Nota: Hacemos nuestro mejor esfuerzo por preservar el espíritu original y los matices de nuestros artículos. Sin embargo, nos disculpamos de antemano por cualquier falla de traducción que pueda notar. Agradecemos sus comentarios en reader_input@mckinsey.com
Los factores que influyen en los mercados de materias primas agrícolas están cambiando con mayor rapidez e interactuando de maneras más complejas que nunca. En 2025, la creciente frecuencia e intensidad de anomalías climáticas, las políticas comerciales fluctuantes, las nuevas regulaciones sobre biocombustibles, la volatilidad de los precios y los cuellos de botella logísticos hicieron cada vez más difícil para los principales comercializadores de materias primas anticipar cambios en la oferta, la demanda y los flujos comerciales. Como resultado, el conjunto de ganancias del comercio de materias primas agrícolas cayó un 15 por ciento interanual, el nivel más bajo en cuatro años desde 2022, según estimaciones de McKinsey.1
Más perspectivas de McKinsey en Español
Mire nuestra colección de artículos en Español y suscríbase a nuestro newsletter mensual en Español.
Es probable que continúe la elevada frecuencia de eventos impredecibles. Sobre el terreno, se espera que las variaciones en los rendimientos agrícolas aumenten debido a cambios en los rangos habituales de temperatura y precipitaciones, condiciones más favorables para brotes de plagas y enfermedades, y alteraciones en la salud del suelo (como una aceleración en el ciclo de nutrientes), entre otros factores.2 Los mercados también se están convirtiendo en una fuente creciente de disrupción debido a cambios en el comercio mundial y a las tensiones geopolíticas, siendo la interrupción de los flujos comerciales en el estrecho de Ormuz a principios de 2026 un ejemplo de este riesgo.
En este artículo, describimos tendencias que podrían afectar el comercio agrícola y las capacidades que probablemente necesitarán los principales operadores para navegar la volatilidad de los mercados de materias primas. Para los comercializadores y procesadores, mejorar la agilidad de sus equipos de comercialización y las analíticas que utilizan para fundamentar sus decisiones podría ser crucial para el éxito. Los actores que no inviertan en estas capacidades corren el riesgo de verse en desventaja estructural a medida que nuevos participantes del mercado con sofisticación digital invierten para cerrar asimetrías de información. También se prevé un cambio radical en la agilidad conforme los principales actores rediseñen sus flujos de trabajo comerciales, de cobertura, logísticos y de gestión de riesgos para la inteligencia artificial (IA) agéntica. Mejorar estas capacidades podría permitir que actores globales y regionales incrementen la resiliencia de sus redes de activos y ajusten sus posiciones con mayor rapidez tras eventos impredecibles.
El entorno actual: Mercados fragmentados y productores bajo presión
La oferta de distintas materias primas está divergiendo, lo que ejerce presión por igual sobre productores, operadores y procesadores. Entre 2024 y 2025, los mercados de futuros agrícolas se dividieron de forma pronunciada, ya que materias primas de ciclo largo, como el cacao y el café, entraron en repuntes impulsados por la oferta, mientras que cultivos extensivos, como el maíz y la soja, se hundieron bajo el peso de múltiples cosechas récord (Gráfica 1).
Por un lado, las naranjas, el cacao, el café y la carne de res experimentaron una restricción en la oferta debido a una combinación de clima adverso, enfermedades, plagas y contracciones en los hatos reproductivos, lo que provocó aumentos significativos de precios.3 Estos precios más altos están permitiendo que algunos productores de cacao y café, así como ganaderos, realicen inversiones específicas como la reconstrucción de hatos, la plantación de plántulas y sistemas de irrigación, pero es probable que estos esfuerzos tarden entre dos y cuatro años en traducirse en una mayor producción. A corto plazo, decisiones como la replantación y la retención de novillas4 podrían restringir aún más la oferta.
