IA não resolve dados bagunçados: as lições de Mercado Livre e Nvidia para o agro

No momento em que o agronegócio acelera investimentos em inteligência artificial, ou pelo menos tentam surfar no hype, quem é de fora do setor e tem como tecnologia o setor principal de negócios tem um olhar diferente para o campo.

Executivos de empresas como Mercado Livre, John Deere e Nvidia defendem que a adoção da tecnologia depende menos da compra de ferramentas prontas e uso imediato e mais da construção de uma base sólida de dados, governança e infraestrutura digital dentro das empresas.

Um debate reuniu no Rural Summit 2026, realizado em Piracicaba (SP), representantes de setores fora do agro para discutir como IA vem sendo aplicada em logística, indústria e tomada de decisão. E o mais importante, colocar o agro brasileiro em perspectiva nessa corrida.

A avaliação mais crítica veio de Juliano Martins, GenAI & Engineering Research Sr. Manager do Mercado Livre. Segundo ele, muitas empresas ainda tratam IA como um experimento isolado, sem estruturar antes os sistemas de informação necessários para que os modelos funcionem de forma eficiente.

“Vejo que muitos no agro estão comprando IA como um pacote que vai resolver o problema. Mas antes da IA existe um pipeline de informação, de dados e governança”, afirmou ele, que atua como responsável por pesquisar e implementar novas tecnologias dentro da companhia.

Segundo Martins, a inteligência artificial tende não apenas a potencializar ganhos, mas também erros operacionais quando construída sobre bases desorganizadas.

“A IA democratizou o acesso à informação, mas ela também exponencializa os erros. Se você não constrói bem a base, ela vai alucinar”, disse.

Para ele, o sucesso do Mercado Livre na adoção acelerada de IA passa justamente pelo fato de a companhia ter nascido como uma empresa de tecnologia, já estruturada desde o início sobre dados e tomada rápida de decisão.

Hoje, segundo o executivo, praticamente toda a operação da companhia utiliza inteligência artificial, desde logística e recomendação de produtos até cálculos de prazo de entrega, prevenção a fraudes e automação de processos internos.

Martins afirmou ainda que a chegada dos chamados agentes de IA, ou seja, sistemas capazes de executar tarefas específicas de forma autônoma, exige mudanças estruturais dentro das empresas, indo além da simples adoção de novas ferramentas.

“Não dá para tratar IA como tratamos tecnologia até hoje. O mundo criado anteriormente não serve mais para esse novo cenário”, afirmou.

Na visão dele, muitas empresas ainda estão encarando inteligência artificial como um “laboratório”, quando o tema deveria ser tratado como estratégia corporativa. “Tem muito hype nisso tudo. Fazer um protótipo é fácil. Difícil é escalar”, disse.

O executivo citou que o Mercado Livre estruturou uma camada centralizada de governança para controlar tudo o que entra e sai dos sistemas da empresa, justamente para evitar perda de contexto, inconsistências e riscos operacionais nos modelos.

“Tudo que sai e tudo que entra da empresa passa por um gateway. Nada vai direto da máquina do desenvolvedor para o mundo externo”, afirmou.

Segundo ele, os ganhos de produtividade já são visíveis dentro das equipes de tecnologia. Em vez de substituir profissionais, os agentes passaram a automatizar tarefas operacionais repetitivas.

“Hoje eu não preciso mais de sete programadores para fazer determinadas funções. Os agentes trabalham comigo e eu reaproveito as pessoas em novas criações”, disse.

Na John Deere, que nas palavras de Vinicius Fonseca, gerente de Agricultura de Precisão para América Latina, é uma "empresa de tech que também faz máquinas", a discussão sobre o uso de IA aparece mais ligada à aplicação prática dentro da operação.

Vinicius Fonseca cita que a companhia investe mais de US$ 2 bilhões por ano em pesquisa e desenvolvimento e vem incorporando inteligência artificial embarcada em máquinas agrícolas há anos.

Um dos exemplos citados foi o sistema de pulverização See & Spray, baseado em visão computacional. Segundo o executivo, câmeras instaladas nos pulverizadores conseguem identificar em tempo real o que é planta daninha e o que é cultura agrícola, permitindo aplicações localizadas de herbicidas. A empresa afirma que a tecnologia gera economia média de 56% no uso de defensivos.

Ele também destacou o papel do Operations Center, plataforma digital da companhia que integra dados de máquinas, conectividade e informações operacionais das fazendas. Mas para todo esse ecossistema funcionar, ele reconhece e faz coro ao parceiro de palco Vinicius Fonseca: o sistema precisa de dados prévios para operar.

Já a fabricante de microprocessadores Nvidia focou no avanço da chamada “IA de borda”, quando os modelos de inteligência artificial rodam diretamente nos equipamentos, sem depender totalmente de conexão com internet ou processamento em nuvem.

Jomar Silva, Developer Relations Manager da Nvidia na América Latina, citou aplicações da plataforma Jetson (linha de minicomputadores e módulos embarcados da empresa) tanto em "tratores no campo quanto em carros da Mercedes".

Segundo ele, a computação embarcada é justamente o que torna viável o uso de IA em ambientes como o meio rural, onde conectividade ainda é um desafio. “No agro essa é a viabilidade técnica para implementar soluções que auxiliem o produtor no dia a dia”, afirmou.

Silva também destacou o avanço recente dos agentes de IA para análise de grandes volumes de dados corporativos. Na prática, segundo ele, os sistemas começam a substituir parte da dinâmica tradicional baseada em dashboards e relatórios manuais.

“Hoje você não precisa mais ficar olhando dashboard o dia todo. Você pode conversar com os dados”, disse.

O executivo contou que passou a usar agentes para automatizar análises de startups que passam pelo programa de apoio Inception, da empresa, além de usar para levantamento de informações de mercado e leitura de notícias, tarefas que antes consumiam horas diariamente.

Assim como os colegas, Silva compartilha da visão de que o principal desafio para adoção em larga escala da inteligência artificial no agro está mais ligado na organização de dados e integração de sistemas que captam essas informações.

Ele citou, inclusive, a agtech SciCrop, de José Damico, uma das participantes do Inception. A agtech atua cruzando dados de satélites e informações de sistemas de produtores e empresas do agro sobre clima, solo e outras variáveis para entregar insights.