Jay Schroeder, CTO en CNH – Serie de entrevistas

Jay Schroeder se desempeña como Director de Tecnología (CTO) en CNH, supervisando las operaciones de investigación y desarrollo globales de la empresa. Sus responsabilidades incluyen gestionar áreas como tecnología, innovación, vehículos e implementos, tecnología de precisión, experiencia del usuario y tren de potencia. Schroeder se centra en mejorar el portafolio de productos de la empresa y las capacidades de tecnología de precisión, con el objetivo de integrar soluciones de precisión en todo el rango de equipos. Además, está involucrado en la expansión de las ofertas de propulsión alternativa de CNH y en la gobernanza de los procesos de desarrollo de productos para garantizar que el portafolio de productos de la empresa cumpla con altos estándares de calidad y rendimiento.

A través de sus diversas empresas, CNH produce y vende maquinaria agrícola y equipo de construcción. La inteligencia artificial y las tecnologías avanzadas, como la visión por computadora, el aprendizaje automático (ML) y los sensores de cámara, están transformando la forma en que opera este equipo, permitiendo innovaciones como tractores autónomos impulsados por inteligencia artificial que ayudan a los agricultores a abordar desafíos complejos en su trabajo.

Los tractores autónomos de CNH están impulsados por modelos entrenados en redes neuronales profundas y inferencia en tiempo real. ¿Puede explicar cómo esta tecnología ayuda a los agricultores a realizar tareas como la siembra con precisión extrema, y cómo se compara con la conducción autónoma en otras industrias como el transporte?

Mientras que los coches autónomos capturan los titulares, la industria agrícola ha liderado silenciosamente la revolución autónoma durante más de dos décadas. Empresas como CNH han sido pioneras en la dirección autónoma y el control de velocidad mucho antes que Tesla (TSLA ). Hoy en día, la tecnología de CNH va más allá de simplemente conducir para realizar trabajo altamente automatizado y autónomo mientras conduce. Desde sembrar semillas en el suelo exactamente donde necesitan estar, hasta cosechar cultivos de manera eficiente y óptima y tratar el suelo, todo mientras conduce a través del campo, la agricultura autónoma no solo está manteniendo el ritmo de los coches autónomos, sino que los está dejando atrás. El futuro del transporte puede ser autónomo, pero en la agricultura, el futuro ya está aquí.

Además, la pila tecnológica futurista de CNH permite la agricultura autónoma mucho más allá de lo que los coches autónomos pueden lograr. Nuestra arquitectura de software definida integra de manera transparente una amplia gama de tecnologías, permitiendo la automatización de tareas agrícolas complejas que son mucho más desafiantes que la simple navegación de punto a punto. La interoperabilidad en la arquitectura permite a los agricultores un control y flexibilidad sin precedentes para agregar tecnología avanzada a través de las API abiertas de CNH. A diferencia de los sistemas cerrados, la API abierta de CNH permite a los agricultores personalizar su maquinaria. Imagina sensores de cámara que distinguen cultivos de malezas, activados solo cuando sea necesario, mientras la vehículo opera de manera autónoma. Esta adaptabilidad, combinada con la capacidad de manejar terrenos difíciles y tareas diversas, distingue la tecnología de CNH. Mientras que Tesla y Waymo hacen avances, la verdadera frontera de la innovación autónoma se encuentra en los campos, no en las carreteras.

El concepto de una “máquina de resonancia magnética para plantas” es fascinante. ¿Cómo utiliza CNH la imagen sintética y el aprendizaje automático para que sus máquinas identifiquen el tipo de cultivo, las etapas de crecimiento y apliquen una nutrición dirigida?

Utilizando inteligencia artificial, cámaras de visión por computadora y conjuntos de datos masivos, CNH está entrenando modelos para distinguir cultivos de malezas, identificar etapas de crecimiento de las plantas y reconocer la salud del cultivo en todo el campo para determinar la cantidad exacta de nutrientes y protección necesarios para optimizar el rendimiento del cultivo. Por ejemplo, con el Analizador de Campo Augmenta, una aplicación de visión por computadora escanea el suelo frente a la máquina mientras se mueve rápidamente a través del campo (hasta 20 mph) para evaluar las condiciones del cultivo en el campo y determinar qué áreas necesitan ser tratadas y a qué ritmo, para hacer que esas áreas sean más saludables.

