Aapresid Aapresid DataSet
✦ Product deck · Plataforma de datos agronómicos

El dato del productor,
estructurado y custodiado por Aapresid.

Cada dato que el productor registra —a mano, por Excel o a través de ATI por WhatsApp— se estructura y estandariza bajo una misma lógica. Aapresid lo custodia y lo pone al servicio del análisis de campaña. Un dato gobernado, protegido y pensado para impulsar la sostenibilidad del agro.

Perfiles de plataforma

Un mismo dato, tres formas de trabajarlo

DataSet no es una pantalla única: cada perfil ve y gestiona el mismo dato desde su propio alcance, sin duplicar información ni pasos de carga.

Productor

Productor

Carga sus establecimientos y campañas, sigue el avance de sus programas de certificación y le habla a ATI por WhatsApp. Ve solo su propia operación.

EstablecimientosCampañasProgramasATI
Asistente Técnico Regional

ATR

Valida las cargas pendientes de establecimientos y campañas de los productores de su regional, y corre el análisis de campaña automático de forma rápida y sencilla.

ValidacionesAnálisis de campañaProductoresExportar campaña
Vista de sistema

Admin

Administra las regionales y sus ATR, y define el catálogo de variables y cultivos que alimenta a toda la plataforma, en todas las regiones.

RegionalesATRVariablesCultivos
A nivel técnico: el rol viaja en la sesión autenticada, sin una consulta extra por request. Cada endpoint queda detrás de una capa de autorización por rol que valida el acceso antes de tocar datos, y el alcance del ATR a su propia regional se resuelve del lado del servidor, no en el cliente.
Eje 01 — Establecimientos

El establecimiento, la unidad base de todo el dato

Tres pasos simples y guiados: definir el establecimiento, definir sus lotes y completar los datos generales. Pensado para que cargar el campo sea rápido e intuitivo, sea cual sea la forma en la que el productor tenga la información.

El establecimiento nace de un límite geográfico —dibujado a mano sobre una imagen satelital o importado desde un .kmz/.kml/.geojson— y los lotes se cargan igual de flexible: dibujados, importados o de forma manual sin necesidad de georreferenciarlos. Al trazar el establecimiento, DataSet ya autocompleta su provincia, localidad, ecorregión y superficie, así que en el paso final solo queda completar lo que falta.

A nivel técnico: el mapa corre sobre Leaflet + Leaflet-Geoman, con teselas satelitales de Esri, y todo trazado o archivo importado (KMZ/KML/GeoJSON) se resuelve como geometría estándar vía Turf.js. El autocompletado no llama a un geocoder externo: se resuelve por proximidad geográfica contra capas locales de provincia/localidad/ecorregión, y la superficie se calcula sobre el polígono real, no se carga a mano.
Producto real
Paso 1: Definir establecimiento — pantalla real de DataSet Paso 2: Definir lotes — pantalla real de DataSet Paso 3: Datos generales — pantalla real de DataSet
Eje 02 — Variables

Modelo de datos estandarizado

No es un formulario fijo: es el cimiento de todo el sistema. El mismo catálogo de variables —organizado en familias— es la base que permite cargar una campaña, analizarla y vincularla con los distintos programas de certificación.

12familias de variables
74variables del catálogo
128dimensiones en total

Cada variable puede tener una o más dimensiones: no guarda un valor suelto, sino una estructura completa. Así se ve una variable real del catálogo:

Variable

Precipitación mensual

2 dimensiones →
Dimensión

Mes enum

EneFebMar…
Dimensión

Valor mm

82 mm104 mm65 mm
A nivel técnico: arquitectura schema-driven sobre una base de datos relacional (Supabase) — un esquema central define tipo (num / enum), unidad y dimensiones de cada variable; los formularios de campaña, el matching de planillas y los requisitos de programas se generan desde ese mismo esquema en lugar de codificarse a mano por caso de uso.
Eje 03 — Carga de campaña

De la planilla del productor a la campaña estructurada

Cada productor organiza su información de campaña a su manera: una planilla propia, con sus propias columnas y su propio orden. DataSet no exige una plantilla ni un formato fijo: la recibe tal cual es y la mapea contra el catálogo de variables estandarizadas del Eje 02. Así, el mismo dato de dos productores distintos queda comparable entre sí, sin que ninguno tenga que cambiar la forma en la que ya trabaja.

Cualquier formato

Sin plantilla fija: la planilla se recibe tal cual el productor la organiza.

Mapeo automático

Cada columna se traduce sola contra el catálogo de variables del Eje 02.

Datos comparables

El mismo dato queda estandarizado y comparable entre productores.

A nivel técnico: pipeline en capas —parseo del workbook, detección heurística de columnas meta, matcheo de lotes (exacto → numérico → fuzzy) y, por último, interpretación de columnas-variable con IA como paso autoritativo contra el catálogo—, con carga manual guiada como alternativa. El resultado es siempre el mismo esquema estandarizado, sea cual sea la planilla de origen.
Producto real
Pantalla real de DataSet: Cargar datos de campaña Pantalla real de DataSet: campaña matcheada contra el catálogo de variables
Eje 04 — Análisis de campaña

Toda la campaña, en un solo tablero de análisis

Producto real
Pantalla real de DataSet: tablero de análisis de campaña

A partir de las variables ya cargadas, DataSet genera el análisis de forma automática, sin depender de tiempos externos: el productor puede profundizar en sus propios números —rinde por lote y por especie, fecha de siembra, densidad y precipitaciones, entre otros cruces— y compararlos siempre contra el promedio regional de referencia.

