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
INTA Digital (INTA)
Institución
Instituto Nacional de Tecnología Agropecuaria
OAI Identificador
oai:localhost:20.500.12123/27939

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