Con esta tecnología, los agricultores pueden saber y tratar exactamente dónde en el campo se está desarrollando un problema, para que en lugar de cubrir todo el campo con un tratamiento para matar malezas, controlar plagas o agregar nutrientes necesarios para mejorar la salud de los cultivos, las máquinas de rociado informadas por datos y la inteligencia artificial rocían automáticamente solo las plantas que lo necesitan. La tecnología permite la cantidad exacta de químico necesario, aplicado en el lugar exacto para abordar con precisión las necesidades de las plantas y detener cualquier amenaza para el cultivo. Identificar y rociar solo (y exactamente) las malezas a medida que crecen entre los cultivos eventualmente reducirá el uso de químicos en los campos en un 90%. Solo se necesita una pequeña cantidad de químico para tratar cada amenaza individual en lugar de tratar todo el campo para llegar a esas mismas pocas amenazas.

Para generar imágenes sintéticas fotorealistas y mejorar los conjuntos de datos rápidamente, CNH utiliza modelos procedurales biofísicos. Esto permite al equipo crear y clasificar millones de imágenes de manera rápida y eficiente sin tener que tomar el tiempo para capturar imágenes reales a la escala necesaria. Los datos sintéticos complementan las imágenes auténticas, mejorando el rendimiento del entrenamiento del modelo y la inferencia. Por ejemplo, al utilizar datos sintéticos, se pueden crear diferentes situaciones para entrenar los modelos, como diversas condiciones de iluminación y sombras que se mueven a lo largo del día. Los modelos procedurales pueden producir imágenes específicas basadas en parámetros para crear un conjunto de datos que represente diferentes condiciones.

¿Cuán precisa es esta tecnología en comparación con los métodos agrícolas tradicionales?

Los agricultores toman cientos de decisiones importantes a lo largo del año, pero solo ven los resultados de todas esas decisiones acumuladas una vez: en la época de la cosecha. La edad promedio de un agricultor está aumentando y la mayoría trabajan durante más de 30 años. No hay margen de error. Desde el momento en que se planta la semilla, los agricultores necesitan hacer todo lo posible para asegurarse de que el cultivo prospere, su sustento depende de ello.

Nuestra tecnología elimina mucho del trabajo de adivinanza de las tareas de los agricultores, como determinar las mejores formas de cuidar los cultivos en crecimiento, mientras les da a los agricultores tiempo extra para centrarse en resolver desafíos comerciales estratégicos. Al final del día, los agricultores dirigen empresas masivas y dependen de la tecnología para ayudarles a hacerlo de la manera más eficiente, productiva y rentable.

No solo los datos generados por las máquinas permiten a los agricultores tomar decisiones mejor informadas para obtener mejores resultados, sino que los altos niveles de automatización y autonomía en las máquinas en sí realizan el trabajo mejor y a una escala mayor que los humanos pueden hacer. Las máquinas de rociado pueden “ver” puntos problemáticos en miles de acres de cultivos mejor que los ojos humanos y tratar las amenazas con precisión; mientras que tecnologías como la labranza autónoma pueden aliviar la carga de realizar una tarea ardua y que consume mucho tiempo y realizarla con más precisión y eficiencia a gran escala que un humano podría. En la labranza autónoma, un sistema completamente autónomo labra el suelo utilizando sensores combinados con redes neuronales profundas para crear condiciones ideales con precisión centimétrica. Esto prepara el suelo para permitir un espaciamiento de filas muy consistente, una profundidad de siembra precisa y una colocación de semillas optimizada a pesar de los cambios de suelo drásticos en un solo campo. Los métodos tradicionales, que a menudo dependen de la maquinaria operada por humanos, suelen resultar en más variabilidad en los resultados debido al cansancio del operador, la navegación menos consistente y la posición menos precisa.

Durante la temporada de cosecha, las máquinas de cosecha de CNH utilizan computación de borde y sensores de cámara para evaluar la calidad de los cultivos en tiempo real. ¿Cómo funciona este proceso de toma de decisiones rápido y qué papel juega la inteligencia artificial en la optimización de la cosecha para reducir el desperdicio y mejorar la eficiencia?

