Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. Introducción
A nivel mundial, el cacao representa un cultivo de relevancia económica. En este contexto, la producción ecuatoriana se distingue por su calidad, lo que permite el acceso a mercados con altos estándares de exigencia (Gómez et al., 2025). La mayor concentración del cultivo se localiza en la región Costa y en algunas zonas del Oriente, donde los factores como la amplia distribución geográfica junto con el aroma, el sabor y la excelencia del grano han consolidado su posicionamiento internacional. Según el Banco Central del Ecuador (2024), durante el segundo semestre de 2024, se registró un valor total exportado de USD 756,2 millones y 84,2 miles de TM, alcanzando un nuevo récord en exportaciones de cacao; y mostrando un incremento trimestral en valor (48,0%), mientras que en volumen se observa una baja (16,9%).
Para mantener esta ventaja competitiva y garantizar un desarrollo sostenible en la producción de cacao, es imprescindible incorporar nuevas herramientas, tecnologías y estrategias. Principalmente, las tecnologías han comenzado a desempeñar un papel clave en la modernización del sector agrícola. La agricultura de precisión, por ejemplo, ofrece soluciones innovadoras para optimizar el manejo de cultivos y afrontar los desafíos actuales, como el cambio climático y la eficiencia en el uso de recursos (Piedad et al., 2020). Frente a estos desafíos, la inteligencia artificial (IA) y el Internet de las Cosas (IoT) están transformando radicalmente la administración de la agroindustria. Estas tecnologías no solo simplifican la recolección y el análisis de datos en tiempo real, también fomentan la automatización de procesos, incrementando la productividad y asegurando una gestión más eficaz y sustentable de los sistemas productivos (Taramuel et al., 2024).
La Figura 1 ilustra cómo la agricultura de precisión integra tecnologías como el Internet de las Cosas (IoT) y la Inteligencia Artificial (IA) con el propósito de maximizar la productividad de los cultivos (Mosquera, 2023; Porrúa, 2020). El IoT posibilita la automatización a través de redes de sensores, sistemas inteligentes de riego, dispositivos inteligentes, drones, robots, maquinaria inteligente, entre otros; simplificando la supervisión en tiempo real (Dhanaraju et al., 2022; Duguma & Bai, 2024; Larrea et al., 2024); así también, la teledetección facilita la recolección remota de información sobre el terreno y el cultivo, contribuyendo a su monitoreo eficiente (Piedad et al., 2020). Así mismo el uso de aplicaciones móviles para ver el estado del cacao y software para la gestión de datos con o sin internet (Calero, 2022; Vivanco et al., 2024). Por su parte la IA, a través de técnicas como el aprendizaje automático, Big Data y Deep Learning, permite el análisis de grandes volúmenes de información para identificar patrones, optimizar la toma de decisiones y mejorar la eficiencia del manejo agronómico (Gutiérrez et al., 2024; Ortega et al., 2019; Piña-Ferrer, 2024). Además, las estaciones climáticas proporcionan datos precisos y en tiempo real que fortalecen la adaptabilidad del cultivo de cacao ante variaciones climáticas (Cabezas et al., 2024; Ríos, 2024). De igual forma, los sistemas de información geográfica (SIG) permiten analizar variables espaciales y tomar decisiones basadas en datos georreferenciados.
1.1. Trabajos relacionados
Entre las investigaciones previas diversos estudios han abordado la adopción de tecnologías en la agricultura, destacando la revisión de Leutenegger & López (2022), quienes identifican barreras económicas, sociales y tecnológicas en los sistemas agroalimentarios, así como modelos teóricos como la difusión de innovaciones y el Modelo de Aceptación Tecnológica (TAM) (Patiño et al., 2020). En Colombia, se ha resaltado la importancia de la compatibilidad de las tecnologías de agricultura de precisión con las prácticas actuales, la facilidad de uso y los beneficios percibidos por los productores. Además, factores como la calidad de los datos, el respaldo técnico y la capacitación inciden directamente en la adopción (Pérez et al., 2022). En cuanto a tecnologías específicas, estudios sobre IoT en agricultura destacan el uso de sensores y dispositivos como ESP8266 y Arduino para monitoreo de suelo, control de riego y protección de cultivos (Alay et al., 2023). De forma complementaria, una revisión sistemática bajo el método PRISMA analizó 906 investigaciones sobre inteligencia artificial en el sector agrícola, identificando el aprendizaje automático, IoT, big data y robótica como tendencias clave, especialmente relevantes para el cultivo del cacao (Oliveira & Silva, 2023; Sanchez-Calle & Armas, 2022).
