Brasília, 7 de agosto de 2026.

A inteligência artificial no campo lida com dificuldades recorrentes, como a baixa conectividade, mas também com vantagens já testadas em muitos momentos, como a integração entre os produtores. A avaliação dos especialistas eng. agr. Maykol Ouriques e eng. agric. Guilherme Sanches conclui a série de entrevistas do Confea, dedicada ao atual papel da inteligência artificial junto à Engenharia, Agronomia e Geociências. Uma tecnologia que já havia sido registrada pelo jornalismo do Confea, inclusive durante a Semana Oficial da Engenharia e da Agronomia (Soea), em mais de uma ocasião, e já durante o período de publicação desta série. E que foi aplicada até mesmo em uma campanha publicitária do Confea.

Nesse breve conjunto de interações, procuramos, inicialmente, identificar alguns conceitos e expor três exemplos, entre tantos, para o uso da nova ferramenta que já faz parte do dia a dia de muitos profissionais do país. O que representa também dizer que muitos não estão ainda preocupados ou preparados com/para sua utilização. Os riscos e as vantagens envolvidos nesta distância e neste uso foram sempre preocupações apresentadas aos entrevistados. O que envolve, indiretamente, a preocupação com seu uso ético, mais lembrado em alguns momentos da série. Na sequência, foram abordadas questões relacionadas ao uso na construção civil, na meteorologia e numa aplicação mais generalista, conduzida pelo engenheiro de produção Edson Martins. 
 

Longe de fechar esse vasto leque de usos da IA no país, abordamos agora o universo do campo. Duas visões complementares possibilitam ratificar: apesar de suas dificuldades estruturais, o campo brasileiro está acompanhando essa onda tecnológica, mesmo que em diferentes estágios. Ratifica-se ainda o papel crítico e interpretativo dedicado aos profissionais que, de forma crescente, já percorrem essas veredas digitais. 

Mecanização com dispositivos eletrônicos e agricultura de precisão são os braços tecnológicos mais presentes no campo, em relação ao agronegócio.  Pouco a pouco, a inteligência artificial deve ampliar, no país, a eficiência já obtida em projetos desenvolvidos com elas, como o monitoramento de máquinas em tempo real por meio de sensores, câmeras, GPS e sistemas embarcados. Apesar de este cenário estar longe da agricultura familiar, sua importância também é reconhecida por este público de produtores, agora envolvendo aspectos como a análise de dados agronômicos; acompanhamento de pragas e doenças; otimização do uso de insumos, com aplicações direcionadas; menos desperdício e agressões ambientais; previsão do tempo e automação de decisões operacionais. Tudo, preferencialmente, sob a orientação do profissional habilitado.

Para nos aproximarmos melhor desse contexto, vamos conhecer agora as impressões de um engenheiro agrônomo formado em 2004 pela Universidade Federal de Santa Catarina (UFSC) com especialização em Gestão Ambiental de Sistemas Agrícolas, Maykol Ouriques, e ainda o engenheiro agrícola pela Universidade de Campinas (Unicamp) Guilherme Sanches, especialista em Inteligência Artificial e Big Data e pós-doutorando em Ciência do Solo, pela Universidade de São Paulo (USP). Ambos atuam em projetos próprios para a ampliação do uso de inteligência artificial pelos profissionais habilitados (Adaptare.ia e OagronomIA, antes Ia para Agrônomos), conforme descrevem a seguir. 

Como bônus, para os que desejam um aprofundamento mais teórico (embora contando também com o referencial prático de um projeto da Unicamp), trazemos (mais) uma entrevista com o engenheiro agrícola Jurandir Zullo Junior à jornalista e socióloga Jaquelinie Nichi, do Jornal da Unicamp. Jurandir coordena a Trilha Agro do Centro de Pesquisa Aplicada em Inteligência Artificial (BIOS/Unicamp) e fala de alguns aspectos tratados nesta entrevista dupla, como a origem dos dados aplicados ao campo, as mudanças climáticas e a presença da inteligência artificial na agricultura familiar, além de descrever. Confira então: “BIOS aponta gargalos da infraestrutura de dados da agropecuária brasileira”. E, para os campinenses: no dia 31 de agosto, o professor promove, no Centro de Convenções da Universidade, o Fórum “IA e Resiliência Climática na Agricultura Tropical: Desafios e Soluções Baseadas em Dados para Café, Cacau e Citros”. Confira mais informações.

Confea - Como foi a sua formação e como ela chega agora ao mercado de IA para o campo?

Eng. agr. Maykol Ouriques – Sou engenheiro agrônomo formado pela UFSC (2004), com passagem como pesquisador convidado na Universidade da Califórnia — Campus de Berkeley — e pós-graduação em Gestão Ambiental de Sistemas Agrícolas pela UFLA.

Minha trajetória combina campo e tecnologia. Na BRF, atuei como gestor desenvolvendo ferramentas que automatizaram processos de equipes inteiras — desde controle de indicadores até fluxos operacionais que antes dependiam de planilhas manuais. Na Epagri, segui o mesmo caminho: criei soluções tecnológicas para automatizar rotinas de equipes técnicas e facilitar a coleta e análise de dados no campo. Essa vivência me mostrou, na prática, que o gargalo do agro não está na falta de dados, mas na capacidade de processá-los em tempo útil para a tomada de decisão.

Nos últimos quatro anos, mergulhei em Inteligência Artificial aplicada — e hoje lidero a Adaptare.ia, onde uno essa experiência de gestão, programação (VBA, JavaScript, Python) e IA para capacitar profissionais e desenvolver ferramentas para o setor.