Por otro lado, la producción global récord de maíz, soja y trigo (impulsada por sólidos rendimientos y una mayor superficie cosechada) ha llevado los precios de los futuros a mínimos de varios años.5 Los productores de granos y oleaginosas enfrentan ahora una presión sobre la rentabilidad, ya que los costos de fertilizantes, semillas, combustible y financiamiento se mantienen elevados frente a precios de materias primas históricamente débiles.6 Desde principios de 2026, los aumentos en los precios de futuros de cultivos intensivos en insumos, como el maíz y el trigo, no han compensado los incrementos drásticos en los precios de los insumos, según un análisis de McKinsey hasta abril de 2026. Como resultado, los retornos netos promedio por acre de cultivos de hilera han entrado en territorio negativo para muchos productores antes de los pagos gubernamentales.
Estos desequilibrios en la oferta se han propagado a lo largo de la cadena de valor, y los operadores y procesadores agrícolas han tenido dificultades para mantener la rentabilidad. Al igual que los productores, tanto los operadores como los procesadores han tenido que lidiar con una oferta abundante de granos y oleaginosas, así como con un exceso de capacidad de procesamiento en orígenes clave como Norteamérica, un mayor costo de capital y acuerdos comerciales y aranceles difíciles de prever que han afectado la determinación de precios.7 Los obstáculos logísticos han añadido aún más presión sobre los márgenes y complejidad operativa.
Los desarrollos en el mercado de oleaginosas durante los últimos años ilustran cómo han cambiado los regímenes de precios. Entre 2018 y 2024, las políticas de diésel renovable en Estados Unidos e Indonesia impulsaron inversiones en ampliaciones de capacidad.8 En 2022, por ejemplo, la creciente demanda de materias primas para combustibles renovables en Norteamérica elevó los precios de los futuros del aceite de soja a sus niveles más altos desde 2008 e incrementó los márgenes de trituración de oleaginosas hasta máximos de varios años.9 Este entorno de altos márgenes impulsó inversiones a gran escala en capacidad de trituración en Estados Unidos. A medida que las nuevas instalaciones comenzaron a operar, el mercado experimentó dos efectos importantes: primero, los volúmenes de trituración de soja en Estados Unidos continuaron alcanzando máximos históricos durante cuatro años consecutivos, hasta 2024.10 Segundo, los márgenes de trituración de soja disminuyeron hasta un 80 por ciento interanual entre 2023 y 2024.11 Estos vínculos históricos entre la política gubernamental, los precios de la energía y los precios de las materias primas agrícolas continúan vigentes hoy; por ejemplo, los aumentos en los precios de los combustibles suelen incrementar la demanda de biocombustibles y de sus materias primas agrícolas, lo que con frecuencia aumenta los márgenes de los productores de biocombustibles.
Se han observado fluctuaciones similares en cultivos de materias primas alrededor del mundo, lo que desafía a las casas comercializadoras a mantenerse al día. Las empresas con flexibilidad limitada han tenido dificultades para adaptarse a los cambios, mientras que aquellas con una presencia de activos geográficamente diversificada, acceso a diferentes modos de transporte y presencia en múltiples mercados de destino se han beneficiado de una mayor resiliencia de márgenes. Las compañías también están desplazando su exposición hacia márgenes estructuralmente más amplios y hacia fuentes de demanda más estables, alejándose de negocios históricamente volátiles de originación, procesamiento y comercialización de granos. Por ejemplo, muchos procesadores agrícolas han invertido en mercados de productos especializados y derivados, como aceites especializados, procesamiento de proteínas alternativas y mercados de salud funcional, para reducir la volatilidad de las ganancias.12
La actual incertidumbre elevada debido a la inflación y la disponibilidad física de fertilizantes y combustibles ha introducido nuevos desafíos para productores, casas comercializadoras y procesadores. La combinación de incrementos en la volatilidad del mercado y los cambios continuos en las tasas de interés ha intensificado la presión derivada de mayores requerimientos de capital de trabajo. Los participantes del mercado enfrentan costos de capital elevados para mantener inventarios y mayores garantías exigidas para cumplir con obligaciones de margen en importantes bolsas de materias primas, como la Chicago Mercantile Exchange (CME) y la Intercontinental Exchange (ICE).
