A veces lo más interesante no es que una industria cambie, sino la velocidad a la que decide hacerlo. Y eso es justo lo que está pasando en Syngenta: la compañía cree que la inteligencia artificial puede recortar de forma notable el camino entre una idea de laboratorio y un producto que acaba en el campo. El asunto importa porque ese viaje, que hoy sigue midiendo entre 10 y 15 años, ya no encaja del todo con un campo que se enfrenta a resistencias, nuevas enfermedades y un clima cada vez más caprichoso.
Martín Clough, responsable de CP R&D Digital, Collaborations and Sustainability en Syngenta Crop Protection, puso el dedo en la llaga durante un webinar reciente: desarrollar una innovación “desde la primera invención hasta su comercialización” sigue siendo un proceso larguísimo. Y sí, suena increíble en 2025, pero esa es la foto real. La compañía quiere cambiar el ritmo con modelos predictivos, experimentación digital y diseño generativo.
De años de ensayo a meses de cálculo
El cambio más llamativo está en cómo se descubren y afinan las moléculas para protección de cultivos. Antes, el recorrido era bastante artesanal: primero se encontraba una molécula prometedora y luego tocaba ir puliéndola poco a poco para que funcionara bien, fuera segura, no disparara costes y tuviera un impacto ambiental razonable. Un proceso lento. Muy lento.
Ahora, Syngenta dice estar usando herramientas de IA para diseñar moléculas dentro del ordenador y ajustar varios objetivos al mismo tiempo. En lugar de ir resolviendo problema por problema, la idea es optimizar varios parámetros a la vez: eficacia, seguridad, coste de producción, sostenibilidad y requisitos de formulación. Clough lo comparó con un cubo de Rubik. Antes se giraba una cara y luego otra; ahora, la promesa es resolver el puzzle entero de una sola vez.
La compañía asegura que ya trabaja con alrededor de 50 modelos predictivos para afinar unas 15 variables de forma simultánea en el desarrollo de productos. Y lo que antes podía llevar años de trabajo en laboratorio y ensayos de campo, ahora podría reducirse a meses. Habrá que ver hasta dónde llega esa aceleración, pero la dirección del movimiento está clara.
La voz del agricultor entra en el laboratorio
Otra de las patas de esta estrategia pasa por acercar más la innovación a lo que de verdad necesita el agricultor. Syngenta quiere que la información deje de subir con demasiados filtros y vuelva desde el campo a los equipos de investigación de una forma más directa. No es un detalle menor: durante años, entre quien desarrolla un producto y quien lo usa había demasiadas capas en medio.
Con herramientas digitales, la empresa busca saber cómo se comportan sus productos en condiciones comerciales, qué problemas aparecen y qué piden los agricultores para dentro de diez años. La idea no es solo responder al presente, sino anticiparse al futuro del cultivo. Y para eso, la calidad de los datos importa tanto como la cantidad.
Ahí entran imágenes, redes de sensores y plataformas digitales de agricultura, que ayudan a generar datos más precisos y más objetivos para entrenar sistemas de IA. Syngenta ya dispone de información procedente de unas 500.000 pruebas de campo desde la década de 1970, pero Clough defendió que las bases de datos del mañana pueden ser todavía más valiosas por su nivel de detalle. En un olivar, una parcela de viñedo o un regadío sometido a estrés hídrico, esa precisión puede marcar diferencias muy serias. Y ojo, porque ahí está la clave.
Productos más selectivos, y menos a ciegas
La compañía también vende esta apuesta como una vía para mejorar la calidad de lo que sale del pipeline, no solo su velocidad. En vez de buscar únicamente química eficaz, la IA permite explorar dianas biológicas más selectivas y diseñar productos que reduzcan impactos sobre las personas, los organismos beneficiosos y el entorno.
Clough habló de productos “safer-by-design”, es decir, pensados desde el principio para ser más seguros. La meta es combinar eficacia con menor impacto desde la fase de diseño, no intentar corregirlo todo al final. Esa filosofía encaja especialmente en un contexto en el que las resistencias están restando eficacia a soluciones ya conocidas contra plagas, malas hierbas y enfermedades.
En ese terreno, Syngenta está apoyándose en modelos de plegamiento de proteínas, grandes modelos de lenguaje aplicados a genómica y análisis de imagen para buscar nuevas vías de control. No es magia, ni mucho menos; es una forma más rápida de explorar un espacio de posibilidades que antes exigía muchísimas pruebas. Y sí, todavía hace falta mucha validación real antes de hablar de un antes y un después.
La IA ya está dentro, pero no manda sola
Si en investigación la inteligencia artificial promete acelerar el invento, en la parte digital de la casa ya está trabajando. André Piza, responsable global de Digital AgTech en Syngenta, explicó que la IA está integrada en la plataforma Cropwise para personalizar recomendaciones, apoyar la agricultura de precisión, mejorar la gestión del riesgo y hacer más accesible el conocimiento agronómico.
Su mensaje fue bastante claro: la cuestión ya no es si la IA llegará, porque ha llegado. El debate real es la adopción y la confianza. En India, por ejemplo, Cropwise Grower supera los cuatro millones de descargas y ofrece asesoramiento agronómico en miles de idiomas. Los agricultores pueden usar preguntas sencillas, imágenes y mensajes para acceder a información que antes exigía perfiles mucho más especializados.
Pero la gran tecnología no borra a las personas. Clough y Piza insistieron en que la IA debe acompañar, no sustituir. Los científicos siguen siendo imprescindibles y los agricultores quieren conservar la última palabra. La idea que plantea Syngenta es un modelo con “human-in-the-loop”: la máquina propone, la persona decide. Nada de autonomía total en el campo. Al menos, de momento.
También hubo espacio para la parte menos brillante del debate: el coste ambiental de la propia IA. Clough admitió que los centros de datos consumen mucha energía y agua, y que pueden tener impacto local. Aun así, defendió que el peso físico de estas tecnologías sigue siendo pequeño frente al uso global del suelo agrícola, y que las aplicaciones de la empresa no funcionan a escala hipermasiva.
Piza añadió que Syngenta revisa con lupa las credenciales de sostenibilidad de sus proveedores tecnológicos y busca que el beneficio agronómico y ambiental compense los recursos consumidos. La empresa quiere que la IA rinda más de lo que cuesta. Esa, al final, es la prueba de fuego.
La partida ya está en marcha. La duda no es si la inteligencia artificial entrará más a fondo en la agricultura, sino cuándo se notará de verdad en el campo y con qué resultados. Nosotros, desde luego, estaremos atentos.