El clima es el riesgo más grande del agro y, al mismo tiempo, el más medible. Una sequía, un granizo, una inundación: cada evento es plata, y cada reclamo de seguro termina en la misma pregunta incómoda —¿cuánto se perdió de verdad, y por culpa de qué—. Esa respuesta no sale de un solo sensor. Sale de combinar tres miradas: un satélite que vigila todo, un dron que mide fino y una IA que une las dos y decide. Centinela, perito y cerebro. Así se construye una fuente de verdad que el seguro no puede discutir.

El centinela — el satélite que mira todo

El satélite es la guardia que nunca duerme. Sentinel-2, del programa europeo Copernicus, pasa sobre el mismo lote cada cinco días, lo fotografía en bandas que el ojo no ve y entrega esa imagen gratis, con resolución de diez metros. Landsat suma otra serie con treinta metros de resolución y revisita cada dieciséis días. Esto no es un piloto ni una promesa: son constelaciones operativas, abiertas, que ya están barriendo cada hectárea del país hoy a la noche. El centinela vigila todos los lotes, todo el tiempo, y casi no cuesta nada.

Y no solo saca fotos lindas. Combinando la banda roja con la del infrarrojo cercano se calcula el NDVI, el “índice verde”: un número que mide el vigor de la vegetación píxel por píxel. Comparado contra su propio promedio histórico, ese número delata las anomalías —el lote que se está apagando antes de tiempo, la mancha de estrés hídrico que el productor todavía no ve desde la tranquera—. No es teoría importada: el INTA de La Rioja lleva veinticuatro años haciendo exactamente esto, generando mapas de anomalía de NDVI cada dieciséis días para alertar sobre sequía y estado de las pasturas. Para el otro frente del riesgo —la lluvia— el satélite también pone los números: misiones como GPM IMERG de la NASA y datasets como CHIRPS estiman precipitación con series que arrancan en el año 2000, y esa misma data ya alimenta los gatillos de los seguros paramétricos por sequía en el mundo real.

Esa es la fuerza del centinela y también su techo. Ve todo, pero ve grueso: diez metros por píxel alcanzan para decir “acá pasa algo raro”, no para peritar planta por planta ni medir cuántos kilos perdió ese cuadro. Y mira a través de un vidrio que se empaña: el satélite óptico no atraviesa las nubes, y justo el día de la tormenta de granizo —cuando más lo necesitás— el cielo suele estar tapado. El satélite es la vigilancia masiva y barata que te dice dónde mirar y cuándo encender la alarma. Pero para el detalle fino hace falta bajar. Y ahí entra el dron.

El perito — el dron que mide el daño fino

El satélite te dice dónde mirar; el dron te dice qué pasó exactamente. Donde el satélite resuelve a diez metros por píxel, un dron multiespectral baja a cuatro centímetros. Esa diferencia no es cosmética: en un estudio sobre maíz defoliado por granizo, el dron estimó la pérdida de follaje con una precisión muy superior a la del satélite (R² de 0,86 contra 0,65) justamente porque la resolución fina captura las variaciones de pequeña escala que el píxel grueso promedia y borra. El dron no mira el lote, mira la planta.

Y no mira con un solo ojo. Lleva RGB de alta resolución para el daño visible, cámara multiespectral que lee el vigor real de la hoja —la hoja sana refleja fuerte en el infrarrojo cercano, la golpeada no— y térmica para el estado hídrico. Con eso deja de existir el “más o menos un treinta por ciento” del perito que recorre el lote a ojo: la superficie afectada se delimita y se mide. En un caso documentado de granizo, el sistema marcó 51 acres dañados como un polígono medido, un trabajo que a pie lleva horas. Eso es lo que un seguro necesita para pagar un siniestro sin discusión: un número auditable, no una impresión.

No es teoría de laboratorio. Generali ya opera una flota de drones RGB y multiespectral para peritar daño agrícola: en sus relevamientos procesa miles de imágenes por campo y entrega el contorno exacto de la zona dañada de cada póliza. El ajuste deja de ser una negociación entre dos miradas y pasa a ser evidencia. El problema es el otro lado de la moneda: ese mismo estudio que celebra la precisión del dron aclara el costo —área de cobertura chica y planificación de vuelo exigente—. Mandar el perito a cada lote después de cada tormenta no escala ni en plata ni en tiempo. Por eso el dron no patrulla: va solo adonde el satélite y la IA ya dijeron que hay daño.

