Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
Digital Green
Farmer.Chat, de Digital Green, responde a las preguntas de agricultores en cuatro países
Digital Green, una organización sin ánimo de lucro que trabaja con pequeños agricultores, opera Farmer.Chat, un chatbot multilingüe de IA generativa que responde a preguntas sobre cultivos y agricultura. Su equipo informa de que se respondió a cerca del 75 % de las preguntas, con un tiempo medio de respuesta de 9,05 segundos.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
Cerca del 75 %
Proporción de preguntas de los usuarios que respondió la plataforma1
71 %
Precisión media del contexto (proporción de la información recuperada que coincide con la pregunta), sobre más de 1.000 consultas probadas1
Casi el 80 %
Consultas con alta fidelidad de la respuesta al contenido recuperado (evaluación RAGAS)1
Qué requirió
Las fuentes no divulgan el coste, el tamaño del equipo ni los plazos.
El problema
Los pequeños agricultores a menudo no pueden obtener a tiempo asesoramiento local sobre cultivos, plagas y clima. Los servicios tradicionales de extensión se basan en agentes que visitan en persona, algo difícil de ampliar en zonas remotas. Los chatbots anteriores seguían guiones fijos y manejaban pocos idiomas.
Qué construyeron
Farmer.Chat es un chatbot que responde a las preguntas de los agricultores en lenguaje llano. Funciona en Telegram y WhatsApp y en una aplicación móvil, acepta texto, notas de voz e imágenes, y admite seis idiomas (suajili, amhárico, hausa, hindi, odia y telugu, además de inglés). Está desplegado en Kenia, India, Etiopía y Nigeria. Sus usuarios son agricultores y agentes de extensión agraria.
Cómo lo hicieron
El sistema usa generación aumentada por recuperación: primero busca pasajes relevantes en una base de conocimiento local de documentos y vídeos y después pide a un modelo de lenguaje que redacte la respuesta a partir de ellos. Según el artículo, GPT-4 filtra y reordena el material recuperado y GPT-3.5 se ocupa de otras tareas. En algunos lugares se añaden previsiones meteorológicas y diagnóstico de enfermedades de cultivos procedentes de servicios externos. La primera versión se lanzó en Telegram en Kenia en octubre de 2023 y se mejoró en varias rondas a partir de los comentarios de los usuarios y de estudios cualitativos.
Resultados
El equipo informa de que la plataforma respondió a cerca del 75 % de las preguntas. El tiempo medio de respuesta fue de 9,05 segundos, dedicados sobre todo a reordenar y generar la respuesta. En pruebas con más de 1.000 consultas, la precisión media del contexto fue del 71 % y casi el 80 % de las respuestas tuvieron una alta fidelidad al contenido recuperado. El 67 % se valoró como muy relevante. Los autores informan de una alta satisfacción de los usuarios con la calidad y la relevancia de las respuestas, en particular entre las mujeres y los agricultores con poca alfabetización, según sus estudios con usuarios y entrevistas.
Todas las cifras comunicadas
| Indicador | Cifra | Cita |
|---|---|---|
| Proporción de preguntas de los usuarios que respondió la plataforma | Cerca del 75 %1 | |
| Tiempo medio de respuesta | 9,05 segundos1 | |
| Precisión media del contexto (proporción de la información recuperada que coincide con la pregunta), sobre más de 1.000 consultas probadas | 71 %1 | |
| Consultas con alta fidelidad de la respuesta al contenido recuperado (evaluación RAGAS) | Casi el 80 %1 | |
| Respuestas valoradas como muy relevantes | 67 %1 |
Lecciones para su proyecto
Base las respuestas en una base de conocimiento local y cuidada. Farmer.Chat recupera documentos y vídeos específicos de cada región en lugar de apoyarse en el conocimiento general del modelo.
Vaya adonde los usuarios ya están. Los bots de Telegram y WhatsApp evitan pedir a agricultores con poca alfabetización que instalen nada, y las notas de voz y las imágenes amplían el acceso.
Mida las preguntas sin respuesta y clasifique por qué. El equipo ordenó los fallos por tipos, como las preguntas fuera de alcance, para decidir qué contenido añadir.
Pruebe los sesgos antes de escalar. El equipo realizó un ejercicio de red teaming sobre sesgo de género (sondeo deliberado para detectar respuestas injustas) como parte de la evaluación.
Salvedades
- Las cifras proceden de un artículo escrito por personal de Digital Green y un autor de Microsoft Research India. No están verificadas de forma independiente.
- Las puntuaciones de calidad (precisión del contexto, fidelidad, relevancia) proceden de una calificación automática basada en LLM (la biblioteca RAGAS), no de agrónomos que comprueben las respuestas.
- Los totales destacados del artículo sobre usuarios y consultas (más de 15.000 agricultores, más de 300.000 consultas) no se usan como métricas porque los recuentos por país de su tabla no suman el mismo total.
- El artículo dice que GPT-4 se usa para filtrar y reordenar y GPT-3.5 para otras tareas. Los modelos pueden haber cambiado desde octubre de 2024.
- La etiqueta de sector es la opción disponible más cercana para la extensión agraria (asesoramiento a agricultores). Quien lo despliega es una organización sin ánimo de lucro.
- El artículo sitúa el primer lanzamiento en octubre de 2023 en Kenia. El artículo tiene una fecha indicada de 8 de octubre de 2024 (versión 2).
Fuentes
- Farmer.Chat: Scaling AI-Powered Agricultural Services for Smallholder Farmers
arXiv (Digital Green and Microsoft Research India) · 2024-10-08 · Artículo de investigación · arxiv.org
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.