Asimismo, el trabajo titulado “Role of IoT Technology in Agriculture” ofrece un análisis técnico sobre sensores, protocolos y redes, proponiendo un esquema para la implementación de IoT en el sector (Riaz et al., 2020). Por otra parte, Quinde y Rivera (2023), desarrollaron un sistema de monitoreo de nutrientes en cultivos de cacao, que mejora la productividad y sostenibilidad mediante la visualización de datos en tiempo real.
1.2. Planteamiento del problema y objetivo
El cultivo del cacao se enfrenta a diversos retos que limitan su productividad y calidad; por ejemplo, plagas, enfermedades y el impacto del cambio climático (Ferrer et al., 2022). La IA e IoT tienen potencial para mitigar dichos problemas y optimizar recursos; pero, su implementación es limitada debido a la falta de conocimiento y recursos financieros (Alzubi & Galyna, 2023).
El objetivo de este trabajo se centró en desarrollar un modelo de adopción de tecnologías como la Agricultura de Precisión, la Inteligencia Artificial y el Internet de las Cosas para la producción de cacao. Primero se realizó el análisis de modelos teóricos previos para proponer nuestro modelo. Luego, se aplicó entrevistas a agricultores del sector cacaotero para evaluar su nivel de adopción de tecnologías, con el fin de identificar oportunidades, retos y factores críticos que influyen en su implementación efectiva.
2. Metodología
En esta investigación se adopta un enfoque cualitativo, con un alcance exploratorio y descriptivo; con el propósito de comprender los factores que influyen en la adopción de tecnologías por parte de los productores de cacao. Se busca analizar sus percepciones, barreras y facilitadores, en el proceso de incorporación de innovaciones tecnológicas en sus cultivos. El diseño metodológico incluye entrevistas a los agricultores para obtener información contextualizada sobre su experiencia con el uso de tecnologías; y luego, se identifican patrones y tendencias clave en el comportamiento de la adopción tecnológica en el sector.
Como aporte principal, se desarrolla un modelo de adopción tecnológica para el contexto del cultivo de cacao, integrando elementos teóricos sobre la adopción de innovaciones. El modelo contempla factores como la utilidad percibida, la facilidad de uso, el contexto socioeconómico de los agricultores y las barreras estructurales para la implementación tecnológica. Su construcción se basa en la información obtenida mediante entrevistas semiestructuradas, diseñadas para explorar el uso actual de tecnologías, percepciones sobre su efectividad, obstáculos enfrentados y factores que favorecen la adopción. Las entrevistas aplicadas permitieron identificar patrones, categorías temáticas y relaciones entre variables de acuerdo con los objetivos de la investigación. Además, se empleó software para organizar y sistematizar la información recolectada, contribuyendo a la formulación del modelo propuesto.
En la Figura 2, se muestra la metodología estructurada en cinco etapas principales. En la primera etapa, se diseñó un modelo de adopción identificando factores clave, variables y sus relaciones, construyendo un esquema conceptual. En la segunda etapa, se elaboró un cuestionario de entrevistas basado en dicho modelo, validado mediante revisiones y ajustado según la retroalimentación recibida. En la tercera etapa, se aplicó las entrevistas, seleccionando una muestra de agricultores y registrando sus respuestas de manera presencial. La cuarta etapa consistió en el procesamiento y análisis de datos, mediante la transcripción de entrevistas, codificación de respuestas, categorización de la información y aplicación de técnicas de análisis de contenido. Finalmente, en la quinta etapa, se interpretaron los resultados, generando informes, recomendaciones y conclusiones que discuten las implicaciones del estudio en la adopción tecnológica en la agricultura.
