Nutrición: dudas y certezas sobre la toma de decisiones en la campaña agrícola

ías pasados se generó un interesante debate en la red Twitter (X) sobre el tema de los criterios a seguir para la decisión de fertilización en la próxima campaña. Participaron del mismo destacados especialistas en suelos y cultivos. Quien esto escribe no es “del palo”, sin embargo, arrojando la prudencia por la ventana, decidió aportar su grano de arena. El intercambio incluyó aspectos tan diversos como la precisión de los métodos de diagnóstico, la elección de “dosis recomendada”, el impacto de la forma de tenencia de la tierra sobre la decisión de fertilizar, el impacto de la suba de retenciones, la desgravación impositiva de los fertilizantes, y el diagnóstico usando “sentido común y experiencia”, vis-a-vis el realizado mediante modelos estadísticos formales.

Ingresé al intercambio con bastantes certezas sobre lo que “debe hacerse” para optimizar el resultado económico (soy economista agrícola), desgraciadamente salí del mismo cargado de dudas. Concluyo que la decisión de fertilizar es un ejemplo clásico de elección bajo incertidumbre, donde mas que buscar un “óptimo” lo que debe se intentar es llegar a una solución “suficientemente buena”. Pero esto es lo que justamente plantea Herbert Simon, premio Nobel en economía: el modelo clásico de un “agente racional” que descubre que es “lo mejor” debe reemplazarse por un modelo mas realista, donde se avanza en forma adaptativa de prueba y error.

A mediados de la década del ’80 hacían falta unos 6 kg de trigo para comprar 1 kg de urea. Hoy esta relación de precios relativos se ha reducido a menos de la mitad. Esta reducción tuvo dos impactos. En primer lugar, un efecto directo: aún manteniendo constante las prácticas y el material genético empleado, la dosis recomendada de fertilizantes aumenta.

Pero al efecto directo se suma un efecto indirecto: la caída en el precio del fertilizante gatilla cambios en múltiples aspectos del proceso productivo. Al respecto, la vigorosa investigación sobre nuevas variedades y uso de fertilizantes que existe en Argentina desde hace algunas décadas es consecuencia de las oportunidades que abren precios relativos más favorables. Si los fertilizantes siguieran costando lo que costaban, gran parte de estas actividades no tendrían sentido. La “teoría del cambio tecnológico inducido” desarrollada por los economistas agrícolas Yujiro Hayami y Vernon Ruttan brinda un marco conceptual adecuado para entender este tipo de fenómeno: los esfuerzos de investigación no son aleatorios, sino que se direccionan en respuesta a cambios de precios.

Indicadores

El intercambio en X al que hice referencia ilustra algunos de los desafíos que existen en lo relativo a la comprensión de la economía del uso de fertilizantes. Al respecto, en una nota reciente publicada en LA NACION, Martín Diaz-Zorita especialista en fertilidad de suelos, en el reciente Simposio Fertilidad 2025 expresa lo siguiente: “Conozcamos nuestros suelos, usemos indicadores adecuados, y entendamos qué incluso haciendo lo mismo, pero con mas criterio podemos cerrar brechas y avanzar”. El mensaje es que las mejores decisiones se alimentan de información. Pero esta información requiere ser procesada, e incorporada a un modelo decisorio que incluya alternativas, eventos inciertos futuros con sus probabilidades, y resultados. Y estos resultados deben ser interpretados no como simples valores monetarios, sino como consecuencias sobre el bienestar del que decide y su empresa.

Lo anterior es relevante en relación con la nueva campaña 2025/26, la cual abre múltiples oportunidades para tomar decisiones. Por ejemplo, las relaciones de precio fertilizante/grano son este año en el caso del trigo más altas que las de las esperadas en la campaña anterior, mientras que en el caso del maíz ocurre lo contrario. ¿Que hacer? ¿Seguir igual, o recalcular y decidir?

Mi impresión es que existen oportunidades de colaboración interdisciplinaria en lo relativo a economía del uso de fertilizantes. Esta colaboración incluye el enfoque tradicional de planta y suelo, al que se adiciona el de modelización (posiblemente basado en forma creciente en técnicas como “machine learning”). Incluye también un componente económico, no solo (o necesariamente) para “poner números” sino para avanzar en lo relativo a cómo el individuo procesa información, aprende y decide. Algo se ha hecho, pero mucho está por hacerse.

El autor integra el departamento de Economía Agrícola de la Universidad del CEMA y es miembro de la Academia Nacional de Agronomía y Veterinaria