Con esta alternativa, este grupo de emprendedores venezolanos, ofrece una opción a los productores para hacer seguimiento remoto de sus cultivos y a la vez optimizar el uso de los agro insumos disponibles para aumentar su rendimiento y mantener la productividad, en medio de las medidas de confinamiento y distanciamiento social implementadas en el país debido a la pandemia por COVID-19. Al respecto, Javier Soto, CEO de AgroCognitive señaló: “El futuro es ahora. Ciertamente estamos atravesando condiciones excepcionales, pero las megatendencias claramente determinan que la tecnología de agricultura digital va a penetrar en todas las actividades para hacerlas más eficientes y rentables”.
La plataforma AgroCognitive fue desarrollada con base en el análisis de información e inteligencia artificial y permite una reducción dramática de más del 60% del tiempo de detección de una afectación antes que esta se convierta en un problema, esto permite optimizar los recursos debido a que monitorear la sanidad es una tarea ardua y altamente costosa en mano de obra y equipos de transporte.
El plan inicial TOMMY, está disponible de forma gratuita durante todo el período de prueba y, posteriormente cuando la plataforma entre en su etapa regular, podrá disfrutarse gratis por 30 días, para que así los productores puedan tener una mejor evaluación de este servicio.
En el sitio web www.agrocognitive.com, los productores a través Matilda (asistente virtual basada en inteligencia artificial) podrán registrar sus datos y los de la plantación, además de validar su correo, definir el polígono de su finca e iniciar la subida de datos para que la plataforma empiece a procesarlos y a arrojar descubrimientos. Los productores que completen esta primera fase, posteriormente tendrán el acceso a descargar la app en sus dispositivos móviles para convertirse en usuarios activos y empezar disfrutar los beneficios de AgroCognitive.
Desde 2018, AgroCognitive trabaja junto a la Sociedad de Cañicultores del Estado Portuguesa en el desarrollo de pilotos de entrenamiento de la plataforma, con el uso de drones inicialmente y posteriormente con imágenes satelitales, para identificar visualmente afectaciones en cultivos de caña de azúcar y entrenar sus modelos en la predicción de rendimientos y analíticas, siendo este el punto de partida para el análisis de otros cultivos.