O mercado de IA para o campo está aquecido, mas com um descompasso claro: há mais ferramentas disponíveis do que profissionais e produtores preparados para usá-las. A IA democratizou o acesso a análises que antes custavam dezenas de milhares de reais e estavam restritas a grandes empresas. Hoje, um agrônomo com celular e o método certo consegue fazer simulações, cruzar dados climáticos e gerar recomendações em minutos. Mas para isso funcionar, precisamos investir em capacitação — tanto dos profissionais quanto dos produtores.
 

Eng. agric. Guilherme Sanches – Sou engenheiro agrícola pela Unicamp, com doutorado em bioenergia, pós-doutorado em Ciência do Solo e MBA em Inteligência Artificial e Big Data pela USP. São quase 15 anos trabalhando exatamente na fronteira entre agricultura de precisão, ciência de dados e IA. Comecei em agricultura de precisão e sensoriamento, e foi de lá que migrei naturalmente para IA.
 

E essa trajetória, na verdade, explica bem o próprio mercado. A IA no campo nasceu dentro da agricultura de precisão: máquinas, sensores, imagens de satélite e drones, mapas de produtividade. Ainda hoje é aí que estão as aplicações mais maduras.

Mas o mercado está deixando de ser só isso. A distribuição vem se tornando muito mais variada. A IA saiu da máquina e chegou ao escritório, à gestão, à análise de dados, ao apoio à decisão do consultor e do produtor. Com a IA generativa, ela começa a alcançar toda a cadeia, e não apenas quem opera equipamento de precisão.

Confea - O mercado está mais voltado para a agricultura de precisão ou há uma distribuição variada?

Eng. agr. Maykol Ouriques – A inteligência artificial está presente em diferentes atividades, na agricultura de precisão já vem sendo utilizada há mais tempo, devido aos modelos já existentes de análise de dados e estatística de dados de sensores, análise de imagens de satélite, NDVI, tecnologias espectrais como Vis-NIR-SWIR, entre outras, que, tecnicamente, mastigam milhares de informações, sejam elas dados de temperatura, ou imagens complexas.

Porém o “boom” da IA Generativa quebrou barreiras e permitiu o acesso mais simplificado a modelos de linguagem para todos. 

Atualmente, conseguimos configurar uma automação que pode receber os dados diretamente do whatsapp do agricultor e registrar ações num banco de dados que, ligado à uma IA, gera também relatórios e pré-análises para os profissionais dedicarem mais tempo na construção de estratégias de combate de pragas e doenças. Com isso, podem avaliar diferentes possibilidades e interações de adubação e agroquímicos e, assim, elaborar suas recomendações criando diferentes cenários, que antes eram praticamente impossíveis devido ao tempo que essas diversas análises demandam.

 

Uma IA treinada realiza centenas de simulações, avalia interação de produtos, faz projeções com dados climáticos e com o banco de dados de cada propriedade em segundos, trazendo diferentes possibilidades ao profissional, que vai sempre estar à frente da tomada de decisão final. E o melhor, com o uso correto das ferramentas, ele ainda consegue aumentar sua capacidade de atendimento e dedicar mais tempo às análises de campo e ao estudo dos casos, reduzindo drasticamente horas no preenchimento de planilhas e formulários.
 

Outra aplicação importante da IA Generativa para profissionais é na atualização profissional, pois diversas ferramentas de IA possibilitam reunir o conhecimento de pesquisas recentes, seminários, entre outros materiais, independente da língua e geram textos explicativos, roteiros de estudo, sintetizam e até discutem com o profissional sobre a temática escolhida, tendo como base de conhecimento os documentos dos maiores pesquisadores e das mais recentes descobertas, em um tempo muito menor. 

Por isso, aprender a utilizar qualquer IA como ferramenta é extremamente importante, pois trata-se de uma ferramenta e não um Guru.

Confea - Qual o lugar de outros profissionais da modalidade Agronomia, diante da inteligência artificial? Fale sobre seus cursos.

Eng. agr. Maykol Ouriques – As ferramentas vêm evoluindo de forma exponencial, a cada dia surgem novos modelos, novos aplicativos em praticamente todas as áreas. Entretanto, é importante lembrar que a Inteligência Artificial é mais uma ferramenta. 

Gosto de trabalhar com a analogia da enxada. Capinar sem uma enxada, é possível, mas destrói sua coluna e joelhos e limita sua eficiência. Com uma enxada a postura melhora e a velocidade aumenta muito. A IA cumpre o mesmo papel: não substitui o profissional, mas amplifica a sua capacidade.

Para o profissional que precisa fazer tudo de forma braçal é como capinar sem a enxada. Porém com o uso de Inteligência Artificial treinada e configurada, ela pode receber um áudio da visita, escrever um relato completo, receber os formulários digitados no celular ou planilhas de dados, receber imagens de plantas, criar diversos cenários em praticamente poucos minutos e trazer possibilidades ao profissional, que agora utiliza seu tempo para fazer a análise e atuar como especialista, e não como escrivão, ou seja, agora ele tem uma enxada, que possibilita ser mais assertivo e atender mais propriedades no mesmo tempo.

Por isso que minha atuação na Adaptare.ia é dividida em três operações principais, no setor de treinamento, com cursos para profissionais e agricultores, através de consultorias para profissionais que querem auxílio individual no uso de ferramentas de IA e no desenvolvimento de ferramentas e automações para as empresas.
 

