A adoção de inteligência artificial na agricultura é inevitável — e necessária —, mas antes será preciso resolver um desafio mais mundano: a qualidade dos dados no campo, o que ainda é um gargalo relevante tendo em vista a baixa adoção de ferramentas básicas de gestão por grande parte dos produtores.
“Não dá para discutir como a IA pode fazer a diferença se os dados são analógicos, não conectados entre si, offline e indisponíveis. Se não digitalizar os processos antes, não vai extrair valor”, afirmou Alexandre Borges, CEO e cofundador da Grão Direto, durante o Harvesting Innovation, evento anual promovido pela SP Ventures na capital paulista.
Para que isso funcione, a Grão Direto promove um corpo a corpo junto aos clientes fora do digital, em um trabalho que ele chama de “anterior à IA, para criar as fundações em cima das quais ela pode prosperar”.
“Digitalizar um processo ruim é escalar erro. Com a IA, você tem a possibilidade de repensar e transformar processos desde o começo, para escalar algo infinitamente melhor. Se a gente só digitaliza processos, termina como uma cooperativa de táxi com aplicativo, quando na verdade queremos ser o Uber”.
Rodrigo Gonçalves, CEO e fundador da GoFlux, uma plataforma de gestão digital de fretes e concessão de crédito via antecipação de recebíveis, reforçou a urgência de melhorar a originação de dados.
“O grande desafio é conectar informações. Ainda tem muita gente negociando frete por telefone. Se as operações acontecem offline, não existem do ponto de vista digital, e não são passíveis de uso como base de dados para aplicar inteligência artificial”.
Ele também relata uma postura de “pegar na mão”. “O comportamento que tentamos cada vez mais ter é de se tornar copiloto dos clientes. Conhecemos o negócio e a logística deles a fundo, e isso nos permite testar muitas aplicações práticas.”
E faz um chamado à urgência da conscientização e, principalmente, da ação.
“Na GoFlux, se passar dois dias sem olhar o desenvolvimento de perto, no terceiro dia o modelo já evoluiu e permite fazer algo diferente. Preparar processos para começar a percorrer a jornada da IA equivale a procrastinar. Não tem mais para onde correr, não é questão de ‘Não sei se vou usar’, vão usar apesar de você.”
Questionados pelo mediador do painel, Guilherme de Assis Brasil, CTO da Starian, os participantes ainda opinaram sobre adotar ferramentas open source ou desenvolver modelos proprietários.
O dilema foi aguçado pela recente proibição, pelo governo dos Estados Unidos, do uso dos modelos de inteligência artificial da Anthropic por estrangeiros, levantando riscos de interrupção de acesso a dados.
Cada um a seu modo, ambos concordaram que os formatos são complementares.
“Em certas coisas não faz sentido desenvolver modelo proprietário, é melhor usar o produto de prateleira. Por outro lado, em coisas que são muito dependentes de regras locais, a gente desenvolve proprietário”, afirmou Gonçalves. Um exemplo, pontuou, é a metodologia de crédito em logística desenvolvida pela GoFlux.
Borges, da Grão Direto, foi na mesma linha. “Se você quiser a fronteira do conhecimento, não adianta, as grandes empresas estão muito à frente. Mas em algumas situações, lidando com dados estratégicos e privados, não precisa da fronteira da tecnologia, pode-se usar modelos mais lentos, mas proprietários, para que as partes tenham a confiança de fazer.”
Um desses exemplos é o Ayrton, a inteligência artificial desenvolvida pela Grão Direto. No ano passado, essa feramente já foi responsável por 20% das negociações feitas pela plataforma.
