🌿 Agro AI Governance — IA para Gobernanza Agroalimentaria
Valentina Burbano Salazar, Josser Cordoba Rivas, Diana Carolina Argüello Casallas
Agro AI Governance es una plataforma open source de gobernanza agroalimentaria participativa con inteligencia artificial explicable. Convierte reportes del territorio, señales ciudadanas y evidencia comunitaria en decisiones priorizadas, trazables y auditables. La solución integra un bot de Telegram para captura de datos en tiempo real, un dashboard web para análisis y visualización, y una cadena de hashes SHA-256 inmutable para auditoría institucional.
El sistema fue desarrollado durante el Global South AI Safety Hackathon 2026 (19-21 de junio) con enfoque en equidad, transparencia y seguridad en el uso de IA para el sector agroalimentario de América Latina.
4. Contexto y Problemática
En América Latina, la toma de decisiones en el sector agroalimentario enfrenta múltiples desafíos: datos fragmentados, falta de trazabilidad, ausencia de mecanismos de participación ciudadana efectivos y brechas de equidad entre zonas rurales y urbanas. Las herramientas existentes se limitan a la visualización de datos sin ofrecer capacidades de priorización, auditoría o gobernanza verificable.
Agro AI Governance aborda esta problemática mediante un enfoque integral que combina:
Captura ciudadana descentralizada vía Telegram y web
Motor de reglas de gobernanza con 10 criterios de evaluación
Score de riesgo explicable (0-100) por registro
Cadena de auditoría inmutable para trazabilidad institucional
Auditoría de Impacto Dispar alineada con CONPES 4144 (Colombia, 2025)
5. Solución Propuesta
La plataforma opera en cuatro capas funcionales:
Capa 1 - Inteligencia Territorial
Motor de reglas con 10 criterios clasificados por severidad (Critical, High, Medium) que evalúa cada registro del CSV. Las reglas incluyen GOV-001 (trazabilidad de origen), GOV-002 (certificación para uso sensible), BIO-002 (umbral de contaminantes), entre otras. Cada registro recibe un score de riesgo de 0 a 100 y una clasificación en tres niveles: CONFIABLE, REVISIÓN o NO APTO.
Capa 2 - Participación Ciudadana
Bot de Telegram con 6 comandos interactivos (/start, /ayuda, /ultimo, /lotes, /registro, /catalogo) que permite a productores y gestores territoriales reportar descartes agroindustriales, adjuntar evidencia y recibir retroalimentación inmediata. El bot procesa archivos CSV de hasta 5,000 registros con barra de progreso en tiempo real.
Capa 3 - Gobernanza Verificable
Cadena de hashes SHA-256 encadenada donde cada evento (carga de lote, procesamiento, auditoría) registra un event_hash y un previous_hash. Una alteración no autorizada en la base de datos invalida la cadena completa, garantizando inmutabilidad y trazabilidad institucional.
Capa 4 - Equidad LATAM
Auditoría de Impacto Dispar que verifica que el ratio entre subgrupos regionales y poblaciones rurales/urbanas sea menor a 1.25, alineado con CONPES 4144 (Colombia, 2025) y el ASEAN Guide on AI Governance and Ethics. La calibración empírica valida que una brecha de cobertura mayor a 10 puntos porcentuales active revisión automática.
6. Arquitectura Técnica
Componente Tecnología
Backend Django 4.x
Base de datos SQLite
Bot de Telegram python-telegram-bot (long polling)
Motor de reglas Python puro - ruleset-2026-06-django-unificado-v1
Auditoría SHA-256 encadenado
Gráficas Matplotlib / charts.py
Analítica Jupyter Notebook + food_waste_charts.py
Despliegue Docker + docker-compose
7. Resultados y Métricas Alcanzadas
Durante el hackathon, el sistema fue probado con el dataset global_food_wastage_dataset.csv de 5,000 registros, obteniendo los siguientes resultados:
5,000 registros procesados en tiempo real
4,537 registros clasificados como CONFIABLE
407 registros en REVISIÓN (requieren inspección humana)
56 registros NO APTOS (errores estructurales o alertas críticas)
23 eventos registrados en la cadena de auditoría
Cadena de hashes validada como íntegra e inalterada
Auditoría de Impacto Dispar LATAM completada con ratio < 1.25
94% de riesgo territorial identificado
12 alertas activas
8 zonas monitoreadas
3 canales de reporte integrados (web, Telegram, analítica)
8. Alineación con Políticas Públicas
El proyecto está alineado con:
CONPES 4144 (Colombia, 2025) - Política de Equidad y Desarrollo Territorial
ASEAN Guide on AI Governance and Ethics - Principios de IA ética y gobernanza
Objetivos de Desarrollo Sostenible (ODS) - Hambre Cero y Reducción de Desigualdades
9. Repositorio y Documentación
Repositorio GitHub:
https://github.com/BurbanoValentina/agro_governance_unified
Documentación completa disponible en Google Drive:
Video de presentación del proyecto (pitch)
Diapositivas de la solución
Documentación técnica y manual de usuario
Base de datos con registros de prueba
Podcast explicativo del proyecto
Notebook Jupyter de auditoría de equidad alimentaria
10. Equipo
Desarrollado por BurbanoValentina para el Global South AI Safety Hackathon 2026.
