Bayer Crop Science combina IA generativa y ciencia de datos para lograr una ventaja innovadora

Bayer Crop Science ve la inteligencia artificial (IA) generativa como un catalizador clave para permitir que miles de sus científicos de datos e ingenieros innoven soluciones agrícolas para agricultores de todo el mundo.

La división agrícola de la multinacional de ciencias de la vida Bayer está desarrollando una nueva plataforma de ciencia de datos basada en Amazon SageMaker Studio, afirma Will McQueen, responsable de Activos de Datos Globales de Crop Science en Bayer. Con las capacidades de IA generativa de Amazon Bedrock y Amazon Q, la plataforma se ha diseñado para facilitar y agilizar la creación de productos agrícolas “novedosos”, afirma.

Un equipo “muy unido” de unos 10 ingenieros y ejecutivos de Bayer, Amazon y Slalom Consulting elaboró el proyecto del Decision Science Ecosystem hace unos 18 meses y lleva un año construyendo la plataforma. Los científicos de datos de Bayer han desarrollado varias pruebas de concepto de modelos de IA generativa en la nueva plataforma que permanecen en fase de descubrimiento y evaluación de la “eficacia”, dice McQueen, añadiendo que los modelos no estarán en producción hasta 2025.

“El proceso de I+D es bastante confidencial en este momento”, relata. Pero basta decir que la IA generativa avanzada podría conducir algún día a la creación de semillas híbridas o nuevas semillas que podrían alterar y enriquecer la cadena de suministro de alimentos. “El núcleo de la misión de nuestra empresa es alimentar al mundo”, afirma McQueen.

La actual plataforma de ciencia de datos de Bayer Crop Science, construida sobre una plataforma bajo licencia apodada Domino hace unos siete años, se está agotando y necesita ser reemplazada para la era moderna de la IA, dice McQueen. Los planes para la primera gran versión de Decision Science Ecosystem están previstos para dentro de un par de meses.

Como la mayoría de las empresas, la división agrícola de Bayer utilizará inicialmente herramientas de IA generativa basadas en AWS para automatizar procesos empresariales básicos, como la producción de documentación técnica interna, apostilla McQueen. El núcleo de ingenieros que construye la plataforma ha aprovechado esta característica para acelerar el proceso. Hacer que esté disponible en toda la división estimulará una experimentación e innovación más sólidas, señala.

“Antes de esta función, los ingenieros tenían que crear su propia documentación a partir del código que escribían y otros desarrollos. Las capacidades listas para usar de AWS sustituyen este trabajo manual, haciendo que nuestro personal de ingeniería sea más eficaz y capaz de ofrecer valor mucho más rápido que antes”, afirma McQueen.

La próxima plataforma de ciencia de datos, que utilizarán los ingenieros y científicos de datos de Bayer, también cuenta con conexiones e integraciones mejoradas con Amazon Bedrock, la capacidad de escribir código utilizando lenguaje natural y sólidas pruebas y barreras de seguridad.

El equipo de Crop Science también ha desarrollado características únicas en la parte superior de la plataforma de ciencia de datos, incluyendo su registro de modelos, que es un catálogo personalizado de modelos de IA y características del ciclo de vida del modelo que rastrean un modelo desde el descubrimiento hasta las pruebas, el despliegue y la producción con requisitos en cada etapa. El registro de modelos también permite a los científicos de datos aprovechar el código desarrollado por sus colegas, afirma McQueen.

“Desde una perspectiva de aceleración, es la dimensión de reutilización que vemos para crear oportunidades utilizando IA generativa y Bedrock”, dice. “A medida que el modelo se mueve a través de su ciclo de vida, tiene diferentes puertas de etapa y requisitos que hacen cumplir esas etapas”.

Iniciar el cambio

La división agrícola ha llevado sus esfuerzos de IA generativa y su asociación con AWS a un nuevo nivel mediante el desarrollo de esta plataforma técnica, que no solo puede facilitar el desarrollo de modelos, sino también formar a científicos de datos e ingenieros en técnicas de ingeniería rápida y en la aplicación de tecnologías de datos avanzadas para crear nuevas ofertas comerciales.

En su reciente cumbre, AWS incluyó a Bayer Crop Science entre sus clientes empresariales que impulsan la innovación en IA generativa, junto con la plataforma avanzada de descubrimiento de fármacos de Exscientia y ESM3 de EvolutionaryScale, que ofrece a científicos y biólogos una plataforma de ingeniería rápida para construir diversas proteínas para experimentación.

Tal innovación está integrada en el ADN de los científicos e ingenieros de Bayer Crop Science, pero el nivel de gestión del cambio que implica el uso de plataformas de IA generativa -incluso para los altamente cualificados- es complejo y requiere una “evaluación reflexiva”, subraya McQueen.

