Cuáles son los factores asociados a la adopción de tecnologías para la gestión variable de insumos en las empresas CREA.
Desde sus inicios, el Área de Innovación de CREA ha considerado a los procesos de relevamiento de datos y generación de información como aspectos clave para comprender más y mejor a los actores del denominado ecosistema AgTech. Por tal motivo, durante el transcurso de los últimos años realizó una serie de trabajos de investigación en este sentido. Dichos trabajos se han enfocado en temas tales como: identificación de políticas y programas para el desarrollo del ecosistema emprendedor, relevamiento de limitantes que enfrentan los emprendedores al momento de crear una startup y análisis de aspectos considerados por los productores agropecuarios al analizar la adopción de nuevas tecnologías.
Recientemente, se publicó un estudio que fue elaborado junto con el equipo del Instituto Interdisciplinario de Economía Política (IIEP), dependiente de la Facultad de Ciencias Económicas de la UBA y del CONICET. En dicho trabajo se utilizaron herramientas de econometría para analizar los datos del Censo Nacional CREA 2019. El objetivo principal de este trabajo fue identificar las correlaciones establecidas entre distintas variables y la ocurrencia e intensidad de adopción de tecnologías para la gestión variable de insumos comprendidas dentro del concepto agricultura de precisión en las empresas CREA.
El análisis tomó en consideración variables estructurales, factores relacionados con el capital humano de las empresas, tipos y grados de asesoramiento recibido, e incluso la influencia que ejercen los grupos de pares (“efectos de red”) en la toma de decisiones.
El trabajo completo puede consultarse aquí. A continuación, se resumen sus principales resultados.
Un ecosistema AgTech puede definirse, de forma simplificada, como un conjunto de personas y organizaciones involucradas de diversas formas en el proceso de desarrollo de distintos tipos de soluciones para abordar y resolver los problemas y desafíos presentes en los sistemas agroalimentarios.
La International Society of Precision Agriculture define a la agricultura de precisión como una estrategia de gestión que recopila, procesa y analiza datos temporales, espaciales e individuales y los combina con otras fuentes de información para respaldar las decisiones de gestión de acuerdo con la variabilidad estimada para mejorar la eficiencia en el uso de recursos, la productividad, la calidad, la rentabilidad y la sostenibilidad de la producción agrícola.
De este modo, este concepto incluye una amplia variedad de nuevas tecnologías, la mayoría de las cuales están relacionadas con las tecnologías de la información y basadas en sistemas de posicionamiento global (GPS por sus siglas en inglés) que permiten la georreferenciación de los datos.
Como herramientas emblemáticas se destacan, entre otros, los dispositivos para el relevamiento de características edafológicas, los mapas de rendimiento, los sistemas de guiado para la maquinaria agrícola y los dispositivos para la aplicación variable de insumos.
El uso de estas tecnologías dentro de los lotes de producción permite relevar la heterogeneidad paisajística y de recursos (materia orgánica, macronutrientes) para definir y delimitar ambientes. Permiten, por lo tanto, disponer de información “sitio específica” para entregar la dotación óptima de insumos (agua, herbicidas, semillas, fertilizantes, etc.) según los requerimientos relevados en cada ambiente e implementar estrategias de producción diferenciadas. De este modo, mejora la eficiencia y la sostenibilidad de los sistemas de producción.
Caracterización de perfiles
La primera tarea consistió en identificar a los productores que, efectivamente, implementaban tecnologías para la gestión variable de insumos en sus empresas. La gestión de la agricultura a escala de microambientes fue el indicador que permitió hacerlo de forma invariable. Ocurre que, a esa escala, la gestión de la agricultura se torna sumamente dificultosa sin la implementación de este tipo de tecnologías.
Luego, se procedió a caracterizar a las empresas y a los productores adoptantes y no adoptantes de este tipo de tecnologías, sobre la base de una serie de variables relevantes que fueron recopilados en el marco del Censo CREA (según la bibliografía de referencia para este tipo de análisis). Estas variables estuvieron relacionadas con: i) aspectos estructurales de las empresas (superficie con cultivos anuales, porcentaje de la tierra alquilada, tenencia de cosechadora propia, conectividad celular); ii) dotación de capital humano (edad y nivel de formación del productor, porcentaje del directorio y de la gerencia con una edad de entre 30 y 45 años, nivel de formación de los operarios); iii) tipos de asesoramiento recibido (agronómico y/o tecnológico, ambiental), y iv) influencia de grupos de pares (definida por la ocurrencia y el nivel de adopción por parte de los integrantes del grupo y de la región CREA en la que se inserta la empresa analizada).
Cabe destacar que el análisis de la influencia de los pares sobre la ocurrencia y niveles de adopción de tecnologías para la gestión variable de insumos a nivel de un productor individual (el denominado “efecto de red”) constituye un aporte novedoso de este trabajo a la bibliografía existente sobre el tema, incluso a nivel internacional.
