La ciencia predictiva en el agro busca que los productos lleguen al campo cuando el problema todavía existe. Syngenta dice que usa modelos para anticipar resistencias y descartar moléculas antes de ensayarlas, aunque el desarrollo de su herbicida Authence tomó más de diez años.
En el agro, una tecnología puede tardar más de una década entre investigación, ensayos y procesos regulatorios, y para cuando llega al productor el problema del campo puede ser otro. Camilla Corsi, directora global de Investigación y Desarrollo de Protección de Cultivos de Syngenta, resume el desafío así: el trabajo del equipo es identificar “los problemas de los próximos 15 años”. Para lograrlo, la compañía recurre a la ciencia predictiva en el agro, un conjunto de modelos que anticipan resistencias, riesgos y exigencias regulatorias antes de avanzar en el desarrollo.
El problema de los tiempos
Según Martin Clough, de Syngenta Crop Protection, pasar de la primera invención a la comercialización toma típicamente entre 10 y 15 años. Marcos Bradley, director regional para Latinoamérica, contó una anécdota que muestra el efecto: hace siete años, alguien de I+D le mostró un producto que llegaría siete años después y que no parecía mejor que el existente. La respuesta fue que, para cuando saliera al mercado, la resistencia habría dejado sin efecto al producto actual. Siete años más tarde, eso ocurrió.
Qué hacen los modelos
Los modelos ayudan a anticipar la aparición de resistencias, estimar perfiles toxicológicos, evaluar mezclas de productos y diseñar moléculas considerando las exigencias regulatorias de distintos mercados antes de comenzar el desarrollo.
Syngenta usa unos 50 modelos predictivos que optimizan cerca de 15 parámetros a la vez (eficacia, seguridad, costo, sostenibilidad y formulación), apoyados en datos de unos medio millón de ensayos de campo desde los años setenta. Corsi, que lidera un equipo de más de 3.000 especialistas, dice que trabajan con modelos predictivos y de lenguaje hace casi diez años.
Según Bradley, antes podían hacer falta unas 10.000 moléculas para llegar a una exitosa. Los modelos reducen ese universo desde las primeras etapas y permiten concentrar los ensayos en las alternativas con más probabilidades.
El caso Authence
El ejemplo que usa la empresa es Authence®, con tecnología Virestina (ingrediente activo: metproxibiciclona). Es un herbicida selectivo contra gramíneas resistentes en soya y algodón que la compañía presentó en Argentina en junio de 2026 y que describe como el primero de su tipo en casi 40 años. Pertenece a los inhibidores de ACCasa (Grupo 1 de HRAC) y está diseñado para superar mutaciones de resistencia conocidas.
Argentina fue el primer país en aprobar su registro: el ingrediente activo en diciembre de 2025 y la formulación en abril de 2026, según información oficial citada por la prensa. El proyecto empezó hace más de diez años y, según la nota de Forbes, se completó en un plazo menor al habitual gracias a la ciencia predictiva. La empresa dice que las gramíneas resistentes afectan alrededor del 70% del territorio productivo argentino y pueden reducir el rendimiento hasta 70%.
Personas en el circuito
Los ejecutivos insisten en que la IA asiste y no reemplaza. Clough dijo que los científicos siguen siendo esenciales y que los agricultores quieren tomar la decisión final. En paralelo, Syngenta trabaja con la startup Enko, cuya plataforma de IA encontró en 2024 moléculas candidatas para un nuevo herbicida de amplio espectro. La CEO de Enko dijo entonces que ese proyecto seguía a unos diez años de llegar al mercado.
La anécdota de Bradley resume la lógica del método: el producto que hace siete años parecía innecesario era el que el campo terminó necesitando.
Fuentes: Forbes Argentina, Forbes Agro, AgNavigator, Agrofy, Mercado, MDZ, Global AgInvesting, CropLife.
por Juan Lagos