Na corrida mundial em busca da adoção de inteligência artificial (IA), fruto da análise de vastas quantidades de dados e da formulação de modelos computacionais voltados à tomada de decisões, grandes grupos do agronegócio não querem ficar para trás. Baseadas nas informações geradas em safras passadas, empresas brasileiras estão investindo no desenvolvimento próprio de sistemas inteligentes — que até 2030 deverão estar presentes em 70% das corporações mundiais, segundo a consultoria McKinsey. A opção de priorizar soluções caseiras, em vez de aderir a modelos prontos oferecidos pelo mercado, é estimulada principalmente pelo domínio e proteção dos dados — um insumo cada vez mais valioso na agricultura.
Um dos maiores grupos em área cultivada no Brasil, com cerca de 455 mil hectares de soja, milho e algodão, a SLC Agrícola começou há pouco mais de um ano a desenvolver projeto de IA. Em parceria com a startup XL7, sediada no Tecnopuc, em Porto Alegre, e focada em ciência de dados e big data, a empresa agrícola está abastecendo um grande banco de informações — com variáveis que vão de fertilidade do solo, variedades cultivadas a mapas de produtividade.
— Com a padronização e cruzamento dos dados de fontes diversas, pretendemos gerar recomendações agronômicas para aperfeiçoar nosso planejamento agrícola — explica Aurélio Pavinato, diretor-presidente da SLC Agrícola, com sede em Porto Alegre.
A plataforma com algoritmos está em fase de conclusão pela XL7. A ideia da SLC é fazer os primeiros testes a campo ainda neste ano para colocar o sistema em prática na safra 2020/2021.
— O objetivo é aprender com os nossos dados, com a interpretação deles — resume Pavinato.
A base para a plataforma foi gerada nos últimos anos em 16 fazendas do grupo, localizadas em Mato Grosso, Mato Grosso do Sul, Goiás, Bahia, Maranhão e Piauí. Anualmente, as propriedades fornecem milhares de informações em 243 mil hectares cultivados com soja, 124 mil com algodão e 88 mil com milho. Apesar de terceirizar o desenvolvimento do sistema, todos os modelos para extrair valor da grande massa de informações serão de uso exclusivo da SLC.
— A segurança dos dados é uma prerrogativa do projeto. Tudo o que for gerado a partir dessas informações, não pode ser comercializado, é uma solução customizada — explica Carlos Dottori, diretor de Negócios da XL7, com 10 funcionários, a maioria cientistas de dados.
A decisão de elaborar esses projetos internamente, realidade ainda restrita a grandes empresas, pode esbarrar na insuficiência de profissionais em ciência de dados no mercado brasileiro, alertam especialistas.
— A força de trabalho de engenheiros de machine learning (aprendizagem de máquinas) e inteligência artificial ainda é escassa no país — alerta Jhonata Emerick, presidente da Associação Brasileira de Inteligência Artificial (Abria) e CEO da startup Datarisk.
O dirigente alerta que a empresa precisa estar muito preparada para desenvolver projetos de níveis avançados, exigidos em sistemas mais complexos.
— Não estamos falando de programação, mas de um conhecimento muito especializado, ainda carente no Brasil — alerta o presidente da Abria, entidade criada há dois anos.
Os fatores que devem ser levados em conta na hora de decidir se o melhor é desenvolver internamente ou terceirizar são risco e custo, explica o professor Antônio Maçada, da Escola de Administração da Universidade Federal do Rio Grande do Sul (UFRGS).
— A falta de experiência em projetos de inteligência artificial pode levar a erros e custos altos, como o abandono do uso da tecnologia — explica Maçada.
Embora o desenvolvimento interno tenha a vantagem da segurança dos dados e do controle dos processos, pondera Maçada, é difícil acompanhar a oferta de empresas especializadas e de novidades em uma área do conhecimento que avança rapidamente.
— Na era do big data, temos dados por todos os lados e poucos setores que utilizam inteligência artificial no reconhecimento de padrões, anomalias e predição — conclui o professor da UFRGS.
Rastreabilidade do algodão, da lavoura ao beneficiamento
O desenvolvimento próprio de soluções inteligentes vem sendo priorizado também pelo Grupo Bom Futuro, de Mato Grosso. Com 550 mil hectares cultivados com soja, algodão e milho em 30 fazendas, a empresa tem um departamento de Tecnologia da Informação, com mais de 30 pessoas trabalhando na digitalização da agricultura e, consequentemente, com modelos de IA.
— Fomos olhar no mercado mundial o que estava sendo feito para desenvolver modelos próprios. A solução caseira nos proporciona uma economia muito grande, além de um controle maior dos processos — conta Inácio Modesto, diretor agrícola do Grupo Bom Futuro, um dos maiores produtores globais de algodão.
Com a interpretação de dados, que no passado ficavam perdidos em diferentes planilhas de Excel, a empresa descobriu a deficiência de cobre e magnésio nas lavouras de algodão.
— Cruzamos e comparamos 329 análises colhidas no campo, nos melhores e piores talhões de produtividade, para chegar a essa conclusão — detalha Modesto.
Outra solução desenvolvida internamente foi o sistema de rastreabilidade do algodão, do campo até o beneficiamento. Durante a colheita, no enrolamento, é colocada uma etiqueta no rolo com referências sobre a produção, como variedade, coordenada geográfica, umidade e talhão. Quando a colheitadeira despeja o fardo no campo, o dado é enviado automaticamente a um sistema online, que registra cada ponto da colheita. Quando o rolo dá entrada na balança, o portal faz a leitura completa do produto.
— Imaginem isso no passado, quando anotávamos as informações de dois milhões de fardos em bloquinhos de papel — lembra Modesto.
Aquisição de startups acelera curva de adoção
A curva de adoção de sistemas inteligentes por grandes empresas do agronegócio costuma ser acelerada por meio de aquisições de startups. Comprada pela multinacional Syngenta no ano passado, a empresa Strider, focada no monitoramento de máquinas e controle de pragas, está desenvolvendo uma família de ferramentas em inteligência artificial.
— As operações agrícolas são muito interconectadas, do preparo do solo e plantio à proteção de cultivos e colheita. As etapas precisam trocar dados entre si — destaca Luiz Tangari, CEO da Strider, fundada em 2013 em Minas Gerais.
Entre as soluções que serão testadas na próxima safra de soja, milho e algodão está um drone que sobrevoa lavouras para avaliar o índice de emergência das plantas, analisando a distribuição das sementes. O diferencial, segundo Tangari, é a capacidade de processamento das imagens georreferenciadas — sem necessidade de subir os arquivos no computador.
— Com isso, a decisão de replantio de alguma área é rápida, com diagnóstico instantâneo, no próprio campo — explica.
Outra ferramenta é voltada à definição da melhor rota para técnicos percorrerem as lavouras no período de acompanhamento da safra.
— O trajeto de centenas de quilômetros poderá ser traçado pelo computador, em uma espécie de Waze, com base no histórico de safras passadas — detalha o executivo, estimando em menos de cinco anos o tempo necessário para que a inteligência artificial domine o faturamento da empresa.