Tres tendencias que están reconfigurando los mercados agrícolas
El actual entorno de incertidumbre implica que el mañana podría verse muy distinto, pero ¿de qué manera? Algunos factores clave podrían afectar profundamente el futuro del comercio agrícola.
Se espera que aumente la variabilidad de la oferta
La variabilidad de la producción y las disrupciones en las cadenas de suministro podrían aumentar en el futuro por múltiples razones.
Los aranceles y la incertidumbre geopolítica han afectado las estrategias comerciales durante varios años. A medida que estas tendencias continúan, se espera que aumente la frecuencia de eventos que provocan dislocaciones de los flujos comerciales a corto y mediano plazo, afectando las cadenas de valor agrícolas desde los productores hasta los mercados finales (vea el recuadro “Disrupciones de suministro en Medio Oriente”). La escasez regional, los cambios en las rutas comerciales y las modificaciones frecuentes de las barreras comerciales se están convirtiendo en la regla más que en la excepción.
A nivel de producción, se espera que la oferta global de distintos cultivos se vea afectada en el futuro por fenómenos climáticos adversos, cambios en la biodiversidad y en la salud y disponibilidad del suelo, lo que provocará mayores fluctuaciones en los rendimientos y pérdidas de cosechas. Por ejemplo, en las regiones tropicales, los rendimientos del maíz podrían disminuir hasta un 30 por ciento para 2050 en escenarios de altas emisiones.13 Además, una tercera parte de la capa superficial del suelo del mundo ya está degradada y se prevé que hasta un 90 por ciento estará en riesgo para 2050.14
Los cambios en los patrones climáticos cíclicos también están destinados a tener efectos de gran alcance en distintas regiones. En particular, los eventos de El Niño-Oscilación del Sur (ENOS) han aumentado gradualmente con el tiempo.15 Asimismo, se espera que los efectos de los eventos ENOS se vuelvan más extremos debido al cambio climático,16 lo que hará más difícil prever el impacto sobre los cultivos de diferentes zonas. En años recientes, por ejemplo, la sequía de Brasil en 2023 afectó gravemente la producción de soja en territorios clave como Mato Grosso, mientras que las lluvias de La Niña en Australia entre 2022 y 2023 provocaron una disminución en la calidad del trigo, favoreciendo a operadores con abastecimiento diversificado.17
La dependencia del mercado respecto de un menor número de regiones clave también ha amplificado la sensibilidad a las disrupciones en las cadenas de suministro y ha dado como resultado una mayor volatilidad. Para algunas materias primas blandas como el café y el cacao, la disminución de la aptitud de la tierra en regiones concentradas de producción (por ejemplo, Brasil, Colombia e Indonesia para el café, y Ghana y Costa de Marfil para el cacao18) podría intensificar los riesgos en las cadenas de suministro para los compradores de materias primas (Gráfica 2).
Los nuevos participantes aportarán una liquidez más compleja
El actual impulso y la volatilidad están atrayendo nuevos participantes al mercado, como fondos de cobertura, actores consolidados del sector de petróleo y gas, y nuevos tipos de compradores de materias primas:
- Fondos de cobertura. Los aumentos drásticos de precios impulsados por las restricciones de oferta pueden resultar sumamente atractivos para los fondos de cobertura. Estos fondos utilizan estrategias “cuantamentales” (“quantamental”) que combinan perspectivas fundamentales de oferta y demanda con herramientas cuantitativas, como indicadores de momentum, para identificar tendencias de precios fuertes y persistentes. Sin embargo, la elevada volatilidad puede incrementar de forma abrupta el efectivo necesario para cumplir con los requerimientos de margen inicial y de mantenimiento.19 Además, a medida que disminuye la liquidez, los especuladores que reducen sus posiciones pueden amplificar aún más las oscilaciones del mercado.