A continuación, se presenta la descripción de cada etapa.
2.1. Diseño del modelo de adopción
De la literatura, se han seleccionado algunos modelos de adopción de Tecnologías de la Información y la Comunicación (TIC) aplicados en la agricultura; luego se realizó un mapeo de los factores clave (Cuadro 1), que sirvieron de base para desarrollar nuestra propuesta de modelo de adopción tecnológica para el contexto del cultivo de cacao; sin embargo, el modelo propuesto tiene un enfoque genérico aplicable a otros tipos de cultivos.
En la Figura 3, se muestra la relación entre los modelos previos y el propuesto “Modelo Integrado de Adopción de Tecnologías en la Agricultura (MIATA)”, que asocia los factores que influyen en la adopción de tecnologías por parte de los agricultores. Este nuevo modelo integra los aspectos relevantes de la adopción con enfoque integral, transformación e innovación tecnológica en la agricultura.
El Modelo de Difusión de Innovaciones (DOI) se establece como el punto de partida, explicando cómo las tecnologías se propagan y son aceptadas en el entorno agrícola (Manzano & Pérez, 2023). Su impacto se refleja en la Adopción de Innovaciones en la Agricultura, modelo que analiza los factores sociales, económicos e institucionales que determinan la implementación de nuevas tecnologías en los sistemas productivos (Mardiana & Kembauw, 2021).
A su vez, el Modelo de Agricultura de Conservación se vincula con estos procesos al destacar la necesidad de adoptar prácticas sostenibles que minimicen la degradación del suelo y optimicen el uso de los recursos naturales (Cañizares et al., 2022). Complementariamente, el Modelo de Capacidad Absorbente resalta la importancia de la adquisición, asimilación y aplicación del conocimiento tecnológico, permitiendo a los agricultores adaptarse a las innovaciones y mejorar su productividad de manera eficiente (Sánchez & Acosta, 2020).
Los modelos previamente mencionados son la base de nuestra propuesta de Modelo Integrado de Adopción de Tecnologías en la Agricultura (MIATA). En nuestro modelo se añade los “Niveles de adopción de tecnologías”, inspirado en la arquitectura de IoT aplicada al sector agropecuario, propuesta por Mazón (2023), donde se integran redes de sensores, análisis de datos y visualización con tecnologías como Big Data, Ciencia de Datos, Inteligencia de Negocios e Inteligencia Artificial, para la toma de decisiones agrícolas, mejorando la eficiencia en la producción (Mazón et al., 2018); con el propósito de comprender cómo la difusión de tecnologías, la capacidad de absorción del conocimiento y la transición hacia una agricultura sostenible se combinan para lograr una transformación tecnológica efectiva y duradera.
