La transformación digital del campo no consiste solo en drones, sensores o tractores autónomos. También está entrando por una pantalla de chat. El caso de un agricultor de 67 años en Chuzhou, China, muestra tanto la velocidad de esa adopción como uno de sus límites.
Wu llevaba cerca de un año utilizando una aplicación de inteligencia artificial para resolver dudas sobre el tiempo, los fertilizantes y las plagas. Según CTWANT, Tom’s Hardware y The Economic Times, los resultados anteriores habían sido lo bastante buenos como para que pasara de la cautela a la confianza.
Cuando pidió una estrategia para eliminar malas hierbas y combatir insectos en sésamo, el sistema generó una combinación de productos químicos. Wu la aplicó sin pedir una revisión técnica previa sobre 150 mu, aproximadamente diez hectáreas.
A la mañana siguiente, la recomendación había producido un efecto que ningún asistente digital puede deshacer: las malas hierbas y los brotes de sésamo morían en masa.
Entre los herbicidas citados figura el fomesafeno. Se utiliza contra malas hierbas de hoja ancha y, en China, sus productos están sujetos a registros que especifican cultivos, dosis y condiciones de uso. Las etiquetas oficiales también advierten de la sensibilidad de determinadas plantas. Los especialistas citados en el relato original lo relacionaron con el daño observado.
El caso no permite responsabilizar a una marca concreta porque la aplicación de IA no ha sido identificada públicamente. Tampoco se ha documentado una valoración monetaria del daño. Lo relevante es la estructura del fallo: un modelo general produjo una instrucción que parecía suficientemente específica como para aplicarse, pero no incorporó de forma segura todas las restricciones agronómicas necesarias.
Esa es precisamente la dirección en la que está cambiando la IA agrícola. En mayo de 2026, China presentó Green Shield, un gran modelo de lenguaje especializado en protección de cultivos. Sus desarrolladores afirmaron que los modelos generalistas pueden ofrecer respuestas inexactas y consejos de pesticidas poco normalizados. Green Shield consulta la base nacional de registro y busca bloquear recomendaciones que no cumplan las reglas.
El cambio es importante. La primera etapa de la IA generativa consistió en demostrar que un mismo modelo podía hablar de casi cualquier tema. La siguiente etapa, en sectores físicos y regulados, está siendo casi la contraria: limitar el sistema, conectarlo a bases autorizadas y enseñarle cuándo no puede improvisar.
La investigación agronómica respalda esa necesidad. Un estudio chino de 2024 sobre herbicidas de postemergencia para sésamo mostró diferencias claras de seguridad entre tratamientos. El conocimiento útil no es simplemente saber qué sustancias matan malas hierbas, sino cuáles pueden utilizarse en una planta concreta, en una fase concreta y bajo condiciones concretas.
También cambia la relación humana con la tecnología. Wu habría visto un aviso genérico de que la IA podía equivocarse, pero un año de respuestas útiles redujo el peso de esa advertencia. Los sistemas futuros tendrán que gestionar no solo sus errores, sino la confianza que generan cuando aciertan.
La agricultura ya está entrando en una segunda fase de IA: menos fascinación por una respuesta universal y más controles alrededor de cada decisión. El campo de Wu muestra por qué esa evolución no es teórica. Cuando el software se conecta con una acción química, el diseño de la seguridad se mide en plantas que siguen vivas al día siguiente.