El cerebro — la IA que decide y cuantifica

El satélite ve todo, todo el tiempo, pero con poco detalle. El dron ve poco, cuando lo mandás, pero con un detalle quirúrgico. Ninguno de los dos, solo, sirve para firmar un cheque. La IA es el cerebro que los une: ingiere la cobertura satelital permanente, el dato meteorológico y el histórico de la parcela, y construye lo que un campo “debería” estar haciendo en este momento del ciclo. Cuando la realidad se aparta de esa expectativa —una caída de verdor que no encaja, una mancha de estrés donde no debería haberla— el sistema no se limita a pintar un mapa: detecta la anomalía, la pondera y decide. Esa decisión es concreta y operativa: mandar el dron, acá, ahora. El satélite dispara la sospecha; la IA convierte la sospecha en una orden de vuelo.

“El satélite levanta la mano; la IA decide si vale la pena mirar de cerca, y el dron va a buscar el número.”

Una vez que el dron trajo la imagen de alta resolución, el cerebro hace el segundo trabajo, el difícil: cuantificar. No alcanza con decir “hay daño”; hay que decir cuánto, dónde y atribuible a qué. Acá la honestidad importa: la visión por computadora ya clasifica y mide daño por granizo o estrés mucho mejor que el ojo de un perito apurado, pero el modelo que ajusta esto a una parcela y a un cultivo puntual es algo que se entrena y se calibra, no que viene gratis. Lo realista hoy es la tubería: tres fuentes de datos entran, la IA las fusiona contra la línea de base, y sale un número. Lo que estamos construyendo es que ese número sea tan defendible que nadie lo discuta.

El negocio: por qué el seguro lo necesita

Todo este pipeline necesita un dolor con plata detrás, y el seguro agropecuario lo tiene de sobra. El paramétrico resolvió una mitad del problema: paga automáticamente cuando un índice objetivo cruza un umbral —¿llovió menos de X milímetros?— sin perito, sin expediente, casi al instante. En Argentina ya es real: hay seguros paramétricos de sequía corriendo sobre índices satelitales respaldados por reaseguradoras como Munich Re, que pagan cuando el índice cae por debajo del umbral según grilla y cultivo. Pero ese mismo modelo arrastra su talón de Aquiles, el basis risk: el día que el índice marca 55 mm y el campo igual se secó, el productor sufrió la pérdida y no cobra un peso. El gatillo es rápido, pero a veces gatilla mal.

Y hay una segunda mitad que el paramétrico ni toca. En Argentina la abrumadora mayoría de la superficie asegurada es contra granizo, un evento puntual y violento que ningún índice de sequía captura: ahí no hay umbral que valga, hay que ir, mirar y medir el daño parcela por parcela —y ese ajuste manual es justo donde nacen las disputas—. Acá es donde el cerebro paga la cuenta de todo lo anterior. El satélite deja la línea de base —cómo estaba el campo el día antes—, ocurre el evento, y el dron con IA mide el después; el delta entre ambos es daño atribuible al evento cubierto, con evidencia de “antes y después” que distingue lo preexistente de lo nuevo. Dos productos de datos, un solo cerebro: el gatillo paramétrico para lo que un índice sí puede medir, y la cuantificación auditable para todo lo demás.

El mismo patrón, una sola plataforma

Lo poderoso de esto no es el seguro: es el patrón. Ingerir muchos sensores —satélite, dron, estación, telemetría—, fusionarlos contra una línea de base, decidir y mostrarlo en un mapa único. Es exactamente lo que hace Seere en cada uno de sus dominios. El riesgo climático del agro es una instancia: cambiá el granizo por otro evento y el cultivo por otro activo, y la mecánica es la misma. Por eso esto no es un producto suelto, es la plataforma apuntada a un dolor con plata. Lo realista hoy son las piezas —satélite con NDVI, drones, fusión de datos—; lo que estamos construyendo es la orquestación que las convierte en una sola fuente de verdad.