Cuadro 1 Mapeo de factores desarrollado en función de modelos previos
| Categoría/Modelo | DI* | AIA* | MAC* | MCA* | MIATA (propuesto) |
|---|---|---|---|---|---|
| Factores del Agricultor | |||||
| Edad y educación | X | X | X | X | |
| Experiencia agrícola | X | X | X | X | |
| Acceso a financiamiento | X | X | X | ||
| Factores de la Tecnología | |||||
| Costo de implementación | X | X | X | X | |
| Facilidad de uso | X | X | X | X | |
| Beneficios a corto plazo | X | X | X | ||
| Beneficios a largo plazo | X | X | X | X | |
| Entorno y Contexto | |||||
| Infraestructura disponible | X | X | X | X | |
| Capacitación y educación continua | X | X | X | X | |
| Apoyo gubernamental y políticas públicas | X | X | X | X | |
| Proceso de Adopción | |||||
| Conocimiento de la tecnología | X | X | X | X | |
| Evaluación de beneficios y costos | X | X | X | X | |
| Prueba en campo | X | X | X | X | X |
| Implementación y escalabilidad | X | X | X | X | X |
| Niveles de adopción de tecnologías** | X | ||||
| Impacto en la Producción y Sostenibilidad | |||||
| Incremento del rendimiento | X | X | X | X | X |
| Reducción de costos | X | X | X | X | X |
| Sostenibilidad ambiental | X | X | X | X | |
| Mejora en la calidad del cacao | X | X | X | ||
| Riesgos y Percepciones | |||||
| Percepción de riesgo de la adopción | X | X | X | X | |
| Inseguridad sobre la efectividad de la tecnología | X | X | X | X | |
| Riesgos asociados a la inversión | X | X | X |
Nota:
* DI: Difusión de Innovaciones AIA: Adopción de Innovaciones en la Agricultura
MAC: Modelo de Agricultura de Conservación MCA: Modelo de Capacidad Absorbente
** Propuesto
El Cuadro 1 presenta un mapeo comparativo de los factores de adopción tecnológica incluidos en modelos teóricos previos y su integración en el modelo propuesto MIATA. Este análisis toma como referencia marcos conceptuales ampliamente reconocidos, como la Difusión de Innovaciones (DI), el Modelo de Agricultura de Conservación (MAC), la Adopción de Innovaciones en la Agricultura (AIA) y el Modelo de Capacidad Absorbente (MCA). Los factores se agrupan en seis categorías clave: características del agricultor, factores tecnológicos, entorno y contexto, proceso de adopción, impacto en la producción y sostenibilidad, y riesgos y percepciones.
La integración de estos elementos en MIATA permite una visión holística de los factores que influyen en la adopción de tecnologías en el sector cacaotero. En particular, el modelo propuesto destaca por incorporar dimensiones críticas como los niveles de adopción tecnológica, la mejora en la calidad del cacao, y una evaluación más detallada de los riesgos asociados a la inversión tecnológica. Con esto, se proporciona un marco robusto para comprender las interrelaciones entre adopción tecnológica, sostenibilidad y capacidad de aprendizaje, estableciendo las bases para impulsar una transformación digital progresiva, efectiva y sostenible en la agricultura.
2.2. Niveles de Adopción de Tecnologías en la Agricultura propuesto en MIATA
La Figura 4 presenta los niveles de adopción tecnológica propuesto en MIATA para el sector cacaotero; están organizados en cinco etapas: resistencia, conciencia, exploración, adopción activa y consolidación. Esta representación permite visualizar de manera estructurada la progresión en la incorporación de tecnologías digitales, desde su uso nulo o mínimo hasta la integración avanzada de sistemas inteligentes. El propósito de este modelo es servir de guía para evaluar el grado de madurez tecnológica en fincas cacaoteras y orientar estrategias de transformación digital sostenibles y contextualmente pertinentes.
Cada nivel del MIATA está caracterizado por la presencia de tecnologías específicas, organizadas en dimensiones clave como infraestructura, aplicaciones digitales, inteligencia artificial y sistemas de gestión. Los niveles se describen a continuación:
• Nivel 0 - Resistencia: Rechaza el uso de tecnologías por desconfianza o desconocimiento. Se pueden identificar frases dichas por agricultores en entrevistas, tales como: “No uso sensores, no los entiendo”; “Es mejor hacer todo a mano”; “No confío en las aplicaciones informáticas para el campo”.
• Nivel 1 - Conciencia: El agricultor ha escuchado sobre tecnologías que pueden ayudar en sus cultivos, pero no las ha utilizado aún. Dispone de tecnologías básicas como el celular. Ej. de frases: “He escuchado hablar de sensores, pero no sé para qué sirven”; “A veces busco videos sobre el cacao en internet”.
