La IA que ordena el conocimiento técnico: AFEPASA acelera la formulación y el trabajo regulatorio
La empresa partner del COIAL desarrolla junto a EureCAT una prueba de concepto para aplicar inteligencia artificial a la formulación de productos y la gestión normativa. El proyecto, liderado por Daniel García Seco, doctor ingeniero agrónomo y director de I+D+i de AFEPASA, muestra cómo la digitalización empieza a transformar la agroindustria cuando se integra con criterio técnico, laboratorio, regulación y conocimiento de mercado.
La inteligencia artificial empieza a tener valor en la agroindustria cuando deja de funcionar como promesa genérica y se convierte en una herramienta capaz de ordenar conocimiento técnico, reducir tiempos de análisis y mejorar la toma de decisiones sobre procesos reales.
Ese es el punto de partida del proyecto que AFEPASA, empresa partner del COIAL, ha desarrollado en colaboración con el centro tecnológico EureCAT: una prueba de concepto para aplicar inteligencia artificial a dos ámbitos especialmente exigentes para una compañía de formulación agroalimentaria: el diseño de productos y la gestión regulatoria.
Al frente del proyecto está Daniel García, ingeniero agrónomo y director de I+D+i de AFEPASA. Su papel ha sido decisivo para traducir una necesidad técnica concreta en una solución digital operativa. Formular un producto exige integrar química, agronomía, coste, compatibilidad, disponibilidad de materias primas, exigencias de fabricación, regulación y condiciones de mercado. La IA entra en ese proceso para acelerar una parte del trabajo, pero el valor sigue dependiendo del criterio profesional que formula, contrasta y valida.
“En el proceso de formulación hay una parte que la IA no puede hacer, pero también hay una parte muy importante de gabinete: buscar qué componentes innovadores o habituales podemos utilizar para una necesidad dada”, explica García.
Hasta ahora, esa fase previa podía requerir muchas horas de búsqueda, comparación y análisis antes de llegar al laboratorio. La herramienta busca reducir ese tiempo de forma radical. El formulador puede plantear una necesidad concreta —por ejemplo, un producto con calcio y magnesio, un límite de precio o determinadas restricciones técnicas— y recibir varias propuestas de partida para evaluar.
La diferencia no está solo en la velocidad. Está en la capacidad de estructurar conocimiento acumulado durante años por los equipos técnicos de la empresa. La herramienta convierte experiencia dispersa, información de producto, criterios de formulación y restricciones operativas en una base consultable que ayuda a tomar decisiones con más agilidad.
García lo resume con claridad: “No se trata de sustituir al formulador, sino de darle una herramienta que le ayude a acelerar su trabajo”.
Esa frase sitúa bien el alcance del proyecto. La IA no elimina la validación de laboratorio ni la responsabilidad técnica. Propone caminos, ordena alternativas y reduce el tiempo necesario para llegar a una hipótesis de formulación. Después, el criterio profesional sigue siendo imprescindible para comprobar estabilidad, compatibilidad, eficacia, comportamiento industrial y adecuación normativa.
Una herramienta construida desde el proceso, no desde la moda tecnológica
El proyecto se ha desarrollado en colaboración con EureCAT dentro de una convocatoria de digitalización de la Generalitat de Catalunya. Para AFEPASA, esta cooperación responde a una forma habitual de trabajar en I+D+i: apoyarse en el sistema científico y tecnológico para incorporar capacidades que una empresa mediana no siempre puede mantener dentro de su propia estructura.
“Somos una empresa de unas cien personas. No podemos contratar al mejor especialista de cada área para cada proyecto de I+D.. Lo que hacemos es apoyarnos en el tejido de investigación que existe en España, que es muy potente, y buscar a los mejores para cada idea”, señala García.
AFEPASA aportó el conocimiento del proceso, las necesidades de formulación y la lógica de sus productos. EureCAT aportó la arquitectura tecnológica necesaria para convertir ese conocimiento en una herramienta funcional. El resultado no es una IA genérica aplicada desde fuera, sino una solución diseñada alrededor de los procesos reales de la empresa. “Es una IA adaptada a nuestros procesos”, resume García.
Esa adaptación es clave. En formulación, la utilidad de una herramienta digital depende de su capacidad para trabajar con condiciones concretas: materias primas disponibles, restricciones de precio, requisitos normativos, experiencia previa, comportamiento en planta y validación posterior en laboratorio. La IA aporta valor cuando entiende el contexto técnico en el que debe operar.
Dos cerebros para proteger el conocimiento y aprovechar la capacidad de cálculo
Uno de los principales retos del proyecto ha sido la arquitectura del sistema. AFEPASA ha optado por una estructura que Daniel García describe como “dos cerebros”: uno interno, donde reside la información confidencial de la compañía, y otro externo, encargado del razonamiento y la capacidad de procesamiento. “El conocimiento es nuestro. Está en nuestro servidor privado. El cerebro que razona puede cambiar, pero la información permanece dentro de nuestro entorno”, explica.
