O epicentro da nova Agricultura Digital na Cana-de-açúcar
Por Diogo Dutra, diretor da Cromai
Se você chegou até esse artigo, provavelmente você já sentiu (ou está sentindo) na pele as dificuldades em se introduzir tecnologias digitais no campo. E mais, você deve também saber que para se introduzir uma nova tecnologia, alterando os processos agrícolas já estabelecidos, é preciso mais do que a tecnologia em si, é preciso claramente contabilizar seus ganhos e retornos sobre os investimentos.
Sendo alguém que trabalha com startups e introdução de tecnologias inovadoras há quase 10 anos, aprendi que uma tecnologia nova só é incorporada de verdade se ela gerar 10x mais ganhos do que os processos e soluções atuais.
Em cana-de-açúcar, o potencial do imageamento e diagnóstico aéreo em escala não é uma novidade e já é quase consenso que virá daí uma nova onda de eficiência via Agricultura Digital.
Mas por que isso ainda não aconteceu massivamente?
Existem três pontos que acredito serem os principais fatores os quais os atores imersos sobre esse desafio estão deixando passar:
-
Um direcionamento estratégico e tático para um processo de ponta-a-ponta (do vôo à pulverização) que garanta a diminuição de custos e o aumento de eficiência;
-
A coordenação de um plano de implementação que entregue resultado desde o dia 1 justificando, assim, investimentos sucessivos; e
-
A relevância e o protagonismo das áreas de Topografia e Geoprocessamento nesse processo.
Para o primeiro ponto, um grande problema é o direcionamento, por parte das soluções atuais, para identificações que não permitem ações ou mudança de rota no manejo. Grande parte delas acabam gerando somente informações gerenciais e não informações que levem a uma decisão e manejo agronômico direto. Por exemplo, muitas tecnologias e processos atuais visam levantar os índices de falha de plantio ou de soqueira, que é uma informação super relevante para o planejamento, mas que tem dificuldades em se reverter em uma ação de manejo gerando ganhos de curto prazo.
A energia aqui deveria estar concentrada em conseguir colocar de pé maneiras simples e baratas de (a) se obter as imagens recorrentemente, (b) processa-las, e (c) gerar mapas de ação integrados às operações de máquinas agrícolas atuais (ex: máquinas automatizadas em retrofit). Tudo isso em um intervalo de tempo que permita a operação agrícola localizada.
É claro que tudo isso depende das evoluções das tecnologias envolvidas no processo, tanto em termos de facilidade de uso, qualidade da imagem, precisão de diagnóstico e integração. Quando se fala em controle de plantas daninhas, que representa uma das maiores linhas de custo para usinas, um dos grandes obstáculos até agora era a precisão de diagnóstico, tanto para a identificação de pequenos focos quanto para que essa tecnologia informasse o tipo específico de daninha. Com a aplicação de algoritmos de visão computacional (usando modelos avançados de deep learning) isso já não é mais um problema.
Fazendo um paralelo interessante, foi também um direcionamento estratégico e tático para um processo de ponta-a-ponta que permitiu uma percepção maior de valor no caso dos Controladores de Bordo. A primeira adoção dessa tecnologia se deu porque gerava reduções enormes de custos de combustíveis e se integrava ao novo planejamento agrícola. Já se falava em automação de equipamentos agrícolas e o futuro mecanizado, porém o processo de adoção em massa só se iniciou quando a primeira operação ponta-a-ponta gerou resultado em economia e eficiência. A partir disso outras possibilidades aparecem.
Já em relação ao segundo fator, sobre plano de implementação progressivo, eu vejo recorrentemente pessoas falando sobre a necessidade de consolidação de soluções em uma só plataforma para facilitar e baratear o custo para as usinas. É verdade que isso ajuda e provavelmente vai acontecer daqui alguns anos. Mas o foco essencial para a introdução e realização de resultados dessas soluções ainda é outro: é necessário que exista uma coordenação interna ao redor de um plano de negócio que apresentem fases de implementação e ganhos consecutivos ano a ano. A coordenação, avaliação e articulação dessas novas tecnologias de manejo necessitam de um centro que consiga equilibrar e direcionar dentro da usina os melhores esforços e adaptações tanto do processo agronômico, como contabilização dos ganhos e novos investimentos.
E aqui surge o terceiro fator, pois é nesse espaço que entendo que seria necessário mostrar o quão central e protagonista devem ser as áreas de Topografia e Geoprocessamento. Nos parece quase urgente um redirecionamento estratégico para que essas áreas liderem esse novo ciclo de revolução digital. Mais do que gerar análises, indicadores gerenciais e ter uma equipe de desenvolvimento dentro de usinas, essas áreas devem ser centros de integração e transformação digital do manejo agrícola.
“A influência no setor de topografia/ geoprocessamento é gigantesca, haja visto que dados que outrora levariam semanas para a sua apresentação em forma de mapas impressos ou digitais são obtidos em questão de minutos.” – afirmou Franklin Januario da Silva, Analista Sênior de Geoprocessamento da Usina Cerradinho. “Não podemos mais entregar mapas estáticos e exigir que os gestores os analisem e tirem suas conclusões, mas mapas interativos que validem e/ou fundamentem uma análise e proposta de solução apresentada.”
Retomando o caso dos controladores de bordo, um efeito similar aconteceu com o surgimento dos Centros de Operações Agrícolas ou Centros de Inteligência Agrícola. Devido ao grande fluxo de dados gerados pelos diversos equipamentos agrícolas e suas operações (inclusive informações dos operadores), foi necessário criar uma central de comando e tomada de decisão. Essa implementação foi feita por fases e com investimentos consecutivos, chegando à consolidação do que hoje é uma área extremamente estratégica para as usinas.
Desde o ano passado, nós da Cromai entendemos e estamos construindo esse caminho com nossos clientes e parceiros, dando todo o suporte tecnológico e processual para chegarmos a uma solução completa, ponta-a-ponta. A nossa solução de identificação de plantas daninhas usando visão computacional (modelos proprietários em deep learning) já conseguiu superar diversos obstáculos e hoje entrega um dos diagnósticos mais precisos do mercado. Mas nem a tecnologia mais avançada leva a usina para um próximo nível se não houver o olhar horizontal de ponta-a-ponta e um plano de implementação/investimento em conjunto com as áreas de Topo/ Geo. É preciso que mais atores e usinas sintonizem a essa visão estratégica.
Operação e negócios aliados à tecnologia. Surge, assim, o epicentro da nova Agricultura Digital em cana-de-açúcar.
