Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva
- Autores
- Cornejo, Karina De Lujan
- Año de publicación
- 2026
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Introducción: La incorporación de sistemas de inteligencia artificial en el sector agropecuario plantea nuevas oportunidades para mejorar los procesos de decisión en contextos caracterizados por incertidumbre climática, económica, biológica y territorial. Sin embargo, la interacción entre la racionalidad humana y la racionalidad algorítmica genera desafíos cognitivos que condicionan la apropiación tecnológica por parte de los productores. Metodología: La investigación se desarrolló mediante un enfoque cualitativo, exploratorio y analítico, sustentado en el análisis de fuentes institucionales, literatura académica especializada y evidencia internacional comparada, complementado con un ejercicio prospectivo orientado a identificar escenarios de evolución tecnológica en el sector agropecuario. Resultados: Los hallazgos muestran que la adopción de inteligencia artificial predictiva continúa siendo parcial y heterogénea, concentrándose principalmente en explotaciones de mayor escala. Asimismo, se identifican barreras asociadas a la opacidad algorítmica, la desconfianza tecnológica y la percepción de pérdida de control sobre la toma de decisiones. Conclusiones: Se propone un modelo conceptual de inteligencia híbrida adaptativa que integra análisis algorítmico, conocimiento experto local y herramientas prospectivas para reducir la incertidumbre cognitiva sin desplazar al productor del centro de la gestión productiva.
Introduction: The incorporation of artificial intelligence systems into the agricultural sector creates new opportunities to improve decision-making processes in contexts characterized by climatic, economic, biological, and territorial uncertainty. However, the interaction between human rationality and algorithmic rationality generates cognitive challenges that influence technological appropriation among farmers. Methodology: The research adopted a qualitative, exploratory, and analytical approach based on institutional sources, specialized academic literature, and international comparative evidence, complemented by a foresight exercise aimed at identifying future technological development scenarios within agricultural systems. Results: Findings indicate that the adoption of predictive artificial intelligence remains partial and uneven, being concentrated primarily in larger-scale farming operations. Additional barriers were identified, including algorithmic opacity, technological distrust, and perceived loss of decision-making control. Conclusions: The study proposes a conceptual model of adaptive hybrid intelligence that combines algorithmic analysis, local expert knowledge, and foresight tools to reduce cognitive uncertainty while preserving farmers' central role in productive decision-making.
Centro de Investigación en Economía y Prospectiva
Fil: Cornejo, Karina de Luján. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigación en Economía y Prospectiva (CIEP); Argentina - Fuente
- Revista Estrategia Organizacional 15 (2) : 93-117 (2026)
- Materia
-
Inteligencia Artificial
Agricultura
Incertidumbre
Economía Agrícola
Prospectiva
Artificial Inteligence
Agriculture
Uncertainty
Agricultural Economics
Foresight - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Instituto Nacional de Tecnología Agropecuaria
- OAI Identificador
- oai:localhost:20.500.12123/27939
Ver los metadatos del registro completo
| id |
INTADig_63f7ddeca65b1b0b6a6eef0b3858c091 |
|---|---|
| oai_identifier_str |
oai:localhost:20.500.12123/27939 |
| network_acronym_str |
INTADig |
| repository_id_str |
l |
| network_name_str |
INTA Digital (INTA) |
| spelling |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitivaArtificial Intelligence and Adaptive Management in Argentine Agriculture: A Strategic Alliance for Reducing Cognitive UncertaintyCornejo, Karina De LujanInteligencia ArtificialAgriculturaIncertidumbreEconomía AgrícolaProspectivaArtificial InteligenceAgricultureUncertaintyAgricultural EconomicsForesightIntroducción: La incorporación de sistemas de inteligencia artificial en el sector agropecuario plantea nuevas oportunidades para mejorar los procesos de decisión en contextos caracterizados por incertidumbre climática, económica, biológica y territorial. Sin embargo, la interacción entre la racionalidad humana y la racionalidad algorítmica genera desafíos cognitivos que condicionan la apropiación tecnológica por parte de los productores. Metodología: La investigación se desarrolló mediante un enfoque cualitativo, exploratorio y analítico, sustentado en el análisis de fuentes institucionales, literatura académica especializada y evidencia internacional comparada, complementado con un ejercicio prospectivo orientado a identificar escenarios de evolución tecnológica en el sector agropecuario. Resultados: Los hallazgos muestran que la adopción de inteligencia artificial predictiva continúa siendo parcial y heterogénea, concentrándose