Una cosechadora es una máquina increíblemente compleja que realiza múltiples procesos — siega, trilla y recolección — en una sola operación continua. Se llama cosechadora por esa misma razón: combina lo que solían ser varios dispositivos en una sola fábrica sobre ruedas. Hay mucho sucediendo al mismo tiempo y poco espacio para el error. Las máquinas de cosecha de CNH toman automáticamente millones de decisiones rápidas cada veinte segundos, procesándolas en el borde, justo en la máquina. Los sensores de cámara capturan y procesan imágenes detalladas de los cultivos cosechados para determinar la calidad de cada grano del cultivo que se está cosechando — analizando los niveles de humedad, la calidad del grano y el contenido de desechos. La máquina ajustará automáticamente los ajustes de la máquina según los datos de la imagen para obtener los mejores resultados. Podemos hacer esto hoy para cebada, arroz, trigo, maíz, soja y canola, y pronto agregaremos capacidades para sorgo, avena, guisantes de campo, girasoles y frijoles comestibles.

La inteligencia artificial en el borde es crucial para optimizar este proceso utilizando modelos de aprendizaje profundo entrenados para reconocer patrones en las condiciones del cultivo. Estos modelos pueden identificar rápidamente áreas de la cosecha que requieren ajustes, como alterar la velocidad de la cosechadora o modificar los ajustes de trilla para asegurarse de una mejor separación del grano del resto de la planta (por ejemplo, mantener cada grano de maíz y eliminar todas las piezas de la mazorca y el tallo). Esta optimización en tiempo real ayuda a reducir el desperdicio al minimizar el daño al cultivo y recoger solo cultivos de alta calidad. También mejora la eficiencia, permitiendo que las máquinas tomen decisiones basadas en datos sobre la marcha para maximizar el rendimiento de los cultivos de los agricultores, todo mientras reduce el estrés operativo y los costos.

La agricultura de precisión impulsada por la inteligencia artificial y el aprendizaje automático promete reducir el desperdicio de insumos y maximizar el rendimiento. ¿Podría explicar cómo la tecnología de CNH está ayudando a los agricultores a reducir costos, mejorar la sostenibilidad y superar la escasez de mano de obra en un panorama agrícola cada vez más desafiante?

Los agricultores enfrentan enormes obstáculos para encontrar mano de obra calificada. Esto es especialmente cierto para la labranza — un paso crítico que la mayoría de las granjas requieren para preparar el suelo para el invierno y hacer que las condiciones de siembra sean mejores en la primavera. La precisión es vital en la labranza, con precisión medida en décimas de pulgada para crear condiciones óptimas de crecimiento del cultivo. La tecnología de labranza autónoma de CNH elimina la necesidad de operadores altamente calificados para ajustar manualmente los implementos de labranza. Con el simple toque de un botón, el sistema autonomiza todo el proceso, permitiendo a los agricultores centrarse en otras tareas esenciales. Esto aumenta la productividad y la precisión conserva combustible, haciendo que las operaciones sean más eficientes.

En cuanto al mantenimiento de los cultivos, la tecnología de rociado de CNH está equipada con más de 125 microprocesadores que se comunican en tiempo real para mejorar la eficiencia y la sostenibilidad del uso de agua, nutrientes, herbicidas y pesticidas. Estos procesadores colaboran para analizar las condiciones del campo y determinar con precisión cuándo y dónde aplicar estos nutrientes, eliminando un exceso de químicos hasta un 30% hoy y hasta un 90% en el futuro cercano, reduciendo drásticamente los costos de insumos y la cantidad de químicos que entran en el suelo. Las válvulas de control de boquilla permiten que la máquina aplique el producto de manera precisa, ajustando automáticamente según la velocidad del rociador, asegurando una tasa y presión consistentes para la entrega de gotas precisas al cultivo para que cada gota aterrice exactamente donde se necesita para la salud del cultivo. Este nivel de precisión reduce la necesidad de recargas frecuentes, con los agricultores necesitando llenar el rociador solo una vez al día, lo que conduce a una conservación significativa de agua y químicos.