• Nivel 2 - Exploración o prueba: El agricultor empieza a utilizar tecnologías a pequeña escala. Estas incluyen maquinarias y aplicaciones no tan inteligentes. Ej. “Estoy usando una aplicación informática para llevar los gastos de la finca”.
• Nivel 3 - Adopción activa: El agricultor utiliza la tecnología de forma habitual y estratégica. Integra herramientas con sensores, inteligencia artificial básica e IoT. Existe mayor autonomía y monitoreo digital. Ej. “El sensor me avisa cuando regar”; “Uso una plataforma informática que me ayuda con la planificación de la siembra y la gestión del cultivo”.
• Nivel 4 - Consolidación: Las tecnologías implementadas son de nivel avanzado y están completamente integradas en las actividades agrícolas. Las decisiones se toman con base en el análisis de datos generados por sistemas tecnológicos (sensores, plataformas digitales, imágenes satelitales, entre otros), lo que permite optimizar los procesos, mejorar el rendimiento y fomentar la innovación continua en la gestión agrícola. Ej. “Tengo un sistema que analiza datos y me predice el rendimiento del cacao”; “Los sensores, clima y maquinaria están todos conectados a la plataforma de gestión agrícola”.
2.3. Diseño y elaboración de la entrevista
Se elaboró un cuestionario semiestructurado dirigido a agricultores de cacao de la provincia de El Oro, Ecuador, con el objetivo de evaluar el grado de adopción de tecnologías en el ámbito productivo. El instrumento fue diseñado considerando las variables contempladas en el modelo de adopción propuesto, incorporando factores económicos, percepción tecnológica y respaldo institucional. La estructura del cuestionario permite recolectar información cualitativa detallada, facilitando un análisis integral de los elementos que inciden en la adopción de Tecnologías de la Información y Comunicación (TIC) en la agricultura. En el Cuadro 2 se presentan las secciones temáticas abordadas en la entrevista, junto con sus respectivos objetivos analíticos dentro del estudio.
Cuadro 2 Secciones y objetivos de la entrevista
| Sección | Objetivo |
|---|---|
| Percepción de la Eficiencia y Rendimiento | Evaluar la percepción de los agricultores sobre el impacto de las TIC en la productividad y eficiencia de sus cultivos |
| Desafíos y Limitaciones | Identificar los obstáculos técnicos, económicos o de conocimiento que dificultan la adopción de tecnologías en la agricultura. |
| Sostenibilidad | Analizar la percepción de los agricultores sobre el papel de la agricultura de precisión en la optimización de recursos y la reducción del impacto ambiental. |
2.4. Aplicación de entrevistas a agricultores
La recolección de datos se llevó a cabo a 41 agricultores de cacao de la provincia de El Oro, Ecuador, durante un periodo de mes y medio. La selección de la muestra se basó en un muestreo intencional, considerando como criterio de inclusión que la unidad productiva esté dedicada al cultivo de cacao. A cada agricultor se le aplicó un cuestionario semiestructurado diseñado para recabar información cualitativa sobre el grado de adopción tecnológica. La Figura 5 muestra un mapa con la ubicación geográfica de los cantones en los que se realizaron las entrevistas.
2.5. Procesamiento y análisis de datos
En esta etapa se transcribieron las respuestas obtenidas en las entrevistas realizadas a actores del sector agrícola cacaotero en la provincia de El Oro, Ecuador. Posteriormente, se llevó a cabo un proceso de codificación y categorización temática de las respuestas, con el fin de organizar la información según los ejes analíticos definidos en el estudio. Este procedimiento permitió identificar patrones recurrentes, percepciones compartidas y factores clave relacionados con la adopción tecnológica. Adicionalmente, se aplicaron técnicas de análisis estadístico descriptivo para complementar la interpretación cualitativa de los datos.