- Actores consolidados del sector de petróleo y gas. Las grandes compañías energéticas están aumentando sus inversiones estratégicas en el comercio de materias primas agrícolas. Han surgido algunos focos importantes para estas inversiones, entre ellos las mesas de combustibles renovables que comercializan materias primas y subproductos (por ejemplo, harina de soja), así como la infraestructura física utilizada para producir diésel renovable y combustible sostenible para aviación.20 Tras la expansión en Norteamérica de la capacidad de trituración de oleaginosas y refinación de combustibles renovables en los últimos años, estas mesas de negociación han logrado utilizar analítica para construir perspectivas de mercado sobre cómo evolucionarán las correlaciones entre productos alimentarios y energéticos, como los diferenciales de precios entre el aceite de soja y el diésel.
- Compradores de materias primas. Las empresas de bienes de consumo de rápida rotación (fast-moving consumer goods, FMCG) y de servicios de alimentos están entrando cada vez más al espacio del comercio agrícola. Estas compañías realizan coberturas dinámicas orientadas al valor, más que a la certidumbre. En consecuencia, muchas están invirtiendo en aumentar la sofisticación de sus estrategias y mecanismos de cobertura (por ejemplo, opciones). Algunos compradores también externalizan su riesgo de precios a terceros que operan en su nombre.
A medida que estos nuevos participantes ingresan al espacio del comercio agrícola, las nuevas fuentes de liquidez podrían generar oportunidades para los actores consolidados. Sin embargo, un espacio de negociación más saturado puede generar presiones sobre la rentabilidad si los participantes del mercado más sofisticados representan una mayor proporción del interés abierto y del volumen de negociación.
La determinación de precios ocurrirá más rápido con algoritmos
Un mundo más impredecible ha llevado a los operadores a modernizar sus sistemas predictivos. A medida que nuevos compradores impulsados por algoritmos ingresan al mercado, una mayor proporción de los volúmenes negociados y del interés abierto se coloca mediante algoritmos y señales “cuantamentales”. La determinación de precios también está pasando de la interpretación humana a la interpretación por máquinas. En paralelo, los mercados se están acelerando.
La mayor frecuencia de operaciones implica que las señales fundamentales de oferta y demanda se incorporan a los precios de mercado mucho más rápido, reduciendo el tiempo que tienen los operadores para actuar. Mientras que antes los operadores podían prever diferenciales de base analizando desequilibrios de inventarios que se acumulaban durante meses, los mercados actuales requieren intervenciones más rápidas impulsadas por analítica. Los principales operadores están aprovechando actualmente imágenes satelitales, datos meteorológicos y modelos de aprendizaje automático para anticipar este tipo de shocks de oferta y optimizar con mayor rapidez la logística, casi en tiempo real. Con base en el trabajo realizado con clientes, hemos observado que los participantes actuales del mercado invierten cada vez más en proveedores externos de analítica de datos que se benefician de economías de escala, así como en investigación “cuantamental”. Los avances en los grandes modelos de lenguaje (large language models, LLM) también están permitiendo que los corredores de materias primas sinteticen con mayor rapidez noticias del momento, lo que está erosionando las asimetrías de información que históricamente beneficiaron a los comercializadores de materias primas más grandes y diversificados. Estas dinámicas están ampliando quién compite con quién: los compradores agrícolas utilizan cada vez más algoritmos para incursionar en áreas donde tradicionalmente los creadores de mercado de baja latencia han tenido ventaja.
También ha aumentado la demanda de datos para alimentar los modelos que identifican señales de negociación. En consecuencia, actores de la industria a lo largo de la cadena de valor han monetizado sus datos internos, como precios físicos de base y señales de mercado, al proporcionarlos a terceros, como los fondos de cobertura. Esta monetización plantea una disyuntiva: puede producir ingresos, pero también podría erosionar ventajas competitivas desarrolladas durante décadas.
