Inteligencia artificial y gestión adaptativa en el agro argentino: una alianza estratégica para reducir la incertidumbre cognitiva[Artificial Intelligence and Adaptive Management in Argentine Agriculture: A Strategic Alliance for Reducing Cognitive Uncertainty]

[EN] Introduction: The incorporation of artificial intelligence systems into the agricultural sector creates new opportunities to improve decision-making processes in contexts characterized by climatic, economic, biological, and territorial uncertainty. However, the interaction between human rationality and algorithmic rationality generates cognitive challenges that influence technological appropriation among farmers. Methodology: The research adopted a qualitative, exploratory, and analytical approach based on institutional sources, specialized academic literature, and international comparative evidence, complemented by a foresight exercise aimed at identifying future technological development scenarios within agricultural systems. Results: Findings indicate that the adoption of predictive artificial intelligence remains partial and uneven, being concentrated primarily in larger-scale farming operations. Additional barriers were identified, including algorithmic opacity, technological distrust, and perceived loss of decision-making control. Conclusions: The study proposes a conceptual model of adaptive hybrid intelligence that combines algorithmic analysis, local expert knowledge, and foresight tools to reduce cognitive uncertainty while preserving farmers' central role in productive decision-making. [ES] Introducción: La incorporación de sistemas de inteligencia artificial en el sector agropecuario plantea nuevas oportunidades para mejorar los procesos de decisión en contextos caracterizados por incertidumbre climática, económica, biológica y territorial. Sin embargo, la interacción entre la racionalidad humana y la racionalidad algorítmica genera desafíos cognitivos que condicionan la apropiación tecnológica por parte de los productores. Metodología: La investigación se desarrolló mediante un enfoque cualitativo, exploratorio y analítico, sustentado en el análisis de fuentes institucionales, literatura académica especializada y evidencia internacional comparada, complementado con un ejercicio prospectivo orientado a identificar escenarios de evolución tecnológica en el sector agropecuario. Resultados: Los hallazgos muestran que la adopción de inteligencia artificial predictiva continúa siendo parcial y heterogénea, concentrándose principalmente en explotaciones de mayor escala. Asimismo, se identifican barreras asociadas a la opacidad algorítmica, la desconfianza tecnológica y la percepción de pérdida de control sobre la toma de decisiones. Conclusiones: Se propone un modelo conceptual de inteligencia híbrida adaptativa que integra análisis algorítmico, conocimiento experto local y herramientas prospectivas para reducir la incertidumbre cognitiva sin desplazar al productor del centro de la gestión productiva.