2.6. Interpretación y presentación de resultados
A partir del análisis de las categorías emergentes, se elaboraron conclusiones que sintetizan los hallazgos principales del estudio, destacando barreras, motivaciones y condiciones que influyen en la adopción de tecnologías en las fincas cacaoteras. Estos resultados permitieron formular recomendaciones dirigidas a actores clave del sector agrícola, orientadas a fortalecer los procesos de innovación y modernización tecnológica. Asimismo, se discutieron las implicaciones teóricas y prácticas de los hallazgos, incluyendo una reflexión crítica sobre las limitaciones del estudio y posibles líneas de investigación futura. En la Sección 3, se describen los resultados obtenidos.
3. Resultados y Discusión
3.1. Resultados
Con base en la aplicación de entrevistas a los agricultores de cacao de la provincia de El Oro, se obtuvieron resultados que permitieron validar el modelo MIATA, identificando los factores críticos que inciden en la adopción de tecnologías basadas en IA e IoT. A continuación, se describen los resultados más significativos del procesamiento de datos. En el Gráfico 1 muestra que el 70.7% de los agricultores entrevistados no utiliza tecnología en sus fincas, mientras que solo el 29.3% ha incorporado herramientas tecnológicas básicas en su producción.
En el Gráfico 2 a), se muestra que entre los agricultores que afirmaron utilizar tecnología en sus fincas, la gran mayoría (92,3 %) emplea sistemas de riego, lo que sugiere que esta es la tecnología más accesible, conocida o considerada útil en el contexto agrícola local.
Por otra parte como se muestra en el Gráfico 2b), el 58.3% de los encuestados notó una reducción de tiempo y un mayor rendimiento del cultivo tras implementar tecnologías en sus cultivos. Un 41.7% percibió una disminución de costos, mientras que el 25% destacó mejoras en la calidad del producto. Esto indica un impacto positivo principalmente en eficiencia y productividad.
En el Gráfico 3 se presentan las barreras y desafíos en la adopción de Tecnologías de Precisión. En Gráfico 3a), el 58,3% de encuestados indican que los desafíos son los costos elevados y la falta de conocimiento técnico. El 41.7% enfrentó dificultades de mantenimiento, mientras que solo el 8.3% reportó problemas con la adaptación del personal. En el Gráfico 3b), el 64% de los encuestados mencionan que no utilizan tecnologías debido principalmente a la falta de conocimiento o capacitación; mientras que el 44% indicó que es debido al alto costo de implementación; por otra parte, el 24% indican que es por la falta de infraestructura adecuada. Esto resalta la importancia de la formación técnica y el apoyo económico para fomentar su adopción. Tan solo un 12% de encuestados, manifiestan no tener necesidad de usar las tecnologías en sus cutltivos de cacao.
En este sentido, el uso de herramientas de inteligencia de negocios y minería de datos puede ser clave para superar dichas barreras, ya que permiten transformar los datos agrícolas en información útil para la toma de decisiones estratégicas. Como indican Mazón et al., (2018) “obtener información a partir de los datos en bruto de procesos operativos, puede ser útil para diagnosticar problemas, detectar patrones o identificar tendencias o simplemente generar ventajas frente a la competencia”.
Fuente: Elaboración de los autores.
Gráfico 3 Barreras y Desafíos en la Adopción de Tecnologías de Precisión
El Gráfico 4 muestra la percepción de los agricultores encuestados sobre el papel de la agricultura de precisión en la sostenibilidad de la producción agrícola. Un 68,3 % de los participantes manifestó estar muy de acuerdo con que estas tecnologías contribuyen significativamente a una producción más sostenible, mientras que un 19,5 % indicó estar algo de acuerdo. Un 9,8 % adoptó una postura neutral, sin inclinarse ni a favor ni en contra, y un 2,4 % expresó estar algo en desacuerdo. Cabe destacar que no se registraron respuestas en la categoría muy en desacuerdo. Estos resultados reflejan una aceptación generalizada del potencial de la agricultura de precisión para optimizar el uso de recursos, reducir el impacto ambiental y mejorar la sostenibilidad en el cultivo de cacao, aunque aún persisten niveles mínimos de escepticismo o desconocimiento entre algunos productores.