Confea - Houve alguma reação a seu site se chamar, inicialmente, "IA para Agrônomos" e ao fato de você ser engenheiro agrícola? Qual o lugar desses profissionais, diante da inteligência artificial? Fale sobre suas imersões.

Eng. agric. Guilherme Sanches – Houve, e é uma pergunta que eu recebo bastante. Uso “agrônomo” no sentido amplo, do profissional que está na ponta do campo, e não como recorte de atribuição. Eu mesmo sou engenheiro agrícola, então vivo essa ponte todos os dias e faço questão de deixar claro que o projeto é para todo mundo que atua no agro: agrônomos, agrícolas, técnicos, zootecnistas, florestais. Nascemos como IA para Agrônomos e hoje migramos nossa marca para OagronomIA (O agro no mundo da IA), no sentido mais amplo dos profissionais do agro, mas mantendo o valor original da agronomia!!
 

E o lugar desses profissionais diante da IA, para mim, é o centro. A IA não substitui o profissional do campo. Mas o profissional que usa IA vai substituir o que não usa. Quem entende de solo, de planta, de clima e de manejo é justamente quem tem o repertório para criticar a resposta da máquina e dizer se ela faz sentido agronômico ou não.

É por isso que criei as imersões da OagronomIA. A ideia é tirar o profissional do banco de reservas da IA e colocá-lo em campo com a ferramenta na mão: fundamentos de IA, engenharia de prompt e de contexto aplicada ao agro, análise de dados, interpretação de boletins e análises de solo, criação do próprio assistente. Não é teoria, é prática direto na realidade de quem já trabalha no setor.

Confea - Como a IA pode ajudar a reconhecer as atribuições e a evitar os sombreamentos? Há intenção de acolher as demais áreas que compõem a modalidade Agronomia?

Eng. agr. Maykol Ouriques – Essa pergunta é central para a regulamentação profissional, e a IA pode contribuir em dois eixos.

Primeiro, no mapeamento institucional de atribuições. Modelos de IA são excepcionais em analisar, comparar e cruzar grandes volumes de texto — normativos, resoluções, descrições de cargos. Um modelo treinado com a legislação profissional, as resoluções do Confea e os normativos dos Creas pode identificar sobreposições, lacunas e ambiguidades entre atribuições de diferentes habilitações, de forma muito mais rápida e sistemática do que uma análise manual. Isso daria ao Sistema Confea/Crea uma ferramenta viva para atualizar e refinar a matriz de atribuições à medida que novas tecnologias e demandas surgem no setor.
 

Segundo, na valorização do profissional habilitado frente ao uso direto de IA pelo produtor. Esse é o ponto mais sensível. Hoje, qualquer pessoa acessa o ChatGPT e pergunta "o que fazer com ferrugem na soja?" — e recebe uma resposta convincente, mesmo que genérica ou equivocada. O profissional habilitado se diferencia justamente porque sabe avaliar o contexto da propriedade, cruzar com histórico de manejo, considerar interações de produtos e condições locais. A IA treinada por um profissional qualificado entrega resultados incomparavelmente superiores aos de um modelo genérico, porque carrega o contexto, o conhecimento técnico e o rigor que só a formação e a experiência de campo proporcionam. É exatamente aí que a habilitação profissional se torna não só relevante, mas indispensável.

Quanto às demais áreas da modalidade Agronomia: sim, o Método AGRO que desenvolvi trabalha justamente com isso. Ele não foca em uma ferramenta específica, mas em como alimentar e interrogar os modelos de IA. Isso permite que profissionais de qualquer área da Agronomia — fitossanidade, solos, irrigação, produção animal, gestão — apliquem o método nas suas demandas específicas. O profissional capacitado coloca o foco no seu setor de atuação; o método resolve o "como".
 

Eng. agric. Guilherme Sanches – Primeiro, é preciso ser honesto: quem define atribuição é a legislação e o conselho, não a IA. Isso não muda. A IA não decide quem pode assinar o quê.

O que ela pode fazer é ajudar na organização e na rastreabilidade. Documentar com clareza quem executou cada etapa, registrar a responsabilidade técnica de forma estruturada, cruzar a atividade com a habilitação do profissional e sinalizar quando algo parece fora do escopo. Ou seja, ela reduz a zona cinzenta por transparência, dando informação organizada para o profissional e para o próprio conselho tomarem a decisão. Ela apoia o reconhecimento da atribuição, não a substitui.

E sim, a intenção sempre foi acolher todas as áreas da modalidade. O problema do agro não escolhe profissão. A IA é uma ferramenta transversal, e faz todo sentido que ela chegue a todas as áreas que compõem a Agronomia.

Confea - Como ela pode contribuir para prevenir e conter os danos provocados pelos efeitos climáticos extremos?

Eng. agr. Maykol Ouriques – Essa aplicação é bem relevante, pois como os diferentes modelos climáticos trabalham com milhares de dados simultâneos, onde qualquer alteração pode gerar diferentes cenários. O uso de modelos de inteligência artificial possibilita a leitura em tempo real de milhares de dados climáticos e ajusta as projeções climáticas de forma muito rápida, prevendo diferentes cenários com base nas maiores probabilidades.

Hoje, a IA introduziu modelos globais de aprendizado profundo, como o GraphCast (da Google DeepMind) e o Pangu-Weather (da Huawei Cloud), que conseguem prever eventos extremos com até 10 dias de antecedência em questão de segundos, com precisão e resolução espacial inéditas.

