente están en sus teléfonos vendiendo granos, mirando el clima, haciendo todas esas cosas mientras recorren el campo.
Y lo que la automatización y la robótica han podido hacer por ese cliente es permitirle convertir ese taxi en su oficina, además de gestionar las otras cosas.
Así que fue un largo camino para no responder directamente a su pregunta, pero creo que la realidad es que la pista en la agricultura es una enorme cantidad de automatización y reducción de la tarea que el cliente tiene que hacer.
Además, ese taxi se ha convertido en su oficina móvil, donde gestionan toda la empresa. Así que la conducción autónoma es, básicamente, como si estuviéramos allí.
El enfoque se centra en todo el resto de cosas que el operador necesita hacer y que el cliente necesita hacer.
Con toda la conectividad que ponemos en la cabina, literalmente decidieron convertirla en su oficina móvil para administrar su negocio.