Es probable que este ritmo de cambio se acelere aún más, impulsado por agentes digitales basados en IA capaces de moldear decisiones y ejecutarlas de forma autónoma. Los agentes de investigación previos a las operaciones, que combinan señales técnicas, macroeconómicas, fundamentales y de sentimiento provenientes tanto de fuentes internas como externas, podrían ayudar a los operadores a formar convicciones y actuar sobre ellas mucho más rápido. Además, los agentes enfocados en riesgo, que monitorean el valor en riesgo, la exposición crediticia y la liquidez casi en tiempo real y recomiendan intervenciones cuando se alcanzan ciertos límites, podrían reforzar significativamente la gestión de riesgos. Al mismo tiempo, si están mal diseñados o calibrados, también podrían desencadenar cascadas de órdenes de salida, en las que las órdenes automatizadas de protección contra pérdidas de los grandes actores se activan en secuencia, amplificando la tensión del mercado.
Los crecientes desafíos en las cadenas de suministro, los nuevos participantes y la determinación algorítmica de precios están incrementando la velocidad y magnitud del cambio. Los operadores y procesadores agrícolas deberían tomar en cuenta estos factores al construir estrategias para el camino que les espera.
Imperativos para operadores y procesadores
Los operadores y procesadores mejor posicionados para tener éxito en este entorno han ajustado sus modelos operativos e invertido en capacidades para ser más ágiles a través de redes de activos geográficamente diversificadas. Rediseñar las estructuras organizativas, priorizar una cultura de trabajo colaborativa y crear incentivos bien estructurados para optimizar las ganancias de toda la empresa podría ayudar a mejorar la capacidad de los operadores para redirigir proactivamente los flujos en respuesta a los precios volátiles y los cambios regionales en los márgenes de procesamiento.
Para volverse más ágiles y estar preparados para el futuro, los procesadores y operadores pueden considerar varias vías de transformación: pasar de una optimización regional a una optimización global de la cadena de valor, diseñar un modelo operativo ágil para moverse con rapidez, impulsar una colaboración eficiente mediante mejoras en la calidad y transparencia de los datos, y construir capacidades analíticas ágiles que escalen al interconectarse dentro de un dominio común.
Pasar de una optimización regional a una optimización global de la cadena de valor
Actualmente, la mayoría de los actores agrícolas optimizan las decisiones a nivel de unidad de negocio individual o de compañía operativa regional. El problema es que estos grupos pueden tener visiones contrapuestas sobre lo que es mejor para la empresa en su conjunto, ya que los líderes globales y regionales carecen de procesos de toma de decisiones unificados, estandarizados y transparentes. Para que la toma de decisiones sea más eficiente, las empresas pueden impulsar transformaciones operativas que reduzcan las fricciones, especialmente aquellas diseñadas para hacer más claros los traspasos de responsabilidades.
Estas transformaciones deben tener como objetivo establecer una rendición de cuentas clara mediante estructuras de incentivos rediseñadas y mejores protocolos de delegación. Las compañías pueden establecer incentivos y responsabilidades vinculados a objetivos de desempeño compartidos entre múltiples nodos de toma de decisiones dentro de una organización (por ejemplo, originación, logística ferroviaria y fluvial, transporte marítimo y procesamiento primario). Otro elemento clave de una transformación exitosa es extender los esfuerzos de cambio a los distintos niveles de la jerarquía de una empresa. Cuanto más grande e integrada sea una empresa de materias primas, más probable es que los gerentes a lo largo de la cadena de valor (es decir, unidades de negocio, regiones y compañías operativas) tengan diferencias de opinión.
A medida que más actividades sean gestionadas mediante IA agéntica, también será cada vez más importante reevaluar los procesos de interfaz y los protocolos de interacción entre agentes. Para las organizaciones que incorporen IA agéntica, la rendición de cuentas debería extenderse a los traspasos entre agentes y humanos, así como entre agentes.21 Una solución es establecer un “comité de control de cambios de agentes” para revisar lanzamientos, accesos a prompts y herramientas, y planes de reversión. Estos comités pueden ser análogos a los sistemas de gestión de riesgo de modelos, pero ajustados a los comportamientos de planeación y memoria de los agentes. Si se realizan correctamente, las transformaciones operativas pueden empoderar a los equipos para que se muevan más rápido y respalden una toma de decisiones ágil y multifuncional.