No contexto brasileiro, o verdadeiro diferencial do Engenheiro Agrônomo está em conectar a escala macro desses modelos avançados — e das bases do INPE/CPTEC — com os dados de estações e sensores locais da propriedade. A partir dessa integração, a IA deixa de apenas prever se vai chover e passa a simular o impacto físico no solo. Ela projeta a taxa de enxurrada por talhão, calcula o risco de erosão, estima a perda de nutrientes por lixiviação e avalia a capacidade de drenagem antes que o evento ocorra. Isso nos permite migrar de uma gestão passiva de danos para um plano preventivo de engenharia no campo: ajustando curvas de nível, preparando bacias de contenção e redefinindo janelas de plantio e colheita antes que o evento extremo aconteça. Sendo assim, o uso de IA permite antecipar, preparar e simular os efeitos das intervenções e, por consequência, reduzir o impacto.
 

Eng. agric. Guilherme Sanches – Aqui, a IA já entrega valor concreto, principalmente na antecipação. Modelos que cruzam dados climáticos, imagens de satélite e sensores conseguem prever risco de seca, geada, chuva intensa ou veranico com antecedência, gerando alerta antes de o dano acontecer.

Isso muda o jogo na tomada de decisão: ajustar janela de plantio e de aplicação, antecipar irrigação, redirecionar operação, proteger o que dá para proteger. A tendência, que eu vejo com força, é sairmos de uma IA que só responde pergunta para sistemas que monitoram a operação, identificam o risco climático e recomendam a ação.

Não elimina o evento extremo, mas reduz o estrago. E num cenário de clima cada vez mais instável, antecipar dias ou horas já é a diferença entre perder e salvar a lavoura.
 

Confea - A inteligência artificial tem um potencial para automatizar processos em que parâmetros, em suas diversas aplicações?

Eng. agr. Maykol Ouriques – Praticamente, a grande maioria das tarefas de anotação, preenchimento de planilhas, análise de imagens de satélite ou drones com uso de sensores, a coleta e arquivamento de dados de diferentes sensores (temperatura, umidade, vento, velocidade de plantio, etc). Além da sistematização destes dados coletados, a criação de cenários e a elaboração de relatórios podem ser automatizados. Ou seja, praticamente é possível reduzir significativamente o trabalho braçal de anotação de dados, coleta de informações para que o profissional use sua expertise e tempo na visita a campo, na análise final e na definição da melhor estratégia de atuação em cada caso.

Mas há um uso menos óbvio e, para mim, mais transformador: a IA como contraponto técnico.
 

Poucos especialistas falam do uso da IA para gerar uma contestação da estratégia definida pelo profissional, expondo fragilidades e apontando melhorias que podem ou não ser consideradas. Esta abordagem traz para a atuação profissional uma possibilidade de melhoria, que antes, sozinho no carro ou no escritório, era praticamente impossível. Mas com um assistente de IA treinado com base em papers recentes, palestras de referências mundiais em diversos assuntos, é possível que ele questione e aponte fragilidades, pontos de atenção que o profissional pode considerar para melhorar ainda mais sua atuação.

 

 

Eng. agric. Guilherme Sanches – Tem, e o potencial é enorme. 

A regra que eu uso é simples: tudo que é operacional e repetitivo tende a ser automatizado.

Nas máquinas, isso já acontece — pulverização seletiva, ajuste automático de dose, reconhecimento de plantas, automação de operações e manutenção preditiva. No escritório, entra a automação do tratamento de dados: organizar análise de solo, gerar mapas e zonas de manejo, montar relatório de visita técnica, interpretar boletim agronômico.
 

Mas faço questão de marcar o limite. Automatiza-se o operacional, o apertar de botão, a produção da informação. A interpretação do contexto, a responsabilidade técnica e a decisão final continuam com o profissional. A IA amplia a capacidade de decisão, ela não assume a decisão.

Confea - Como está sendo a receptividade dos engenheiros agrônomos e dos engenheiros agrícolas, de modo geral?

Eng. agr. Maykol Ouriques – A receptividade dos profissionais está sendo muito boa, mas, como toda inovação e com muitas promessas fáceis existentes nas redes sociais, são claras as barreiras enfrentadas, sejam elas por causa do ceticismo e do pensamento de que “isso não é para mim”, ou o outro extremo, de que “Agora a IA vai fazer meu serviço”.

Os dois extremos existem, mas é importante lembrar que a IA é uma ferramenta à disposição do profissional, e que para treinar e moldar a ferramenta é preciso contexto.

Esse contexto é justamente o que profissionais mais experientes e com tempo de campo possuem, e que é fundamental para o treinamento correto do assistente e agente de IA, como saber questionar e ponderar o que é realmente correto e o que é uma alucinação. Quando este perfil de profissional aprende a usar a IA e vê que a barreira de entrada é baixa, muito menos do que aprender a programar uma planilha de Excel, por exemplo, vislumbra e tira proveito de tudo o que esta ferramenta pode trazer de produtividade para a atuação profissional.

Da mesma forma, quem pensa que a IA vai fazer todo o serviço acaba se frustrando quando vê que é necessário um bom profissional para ter uma boa IA trabalhando para ele, e que, as alucinações vão acontecer, que a segurança dos dados é importante. Mas quando aprende um método de uso, consegue ver que pode aprender novos conceitos em uma velocidade muito maior que antes, e que a IA pode auxiliar no aprendizado e melhorar a sua atuação.

Nos treinamentos que conduzo, percebo que uma parte dos profissionais chega cética e sai com pelo menos um assistente funcional configurado.

