ADOPCIÓN DE TECNOLOGÍAS DE AGRICULTURA DE PRECISIÓN E INTELIGENCIA ARTIFICIAL EN EL TRIÁNGULO MINEIRO: UN ESTUDIO CON PRODUCTORES RURALES
Resumen
Este estudio evalúa la adopción y percepción de los productores rurales respecto a la Agricultura de Precisión (AP) e Inteligencia Artificial (IA) en el Triángulo Mineiro, Brasil. El marco teórico se fundamenta en la Teoría de Difusión de Innovaciones de Rogers (2003) y en la Agricultura 4.0 como gestión basada en datos. La metodología consistió en un relevamiento cuantitativo-descriptivo y exploratorio con 20 productores rurales vinculados al Instituto Federal del Triángulo Mineiro (IFTM), mediante un cuestionario estructurado aplicado en 2025. Los resultados indican que, aunque el conocimiento sobre AP es elevado (90%), su uso efectivo es de apenas el 40%, con una marcada variación generacional: 75% entre productores menores de 30 años y 0% en mayores de 60 años. Tecnologías como GPS y piloto automático predominan (70%), mientras que herramientas avanzadas de IA, como drones y softwares analíticos, enfrentan barreras. Los principales desafíos identificados fueron el alto costo de implementación (80%) y la falta de conectividad (60%). El análisis etario reveló que la falta de formación técnica afecta desproporcionadamente a los mayores de 50 años (80% frente al 25% de los jóvenes). Se concluye que el sector vive una transición híbrida, donde el optimismo futuro (85% de intención de inversión) contrasta con la necesidad urgente de infraestructura y capacitación técnica para consolidar la gestión de datos.
Biografía del autor/a
Estudiante de pregrado en Ingeniería Agronómica.
Doctora en Fitotecnia/Fitopatología.
Referencias
AUBERT, B. A. et al. IT as enabler of sustainable farming: an empirical analysis of farmers' adoption decision of precision agriculture technology. Decision Support Systems, Amsterdam, v. 54, p. 510–520, 2013. DOI: https://doi.org/10.1016/j.dss.2012.07.002
BERNARDES, M. S.; HINOJOSA, L. L. R. Princípios de agricultura de precisão. Piracicaba: ESALQ/USP, 2021.
CARRER, M. J.; SOUZA FILHO, H. M.; VINHOLIS, M. M. B. Determinants of precision agriculture adoption in
Brazil. Precision Agriculture, Dordrecht, v. 23, n. 1, p. 1–21, 2022.
COBLE, K. H. et al. Advancing digital agriculture: new tools for a new era. Applied Economic Perspectives and Policy, Oxford, v. 40, n. 1, p. 12–38, 2018. DOI: https://doi.org/10.1093/aepp/ppx056
FERNANDES, J. L. Agricultura de precisão. Curitiba: Contentus, 2018.
FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED NATIONS (FAO). The future of food and agriculture: trends and challenges. Roma: FAO, 2017. Disponível em: https://www.fao.org/3/i6583e/i6583e.pdf Acesso em: 22 abr. 2026.
GEBBERS, R.; ADAMCHUK, V. I. Precision agriculture and food security. Science, Washington, v. 327, n. 5967, p. 828–831, 2010. DOI: https://doi.org/10.1126/science.1183899
KAMILARIS, A.; PRENAFETA-BOLDÚ, F. X. Deep learning in agriculture: a survey. Computers and Electronics in Agriculture, Amsterdam, v. 147, p. 70–90, 2018. DOI: https://doi.org/10.1016/j.compag.2018.02.016
LIAKOS, K. G. et al. Machine learning in agriculture: a review. Sensors, Basel, v. 18, n. 8, e2674, 2018. DOI: https://doi.org/10.3390/s18082674
PIVOTO, D. et al. Factors influencing the adoption of smart farming in Brazil. Computers and Electronics in Agriculture, Amsterdam, v. 156, p. 476–486, 2019.
ROGERS, Everett M. Diffusion of innovations. 5. ed. New York: Free Press, 2003.
RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial: uma abordagem moderna. 4. ed. Rio de Janeiro: Elsevier, 2020.
SCHWAB, Klaus. A Quarta Revolução Industrial. Tradução de Daniel Moreira Miranda. São Paulo: Edipro, 2016.
SILVA, C. B. et al. Digital transformation in agriculture: a review. Ciência Rural, Santa Maria, v. 50, n. 11, e20190557, 2020.
SOTO, I. et al. Challenges and opportunities of artificial intelligence applications in agriculture. Frontiers in Plant Science, Lausanne, v. 12, e756587, 2021.
TALAVIYA, T. et al. Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence in Agriculture, Amsterdam, v. 4, p. 58–73, 2020. DOI: https://doi.org/10.1016/j.aiia.2020.04.002
WOLFERT, S. et al. Big data in smart farming: a review. Agricultural Systems, Amsterdam, v. 153, p. 69–80, 2017. DOI: https://doi.org/10.1016/j.agsy.2017.01.023
Licencia
Derechos de autor 2026 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.