La decisión responde a una cuestión central en cualquier proceso de digitalización industrial: cómo aprovechar la potencia de los modelos de IA sin perder control sobre el conocimiento propio. En las primeras fases, la compañía comprobó que alojar todo el sistema en servidores propios reducía de forma importante la capacidad de cálculo. La solución fue separar la base de conocimiento de la capacidad de razonamiento. “La clave está en separar dónde está el conocimiento y dónde está el razonamiento”, indica García.
Esta arquitectura ofrece una ventaja estratégica. Si en el futuro aparecen modelos más potentes o soluciones más eficientes, AFEPASA podrá sustituir el motor de procesamiento sin perder su base de conocimiento. La herramienta queda así preparada para evolucionar sin comprometer el activo técnico más valioso de la empresa: la experiencia acumulada por sus equipos.
La regulación como campo natural para la inteligencia artificial
La prueba de concepto incorpora también un módulo vinculado al área regulatoria. En una empresa que trabaja con productos registrados en distintos mercados, la gestión normativa es una parte crítica del sistema. AFEPASA gestiona alrededor de 200 registros de fitosanitarios, bioestimulantes y fertilizantes en países como España, Francia, Irak o Perú. Cada producto exige documentación, requisitos legales y condiciones específicas según el territorio.
“Tenemos un departamento regulatorio muy importante y el volumen de trabajo es enorme. No se trata solo de conocer la normativa, sino de saber cómo afecta a cada producto en cada país”, señala García.
El potencial de la herramienta está en conectar formulación y regulación desde el inicio. A partir de una composición determinada, el sistema podría generar documentación asociada, como fichas de seguridad, y ayudar a ordenar los requisitos aplicables en cada mercado. La revisión profesional seguirá siendo necesaria, pero la automatización puede reducir carga documental y liberar tiempo técnico para las tareas de mayor criterio.
Este punto es especialmente relevante. En la agroindustria, un producto no existe solo como combinación de materias activas, nutrientes, coformulantes o microorganismos. Existe también como expediente, etiqueta, ficha de seguridad, registro, cumplimiento normativo y posibilidad real de acceso a mercado. La regulación forma parte del diseño técnico del producto.
De herramienta interna a posible servicio
El proyecto se encuentra todavía en desarrollo, aunque la prueba de concepto ya ha permitido comprobar su potencial. La intención de AFEPASA es que la herramienta pueda incorporar nuevo conocimiento y mejorar con el uso. Esa capacidad de aprendizaje resulta especialmente importante en una compañía que trabaja para ampliar sus líneas más allá de su trayectoria histórica vinculada al azufre.
García plantea con prudencia la posibilidad de que, en el futuro, la herramienta pueda convertirse en un servicio para terceros. “Ya ayudábamos a formular a terceros de manera más informal. Esta tecnología puede permitirnos ordenar ese conocimiento y ofrecer un servicio con más capacidad de respuesta”, apunta.
La evolución tendría sentido desde una lógica de transferencia. La empresa no solo estaría utilizando IA para mejorar sus procesos internos, sino para estructurar una parte de su conocimiento técnico y convertirlo en una capacidad aplicable a otros proyectos.
La siguiente frontera: datos de planta, predicción y mejora de procesos
AFEPASA prevé continuar explorando la aplicación de inteligencia artificial en otros departamentos. Uno de los espacios naturales de crecimiento es la planta de producción, una instalación moderna, con menos de tres años, que genera una gran cantidad de datos.
“Tenemos una planta con menos de tres años que genera muchísimos datos. Como humanos no somos capaces de asimilarlos todos. La idea es que la inteligencia artificial nos ayude a interpretarlos y a tomar mejores decisiones”, explica García.
Ahí aparece una segunda dimensión de la IA: pasar de la formulación y la documentación al análisis de procesos industriales. Los datos de planta pueden ayudar a detectar patrones, anticipar averías, optimizar rendimientos, mejorar el mantenimiento y reforzar la trazabilidad de las operaciones. La digitalización deja de ser una capa añadida y se convierte en una forma de entender mejor el funcionamiento del sistema productivo.
AFEPASA desarrolla, optimiza y fabrica formulaciones para el sector agroalimentario, con capacidades que abarcan control de calidad, trazabilidad, transferencia tecnológica, escalado industrial, molienda, mezcla y fabricación a granel o envasada. También trabaja en ámbitos como agrobiológicos, alimentación animal y formulaciones con microorganismos, donde la estabilidad, la precisión técnica y el control de procesos son especialmente relevantes.
El caso muestra una cuestión de fondo para la ingeniería agronómica actual. La innovación agroindustrial exige perfiles capaces de integrar conocimiento científico, sistemas vivos, procesos industriales, regulación, datos, costes y mercado. La inteligencia artificial puede acelerar decisiones, pero solo genera valor cuando se incorpora a una lógica técnica bien diseñada.
En esa integración se hace visible una de las funciones centrales del ingeniero agrónomo: convertir complejidad biológica, industrial, normativa y económica en soluciones viables, trazables y aplicables en condiciones reales.