Para facilitar la resolución de diferencias, los operadores agrícolas pueden inspirarse en empresas de otros sectores. Por ejemplo, en un estudio de caso, una gran empresa energética que había dividido sus negocios de generación, comercialización y clientes estableció un equipo de optimización de portafolio dedicado a equilibrar los conflictos y optimizar las operaciones. Este equipo central garantizaba una alineación global entre los operadores a lo largo de la cadena de valor, permitiendo que los empleados superaran las dinámicas internas e hicieran lo mejor para el negocio en su conjunto. De hecho, la mayoría de las principales compañías integradas de petróleo y gas utilizan equipos similares de optimización de la cadena de valor para servir de interfaz entre los operadores y gerentes de refinería. De esta manera, pueden ayudar a garantizar que el abastecimiento de petróleo crudo y la comercialización de productos refinados (por ejemplo, gasolina o diésel) maximicen las ganancias de la empresa en general, y no las de una refinería individual o mesa de negociación específica.
Diseñar un modelo operativo ágil para moverse con rapidez
Para los operadores, especialmente los actores globales, puede resultar difícil moverse y adaptarse con rapidez. Un modelo operativo ágil puede ayudar a diferenciar a las empresas al introducir ciclos de planeación más cortos y frecuentes para mejorar la capacidad de respuesta ante los cambios del mercado.
Las compañías también pueden adoptar una planeación basada en escenarios para modelar múltiples resultados geopolíticos, económicos y de políticas públicas. Idealmente, estos modelos también deberían incorporar explícitamente la opcionalidad física y comercial a lo largo de las cadenas de valor de una empresa. De esta manera, las compañías pueden contar con planes listos para activarse cuando ocurran eventos difíciles de prever. Con una planeación basada en escenarios, las empresas pueden optimizar mejor su exposición al riesgo mediante pruebas de estrés que modelen eventos extremos abruptos y no lineales, que suelen seguir a noticias sobre shocks geopolíticos y de oferta. Esto garantiza que el riesgo modelado coincida con el apetito de riesgo definido por la dirección.
Además, las empresas pueden utilizar ejercicios regulares de análisis retrospectivo para aprender de las oportunidades perdidas y aplicar esos aprendizajes a decisiones futuras. Esto requiere una colaboración más estrecha entre los operadores y los equipos de analítica para garantizar que los datos y perspectivas se compartan y alineen rápidamente. Con esta alineación, los equipos pueden actuar de manera más eficiente ante las oportunidades de negociación y gestionar los riesgos del mercado. Esto también es válido en las organizaciones habilitadas por IA agéntica, donde McKinsey ha encontrado que el rediseño de flujos de trabajo es el atributo más correlacionado con el impacto en las ganancias antes de intereses e impuestos (EBIT).22 Los enfoques exitosos han incluido agentes ubicados en el centro de la planeación de escenarios y sprints continuos de “planear-operar-aprender”, de modo que los equipos puedan iterar límites y salvaguardas conforme evolucionan los modelos y los mercados.
En un caso, una casa global de comercialización de materias primas implementó un marco ágil de gestión de riesgos que permitió ajustes en tiempo real a las estrategias de cobertura. También adoptó evaluaciones continuas de riesgo, en lugar de depender de modelos estáticos, y utilizó análisis de escenarios para prepararse ante posibles disrupciones relacionadas con sanciones o cuellos de botella en las cadenas de suministro. En última instancia, esto fortaleció la capacidad de la compañía para mitigar riesgos y capitalizar oportunidades más amplias de arbitraje, al tiempo que mejoró la alineación interna entre las decisiones de negociación y los objetivos corporativos generales.
Fomentar una colaboración eficiente mediante mejoras en la calidad y transparencia de los datos
Las organizaciones de comercialización de todos los tamaños suelen verse obstaculizadas por la mala calidad de los datos, que ralentiza la toma de decisiones y aumenta el costo de la colaboración (Gráfica 3). Si bien las inversiones destinadas a transformar integralmente la calidad de los datos pueden tardar años en completarse, podrían requerir solo meses para generar valor.