principalmente en explotaciones de mayor escala. Asimismo, se identifican barreras asociadas a la opacidad algorítmica, la desconfianza tecnológica y la percepción de pérdida de control sobre la toma de decisiones. Conclusiones: Se propone un modelo conceptual de inteligencia híbrida adaptativa que integra análisis algorítmico, conocimiento experto local y herramientas prospectivas para reducir la incertidumbre cognitiva sin desplazar al productor del centro de la gestión productiva.Introduction: The incorporation of artificial intelligence systems into the agricultural sector creates new opportunities to improve decision-making processes in contexts characterized by climatic, economic, biological, and territorial uncertainty. However, the interaction between human rationality and algorithmic rationality generates cognitive challenges that influence technological appropriation among farmers. Methodology: The research adopted a qualitative, exploratory, and analytical approach based on institutional sources, specialized academic literature, and international comparative evidence, complemented by a foresight exercise aimed at identifying future technological development scenarios within agricultural systems. Results: Findings indicate that the adoption of predictive artificial intelligence remains partial and uneven, being concentrated primarily in larger-scale farming operations. Additional barriers were identified, including algorithmic opacity, technological distrust, and perceived loss of decision-making control. Conclusions: The study proposes a conceptual model of adaptive hybrid intelligence that combines algorithmic analysis, local expert knowledge, and foresight tools to reduce cognitive uncertainty while preserving farmers' central role in productive decision-making.Centro de Investigación en Economía y ProspectivaFil: Cornejo, Karina de Luján. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigación en Economía y Prospectiva (CIEP); ArgentinaUniversidad Nacional Abierta y a Distancia UNAD de Colombia2026-09-30T10:08:25Z2026-09-30T10:08:25Z2026-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://hdl.handle.net/20.500.12123/27939https://hemeroteca.unad.edu.co/index.php/revista-estrategica-organizacio/article/view/11818Cornejo, K. (2026). Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva. Revista Estrategia Organizacional, 15(2), 93–117.2539-27862339-3866https://doi.org/10.22490/25392786.11818Revista Estrategia Organizacional 15 (2) : 93-117 (2026)reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2026-11-05T11:51:39Zoai:localhost:20.500.12123/27939instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2026-11-05 11:51:39.439INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse |
| dc.title.none.fl_str_mv |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva Artificial Intelligence and Adaptive Management in Argentine Agriculture: A Strategic Alliance for Reducing Cognitive Uncertainty |
| title |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva |
| spellingShingle |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva Cornejo, Karina De Lujan Inteligencia Artificial Agricultura Incertidumbre Economía Agrícola Prospectiva Artificial Inteligence Agriculture Uncertainty Agricultural Economics Foresight |
| title_short |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva |
| title_full |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva |
| title_fullStr |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva |
| title_full_unstemmed |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva |
| title_sort |
Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva |
| dc.creator.none.fl_str_mv |
Cornejo, Karina De Lujan |
| author |
Cornejo, Karina De Lujan |
| author_facet |
Cornejo, Karina De Lujan |
| author_role |
author |
| dc.subject.none.fl_str_mv |
Inteligencia Artificial Agricultura Incertidumbre Economía Agrícola Prospectiva Artificial Inteligence Agriculture Uncertainty Agricultural Economics Foresight |
| topic |
Inteligencia Artificial Agricultura Incertidumbre Economía Agrícola Prospectiva Artificial Inteligence Agriculture Uncertainty Agricultural Economics Foresight |
| dc.description.none.fl_txt_mv |
Introducción: La incorporación de sistemas de inteligencia artificial en el sector agropecuario plantea nuevas oportunidades para mejorar los procesos de decisión en contextos caracterizados por incertidumbre climática, económica, biológica y territorial. Sin embargo, la interacción entre la racionalidad humana y la racionalidad algorítmica genera desafíos cognitivos que condicionan la apropiación tecnológica por parte de los productores. Metodología: La investigación se desarrolló mediante un enfoque cualitativo, exploratorio y analítico, sustentado en el análisis de fuentes institucionales, literatura académica especializada y evidencia internacional comparada, complementado con un ejercicio prospectivo orientado a identificar escenarios de evolución tecnológica en el sector agropecuario. Resultados: Los hallazgos muestran