En total, se analizaron empresas de 14 provincias que abarcan todas las regiones agrícolas del país. Las que aportaron mayor cantidad de casos fueron Buenos Aires (51%), Córdoba (21%) y Santa Fe (11%). En coincidencia con lo reportado en trabajos previos y con los resultados del Censo Nacional Agropecuario 2018, en esas tres provincias se detectaron niveles de adopción promedio más elevados que en el resto del país. De las 937 empresas CREA analizadas, el 17% adopta tecnologías para la gestión variable de insumos.
La escala de producción difirió entre adoptantes y no adoptantes: la superficie promedio de una empresa del grupo de adoptantes fue de 6.669 hectáreas, mientras que en el grupo de no adoptantes fue de 3.053 hectáreas. Este patrón se repitió al analizar la superficie destinada a cultivos anuales. El grupo de empresas adoptantes les destinó una superficie promedio de 2.300 hectáreas, mientras que en el grupo de no adoptantes el área dedicada a este tipo de cultivos fue de 1.017 hectáreas.
También se hallaron diferencias en la proporción de formas jurídicas de las empresas. En el grupo de empresas adoptantes fueron más frecuentes las figuras jurídicas con mayor grado de formalidad (S.A. o S.R.L.), mientras que en el grupo de no adoptantes se registró un mayor porcentaje de empresas unipersonales. Otro aspecto relacionado con la formalidad de las empresas en el que se encontraron diferencias entre grupos fue la existencia de protocolos para la toma de decisiones. El 44% de las empresas adoptantes informó que contaba con protocolos, mientras que en el grupo de empresas no adoptantes ese porcentaje fue del 28%.
El nivel de educación formal del capital humano de las empresas y la contratación de asesoramiento externo también diferenciaron a ambos grupos. En el grupo de las empresas adoptantes, el 61% informó que su personal contaba con un nivel promedio de formación secundaria o superior. Mientras que en el grupo de empresas no adoptantes, ese porcentaje disminuyó al 54%. En lo que respecta al nivel de asesoramiento, en el grupo de empresas adoptantes el 84% indicó que contaba con asesoramiento agronómico o tecnológico, mientras el 26% recibía asesoramiento ambiental. En el grupo de no adoptantes, las empresas que informaron que contaban con asesoramiento agronómico o tecnológico fue el 65% y sólo el 10% reportó contar con asesoramiento ambiental.
El régimen de tenencia de la tierra y la edad promedio del productor no mostraron diferencias entre grupos. Del mismo modo, la tenencia de maquinaria propia tampoco difirió. Probablemente esto se explique por la presencia de contratistas que proveen servicios de siembra, fertilización, pulverización y cosecha, equipados con las tecnologías necesarias para implementar agricultura de precisión en las empresas.
Modelos econométricos
En la segunda parte del trabajo se analizaron los datos aplicando diferentes modelos econométricos. La econometría consiste en el uso de métodos estadísticos y modelos matemáticos aplicados al estudio de la economía. Estos modelos permitieron descubrir asociaciones entre las variables analizadas y la probabilidad e intensidad de adopción de las tecnologías englobadas dentro del concepto de agricultura de precisión.
Dentro del grupo de variables estructurales se halló una correlación positiva y estadísticamente significativa entre la superficie sembrada con cultivos anuales y la probabilidad e intensidad de adopción de estas tecnologías. La aplicación de modelos econométricos indicó que, cuando el resto de las variables se mantuvieron fijas, un incremento del 1% en la superficie sembrada con cultivos anuales se correlacionó con incrementos en la probabilidad e intensidad de adopción del orden del 0,1 y el 0,04%, respectivamente.
La variable alquiler de la tierra mostró una correlación negativa con la probabilidad y la intensidad de adopción. En este caso, incrementos del 1% en la superficie alquilada se correlacionaron con reducciones del 7 y el 4% en la probabilidad e intensidad de adopción, respectivamente.
La posesión de bienes de capital (en este caso, medida a partir de la tenencia de cosechadora propia) se correlacionó positivamente con los niveles de adopción. No obstante, esa correlación no resultó estadísticamente significativa.
Finalmente, el nivel de adopción no presentó correlación alguna con la conectividad. Esto se explica porque la mayor parte de las tecnologías analizadas no demandan conexión a internet para ser utilizadas en el campo.
En cuanto a las variables relacionadas con la dotación de capital humano de la empresa, el nivel de formación del empresario fue la única que evidenció una correlación positiva y estadísticamente significativa con la ocurrencia y la intensidad de adopción. Manteniendo el resto de las variables fijas, un año adicional de educación formal del empresario CREA se tradujo en un aumento en la probabilidad de adopción del 2%, y de la intensidad de adopción del 1%.