De manera similar, la Automatización de Carros de CNH simplifica la tarea compleja y estresante de operar una cosechadora durante la cosecha. La precisión es crucial para evitar colisiones entre la cabeza de la cosechadora y el carro de grano que conduce a pocos centímetros de distancia durante horas. También ayuda a reducir la pérdida de cultivos. La Automatización de Carros permite un proceso de carga en marcha sin interrupciones, reduciendo la necesidad de coordinación manual y permitiendo que la cosechadora continúe realizando su trabajo sin tener que detenerse. CNH ha realizado pruebas fisiológicas que muestran que esta tecnología de asistencia reduce el estrés para los operadores de cosechadoras en aproximadamente un 12% y para los operadores de tractores en un 18%, lo que se suma cuando estos operadores están en estas máquinas durante hasta 16 horas al día durante la temporada de cosecha.

La marca CNH, New Holland, se asoció recientemente con Bluewhite para kits de tractores autónomos. ¿Cómo se ajusta esta colaboración a la estrategia más amplia de CNH para expandir la autonomía en la agricultura?

La autonomía es el futuro de CNH, y estamos adoptando un enfoque intencional y estratégico para desarrollar esta tecnología, impulsada por las necesidades más apremiantes de nuestros clientes. Nuestros ingenieros internos se centran en desarrollar autonomía para nuestro gran segmento de clientes agrícolas — agricultores de cultivos que crecen en campos grandes y abiertos, como maíz y soja. Otro segmento de clientes importante para CNH es los agricultores de lo que llamamos “cultivos permanentes” que crecen en huertos y viñedos. Asociarse con Bluewhite, un líder probado en la implementación de la autonomía en huertos y viñedos, nos permite tener la escala y la velocidad en el mercado para servir tanto al segmento de gran agricultura como al de cultivos permanentes con la autonomía necesaria. Con Bluewhite, estamos entregando un tractor completamente autónomo en cultivos permanentes, lo que nos convierte en el primer fabricante de equipos originales (OEM) con una solución autónoma en huertos y viñedos.

Nuestro enfoque de la autonomía es resolver los desafíos más críticos que los clientes tienen en los trabajos y tareas en los que están ansiosos por que la máquina complete el trabajo y elimine la carga de la mano de obra. La labranza autónoma lidera nuestro desarrollo interno de la autonomía en el trabajo porque es una tarea ardua que lleva mucho tiempo durante un período de tiempo muy limitado del año cuando muchas otras cosas también necesitan suceder. Una máquina en este caso puede realizar el trabajo mejor que un operador humano. Los agricultores de cultivos permanentes también tienen una necesidad urgente de autonomía, ya que enfrentan escasez extrema de mano de obra y necesitan que las máquinas llenen los vacíos. Estos trabajos requieren que los tractores conduzcan 20-30 pasadas por cada fila de huerto o viñedo por temporada, realizando trabajos importantes como aplicar nutrientes a los árboles y mantener el pasto entre las vides cortado y libre de malezas.

Muchas de las soluciones de CNH están siendo adoptadas por operadores de huertos y viñedos. ¿Qué desafíos únicos presentan estos entornos para la maquinaria autónoma y dirigida por inteligencia artificial, y cómo está CNH adaptando sus tecnologías para estas aplicaciones especializadas?

Las ventanas para la cosecha están cambiando, y encontrar mano de obra calificada es más difícil. El cambio climático está haciendo que las estaciones sean más impredecibles; es crucial que los agricultores tengan tecnología lista para ir que impulse la precisión y la eficiencia cuando los cultivos están óptimos para la cosecha. La agricultura siempre requiere precisión, pero es particularmente necesaria cuando se cosecha algo tan pequeño y delicado como una uva o una nuez.

La mayoría de las tecnologías de conducción automatizada dependen del GPS para guiar las máquinas en sus rutas, pero en huertos y viñedos, las señales de GPS pueden ser bloqueadas por ramas de árboles y vides. Se utilizan cámaras de visión y radar en conjunto con el GPS para mantener a las máquinas en su ruta óptima. Y, en huertos y viñedos, la cosecha no se trata de hileras uniformes de acres, sino de plantas y árboles individuales y variados, a menudo en terrenos montañosos. Los sistemas automatizados de CNH se ajustan a la altura de cada planta, al nivel del suelo y a la velocidad de recolección necesaria para asegurar un rendimiento de calidad sin dañar el cultivo. También se ajustan alrededor de árboles no productivos para ahorrar insumos innecesarios. Estas máquinas robóticas se mueven automáticamente a lo largo de las plantas, sorteando con seguridad el cultivo mientras eliminan delicadamente el producto del árbol o la vid. El operador establece la altura deseada de la cabeza de recolección, y las máquinas se ajustan automáticamente para mantener esas configuraciones por planta, independientemente del terreno. Además, para algunas frutas, el mejor momento para cosechar es cuando su contenido de azúcar alcanza su punto máximo durante la noche. Las cámaras equipadas con tecnología de infrarrojos trabajan incluso en condiciones de oscuridad para cosechar la fruta en su condición óptima.