Eng. agric. Guilherme Sanches – A receptividade é altíssima, e crescente. Rodo o Brasil com palestras, imersões e treinamentos, e o que eu vejo é muito interesse e, ao mesmo tempo, muita insegurança. 
 

O profissional sente que está ficando para trás e quer entrar, mas não sabe por onde começar.

E isso tem uma explicação: as universidades ficaram para trás nesse tema. O currículo não ensina IA aplicada ao dia a dia agronômico, então o profissional precisa buscar por conta própria.
 

O que eu percebo é que, quando ele entende que não vai virar programador e que a IA é uma ferramenta como o Excel foi um dia, a resistência cai e a empolgação toma conta. O medo, quase sempre, é fruto do desconhecimento.

Confea - Ela também já está mudando as tomadas de decisão no campo, aumentando os investimentos com base nos seus dados? Quais são os principais conjuntos de dados a serem tratados em relação ao campo e seus principais instrumentos?
 

Eng. agr. Maykol Ouriques – Sem dúvida que os investimentos na captação e geração de dados do setor agropecuário aumentaram muito.

Os principais conjuntos de dados no campo hoje são: dados climatológicos (estações locais e satelitais); telemetria de máquinas (velocidade, consumo, taxa de aplicação); sensoriamento remoto multiespectral (NDVI, EVI, índices de umidade); dados agronômicos de manejo (adubação, tratos culturais, colheita); e dados econômicos de gestão da propriedade.

Porém, o gargalo sempre foi analisar essa enxurrada de informações em tempo hábil para retornar em uso prático para o manejo, aumento da eficiência produtiva e controle de gastos na propriedade.

Atualmente, contamos com sistemas embarcados que já nos trazem diversos dados em tempo real, porém também demandam investimentos que muitas vezes não estão acessíveis a todos os produtores. 

Entretanto, nos cursos, mentorias e consultorias, consigo demonstrar aos profissionais e também para as empresas que, usando o Método A.G.R.O. em ferramentas acessíveis, é possível gerar análises integrando dados de bases climatológicas, com softwares de análise da Embrapa e outros institutos, e até mesmo configurando assistentes e agentes no ChatGPT, Claude ou Gemini, por exemplo.  

Eng. agric. Guilherme Sanches – Já está, sim. 

O melhor exemplo são as zonas de manejo: em vez de tratar o talhão inteiro de forma uniforme, você usa os dados para investir onde há resposta e economizar onde não há. O investimento passa a ser direcionado pelo dado, e não pelo palpite.

Os principais conjuntos de dados são análise de solo, mapas de produtividade, imagens de satélite e drone, dados climáticos, sensores de máquina e o histórico de manejo de cada área. O valor real aparece quando esses dados conversam entre si.
 

E os instrumentos são os sensores embarcados nas máquinas, os equipamentos de sensoriamento remoto, as estações meteorológicas, os receptores GNSS e as plataformas de gestão que consolidam tudo isso. O gargalo, quase sempre, não é falta de dado — é dado desorganizado e espalhado em sistemas que não se falam.

Confea - Fale um pouco sobre a Metodologia A.G.R.O, criada por você.

Eng. agr. Maykol Ouriques – O Método A.G.R.O. nasceu de quatro anos de aplicação de IA em casos reais do campo — da interpretação de laudos de solo ao monitoramento de lavouras —, ao notar que o mercado usava IA de forma superficial. O problema nunca foi a ferramenta em si, mas a falta de um protocolo agronômico para alimentar e interrogar os modelos.

A maior parte do conteúdo sobre IA que circula nas redes é genérica e voltada para marketing. Quando precisamos integrar fontes de conhecimento técnico com dados numéricos de planilhas, laudos de análise e imagens de sensoriamento remoto, o nível de exigência muda completamente. É essa lacuna que o método resolve.

A metodologia é fundamentada em quatro pilares independentes de software:

A — Acurácia. Seleção e curadoria rigorosa de fontes científicas e bases de dados confiáveis. A qualidade da entrada determina a qualidade da saída — não adianta jogar um PDF mal formatado num modelo e esperar uma recomendação precisa.
G — Governança. Construção da arquitetura do assistente — a base de conhecimento e as regras do "cérebro" digital que orientam o modelo a se comportar como um consultor da área, e não como um assistente genérico.
R — Recomendações Contextualizadas. Orientações claras de interpretação focadas no problema específico da propriedade para que o modelo entregue análises situadas, e não respostas de manual.
O — Otimização Operacional. Padronização de saídas — relatórios, alertas, cenários — para eliminar o trabalho braçal de escritório e acelerar a tomada de decisão.

Por ser independente de software, o método não prende o profissional a uma ferramenta. Ele ensina como usar a IA, seja no ChatGPT, Claude, Gemini ou qualquer modelo que surja amanhã. Já capacitei 150 profissionais, e o retorno mais frequente é: "agora entendo por que a IA me dava respostas ruins — o problema era como eu estava alimentando ela".

Confea - Você fala em redução da quantidade de amostras retiradas do campo, mas não em uma substituição integral pela IA. Os prazos para esses limites tendem a ser cada vez menores?

Eng. agric. Guilherme Sanches – Exato, e a distinção é importante. 
 

Modelos calibrados com sensoriamento e histórico já permitem reduzir a quantidade de amostras físicas, direcionando a coleta só para onde ela realmente agrega. Isso baixa custo e acelera a resposta.

Mas não é substituição integral, e eu sou cético quanto a isso no curto prazo. O modelo precisa de amostra real para ser calibrado e validado — é ela que dá o padrão-ouro. Sem coleta de campo, o modelo perde a referência com a realidade daquele solo.
 

