Inteligencia artificial en la agricultura colombiana. Perspectivas de Colombia versus las Globales
DOI:
https://doi.org/10.24054/cyta.v10i2.4254Palabras clave:
Inteligencia artificial en agricultura, Agricultura inteligente, Sostenibilidad agropecuaria, Transformación digitalResumen
La inteligencia artificial (IA) ha dejado de ser una aspiración futurista para convertirse en un instrumento tangible que redefine la producción agropecuaria. El crecimiento demográfico y el aumento de la demanda alimentaria, asociados a los retos de sostenibilidad ambiental y cambio climático, presionan al sector a evolucionar hacia sistemas más eficientes y resilientes. Diversos estudios internacionales reportan que el aprendizaje automático y otras técnicas de IA mejoran la productividad agrícola, reducen costos y permiten gestionar grandes volúmenes de datos, aunque enfrentan desafíos relacionados con la calidad y disponibilidad de datos, la infraestructura tecnológica y la capacitación de los productores. Este artículo presenta una revisión de literatura sobre las principales tendencias, aplicaciones, beneficios y retos de la IA en el sector agropecuario a nivel global. Se analiza la adopción de distintas tecnologías, desde algoritmos de aprendizaje automático y redes neuronales profundas hasta herramientas de Internet de las cosas (IoT) y robótica, en áreas como la detección temprana de plagas y enfermedades, la gestión del riego y los nutrientes, el mapeo agrícola, la ganadería y la acuicultura. Además, se contrasta la producción científica mundial con la generada en Colombia, evidenciando avances importantes, pero también una limitada producción nacional. Se sintetizan datos sobre los artículos revisados (año, país, tecnología, sector y resultados) y se incluyen gráficas que ilustran la distribución temporal, geográfica y sectorial de las investigaciones. Finalmente, se discuten los hallazgos a la luz de la agenda de desarrollo agropecuario colombiano y se proponen líneas futuras de investigación.
Descargas
Referencias
Albert, E. T. A., Bille, N. H., & Eddy Leonard, N. M. (2025). Leveraging deep learning for plant disease identification: A bibliometric analysis in SCOPUS from 2018 to 2024. Journal of Scientific Agriculture, 9, 16–39. https://doi.org/10.25081/jsa.2025.v9.9412
Aroba, O. J., & Rudolph, M. (2024). Systematic literature review on the application of precision agriculture using artificial intelligence by small-scale farmers in Africa and its societal impact. Journal of Infrastructure, Policy and Development, 8(13), 8872. https://doi.org/10.24294/jipd8872
Barrios-Ulloa, A., Cama-Pinto, D., Arrabal-Campos, F. M., Martínez-Lao, J. A., Cama-Pinto, A., & Manzano-Agugliaro, F. (2025). Agriculture 5.0 in Colombia: Opportunities through the emerging 6G network. Sustainability, 17(15), 6664. https://doi.org/10.3390/su17156664
Bernabucci, G., Evangelista, C., Girotti, P., Viola, P., Spina, R., Ronchi, B., Bernabucci, U., Basiricò, L., Turini, L., Mantino, A., Mele, M., & Primi, R. (2025). Precision livestock farming: An overview on the application in extensive systems. Italian Journal of Animal Science, 24, 1–42. https://doi.org/10.1080/1828051X.2025.2480821
Botero-Valencia, J., García-Pineda, V., Valencia-Arias, A., Valencia, J., Reyes-Vera, E., Mejia-Herrera, M., & Hernández-García, R. (2025). Machine learning in sustainable agriculture: Systematic review and research perspectives. Agriculture, 15(4), 377. https://doi.org/10.3390/agriculture15040377
Buitrago, E., Rico Franco, J. A., & Rojas Amador, S. (2024). Monitoreo de cultivos y suelos en agricultura de precisión con UAVs e inteligencia artificial: Una revisión. Visión Electrónica, 28(82), 75–103.
Chavula, P., Kayusi, F., Lungu, G., Mambwe, H., & Uwimbabazi, A. (2025). AI application in climate-smart agricultural technologies. Latin American Technology and Innovation, 2, 330. https://doi.org/10.62486/latia2025330
Cherubin, M. R., Damian, J. M., Tavares, T. R., Trevisan, R. G., Colaço, A. F., Eitelwein, M. T., Martello, M., Inamasu, R. Y., Pias, O. H. C., & Molin, J. P. (2022). Precision agriculture in Brazil: The trajectory of 25 years of scientific research. Agriculture, 12(11), 1882. https://doi.org/10.3390/agriculture12111882
Coulibaly, S., Kamsu-Foguem, B., Kamissoko, D., & Traore, D. (2022). Deep learning for precision agriculture: A bibliometric analysis. Intelligent Systems with Applications, 16, 200186.
Departamento Nacional de Planeación. (2025). Documento CONPES 4144: Política Nacional de Inteligencia Artificial. DNP, Colombia. https://colaboracion.dnp.gov.co/CDT/Conpes/Económicos/4144.pdf
Distante, C., Amat, A. K., Leo, M., Mazzoleni, S., & Siciliano, P. (2025). Artificial intelligence applied to precision livestock farming. Computers and Electronics in Agriculture, 11, 100889. https://doi.org/10.1016/j.atech.2025.100889
Dos Santos, V. A. M., Marcuzzo, F. F. N., & Romero, V. (2022). Machine learning algorithms for soybean yield forecasting in the Brazilian Cerrado. Journal of the Science of Food and Agriculture, 102(9), 3665–3672. https://doi.org/10.1002/jsfa.11713
Espinel, R., Herrera-Franco, G., Rivadeneira García, J. L., & Escandón-Panchana, P. (2024). Artificial intelligence in agricultural mapping: A review. Agriculture, 14(7), 1071. https://doi.org/10.3390/agriculture14071071
FAO. (2009). The state of food and agriculture 2009: Livestock in the balance. Food and Agriculture Organization of the United Nations.