Además de trabajar para mejorar la calidad de los datos, habilitar la visibilidad integral de las ganancias y pérdidas (profit and loss, P&L) para todos los operadores a lo largo de una cadena de valor puede mitigar conflictos y permitirles priorizar las operaciones que optimicen el P&L de toda la empresa, en lugar del de una mesa o unidad de negocio. Esto puede lograrse mediante algunos pasos:
- Establecer una única fuente de verdad para los datos de mercado, operaciones y metodologías de cálculo de los indicadores clave de rendimiento (key performance indicators, KPI), con el fin de garantizar consistencia en toda la organización.
- Documentar la opcionalidad de los activos y contratos (por ejemplo, cláusulas de flexibilidad y derechos incorporados) para permitir que los equipos adyacentes comprendan el espacio de soluciones.
- Compartir resultados interoperables de modelos que ayuden a los analistas en un nodo de la cadena de valor a comprender las implicaciones sobre el P&L de otros nodos previos, posteriores o ambos a lo largo de la cadena de valor.
Una vez que exista un enfoque y una metodología comunes para interpretar los movimientos del P&L, los operadores pueden comenzar a actuar sobre esa comprensión compartida en tiempo real.
En un estudio de caso, un comercializador agrícola global emprendió una transformación de dos años de su modelo digital y de negocio. Al centrarse primero en una sola cadena de valor de materias primas, la empresa pudo implementar una infraestructura analítica desarrollada a medida que aprovechó mejor los repositorios de datos de SAP y construyó un simulador de cartera de negocio para modelar la valoración de inventarios, los balances contractuales, los márgenes de procesamiento y las coberturas, con el objetivo de simular de manera interactiva la exposición al mercado y el impacto en el EBIT. Esto no solo ayudó a la casa comercializadora a identificar más de 150 millones de dólares en mejoras de EBITDA, sino que también creó una cartera de más de 70 casos de uso adicionales de IA para seguir optimizando su modelo de negocio.
Construir capacidades analíticas ágiles que escalen mediante la interconexión dentro de un dominio común
Invertir en IA se ha convertido en un requisito básico, y más del 60 por ciento de los operadores y procesadores agrícolas ya están planeando o poniendo a prueba iniciativas de IA a gran escala (Gráfica 4). Al mismo tiempo, los ejecutivos del sector agrícola siguen siendo más pesimistas sobre el potencial de la IA que sus pares en los sectores energético y metalúrgico.23 Aunque aproximadamente uno de cada tres operadores agrícolas está implementando IA, la mayoría tiene dificultades para obtener retornos significativos. El problema es estructural: los casos de uso fáciles de implementar generan retornos modestos, mientras que las oportunidades con mayor retorno de la inversión implican mayores requerimientos de inversión y riesgos de ejecución. Quienes logran gestionar con éxito esta disyuntiva han obtenido impactos desproporcionadamente altos, y uno de cada diez reporta incrementos de EBIT de 10 por ciento o más.24
Para los operadores, elegir acertadamente entre viabilidad y potencial de retorno puede marcar la diferencia entre superar o quedar por debajo de las previsiones de ganancias. Esto es particularmente importante al momento de decidir en qué sistemas analíticos invertir y cómo gestionar las inversiones a lo largo del ciclo de desarrollo analítico (análisis exploratorio de datos, desarrollo de pruebas de concepto o productos mínimos viables [MVP, por sus siglas en inglés], e industrialización de modelos de aprendizaje automático).
Por este motivo, los operadores agrícolas pueden beneficiarse más al invertir en una cartera diversificada de capacidades analíticas interoperables y ágiles que puedan evolucionar y desarrollarse con el tiempo una vez que hayan demostrado su valor. Idealmente, este recorrido comienza con el establecimiento de expectativas realistas de corto plazo diseñadas en función de las limitaciones actuales de calidad de datos y tecnología, al mismo tiempo que se planifican las posibilidades del mañana mediante objetivos ambiciosos de largo plazo.