“Estar abierto a hacer el trabajo de forma fundamentalmente diferente y aprovechar la IA requiere un poco de tiempo para acostumbrarse”, continúa.

Las funciones básicas de IA generativa -como el resumen de documentos y la creación de contenidos- ya están mejorando la calidad de la plataforma de ciencia de datos y reduciendo el tiempo de disponibilidad, afirma McQueen. Pero con el tiempo, los innovadores y científicos agrícolas de Bayer se volverán más expertos en la incorporación de las herramientas y capacidades únicas de la plataforma para innovar de maneras sin precedentes.

“Esto ayudará a embarcar a los empleados en [nuestra] plataforma gen AI mucho más rápido y comprender mejor sus capacidades para construir modelos”, dice McQueen. “Es aditivo”.

Aun así, hacerlo requerirá una gran supervisión y sólidos procedimientos de control de calidad, afirma, reconociendo los riesgos que conlleva experimentar con las herramientas científicas más avanzadas del planeta.

Con ese fin, el equipo de la división de Cultivos ha incorporado salvaguardas para evitar que datos patentados salgan de la plataforma o, lo que es peor, que se apliquen soluciones prometedoras pero no probadas a la población agrícola mundial de Bayer.

Un enfoque abierto

Bayer Crop Science opera en un entorno multicloud, pero McQueen optó por asociarse más estrechamente con AWS en materia de IA generativa debido a su plataforma más flexible y abierta, afirma. La plataforma basada en Bedrock permitirá a los científicos de datos e ingenieros de Bayer acceder a una variedad de grandes modelos de lenguaje (LLM) de código abierto disponibles en mercados como Hugging Face.

La plataforma de IA de Amazon también permite a clientes como Bayer utilizar la plataforma de datos de su elección, un aspecto crítico para desarrollar modelos de IA generativos. En el caso de Bayer Crop Science, Google BigQuery es el almacén de datos de la división, señala McQueen.

“Una cosa que identificamos con AWS desde el principio fue la capacidad de construir capacidades técnicas que fueran flexibles para que pudiéramos desarrollar una arquitectura más modular que nos permitiera conectar diferentes modelos de diferentes proveedores”, dice.

El catálogo de modelos de IA generativa de Bedrock, por ejemplo, incluye modelos de código abierto y cerrados de socios, como Llama 2.1 de Meta y Large 2 de Mistral, su modelo de IA generativa más avanzado.

Dave McCarthy, vicepresidente de Investigación de Servicios en la Nube y en los Bordes para la investigación mundial de Infraestructuras de IDC, señala que los proveedores de servicios en la nube siguen siendo distintos en lo que respecta a la IA generativa.

“Los proveedores de servicios en la nube van a adoptar distintos enfoques para poner estos distintos tipos de modelos al alcance de sus clientes. Google se ha centrado en el valor de su familia de modelos Gemini desarrollada internamente, mientras que AWS ha adoptado un enfoque más orientado a los socios con proveedores de modelos de terceros”, afirma. “No hay un claro ganador en cuanto a qué enfoque será mejor a largo plazo”.

Mientras tanto, a medida que las empresas avanzan hacia un desarrollo más avanzado de modelos de IA generativa, los CIO tendrán mucho que gestionar en términos de asociaciones con proveedores, adquisiciones, costes, desarrollo, medición de resultados y seguridad.

Salvaguardar el proceso

Aunque todavía se encuentra en las primeras fases de su andadura, Bayer Crop Science está desarrollando activamente una serie de nuevos casos de uso que, según McQueen, serán “disruptivos” en la industria agrícola.

La división está avanzando en su plataforma de ciencia de datos en paralelo con Bedrock y planea lanzamientos adicionales que se correspondan con las actualizaciones de la plataforma de IA de Amazon.

A medida que se inclinan hacia casos de uso avanzados, el grupo de TI de McQueen ha integrado herramientas automatizadas de filtrado y monitorización y otras salvaguardas para asegurar los datos patentados, incluida la integración de metodologías que guían a los científicos e ingenieros sobre el desarrollo responsable.

“Con cualquier nueva capacidad que desarrollemos y que pueda llegar al mercado o integrarse directamente en un proceso de flujo de trabajo, los empleados tienen que realizar cuidadosos análisis comparativos y pruebas de esa capacidad antes de lanzarla al mercado”, explica McQueen sobre los esfuerzos de su equipo para evitar que los prototipos se cuelen en el suministro de alimentos sin las rigurosas pruebas de control de calidad integradas en la plataforma de ciencia de datos.

“Podemos probar [los modelos] codo con codo con expertos humanos para hacer la validación antes de que llegue a la producción total”, dice. “Es importante que no lancemos una nueva capacidad externamente y luego demos un mal consejo a un agricultor que repercuta en su negocio y cause daños”.