que la adopción de inteligencia artificial predictiva continúa siendo parcial y heterogénea, concentrándose principalmente en explotaciones de mayor escala. Asimismo, se identifican barreras asociadas a la opacidad algorítmica, la desconfianza tecnológica y la percepción de pérdida de control sobre la toma de decisiones. Conclusiones: Se propone un modelo conceptual de inteligencia híbrida adaptativa que integra análisis algorítmico, conocimiento experto local y herramientas prospectivas para reducir la incertidumbre cognitiva sin desplazar al productor del centro de la gestión productiva. Introduction: The incorporation of artificial intelligence systems into the agricultural sector creates new opportunities to improve decision-making processes in contexts characterized by climatic, economic, biological, and territorial uncertainty. However, the interaction between human rationality and algorithmic rationality generates cognitive challenges that influence technological appropriation among farmers. Methodology: The research adopted a qualitative, exploratory, and analytical approach based on institutional sources, specialized academic literature, and international comparative evidence, complemented by a foresight exercise aimed at identifying future technological development scenarios within agricultural systems. Results: Findings indicate that the adoption of predictive artificial intelligence remains partial and uneven, being concentrated primarily in larger-scale farming operations. Additional barriers were identified, including algorithmic opacity, technological distrust, and perceived loss of decision-making control. Conclusions: The study proposes a conceptual model of adaptive hybrid intelligence that combines algorithmic analysis, local expert knowledge, and foresight tools to reduce cognitive uncertainty while preserving farmers' central role in productive decision-making. Centro de Investigación en Economía y Prospectiva Fil: Cornejo, Karina de Luján. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigación en Economía y Prospectiva (CIEP); Argentina |
| description |
Introducción: La incorporación de sistemas de inteligencia artificial en el sector agropecuario plantea nuevas oportunidades para mejorar los procesos de decisión en contextos caracterizados por incertidumbre climática, económica, biológica y territorial. Sin embargo, la interacción entre la racionalidad humana y la racionalidad algorítmica genera desafíos cognitivos que condicionan la apropiación tecnológica por parte de los productores. Metodología: La investigación se desarrolló mediante un enfoque cualitativo, exploratorio y analítico, sustentado en el análisis de fuentes institucionales, literatura académica especializada y evidencia internacional comparada, complementado con un ejercicio prospectivo orientado a identificar escenarios de evolución tecnológica en el sector agropecuario. Resultados: Los hallazgos muestran que la adopción de inteligencia artificial predictiva continúa siendo parcial y heterogénea, concentrándose principalmente en explotaciones de mayor escala. Asimismo, se identifican barreras asociadas a la opacidad algorítmica, la desconfianza tecnológica y la percepción de pérdida de control sobre la toma de decisiones. Conclusiones: Se propone un modelo conceptual de inteligencia híbrida adaptativa que integra análisis algorítmico, conocimiento experto local y herramientas prospectivas para reducir la incertidumbre cognitiva sin desplazar al productor del centro de la gestión productiva. |
| publishDate |
2026 |
| dc.date.none.fl_str_mv |
2026-09-30T10:08:25Z 2026-09-30T10:08:25Z 2026-09 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/20.500.12123/27939 https://hemeroteca.unad.edu.co/index.php/revista-estrategica-organizacio/article/view/11818 Cornejo, K. (2026). Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva. Revista Estrategia Organizacional, 15(2), 93–117. 2539-2786 2339-3866 https://doi.org/10.22490/25392786.11818 |
| url |
http://hdl.handle.net/20.500.12123/27939 https://hemeroteca.unad.edu.co/index.php/revista-estrategica-organizacio/article/view/11818 https://doi.org/10.22490/25392786.11818 |
| identifier_str_mv |
Cornejo, K. (2026). Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva. Revista Estrategia Organizacional, 15(2), 93–117. 2539-2786 2339-3866 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Nacional Abierta y a Distancia UNAD de Colombia |
| publisher.none.fl_str_mv |
Universidad Nacional Abierta y a Distancia UNAD de Colombia |
| dc.source.none.fl_str_mv |
Revista Estrategia Organizacional 15 (2) : 93-117 (2026) reponame:INTA Digital (INTA) instname:Instituto Nacional de Tecnología Agropecuaria |
| reponame_str |
INTA Digital (INTA) |
| collection |
INTA Digital (INTA) |
| instname_str |
Instituto Nacional de Tecnología Agropecuaria |
| repository.name.fl_str_mv |
INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria |
| repository.mail.fl_str_mv |
tripaldi.nicolas@inta.gob.ar |
| _version_ |
1881032528476766208 |
| score |
13.334379 |