3.2. Discusión
Los resultados obtenidos a partir de las entrevistas realizadas a productores de cacao en la provincia de El Oro permitieron validar el modelo MIATA, al identificar los factores que influyen en la adopción de tecnologías basadas en Inteligencia Artificial (IA) e Internet de las Cosas (IoT). Las entrevistas revelaron que dicha adopción se encuentra en una etapa temprana, correspondiente a los niveles 0 y 1 del modelo propuesto. La mayoría de los agricultores (70,7 %) no utiliza tecnologías en sus fincas, mientras que solo el 29,3 % ha incorporado herramientas básicas, como sistemas de riego, que destacan por ser accesibles y ampliamente conocidos.
Entre quienes han implementado tecnología, el 58,3 % percibe mejoras en el rendimiento y reducción del tiempo de trabajo, el 41,7 % reporta disminución de costos, y el 25 % señala mejoras en la calidad del producto. Estos beneficios percibidos refuerzan la utilidad de las tecnologías para mejorar la eficiencia productiva. Sin embargo, persisten barreras significativas, como la falta de conocimiento técnico (64 %), los altos costos de implementación (44 %) y la insuficiencia de infraestructura (24 %).
Pese a estas limitaciones, se evidencia una actitud positiva hacia la innovación: el 68,3 % de los encuestados manifestó estar muy de acuerdo en que la agricultura de precisión contribuye a una producción más sostenible. Este escenario representa una oportunidad estratégica para fomentar la adopción tecnológica mediante programas de capacitación, financiamiento y asistencia técnica. Tal como señala Mazón (2018), el uso de herramientas como la inteligencia de negocios y la minería de datos puede facilitar la conversión de datos agrícolas en conocimiento útil para la toma de decisiones, promoviendo así una transformación digital sostenible en el sector cacaotero.
4. Conclusiones
El presente estudio desarrolló y validó el Modelo Integrado de Adopción de Tecnologías en la Agricultura (MIATA), orientado a comprender y guiar la incorporación de tecnologías basadas en Inteligencia Artificial (IA) e Internet de las Cosas (IoT) en la producción de cacao. A partir de entrevistas a agricultores de la provincia de El Oro, se identificaron los factores clave que inciden en la adopción tecnológica, considerando variables técnicas, económicas, formativas, sociales e institucionales.
Los resultados revelan que, la adopción tecnológica en la mayoría de los agricultores de cacao de la provincia de El Oro, se encuentra en niveles iniciales (niveles 0 y 1 del modelo), con un predominio de prácticas tradicionales y un uso limitado de herramientas digitales. Un 70,7 % de productores que no emplea tecnologías en sus fincas. Entre quienes han adoptado alguna tecnología, el uso más frecuente corresponde a sistemas de riego y equipos de fumigación (bombas a motor y drones), debido a su accesibilidad. Entre los pocos productores que usan tecnologías, reportan beneficios significativos: el 58,3 % de los agricultores destacan mejoras en el rendimiento y reducción del tiempo de trabajo, el 41,7 % percibe disminución de costos, y el 25 % destaca mejoras en la calidad del producto.
Las principales barreras identificadas fueron la falta de conocimiento técnico (64 %), el alto costo de implementación (44 %) y la insuficiencia de infraestructura (24 %). A pesar de estas limitaciones, los agricultores manifestaron una actitud positiva hacia la innovación, especialmente en relación con el papel de la agricultura de precisión en la sostenibilidad, como lo indica el 68,3 % de encuestados que se mostró muy de acuerdo con esta afirmación.
En este contexto, el modelo MIATA se presenta como una herramienta útil para diagnosticar el grado de madurez digital en el sector agrícola y para diseñar estrategias de intervención que fomenten una transformación tecnológica progresiva, sostenible y adaptada al entorno rural. Su aplicación puede extenderse a otros cultivos y regiones, aportando valor en la transición hacia una agricultura más inteligente, resiliente, sostenible y eficiente.