¿Qué medidas está tomando CNH para garantizar la seguridad y el cumplimiento regulatorio de estos sistemas impulsados por inteligencia artificial, particularmente en entornos agrícolas globales diversos?

La seguridad y el cumplimiento regulatorio son centrales para los sistemas de inteligencia artificial de CNH, por lo que CNH colabora con autoridades locales en diferentes regiones, lo que permite a la empresa adaptar sus sistemas autónomos para cumplir con los requisitos regionales, incluyendo estándares de seguridad, regulaciones ambientales y leyes de privacidad de datos. CNH también participa activamente en organizaciones de estándares para garantizar que cumple con todos los estándares reconocidos y emergentes, y los requisitos.

Por ejemplo, los sistemas de seguridad autónomos incluyen sensores como cámaras, LiDAR, radar y GPS para la monitorización en tiempo real. Estas tecnologías permiten que el equipo detecte obstáculos y se detenga automáticamente cuando detecta algo adelante. Las máquinas también pueden navegar por terrenos complejos y responder a cambios ambientales, minimizando el riesgo de accidentes.

¿Qué ve como el mayor obstáculo para la adopción generalizada de tecnologías impulsadas por inteligencia artificial en la agricultura? ¿Cómo está ayudando CNH a los agricultores a transitar hacia estos nuevos sistemas y a demostrar su valor?

Actualmente, los obstáculos más significativos son el costo, la conectividad y la capacitación de los agricultores.

Pero mejores rendimientos, menores gastos, menor estrés físico y mejor gestión del tiempo a través de una mayor automatización pueden compensar el costo total de propiedad. Las granjas más pequeñas pueden beneficiarse de soluciones autónomas más limitadas, como sistemas de alimentación o kits de actualización posteriores.

La conectividad inadecuada, particularmente en áreas rurales, plantea desafíos. Las tecnologías impulsadas por inteligencia artificial requieren una conectividad consistente y siempre activa. CNH está ayudando a abordar esto a través de su asociación con Intelsat y a través de módems universales que se conectan a cualquier red cercana — wifi, celular o satélite —, proporcionando conectividad lista para el campo a los clientes en ubicaciones de difícil acceso. Mientras que muchos clientes satisfacen esta necesidad de conectividad a Internet con la red móvil virtual líder en el mercado de CNH, las torres celulares existentes no permiten una conexión generalizada.

Finalmente, la curva de aprendizaje percibida asociada con la tecnología de inteligencia artificial puede parecer abrumadora. Este cambio de prácticas tradicionales requiere capacitación y un cambio de mentalidad, por lo que CNH trabaja de la mano con los clientes para asegurarse de que estén cómodos con la tecnología y están obteniendo todos los beneficios de los sistemas.

¿Cómo vislumbra el futuro de las soluciones de inteligencia artificial y autonomía de CNH en la próxima década?

CNH está abordando desafíos críticos y globales desarrollando tecnología de vanguardia para producir más alimentos de manera sostenible utilizando menos recursos, para una población en crecimiento. Nuestro enfoque es empoderar a los agricultores para mejorar sus medios de vida y negocios a través de soluciones innovadoras, con la inteligencia artificial y la autonomía desempeñando un papel central. Los avances en la recopilación de datos, la asequibilidad de los sensores, la conectividad y la potencia de cómputo acelerarán el desarrollo de sistemas autónomos y de inteligencia artificial. Estas tecnologías impulsarán el progreso en la agricultura de precisión, la operación autónoma, el mantenimiento predictivo y la toma de decisiones basada en datos, beneficiando en última instancia a nuestros clientes y al mundo.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar CNH.