Confira artigo de Julia Ghizzi, Data Scientist da 4intelligence
Os dispositivos de inteligência artificial (IA) são o assunto do momento. Suas diversas facetas já estão presentes em inúmeras aplicações e soluções ao redor do mundo, que vão desde pesquisas científicas até tecnologias médicas. No entanto, muitas vezes não imaginamos o quanto a IA também pode ajudar em setores como o agronegócio e meio ambiente.
O agro brasileiro é gigante. O setor fechou o primeiro semestre de 2022 com superávit de US$ 71,2 bilhões – crescimento de 32,3% frente ao mesmo período do ano anterior. As exportações do setor somaram US$ 79,3 bilhões, enquanto as importações, US$ 8,1 bilhões – valores 29,4% e 8,6% acima dos observados em 2021, segundo o Instituto de Pesquisa Econômica Aplicada (Ipea).
Levando em consideração as dimensões das áreas semeadas no Brasil, que hoje planta soja em 39,2 milhões de hectares, de acordo com dados da Produção Agrícola Municipal de 2021, provenientes do IBGE, tornou-se muito custoso analisar cada talhão agrícola presencialmente. Nesse sentido, a IA se transformou em uma ferramenta poderosa porque possibilita gerar, processar e analisar grande volume de informações a respeito das lavouras, em escala anteriormente inviável. Essas informações ainda são insumos para modelos preditivos, que fornecem projeções assertivas de indicadores fundamentais para o acompanhamento da safra.
A implementação desse modelo na agricultura permite o mapeamento do uso do solo por meio de imagens de satélite e, por consequência, possibilita o monitoramento remoto das plantações. O objetivo é gerenciar de forma inteligente o desenvolvimento da safra, cobrindo a maior área possível para ter uma amostra representativa.
Com isso, é possível coletar informações em cada localidade sobre o momento de início do ciclo, o desenvolvimento da cultura em cada estágio fenológico e a ocorrência de fenômenos meteorológicos, colocando em ação informações locais de qualidade e alta frequência. A partir desses dados, algoritmos de machine learning, que treinam modelos para reconhecer padrões e tendências, geram projeções acuradas de produtividade de forma antecipada, enquanto a safra ainda está ocorrendo, isto é, antes da colheita. Dessa forma, aplicações de IA condensam toda essa abundância de informações em projeções de produtividade.
Se anteriormente decisões eram tomadas em ambientes opacos e de muita incerteza, principalmente devido aos fenômenos climáticos e às oscilações de mercado, com as aplicações de IA no agronegócio decisões podem ser baseadas em dados e tecnologias preditivas. Assim, agentes da cadeia do agronegócio podem alcançar ganhos de eficiência em suas atividades operacionais.
Na ponta da concessão de crédito e da contratação de seguro, a ferramenta caracteriza propriedades ao longo do tempo para entender como, de fato, ocorre o uso da terra, ou seja, qual é a cultura plantada, qual é a produtividade, como está a preservação da reserva legal, entre outros aspectos. Nesse caso, a tecnologia ainda contribui para a diminuição da assimetria de informação e a redução dos custos.
Com o aumento da previsibilidade da safra, os agentes que atuam na logística e comercialização e aqueles que utilizam os produtos do campo como insumo podem planejar suas atividades operacionais de forma mais assertiva, antecipando eventos futuros e ampliando a compreensão da conjuntura de produção e de mercado.
De acordo com projeções da Markets and Markets, o investimento no setor agro deve saltar para US$ 4 bilhões em 2026 e, considerando que a população mundial vai crescer em 2 bilhões de pessoas até 2050, de acordo com a ONU, deve aumentar em 60% a demanda por alimentos. Em um setor que segue em franco crescimento e que é essencial para a manutenção da própria vida, a IA deve andar lado a lado com o agronegócio e com a sustentabilidade do planeta.