Agora, os prazos estão encurtando rápido, disso não tenho dúvida. A cada ano, os modelos ficam melhores e a dependência da amostragem física diminui. Mas eu vejo um caminho de redução e otimização, não de eliminação. A amostra vai continuar existindo, só que em muito menor quantidade e muito mais bem direcionada.

Confea - O uso de dados em tempo real para previsões e intervenções mais objetivas representa uma guinada sem precedentes, de fato? Ela pode modificar realidades em relação ao plantio e a outras demandas do campo?

Eng. agr. Maykol Ouriques – Indiscutivelmente. A capacidade de receber, interpretar e gerar conhecimento a partir de milhares de dados ao mesmo tempo amplia a análise de forma exponencial. A cada semana, surgem modelos de maior capacidade; é, sem dúvidas, um novo patamar tecnológico que estamos vivendo. 

Essa imensa capacidade deve modificar a forma com que lidamos com a agricultura e pecuária, pois a possibilidade de antever fatos, de identificar doenças e pragas em um tempo muito curto e muitas vezes sem precisar caminhar no meio da lavoura torna qualquer intervenção mais eficiente e faz com que a produção de alimentos seja muito mais sustentável.

É só ver a diferença da necessidade de antibióticos para o tratamento de uma vaca leiteira que teve uma mastite subclínica, identificada inicialmente no momento da ordenha pelo próprio equipamento de ordenha, e este mesmo animal que apenas é identificado quando o quadro clínico evolui a ponto de ser visual em um teste da raquete ou no fundo da caneca. 

Ou na diferença do controle de uma lavoura que teve pequenos focos de doenças identificados por uma imagem de satélite de forma precoce (que passa uma vez por dia na mesma área), e um modelo de IA de forma automática, identifica estes focos, georreferencia os setores e emite um alerta ao Engenheiro Agrônomo, que, dependendo da situação, pode já recomendar um tratamento ao produtor rural; em comparação com a eficiência e o custo de um produtor que somente começa a ver os sintomas quando a doença toma proporções maiores em grandes manchas.

Eng. agric. Guilherme Sanches – Representa, sim, e talvez seja a mudança mais profunda de todas. Sair da decisão baseada em foto do passado para a decisão baseada no que está acontecendo agora, em tempo real, é uma guinada real.
 

Isso modifica o plantio de forma direta: definir a melhor janela pela condição atual de solo e clima, ajustar densidade por ambiente, aplicar na hora certa considerando vento e umidade daquele momento, intervir no problema enquanto ele é pequeno.

A lógica muda de reagir para antecipar. Em vez de descobrir a perda depois, você recebe o alerta antes e age. E isso vale para plantio, aplicação, irrigação, colheita — para praticamente toda demanda do campo.

Confea - A dependência por dados confiáveis ainda pode ser um fator de risco? Haverá necessidade de pesquisas autônomas com mais frequência?

Eng. agr. Maykol Ouriques – Sim, este é e sempre foi o tendão de Aquiles do uso de ferramentas de análise, pois de nada adianta ter um laudo de análise do solo, se a forma de amostragem foi incorreta, se uma das subamostras foi ao lado de um formigueiro, por exemplo.
 

Não é diferente com sistemas autônomos e com o uso de modelos de inteligência artificial. Se os sensores não forem colocados em locais representativos e em número suficiente, se a coleta manual de dados durante a visita do profissional não for feita de forma correta, as ferramentas somente irão reproduzir os efeitos dos erros de origem. 

Se os dados de entrada estiverem errados, a única coisa que a tecnologia fará é permitir que qualquer um erre mais rápido.
 

A pesquisa é fundamental para identificar e criar parâmetros que serão aplicados em ferramentas cada vez mais poderosas de análise, seja ela composta por códigos de programação ou com modelos robustos de inteligência artificial. É justamente a pesquisa que trará os padrões e as métricas a serem aplicadas neste modelo. 

A pesquisa e a sua aplicação em ferramentas de capacidades enormes de processamento é que vão garantir a acurácia e dar sustentação à aplicação destas tecnologias.

Eng. agric. Guilherme Sanches – É o principal fator de risco, sem dúvida. 
 

A IA não corrige automaticamente problema de gestão, nem de qualidade de dado. Ela amplifica o que existe: se o dado é ruim, a decisão sai ruim, só que agora com uma aparência de precisão que engana. Dado confiável é a base de tudo.

Por isso a resposta à segunda parte é sim. Vamos precisar de pesquisa e de validação local com muito mais frequência. Cada região, cada solo, cada cultura tem sua particularidade, e o modelo genérico não dá conta. É a pesquisa autônoma, feita na realidade daquele ambiente, que calibra e valida o que a IA entrega.

Ou seja, quanto mais avança a IA, mais importante fica a boa pesquisa de campo. Uma não substitui a outra, elas se retroalimentam.
 

Confea - Outra questão elementar é a conectividade. Há perspectivas favoráveis?

Eng. agr. Maykol Ouriques – Temos na conectividade uma barreira grande nas áreas rurais, sem contar com a falta de rede elétrica consistente que chegue até as propriedades rurais e mantenha a capacidade de instalação de máquinas e equipamentos.

Entretanto, o acesso à rede de internet por satélite, como a Starlink, vem se tornando uma realidade acessível para estas áreas, bem como o desenvolvimento de equipamentos que usam a tecnologia LoRa (Long Range) com o protocolo LoRaWAN, uma tecnologia de comunicação sem fio por ondas de rádio, com longo alcance e baixo consumo de energia, ideal para a Internet das Coisas (IoT). Essa tecnologia permite que uma propriedade com um ponto de internet central possa conectar os sensores e equipamentos de telemetria espalhados em um raio de até 10 km, em campo aberto, dependendo da topografia e de obstáculos.

