Cómo trabajamos, y cómo lo demostraremos.
LeafShift está en plena investigación y desarrollo. Construimos con cuidado, sobre ciencia consolidada, y nos atenemos a una regla: no afirmamos lo que no podemos demostrar. Esta página explica cómo entendemos la prueba. Los resultados, y sus límites, llegarán a medida que avancen nuestros pilotos.
Nuestras decisiones se basan en FAO-56, el estándar internacional para el uso de agua de los cultivos, y en décadas de hidrología revisada por pares. Trabajamos con implementaciones consolidadas y validadas abiertamente de esa ciencia. Somos un equipo con mentalidad investigadora, y el método lo refleja.
Un modelo que parece convincente no demuestra que sea correcto. Antes de afirmar nada, el modelo tiene que ganárselo, paso a paso.
Contrastar el modelo con la realidad
Antes de afirmar nada, ¿sigue nuestro balance hídrico las condiciones reales medidas sobre el terreno? Si no, nada de lo que se construya encima cuenta.
Probar la decisión que produce
¿Habrían cambiado de verdad nuestras decisiones el resultado en una temporada real, con todo lo demás igual? Un modelo que se ajusta a los datos aún tiene que demostrar que decide mejor.
Sostenerlo durante muchas temporadas
¿Resiste la ventaja años de tiempo real e incertidumbre honesta, y no una sola temporada favorable? Solo entonces merece una afirmación general.
Un paso no cuenta hasta que el anterior se sostiene. Ese orden es toda la disciplina.
El núcleo de LeafShift es un balance hídrico físico que puedes seguir línea a línea. El aprendizaje automático solo se añade donde mejora una decisión de forma medible, y siempre dentro de límites que podemos comprobar. Cada paso del razonamiento sigue siendo visible.
Cada recomendación se compara con lo que habría hecho la práctica actual el mismo día, como las pautas nacionales de riego para campos deportivos. Esas referencias funcionan como código, no como números copiados de un artículo, así que la comparación es justa y repetible.
Cada cifra que producimos lleva la etiqueta de medida, estimada, modelada o simulada, y cada constante indica su fuente. Eso forma parte de cómo se almacenan nuestros datos, no depende de las buenas intenciones. Nada modelado se muestra nunca como si estuviera medido.
Cuando publiquemos un resultado, irá acompañado de lo que demuestra y lo que no: el cultivo, el lugar, las condiciones y las salvedades. Te diremos dónde seguimos teniendo dudas. Ser claros sobre los límites es central en nuestra forma de trabajar.
La verdadera prueba viene del campo.
Todo lo hecho hasta ahora es modelización cuidadosa y método. La evidencia que importa se mide sobre el terreno: LeafShift funcionando junto a una explotación real o un equipo de mantenimiento real, registrando lo que habría hecho junto a lo que pasó de verdad, durante una temporada real y con sus propios registros. Ahora estamos preparando nuestros primeros pilotos en explotaciones y campos deportivos. Eso es lo que publicaremos, resultados y límites juntos.
El diario de investigación.
Notas ocasionales por correo sobre cómo avanza el trabajo. Sin ruido, y puedes darte de baja desde cualquier mensaje.
Hecho por un equipo pequeño con formación investigadora. Conoce al equipo.