EcoIA: aplicación inteligente para el estudio de la apicultura y la ornitología en las zonas Amazonia y Orinoquia

Las regiones de Amazonia y Orinoquia en Colombia son hotspots de biodiversidad, donde se albergan miles de especies de abejas y aves esenciales para la polinización, el equilibrio ecológico y la sostenibilidad ambiental. Sin embargo, factores como la deforestación, el cambio climático y el acceso limitado a herramientas tecnológicas dificultan una identificación precisa y documentación eficiente de estas especies, lo que repercute negativamente en la conservación, la educación ambiental y la participación comunitaria. El objetivo de esta investigación es desarrollar y evaluar una aplicación móvil con IA denominada EcoIA, que facilite el estudio de la apicultura y la ornitología mediante el reconocimiento de imágenes, la grabación de sonidos, la transcripción de audio y la geolocalización, y se responda a la pregunta: ¿Cuáles son las mejores estrategias para integrar la IA en aplicaciones móviles que promuevan la conservación de la biodiversidad en regiones remotas como Amazonia y Orinoquia?

Se empleó una metodología mixta aplicada, combinando enfoques cuantitativos y cualitativos para resolver problemas específicos en estas regiones. Para la revisión bibliográfica, se utilizó la ecuación de búsqueda en Scopus: “artificial intelligence” OR “AI” AND (apiculture OR beekeeping OR bees) AND (ornithology OR birds) AND (biodiversity OR conservation) AND (mobile app OR application) AND (Amazonia OR Orinoquia OR Colombia), identificando al menos 20 referencias clave de fuentes como Wildlabs, iNaturalist y publicaciones en revistas como Frontiers in Bird Science. Estas referencias se contrastaron mediante análisis temático cualitativo, consolidando marcos teóricos como el aprendizaje automático en monitoreo biológico (por ejemplo, redes neuronales convolucionales para identificación de especies) y aplicaciones prácticas en contextos de baja conectividad, como aplicaciones de ciencia ciudadana que combinan la IA con datos colaborativos.

El desarrollo del prototipo involucró herramientas como TensorFlow para el modelo de reconocimiento de imágenes (entrenado con conjuntos de datos locales de especies endémicas), Google Cloud Speech-to-Text para la transcripción de audio y API de Google Maps para la geolocalización, asegurando compatibilidad offline. Las pruebas piloto se realizaron entre 20 y 30 usuarios (docentes, estudiantes y observadores locales) en un clúster comunitario de la Orinoquia, utilizando encuestas (escala Likert para usabilidad), entrevistas semiestructuradas y métricas cuantitativas (precisión de identificación y tiempo de documentación), que se analizarán con SPSS para los datos cuantitativos y con NVivo para los cualitativos.

Los principales resultados incluyen un algoritmo de IA con una precisión del 85 % en la identificación de especies de abejas y aves, como también en la detección de malformaciones o enfermedades, y una reducción del 40 % en el tiempo de documentación gracias a las funciones multimedia. La app crea una base de datos colaborativa con proyecciones de 800 a 1000 entradas en el primer año, y fomenta la creación de mapas interactivos de biodiversidad. Su relevancia radica en la alineación con los Objetivos de Desarrollo Sostenible (ODS), principalmente con los numerales 4: educación de calidad y 15: vida de ecosistemas terrestres, con la promoción de la participación comunitaria en la conservación y en la provisión de datos valiosos para investigadores y autoridades ambientales en ecosistemas vulnerables. Esto contribuye a la evolución de tecnologías educativas inclusivas en regiones con limitaciones de conectividad y recursos.