Estes equipamentos já estão sendo usados e vêm apresentando bons resultados e custos cada vez mais acessíveis.

Eng. agric. Guilherme Sanches – A conectividade ainda é um gargalo real no campo brasileiro, seria desonesto dizer o contrário. Boa parte da área produtiva não tem sinal adequado, e sem conexão a IA em tempo real fica limitada.

Mas as perspectivas são favoráveis.

A internet via satélite de baixa órbita mudou o patamar e está levando conexão a lugares que antes eram inviáveis. Isso destrava justamente as aplicações mais dependentes de tempo real. E recentemente a Anatel deu um passo importante para permitir a conexão de internet via satélite no celular, sem depender das famosas antenas.

Além disso, nem tudo exige estar conectado o tempo todo. Muita aplicação embarcada na máquina roda localmente e sincroniza depois. Então a conectividade avança por dois caminhos ao mesmo tempo, e a tendência é deixar de ser o obstáculo que ainda é hoje.
 

Confea - Quais são ainda os principais riscos desses investimentos para o produtor?

Eng. agr. Maykol Ouriques – A falta de um cálculo de retorno sobre o investimento (ROI) adaptado à realidade da propriedade é o primeiro erro. Antes de investir, o produtor precisa contar com um consultor técnico que auxilie no cálculo e na escolha da tecnologia mais adequada para cada caso e cada propriedade. Precipitar-se em comprar um sistema automatizado sem antes conhecer, calcular o retorno é o maior dos riscos para o produtor.

No entanto, o olhar técnico e profissional precisa ir além da viabilidade financeira e avaliar se a ferramenta não está obsoleta ou terá curto tempo de uso, a dependência de um único fornecedor e a segurança, uso e propriedade dos dados coletados.
 

Por isso, o dimensionamento tecnológico exige uma consultoria técnica isenta. O papel do profissional é garantir que a tecnologia seja viável no caixa, segura no tratamento de dados e sustentável no longo prazo.
 

Eng. agric. Guilherme Sanches – O maior risco é começar pela ferramenta, e não pelo problema. O produtor investe porque a tecnologia está na moda, sem definir que resultado quer alcançar, e aí a tecnologia vira custo, não solução.

O segundo risco é achar que IA resolve bagunça. Investir em tecnologia com dado incompleto e processo desorganizado é jogar dinheiro fora, porque a base não sustenta o investimento.

E o terceiro, o mais subestimado, é investir na tecnologia e não investir nas pessoas. Comprar a ferramenta e não capacitar a equipe garante que o retorno nunca apareça. O investimento que mais rende, quase sempre, não é o equipamento — é a capacitação de quem vai usar a informação.

Confea - O profissional habilitado precisa correr contra o tempo para se atualizar? Quais os riscos envolvidos para o seu exercício? 

Eng. agr. Maykol Ouriques – Em qualquer atividade, precisamos estar atualizados, mas cuidado para não naufragar em um mar de ferramentas. Eu digo isso porque, em 2004, quando me formei, o GPS de mão era uma novidade e hoje é algo trivial que todos têm acesso em um celular, porém o que o GPS trouxe foi uma forma mais fácil e ágil de construir mapas e nos localizar. Este equipamento junto com ferramentas de desenho como o AutoCad potencializaram a confecção de mapas etc. Porém, quem não se atualizou foi substituído por profissionais que se especializaram e acabaram fazendo mais, com maior eficiência. Este é um risco de quem não se atualiza e não se adapta às mudanças. 

Entretanto, outro risco é quando o profissional deposita toda a confiança na ferramenta e não se atualiza para usá-las da melhor maneira. 

Diferente do AutoCad, em que um erro impedia o mapa de sair, a IA Generativa é programada para agradar, e, portanto, ela sempre vai te entregar uma resposta, mesmo que errada. Essa é justamente a armadilha que pode colocar um profissional literalmente “no mato”.

Eng. agric. Guilherme Sanches – Precisa se atualizar com urgência, sim, mas eu diria que é menos correr contra o tempo e mais não perder o bonde. O paralelo é o Excel: o profissional que há 20 anos ainda anotava tudo no caderno e se recusou a aprender planilha ficou defasado. Hoje, quem insistir em ficar só na planilha e não incorporar IA no cotidiano vai passar pela mesma coisa.

O risco principal para o exercício é a perda de competitividade. Não é a IA que tira o espaço do profissional, é o colega que domina a IA e entrega mais rápido, com mais dados e melhor análise.

Existe também o outro lado, o do uso ingênuo. Confiar cegamente numa resposta que não se sabe criticar, expor dado sigiloso sem perceber, assumir como técnico um número que a máquina inventou. Isso tem impacto direto na responsabilidade técnica. Por isso, capacitação, para o profissional habilitado, deixou de ser diferencial e virou proteção do próprio exercício.

Confea - É possível incentivar iniciativas colaborativas, por meio da IA, no campo, inclusive em relação aos eventos extremos?

Sim, e já existem exemplos concretos disso.

Em Santa Catarina, o monitoramento da cigarrinha do milho uniu Cooperativas, Epagri e produtores em todo o Estado numa rede colaborativa de coleta de dados. Profissionais e agricultores registravam a ocorrência de focos nas suas regiões e essas informações alimentavam relatórios que orientavam as ações de controle. 

