Adaptación de la inteligencia artificial a la metodología CONESA, etapa postcosecha cultivo de cacao, finca “San Cristóbal”, El Playón, Santander, 2025-2

Abstract

El presente trabajo de grado aborda el problema de la subjetividad y la interpretación personal al momento de evaluar impactos ambientales. El objetivo principal fue desarrollar un modelo de Inteligencia Artificial para optimizar la metodología CONESA, buscando que los resultados sean más objetivos y menos dependientes de la opinión individual del evaluador. La metodología empleada fue computacional. Primero, se organizó una base de datos histórica, transformando los criterios descriptivos tradicionales en valores numéricos estandarizados. Posteriormente, se entrenó un algoritmo de aprendizaje automático (Random Forest) diseñado para aprender las reglas lógicas utilizadas por los expertos y replicarlas de manera automática. Los resultados demostraron que el modelo es capaz de clasificar los impactos con la misma precisión que un humano, pero con una ventaja adicional: el sistema calcula el porcentaje de seguridad de cada decisión. Esto permitió detectar dudas y riesgos que el método manual pasaba por alto. Como producto final, se desarrolló una herramienta interactiva (Dashboard) que permite a cualquier usuario utilizar esta tecnología de forma sencilla. Se concluye que la clave para una buena evaluación no es solo la fórmula matemática, sino la calidad y el orden de los datos de entrada. La solución propuesta convierte la evaluación ambiental en un proceso medible y transparente, reduciendo la incertidumbre en la toma de decisiones técnicas.