AGRO-01 路 Copilot Studio + Azure AI Foundry + Fabric ML

Asistente agronomico para decidir mejor en cada lote

Demo interactiva para mostrar como una cooperativa o productor centraliza guias de cultivo, Una demo guiada para mostrar, en minutos, como un productor pregunta sobre siembra, plagas o fertilizacion y recibe una decision sugerida con datos del lote, prediccion y fuentes tecnicas.

2. Se帽ales del lote Modelo tipo Fabric ML sobre clima, suelo y scouting
8.6 t/ha1. rendimiento probableFabric ML 路 confianza 87%
Medio2. riesgo de aguaClima + humedad suelo
Bajo3. riesgo de plagaScouting + clima
Sembrar4. recomendacion MLModelo agronomico
6.4pH suelo
28%humedad util
34 mmlluvia 7 dias
Medioriesgo agronomico

Resumen para cooperativa

Traduce consultas tecnicas en prioridades claras para negocio y operacion.

18 h ahorradas en consultas repetidas
91% respuestas con fuente tecnica
12 recomendaciones accionadas
4 campanias/lotes priorizados

Temas mas consultados

Donde el equipo pierde mas tiempo cuando no hay conocimiento centralizado.

Ventana de siembra82%
Plagas y umbrales74%
Riego / humedad63%
Fertilizacion58%

Alertas explicadas para ejecutivos

No muestra jerga: muestra impacto, causa probable y accion recomendada.

B08 Alta presion de oruga. Requiere scouting en 24 h.
C21 Nitrogeno bajo. Validar analisis antes de refertilizar.
A12 Ventana de siembra favorable con humedad suficiente.
D03 Riego calibrado; monitorear evapotranspiracion.
Clima Lluvias moderadas previstas. Sin alerta de helada.
Insumos Stock justo para curasemillas y nitrogeno.
Operacion 2 visitas tecnicas pendientes por priorizar.

Lectura simple para negocio

La demo se entiende como una secuencia de decision, sin jerga tecnica innecesaria.

1
Pregunta del productorEjemplo: cuando sembrar, cuanto regar o que hacer ante una plaga.
2
Lectura del loteEl sistema muestra humedad, lluvia prevista, riesgo y prediccion de rendimiento.
3
Respuesta recomendadaEl asistente explica que hacer, por que y con que fuente tecnica.
4
Impacto esperadoDecisiones mas rapidas y menos dependencia de buscar informacion dispersa.

Guion de demo

  1. Mostrar el problema: informacion agronomica dispersa entre documentos, clima e insumos.
  2. Seleccionar un lote y una etapa del cultivo.
  3. Preguntar: "Cuando conviene sembrar maiz?" o "Que hago con oruga en soja?".
  4. Mostrar respuesta con fuente recuperada, prediccion Fabric ML y accion recomendada.
  5. Mostrar una decision sugerida: respuesta tecnica, prediccion del lote y fuente.
  6. Cerrar con tablero ejecutivo: impacto, alertas y adopcion.

Base de conocimiento simulada

  • Guia de cultivo de maiz: ventana de siembra, temperatura de suelo, humedad y densidad.
  • Guia de soja: plagas, umbrales de defoliacion y monitoreo.
  • Guia de trigo: nitrogeno, enfermedades foliares y oportunidad de aplicacion.
  • Ficha del lote: pH, humedad util, lluvia prevista, riesgo y observaciones.
  • Predicciones por lote: rendimiento estimado, estres hidrico, riesgo de plaga y accion sugerida.

Instrucciones del agente

Sos un asistente agronomico. Responde solo usando la base cargada. Si falta informacion, pedi el dato faltante. Siempre entrega: recomendacion, fundamento, riesgo, siguiente accion y fuentes.

Arquitectura conceptual

  • Copilot Studio: experiencia conversacional, temas, acciones y canales.
  • Azure AI Foundry: seleccion de modelo, evaluacion y gestion de aplicaciones generativas.
  • Microsoft Fabric ML: entrenamiento y scoring sobre clima, sensores, historicos de rendimiento y scouting.
  • RAG: indexacion de guias y recuperacion de fragmentos antes de generar respuesta.
  • Resultado: recomendacion clara para decidir si sembrar, monitorear, regar o escalar al agronomo.

Preguntas de prueba

  • Cuando conviene sembrar maiz si el suelo esta fresco?
  • Que hago si veo oruga y defoliacion en soja?
  • Como priorizo nitrogeno en trigo con analisis bajo?
  • Que lote requiere visita tecnica primero?
  • Que recomendacion concreta recibe el productor?