11. Uso de IA (LLM Statement)
Claude (Anthropic) fue utilizado para asistir en el encuadre del proyecto, redacción de secciones y sugerencias de estructura de código. Todos los resultados cuantitativos, decisiones metodológicas y afirmaciones de política fueron especificados y verificados de forma independiente por el equipo.
if it works and is adopted, it could meaningfully change how territorial decisions and food‑waste flows are monitored and prioritized. It is still largely an application and integration of known building blocks (rules engine, Telegram bot, hash chaining, basic fairness ratios), so I’d see it as a strong, context‑aware contribution rather than a fundamentally new research direction.
Existe una tensión entre el resumen del proyecto y el documento entregado. El resumen describe una plataforma funcional: Telegram, dashboard, cadena SHA-256, motor de reglas, canales integrados y presenta como resultados alcanzados cifras del tipo 94% de riesgo territorial, 8 zonas monitoreadas o auditoría de impacto dispar completada. Sin embargo, el documento desarrolla principalmente una auditoría metodológica sobre un dataset que el propio trabajo reconoce como probablemente sintético, más un benchmark de posicionamiento estratégico; y sus propias notas marcan las cifras como ilustrativas y las visualizaciones como réplica sintética. Por esa razón, califico con base en lo que el entregable demuestra de manera verificable, y no únicamente en lo que el resumen enuncia. En una evaluación cuyo objeto es precisamente la trazabilidad y la rendición de cuentas, la evidencia disponible es la que debe sostener la valoración. Señalo esta diferencia entre lo enunciado y lo demostrado no para restar mérito al esfuerzo del equipo, sino porque, en un proyecto sobre auditoría, es justamente el punto que un evaluador debe hacer explícito.
El proyecto aborda un área real y desatendida: la equidad algorítmica en seguridad alimentaria para América Latina, mucho menos trabajada que en salud, contratación o justicia penal. Su fuerte es no quedarse en la denuncia: conecta la auditoría de impacto dispar con el CONPES 4144 de forma operativa, mapeando sus componentes a requisitos de gobernanza, impacto dispar no discriminación, SHAP, explicabilidad/trazabilidad de decisiones, calibración auditabilidad y bajándolos a preguntas con umbrales concretos. Eso lo distingue de proyectos que solo nombran la norma. No sube a 5 porque la innovación es de ensamblaje, no de invención: usa herramientas conocidas en una combinación valiosa, pero no metodológicamente nueva. Además, el amarre normativo queda enunciado, no desarrollado jurídicamente. El aporte real vive en el paper; el benchmark de la Parte II es más posicionamiento de plataforma que contribución directa a seguridad.
El diseño es serio: partición temporal correcta, exclusión de variables bien justificada y componentes metodológicos coherentes. Pero no hay prueba con datos territoriales reales. El propio documento reconoce que el dataset parece probablemente sintético o poco representativo de la realidad territorial; las cifras centrales son ilustrativas y pendientes de actualización con la ejecución completa; y los anexos trabajan sobre una réplica sintética. Valoro la honestidad del equipo al declararlo, pero reconocer que la prueba real no se corrió no reemplaza haberla corrido. Lo que se demuestra es el diseño del método, no su validación empírica: los datos simulados no permiten sostener los hallazgos como reales, su validación es insuficiente, no limitada. Se entiende el propósito, pero el documento mezcla géneros (paper, folleto de producto y hoja de ruta), algunas cifras de clasificación difieren entre capturas (4537/407/56 frente a 2638/240/31) posiblemente por mostrar distintos momentos del procesamiento, pero el documento no lo aclara, lo que dificulta reconstruir el dato; y, tratándose de una herramienta pensada para el sector público, se beneficiaría de un lenguaje más cercano al tomador de decisión no técnico que tendría que aplicarla.
Su proyecto parte de una convicción muy potente: que el ciudadano del territorio no sea un espectador, sino una fuente activa de la decisión. Desde esa misma bandera, quisiera dejarles una pregunta que abre camino más que cerrarlo: cómo se vería Agro AI Governance el día en que su motor aprenda directamente de la voz del territorio? Hoy el sistema demuestra su método sobre un dataset de referencia; imagino el salto que daría cuando el primer dato venga de un campesino, una plaza de mercado o un comedor comunitario. Si el alma del proyecto es que el territorio hable, ese paso, de la demostración metodológica a la evidencia viva del territorio, es quizás el más emocionante que tienen por delante. Y los deja ante un reto que es, además, coherente con su tesis: auditar no solo modelos, sino también la forma en que el territorio entra o no en la decisión pública.
Cite this work
@misc {
title={
(HckPrj) 🌿 Agro AI Governance — IA para Gobernanza Agroalimentaria
},
author={
Valentina Burbano Salazar, Josser Cordoba Rivas, Diana Carolina Argüello Casallas
},
date={
},
organization={Apart Research},
note={Research submission to the research sprint hosted by Apart.},
howpublished={https://apartresearch.com}
}
