Ferramenta computacional permite transformar dados em análises preditivas para o agronegócio

Guilherme Mariano | Pesquisa para Inovação – O agronegócio é um forte impulsionador do Produto Interno Bruto (PIB) brasileiro. Em 2020, primeiro ano da pandemia de COVID-19, o setor se destacou, representando 26,6% da soma de bens e serviços finais produzidos pelo país, segundo levantamento feito por pesquisadores do Centro de Estudos Avançados em Economia Aplicada da Escola Superior de Agricultura Luiz de Queiroz, da Universidade de São Paulo (Esalq-USP), em parceria com a Confederação da Agricultura e Pecuária do Brasil (CNA). Em 2021, essa participação foi de 27,4% e, embora tenha registrado oscilações, o agronegócio seguiu protagonista na economia nacional.

Para os próximos anos, as expectativas podem ser ainda mais promissoras, considerando que as empresas têm buscado, cada vez mais, adotar soluções baseadas em inteligência artificial para aumentar o desempenho e a produtividade, avaliam especialistas.

“O cruzamento do agronegócio com a área de inteligência artificial tem permitido transformar o campo em um enorme ecossistema de análise de dados”, diz Brett Drury , professor da Liverpool Hope University, que, paralelamente ao trabalho como pesquisador, tem se dedicado a buscar desenvolver soluções para o setor baseadas em IA.

Drury foi responsável por um projeto desenvolvido pela startup SciCrop com apoio do Programa Pesquisa Inovativa em Pequenas Empresas (PIPE), que tinha como meta criar uma ferramenta para ajudar agricultores a avaliar os riscos e prever preços futuros de seus produtos por meio de linguagem computacional preditiva.

A ferramenta elaborada por Drury permite obter gráficos, produzidos a partir de fontes textuais, dados de satélites, de meteorologia, séries históricas de produtores e até mesmo notícias relacionadas a fatores econômicos e sociais. Por meio dos gráficos são estabelecidas relações causais entre eventos, que ganham valores probabilísticos. Dessa forma, é possível prever cenários de preços para uma determinada cultura agrícola ou mitigar quaisquer eventualidades, como queda na colheita em razão de eventos climáticos, por exemplo.

“Com base na ferramenta, a SciCrop pode usar seus próprios dados para estabelecer evidências nos gráficos ou outros usuários incluírem informações privadas para fazer inferências sobre um resultado selecionado. Outra possibilidade que a ferramenta daria é testar situações hipotéticas futuras”, explica Drury.

Parceria enriquecedora

A ferramenta é fundamentada em redes bayesianas, definidas como um subcampo da técnica de aprendizado de máquina ou machine learning, oriunda da inteligência artificial, que condensa dados e códigos dentro de uma máquina ou computador para execução automática de tarefas.

A ideia inicial de Drury no projeto era usar as redes bayesianas para ajudar os produtores a prever o preço de commodities agrícolas.

“O Brett veio até a gente falando que a pesquisa dele tinha a ver com o que a SciCrop fazia. De fato tinha, só que, enquanto fazíamos um processo básico de analytics usando teoria da informação e processos de machine learning, ele usava as redes bayesianas como técnica de modelagem de dados”, conta Renato Ferraz, sócio-fundador da SciCrop.

À época, Drury estava à procura de alguma empresa que estivesse trabalhando com dados não estruturados, ou seja, com informações não organizadas em tabelas ou banco de dados, como os textos. Para a experimentação, eles usaram como referência conteúdos do antigo Twitter, hoje X.

“O Brett precisava ter milhares de tweets armazenados em um banco de dados para rodar a técnica de análise semântica por rede bayesiana, e nós tínhamos. Foi assim que a conexão aconteceu”, afirma Ferraz.

Apesar de ter avançado no detalhamento e na validação, a ferramenta, contudo, não chegou a ser incorporada diretamente em suas soluções.

“No final, ele até conseguiu aplicar a ferramenta para fazer previsões para o mercado agrícola, mas com prazo de até três dias. Isso poderia funcionar para quem faz daytrade [compra e venda de commodities], mas não para previsões de maior prazo como almejávamos”, avalia.

Com base nessa constatação, a empresa não chegou a lançar a ferramenta no Brasil. A parceria com Drury, contudo, foi enriquecedora e rendeu frutos em outras soluções desenvolvidas pela SciCrop, como o NotRumor, diz Ferraz.

Lançada em julho de 2023, a plataforma agregadora de notícias sobre o mercado agropecuário usa inteligência artificial para selecionar as matérias mais interessantes para o cliente. “Tem um pedacinho da pesquisa do Brett na NotRumor na funcionalidade de identificar as palavras de relevância, que é justamente o modelo de análise semântica [das redes bayesianas] que ele estuda”, explica.

Hoje, a SciCrop atua em outros mercados além do agro, como energia, mineração e indústria, atende cerca de 60 grandes players do mercado e foi apontada pela revista Pequenas Empresas & Grandes Negócios como uma das “100 Startups to Watch”. Alguns dos objetivos dos fundadores da SciCrop para 2024 são ampliar a atuação em empresas do setor ambiental e lançar um pequeno satélite para aumentar a possibilidade de captação de dados para processamento interno.

Já Drury está no Reino Unido, onde continua aprimorando o desenvolvimento da ferramenta com novos parceiros.

“Acho que a ferramenta é única. É uma pena não ter podido continuar o trabalho de desenvolvimento dela no Brasil. Agora, espero desenvolver a tecnologia com organizações como a Rothamsted Research [uma das instituições de pesquisa agrícola mais antigas do mundo]. Estamos pedindo recursos do governo britânico da ordem de mais de £ 3 milhões [equivalente a mais de R$ 18 milhões] para desenvolver diversas tecnologias agrícolas, incluindo a que comecei na SciCrop”, afirma.