114 CADERNOS DE ANÁLISE E PROSPETIVA CULTIVAR N.º 33 ABRIL 2025 – Dados na agricultura da IA na agricultura através de análises qualitativas (casos de estudo do vinho e do azeite) e quantitativas (questionário destinado a peritos, académicos e profissionais do setor para percecionar os impactos da IA na agricultura). Na secção sete, a autora emite recomendações para políticas públicas destinadas à promoção da IA na agricultura; a secção oito termina com as conclusões, limitações e investigação/estudos futuros. O conceito de inteligência artificial tem vindo a tomar destaque na vida quotidiana, sobretudo nos últimos anos. De facto, a evolução da IA tem sido um tema dominante em várias áreas de investigação e também, mais recentemente, na sociedade em geral. De acordo com o presente artigo, a IA pode ser definida enquanto “um ramo da ciência computacional dedicado ao desenvolvimento de máquinas capazes de simular funções cognitivas humanas, nomeadamente aprendizagem, raciocínio e autocorreção”. Por exemplo, no caso da agricultura, a partir de dados recolhidos (e.g. via sensores de humidade e temperatura, drones, imagens de satélite) e de informação de referência (e.g. histórico de culturas), a IA é capaz de gerar informação preditiva, emitindo recomendações e automatizando tarefas, apoiando o agricultor na gestão da exploração agrícola. Segundo este artigo, a IA aplicada à agricultura tem como principal objetivo “expandir, automatizar e otimizar as operações agrícolas, e por esta via melhorar a produtividade, mitigar riscos, e garantir a produção sustentável de alimentos”, assim considerando o contexto de alterações climáticas (e.g. maiores riscos associados a fenómenos climáticos extremos), de maior volatilidade dos mercados numa era da globalização e competição mundial, ao mesmo tempo que se perspetiva um forte crescimento da população mundial. Além disso, acresce a necessidade de cumprimento de metas mundiais como sejam os ODS – Objetivos de Desenvolvimento Sustentável (e.g. Fome Zero). Assim, a IA emerge como um instrumento de apoio à gestão da exploração, numa época em que aumenta a complexidade e a multiplicidade de tarefas, redesenhando o modelo convencional de agricultura. Contudo, “é evidente a escassez de histórias de sucesso na literatura que elucidem benefícios tangíveis obtidos por explorações agrícolas que utilizam tecnologias de IA”. Deste modo e por forma a colmatar esta lacuna de análise de casos reais de aplicação da IA à agricultura, a autora procurou adotar uma metodologia mista para recolha de dados, recorrendo a casos de estudo e questionários. Os casos de estudo abrangem empresas dos setores do azeite e do vinho, produções com grande importância na agricultura portuguesa, e os questionários foram dirigidos a peritos, académicos e profissionais do setor. Para os casos de estudo, foram selecionadas empresas/entidades com experiência na utilização de ferramentas IA para uma análise qualitativa (e comparativa) quanto à: • Melhoria da eficiência de produção (sistemas alimentados por IA para análise de dados históricos da cultura e das condições edafoclimáticas, permitindo calendarizar as práticas agrícolas): Esporão e Quinta do Vallado • Precisão na gestão agrícola (drones alimentados por IA para identificar problemas fitossanitários, permitindo aplicações precisas de produtos fitofarmacêuticos): Sovena e Symington Family Estates • Otimização da colheita (algoritmos IA para analisar o estado de maturação da cultura e das condições climatéricas para prever a melhor data de colheita): Herdade do Rocim • Gestão inteligente dos recursos hídricos (sistemas de irrigação alimentados por IA para analisar a percentagem de água no solo e os dados climáticos, permitindo uma rega adequada da cultura e evitando desperdício de água): Herdade das Servas e Adega Mayor • Melhoria da qualidade (ferramentas de análise sensorial alimentadas por IA para analisar a composição química e atributos sensoriais do produto garantindo os padrões de qualidade
RkJQdWJsaXNoZXIy MTgxOTE4Nw==