Luego se observó una correlación estadísticamente significativa entre la edad de los empleados y la intensidad de adopción. En aquellas empresas en las que la proporción de empleados de entre 30 y 45 años era mayor, hubo mayor intensidad de adopción. En cuanto al nivel de formación de los empleados, el trabajo evidenció que la adopción de este tipo de tecnologías no se correlacionó con este factor. Esto podría explicarse porque el manejo de este tipo de equipamientos no exige altos niveles de formación, o bien porque su gestión es llevada a cabo por prestadores de servicios externos (contratistas).
La edad del empresario tampoco evidenció una correlación estadísticamente significativa con la probabilidad y la intensidad de adopción de estas tecnologías. De esta forma los resultados del trabajo refutan el preconcepto que postula que el nivel de adopción de este tipo de tecnologías es mayor entre los productores jóvenes.
Respecto del asesoramiento externo y la influencia de los grupos de pares, todas las variables analizadas mostraron algún tipo de correlación positiva y estadísticamente significativa con la probabilidad y la intensidad de adopción. La contratación de asesores externos para atender temas agronómicos o tecnológicos se correlacionó con incrementos estadísticamente significativos del orden del 10% en la probabilidad de adopción, y del 3 al 4% en la intensidad. Por su parte, la contratación de asesoramiento ambiental mostró correlaciones positivas y estadísticamente significativas del orden del 8 al 9% en la probabilidad de adopción y de un 4% en la intensidad.
Finalmente, uno de los resultados más significativos del trabajo fue el de los denominados “efectos de red”. En tal sentido, se encontró que un aumento del 1% en la proporción de adoptantes dentro de un grupo de influencia (en este caso, un grupo CREA) se correlacionó positivamente y de forma estadísticamente significativa con aumentos del 0,2% en la probabilidad y del 0,1% en el nivel de intensidad de adopción. Este hallazgo indica que cuanto mayor es la proporción de productores que, dentro de un grupo de influencia, adoptan este tipo de tecnologías, mayor es la probabilidad de que aquellos que aún no las adoptaron, lo hagan y de forma más intensa.
Cuadro 1. Resultados de los modelos econométricos utilizados para realizar el análisis
Los modelos 1, 2 y 3 permiten analizar una variable dependiente dicotómica (en este caso: la adopción o no de tecnologías para la gestión variable de insumos). Los modelos 4, 5 y 6 permiten analizar variables dependientes continuas (en este caso: la proporción de superficie sobre la cual se adoptaron tecnologías para la gestión variable de insumos).
Comentarios finales
El estudio mencionado en esta nota fue posible gracias al aporte de la base de datos originada a partir del censo que el Movimiento CREA realizó entre sus asociados en 2019, y a un trabajo interdisciplinario coordinado que involucró a economistas del Instituto Interdisciplinario de Economía Política (IIEP) y a técnicos del Área de Innovación de la Unidad de Investigación y Desarrollo del Movimiento CREA.
Se trata del primer trabajo en su tipo realizado en la Argentina e incorpora el análisis de variables como los “efectos de red” y el asesoramiento ambiental, que hasta el momento fueron escasamente consideradas en la literatura internacional sobre la temática.
El objetivo último de los análisis econométricos efectuados en este trabajo fue descubrir cuáles eran las variables correlacionadas con la ocurrencia e intensidad de adopción de algunas de las tecnologías para la gestión variable de insumos dentro del grupo de empresas CREA analizadas.
Los resultados confirmaron la correlación de algunas variables con la ocurrencia e intensidad de adopción que, a priori, se asumía que existían, por ejemplo: escala de producción, nivel de formación del empresario agropecuario, grado de asesoramiento técnico y ambiental al que accede la empresa. Sin embargo, también refutaron algunos preconceptos, al menos dentro de la población analizada: la ocurrencia e intensidad de adopción de las tecnologías analizadas no se vieron afectadas por la edad del empresario o por el nivel de formación de los empleados de la empresa.
Especial mención merece el análisis de los denominados “efectos de red”, es decir, el efecto de la influencia de los grupos de pares. Como se mencionó previamente, este efecto nunca fue analizado en la Argentina, incluso su análisis no resulta frecuente siquiera a nivel internacional. La verificación de la correlación positiva y estadísticamente significativa entre el efecto que los grupos de pares ejercen sobre los individuos y su decisión de adoptar tecnologías para la gestión variable de insumos evidenció la influencia positiva que redes como la del Movimiento CREA tienen sobre los procesos de difusión de tecnologías.
Por último, cabe señalar que las variables que mostraron correlaciones positivas y estadísticamente significativas con la ocurrencia e intensidad de adopción de las tecnologías analizadas resultan sumamente útiles al momento de caracterizar la situación de una empresa. En ese contexto, su análisis permitiría evaluar, al menos en términos potenciales, qué tan propicio es el entorno de una firma particular para que se produzca la adopción de este tipo de tecnologías. De esta forma, los resultados de este trabajo podrían contribuir a mejorar el direccionamiento, y por lo tanto, la eficiencia y eficacia de las acciones impulsadas desde el Área de Innovación para promover los procesos de difusión de tecnologías.