A IA potencializa esse tipo de iniciativa: integrada a uma rede como essa, ela pode consolidar os dados de campo, identificar padrões de dispersão, gerar relatórios georreferenciados completos em minutos e emitir alertas regionais de forma automática. O que antes dependia de compilação manual passa a ser praticamente em tempo real.
 

O mesmo raciocínio se aplica aos eventos climáticos extremos. Redes de estações meteorológicas estaduais, combinadas com dados de radares e satélites, já fornecem um volume enorme de informações. A IA permite cruzar essas bases, identificar tendências e gerar alertas preventivos com antecedência suficiente para que profissionais e produtores tomem decisões — desde o reposicionamento de janelas de plantio até a preparação de estruturas de contenção.

O ponto central é que a IA não substitui a rede colaborativa — ela a torna viável em escala. Sem a tecnologia, essas iniciativas dependem de esforço manual que limita o alcance. Com ela, a mesma rede consegue operar em tempo real e cobrir territórios inteiros.

Eng. agric. Guilherme Sanches – É totalmente possível, e é um dos caminhos mais promissores. 

A IA ganha força com volume de dado, e dado compartilhado entre muitos produtores gera modelos muito melhores do que cada um isolado conseguiria.

Nos eventos extremos, isso fica evidente. Uma rede colaborativa de dados climáticos e de campo permite alertas regionais de seca, geada ou chuva intensa que beneficiam todo mundo ao mesmo tempo. O risco de um vira informação para proteger o vizinho.

As cooperativas e as fundações de pesquisa têm papel central aqui, porque já reúnem produtores e dados. A IA transforma esse acervo coletivo em inteligência coletiva — e o campo tem tradição de colaboração para construir isso.

Confea - As dificuldades enfrentadas pela agricultura familiar incluem a falta de assistência profissional. Você acredita que os profissionais possam se aproximar mais facilmente deste público por meio desta tecnologia? Por outro lado, há riscos de seu uso se proliferar sem a participação dos profissionais habilitados?

Acredito que sim, e esse é um dos impactos mais transformadores que a IA pode trazer ao agro brasileiro.

O gargalo da assistência técnica à agricultura familiar nunca foi falta de conhecimento, mas de tempo. Um técnico que precisa visitar a propriedade, anotar dados em planilha, voltar ao escritório, tabular tudo, gerar relatório e só então elaborar a recomendação consome horas em trabalho operacional que não exige sua expertise. Com IA configurada adequadamente, esse mesmo técnico pode registrar a visita por áudio, receber um relato estruturado em minutos, cruzar dados de clima e manejo automaticamente e focar seu tempo no que realmente importa: a análise técnica e o atendimento ao produtor. Isso amplia diretamente a capacidade de atendimento das equipes.

 

Na minha experiência como gestor na BRF e na Epagri, vi de perto como a automação de processos libera tempo de equipe para atividades de maior valor. A IA potencializa isso em outra escala. Sistemas de sensoriamento remoto com interpretação por IA já conseguem identificar focos de doenças em lavouras e georreferenciar as áreas afetadas de forma automática. Após validação por um profissional, esses alertas podem chegar a milhares de agricultores de forma instantânea. Na pecuária leiteira, o monitoramento da condutividade elétrica na ordenha, analisado por IA e validado por um técnico, pode antecipar visitas e tratamentos antes que o quadro clínico se agrave. São aplicações que multiplicam o alcance da assistência técnica sem dispensar o profissional — ao contrário, dependem dele.

Agora, o risco existe e é real. Os modelos de IA generativa são programados para dar respostas convincentes, mesmo quando estão errados. A interface conversacional gera confiança: o produtor pergunta, recebe uma resposta articulada e tende a segui-la. O fato de o modelo incluir ao final "consulte um profissional" não muda o comportamento na prática, pois as pessoas confiam na resposta, especialmente quando ela confirma o que já queriam ouvir.

Por isso, minha tese é clara: IA no agro não é sobre substituir o agrônomo, mas é sobre devolver o agrônomo ao campo. A tecnologia é uma revolução para o setor produtivo, mas continua sendo uma ferramenta. Qualquer intervenção nos sistemas produtivos precisa ser acompanhada e recomendada por profissional habilitado, e cabe a nós, como categoria, garantir que o produtor entenda isso.

Eng. agric. Guilherme Sanches – Acredito muito nisso. A IA reduz drasticamente o custo de entrada. Muita tecnologia já está em aplicativo, imagem de satélite e até dentro da máquina, e ferramentas de IA generativa hoje custam pouco mais de cem reais por mês. Isso permite ao profissional atender mais produtores, com mais qualidade e menor custo, chegando a um público que antes não tinha assistência nenhuma. É uma oportunidade real de democratização.

Mas a sua ressalva é certeira e eu compartilho a preocupação. 

Existe o risco concreto de o produtor pegar uma resposta genérica de IA e aplicar em mil hectares como se fosse recomendação técnica. IA genérica, sem contexto e sem quem saiba criticá-la, entrega recomendação medíocre com aparência de precisão. Isso é perigoso.
 

Faço aqui o paralelo com a internet: ela não é cem por cento segura e nem por isso deixamos de usá-la — aprendemos a usar com responsabilidade. Com a IA é igual. A tecnologia deve aproximar o profissional habilitado do produtor, não afastá-lo. O profissional não é obstáculo ao acesso, é justamente a garantia de que a tecnologia vai ser usada com segurança.

Henrique Nunes
Equipe de Comunicação do Confea