A medida que las compañías construyen portafolios de capacidades analíticas ágiles, algunas directrices deberían influir en sus hojas de ruta:
- Ser conscientes de los tiempos. Las victorias rápidas son poco frecuentes en la analítica aplicada al comercio de materias primas, y la mayoría de las investigaciones “cuantamentales” y capacidades analíticas previas a las operaciones son inversiones riesgosas con retornos irregulares que pueden variar radicalmente con el tiempo. Algunas empresas han logrado reducir drásticamente el capital de trabajo mediante una mejor gestión de inventarios o la priorización de intermediarios en cuestión de meses. Sin embargo, la mayoría de los casos de uso analítico desarrollados a medida requieren al menos dos meses para desarrollar un MVP funcional antes de iniciar la industrialización.
- Comenzar en pequeño y expandirse a partir de ahí. Los operadores de materias primas que desarrollan capacidades analíticas con un alcance limitado tienen más probabilidades de capturar valor con mayor rapidez. Planear una hoja de ruta analítica que conecte los casos de uso interrelacionados a lo largo de las cadenas de valor y las funciones de las materias primas puede ayudar a que las inversiones escalen dentro de un dominio común para habilitar la optimización de la cadena de valor y preparar el terreno para la IA agéntica.25
- Aprovechar las fortalezas existentes. Desde una perspectiva táctica, las compañías pueden aprovechar sus fortalezas, herramientas y enfoques exitosos ya existentes al crear nuevas funciones analíticas. Al decidir dónde invertir en datos, herramientas y tiempo, es importante considerar el impacto potencial sobre ganancias y retornos, así como la viabilidad y replicabilidad de los casos de uso.
- Replantear radicalmente los flujos de trabajo. Aunque los agentes habilitados por IA generativa y LLM no reemplazarán por completo a los equipos de middle office o back office, se espera que los flujos de trabajo se transformen drásticamente en los próximos años con la IA agéntica. Una encuesta reciente de McKinsey entre ejecutivos del comercio de materias primas agrícolas sugiere que más de la mitad espera que la IA genere un aumento de EBIT superior al 5 por ciento durante la próxima década.26 Ahora es el momento para que los pioneros y seguidores rápidos exploren cómo podrían cambiar los flujos de trabajo tradicionales a medida que la IA evoluciona a gran velocidad.
Si bien no existe una bola de cristal capaz de predecir el futuro con precisión y la optimización global de todas las decisiones es imposible, los beneficios de implementar portafolios de capacidades analíticas ágiles son notorios. Los principales operadores de materias primas que han invertido en analítica predictiva y optimización de la cadena de valor han incrementado su rentabilidad entre 200 y 500 puntos base, y se espera que la implementación de IA agéntica en operaciones posteriores a la negociación (por ejemplo, registro, conciliación y liquidación de operaciones) mejore la productividad entre un 30 y un 60 por ciento en los próximos dos a cuatro años, según un análisis de McKinsey.
El ritmo de cambio en los mercados agrícolas se está acelerando y la brecha entre líderes y rezagados se está ampliando. La próxima ventaja no vendrá de más tableros de control, sino de flujos de trabajo reinventados, impulsados por agentes de IA que interactúan con modelos predictivos y de optimización basados en métodos consolidados de aprendizaje automático. Los agentes podrían reducir los ciclos de decisión de días a horas, mientras importantes salvaguardas de supervisión y gobernanza humanas preservan la seguridad, la confianza y los controles internos.27 Construir una base sólida sustentada en la agilidad podría permitir a las empresas seguir transformándose en el futuro conforme nuevas tecnologías y cambios adicionales sigan moldeando la agricultura global. Aunque persiste la incertidumbre sobre cómo evolucionarán las capacidades de los modelos de IA de frontera, los operadores y procesadores que inviertan desde ahora en una sólida calidad de datos, modelos analíticos interoperables y modelos operativos ágiles podrían estar mejor posicionados para mejorar sus resultados comerciales con IA.