FAO. (2010). The state of food insecurity in the world 2010. Food and Agriculture Organization of the United Nations.
FAO. (2018). The future of food and agriculture – Alternative pathways to 2050. Food and Agriculture Organization of the United Nations.
García, R., Aguilar, J., & Pinto, Á. (2024). An autonomous system for the self-supervision of animal fattening in the context of precision livestock farming. Future Generation Computer Systems, 150, 220–231
García, V., López, M., & Salazar, C. (2025). Evolución de las aplicaciones de inteligencia artificial en la agroindustria cafetera. Investigación e Innovación en Ingenierías, 13(1), 89–105.
He, T., Li, M., & Jin, D. (2025). Deep learning-based time series prediction for precision field crop protection. Frontiers in Plant Science, 16, 1575796. https://doi.org/10.3389/fpls.2025.1575796
Hernández-Salazar, C. A., González-Escobar, E. O. A., & González-Silva, G. (2024). Integración de la inteligencia artificial y la agricultura de precisión en cultivos de café. Revista UIS Ingenierías, 23(4), 145–158. https://doi.org/10.18273/revuin.v23n4-2024012
Liu, Z., Chen, H., & Wang, Q. (2024). Precision agriculture current progress from a novel perspective. Agronomy Journal, 116(6), 2847–2865.
Majdalawieh, M., Al-Mansouri, S., & Al-Ketbi, S. (2025). Precision agriculture in the age of AI: A systematic review. Computers and Electronics in Agriculture, 212, 1–22.
Menezes, G. L., Mazon, G., Ferreira, R. E. P., Cabrera, V. E., & Dorea, J. R. R. (2024). Artificial intelligence for livestock: A narrative review of the applications of computer vision systems and large language models for animal farming. Animal Frontiers, 14(6), 42–53. https://doi.org/10.1093/af/vfae048
Ministerio de Tecnologías de la Información y las Comunicaciones. (2024). Plan de conectividad rural para Colombia 2024-2030. MinTIC, Colombia.
Neethirajan, S., Busstra, M. C., & Atkinson, H. D. (2025). Artificial intelligence for livestock: Current applications and future perspectives. Livestock Science, 291, 1–12.
Nguyen, T. H., Phan, M. D., & Tran, V. H. (2024). A review of generative AI in aquaculture: Applications and case studies. Aquacultural Engineering, 87, 1–14.
Rejeb, A., Simões, D., Rejeb, K., & Treiblmaier, H. (2024). Precision agriculture: A bibliometric analysis. Computers and Electronics in Agriculture, 217, 1–18.
Rodríguez, J. P., Montoya-Muñoz, A. I., Rodríguez-Pabón, C., Hoyos, J., & Corrales, J. C. (2021). IoT-Agro: A smart farming system to Colombian coffee farms. Computers and Electronics in Agriculture, 186, 106442. https://doi.org/10.1016/j.compag.2021.106442
Sharma, S. (2022). Implementation of artificial intelligence in agriculture. Journal of Cloud Computing and Emerging Technologies, 2(2), 36–41. https://doi.org/10.47852/bonviewJCCE2202174
Shoaib, M., Shah, B., El-Sappagh, S., Ali, A., Ullah, A., Alenezi, A., Gechev, T., Hussain, A., & Ali, A. (2023). An advanced deep learning models-based plant disease detection: A review of recent research. Frontiers in Plant Science, 14, 1158933. https://doi.org/10.3389/fpls.2023.1158933
Torsoni, G. B., Fonseca, A. B., Souza, G. M., & Franco, R. (2023). Soybean yield prediction by machine learning and climate. Theoretical and Applied Climatology, 151(3), 1709–1725. https://doi.org/10.1007/s00704-022-04341-9
Vargas-Bello-Pérez, E., Silva, E., García, P., & Melak, H. (2025). The role of artificial intelligence in Latin American ruminant production systems. Animal Frontiers, 14(6), 23–32. https://doi.org/10.1093/af/vfae034
von Bloh, M., Nóia Júnior, R. de S., Wangerpohl, X., Saltík, A. O., Haller, V., Kaiser, L., & Asseng, S. (2023). Machine learning for soybean yield forecasting in Brazil. Agricultural and Forest Meteorology, 341, 109670. https://doi.org/10.1016/j.agrformet.2023.109670
Wang, W., & Li, Q. (2025). Leveraging machine learning for sustainable agriculture. Computers and Electronics in Agriculture, 211, 1–18. https://doi.org/10.1016/j.jclepro.2025.146434
Xia, Z., Mandal, B., & Ghosh, A. (2023). Artificial Intelligence of Things (AIoT): A comprehensive review and outlook on its applications in aquaculture. Processes, 13(1), 73. https://doi.org/10.3390/pr13010073
Xu, W., Chen, Y., Liu, Y., & Zhang, M. (2024). The evolution of precision agriculture and food safety. Frontiers in Sustainable Food Systems, 8, 1475602. https://doi.org/10.3389/fsufs.2024.1475602
Zhang, R., Wu, X., Zhang, Y., et al. (2025). A bibliometric review of deep learning in crop monitoring: Trends, challenges, and future perspectives. Frontiers in Plant Science, 16, 1538163. https://doi.org/10.3389/fpls.2025.1538163
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Juan Carlos Escalante
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
