La agricultura de precisión utiliza diversas herramientas para optimizar la producción agrícola, entre ellas, los mapas de ambientes para la aplicación diferencial de insumos. Sin embargo, los mapas generados a partir de índices vegetativos no siempre reflejan adecuadamente las áreas de mayor o menor rendimiento, lo que puede reducir la eficiencia del uso de insumos. El objetivo de este trabajo final de grado es identificar y evaluar las discrepancias entre mapas de ambientes generados mediante índices vegetativos (NDVI, GNDVI) y los mapas de rendimiento de maíz y soja. Se trabajó con nueve lotes distribuidos en tres zonas de las provincias de Santa Fe y Buenos Aires, empleando mapas de rendimiento de tres zafras consecutivas (27 mapas en total) y mapas de ambientación proporcionados por la empresa MSU Agro. La metodología incluyó el desarrollo de un modelo en QGIS para filtrar outliers en los mapas de rendimiento y compararlos con las ambientaciones. Se realizaron evaluaciones anuales y promedio para analizar las discrepancias entre los mapas. Sumado a esto, se calculó el coeficiente de kappa para cada situación, y se realizó un análisis de componentes principales (PCA, por sus siglas en inglés) en R para investigar posibles relaciones entre las discrepancias y variables como la materia orgánica, el nitrógeno, y las precipitaciones durante el período crítico. Los resultados indicaron que, en promedio, el 52% de los puntos coincidieron con el rendimiento esperado, mientras que el 48% presentó discrepancias, siendo más significativas en ambientes de baja productividad. Estas áreas mostraron mayor variabilidad interanual, posiblemente debido a condiciones climáticas adversas. Además, el coeficiente kappa sugirió que la utilización a la hora de ambientar de varios mapas de rendimiento, mejoran la precisión de las ambientaciones, ya que reducen el efecto año. Los PCA revelaron que las discrepancias podrían estar influenciadas por la variabilidad de los suelos y factores climáticos. En conclusión, la creación de mapas de ambientes basados en años con condiciones climáticas promedio es una estrategia efectiva para reducir discrepancias a largo plazo, aunque también es importante tener en cuenta la variabilidad del suelo para mejorar los resultados.