El mismo análisis está disponible para el productor sobre su propia campaña, y para el ATR de forma automática sobre toda su regional —sin cargas ni procesos manuales de por medio— antes de cerrar con un informe final que se puede compartir.

A nivel técnico: motor de benchmarking que indexa cada lote contra un promedio regional agregado, más cruces multivariable (densidad × rendimiento, variedad × lote, fecha de siembra × rinde) y una serie climática por campaña — todo recalculado en el mismo objeto de campaña, sin exportar a otra herramienta. Toda comparación entre productores pasa por una compuerta de k-anonimato (mínimo 5 productores distintos por celda, sin contar al que consulta): si el grupo no la cumple, el agregado directamente no se calcula.
Eje 05 — Programas

El dato estandarizado, listo para cualquier programa de Aapresid

Producto real
Pantalla real de DataSet: listado de programas Pantalla real de DataSet: variables requeridas por CaminoAR

Los programas de Aapresid son consumidores del mismo catálogo de variables: cada uno define qué necesita y cuánto de eso es obligatorio. CaminoAR es el primer programa desarrollado —y el más exigente— y ya se encuentra en funcionamiento.

A nivel técnico: el eje de programas es genérico — CaminoAR y REM son configuraciones del mismo motor de reglas, que mapea variables cargadas a requisitos de programa. La obligatoriedad se define a nivel de dimensión, no solo de variable: un programa puede exigir que se complete una dimensión puntual y dejar el resto de esa misma variable como opcional.
Eje 06 — Integraciones

Datos externos, incorporados sin cargarlos dos veces

DataSet deja un lugar explícito para sincronizar con las plataformas que el productor ya usa, sin que tenga que cargar el mismo dato dos veces.

JD
John Deere Operation Center
Próximamente
RP
Rinde Plus
Próximamente
AL
Albor
Próximamente
PU
Puma
Próximamente
CO
Conecta (Geoagro)
Próximamente
NA
Nativas
Próximamente
A nivel técnico: capa de conectores externos pensada para autenticación por API/OAuth por plataforma; hoy las seis quedan listadas como "por conectar" — es el punto de extensión por donde va a entrar el dato de cada plataforma a medida que se habilite. El patrón ya está probado: CaminoAR consume DataSet como servicio externo vía una API server-to-server autenticada, con un vínculo persistido entre cada usuario externo y su productor — el mismo esquema que van a reusar los próximos conectores.
Eje 07 — Asistente técnico inteligente

La campaña, cargada por WhatsApp. Sin planillas.

ATI es tu asistente en Aapresid que entiende tus mensajes, audios y hasta la foto de tu cuaderno de campo. Cargá datos, consultá tus lotes y pedí informes escribiendo como le escribís a cualquiera.

En línea las 24 h ·Texto, audio o foto ·Conectado a Aapresid Conecta
Cargá tu campaña
Siembra, fertilización, aplicaciones, cosecha y rindes.
Consultá tus lotes
Qué cargaste, qué falta y el estado de cada lote, al instante.
Pedí informes
El informe de un establecimiento o campaña, en PDF.
Benchmark con productores
Comparás tus rindes con los de tu zona, de forma anónima.
Autoevaluación CaminoAR
Guiado por ATI, variable por variable.
Y más, siempre a mano
Recordatorios para no perder ninguna variable.
Aapresid
ATIen línea
Escribí un mensaje...
A nivel técnico: ATI corre sobre WhatsApp Business vía Twilio, con transcripción de audio (Whisper, AI SDK) sesgada con vocabulario de dominio ("rinde", "UAN", nombres de cultivos). Lo que el productor dicta se resuelve a variable y dimensión con generación estructurada validada contra el catálogo real: el modelo no puede devolver una variable o dimensión que no exista en el sistema, y el valor dictado se guarda tal cual, sin que la IA lo reinterprete. Escribe directo al mismo modelo de datos que Establecimientos y Campañas — no es un canal aparte, es otra puerta de entrada al mismo DataSet. La lectura de fotos con escritura manuscrita todavía no está habilitada. En desarrollo
Resumen

La plataforma, a nivel técnico

Ocho capas que se repiten en todos los ejes anteriores.

Front-end & hosting

Next.js 16 + React 19 en Vercel

App Router, TypeScript estricto; DataSet y ATI corren como productos separados, cada uno con su propio entorno de staging, listos para iterar sin tocar producción.

Geoespacial

Leaflet + Turf.js

Dibujo vectorial sobre teselas satelitales de Esri e importación de KMZ/KML/GeoJSON; provincia, localidad y ecorregión salen de point-in-polygon local, sin geocoder externo.

Modelo de datos

Catálogo de variables tipado en Postgres

Variables numéricas, enum y multidimensionales con unidad propia, en Supabase, compartidas entre campañas y programas.

Ingesta

Excel, manual y conversacional

Plantilla estandarizada con matcheo heurístico + IA, carga guiada paso a paso, y captura multimodal por WhatsApp vía ATI.

Reglas de negocio

Motor de programas

Cada programa (CaminoAR, REM) declara sus variables requeridas, con obligatoriedad configurable hasta el nivel de cada dimensión.

Analítica

Benchmarking regional con k-anonimato

Rendimiento, densidad, genética y clima indexados contra el promedio de la zona; toda comparación entre productores exige un mínimo de 5 productores por celda.

Integraciones

Conectores externos

Mismo patrón que ya usa CaminoAR como consumidor externo: API server-to-server autenticada con vínculo persistido, listo para sumar Operation Center y otras plataformas.

Asistentes

IA dentro y fuera del producto

AI SDK sobre modelos de OpenAI: generación estructurada acotada al catálogo real, y transcripción de audio para lo que se dicta por WhatsApp.