Você talvez já tenha visto os produtos lácteos da Land O’Lakes nas prateleiras dos supermercados dos Estados Unidos sem pensar muito em como eles chegaram até lá, mas esse é justamente o tipo de coisa em que o diretor de tecnologia (CTO) Teddy Bekele pensa todos os dias. Enquanto os agricultores e varejistas agrícolas da Land O’Lakes trabalham para produzir os produtos da cooperativa, começando pelas sementes usadas para cultivar a alimentação animal, Teddy Bekele está focado em apoiar a “quarta revolução” da agricultura — uma revolução que abraça tecnologias como a inteligência artificial. Nesta transcrição da entrevista, Teddy explica como a Land O’Lakes utiliza análises preditivas e IA para ajudar agricultores e produtores agrícolas a serem mais produtivos e tomarem melhores decisões sobre o negócio da agricultura.
Sam Ransbotham: Você talvez já tenha usado a expressão “apostar a fazenda”, mas se não trabalha com agricultura, talvez não entenda completamente o que isso significa. No episódio de hoje, descubra como a tecnologia pode apoiar uma produção agrícola bem-sucedida.
Teddy Bekele: Eu sou Teddy Bekele, da Land O’Lakes,.
Sam Ransbotham: Bem-vindo A cada episódio, apresentamos alguém que está inovando com IA. Eu sou Sam Ransbotham, professor de análise de dados no Boston College. Também sou editor convidado de estratégia de negócios e IA na MIT Sloan Management Review.
Shervin Khodabandeh: E eu sou Shervin Khodabandeh, sócio sênior da BCG, e co-líder da prática de IA da BCG na América do Norte. Juntos, o MIT SMR e a BCG vêm pesquisando e publicando sobre IA há seis anos, entrevistando centenas de profissionais e pesquisando milhares de empresas sobre o que é necessário para construir, implantar e escalar capacidades de IA, transformando de fato a forma como as organizações operam.
Sam Ransbotham: Shervin e eu estamos conversando hoje com Teddy Bekele, diretor de tecnologia da Land O’Lakes. Teddy, obrigado por estar conosco. Seja bem-vindo.
Teddy Bekele: Obrigado por me receberem. Estou muito animado por estar aqui.
Sam Ransbotham: Acho que nos conhecemos pela primeira vez em 2018, quando você estava na WinField United e fizemos juntos um webinar sobre dados e análises. Agora você está na empresa-mãe, a Land O’Lakes. Pode nos contar sobre sua função atual?
Teddy Bekele: Claro. Eu sou o diretor de tecnologia aqui na Land O’Lakes, que é uma cooperativa de produtores — uma cooperativa do campo à mesa, eu diria. Cobrimos toda a cadeia, desde o momento em que a semente é plantada no solo, a colheita, que depois vira grão. Esse grão é usado como ração animal. A Purina também é uma marca da Land O’Lakes, e esse grão é usado na formulação de rações para animais. Esses produtores de laticínios fazem parte da cooperativa. Compramos o leite deles e o transformamos em produtos com valor agregado, como manteiga e queijo, que você encontra nas lojas.
Quando falamos em “do campo à mesa”, cobrimos verdadeiramente todo o espectro, e minha responsabilidade como diretor de tecnologia é cuidar de tudo que envolve os sistemas internos da organização — uso empresarial para planejamento, ERP, sites, CRM, essas coisas. Mas outra área empolgante é a de dados e análises, além de muito do software usado no nosso negócio — trabalhando com os clientes, seja apoiando um modelo de negócio existente, seja ajudando a desenvolver um novo modelo que dependa da tecnologia. E isso envolve colaborar com os líderes de negócio para definir o que precisa ser feito e trabalhar com recursos internos ou com terceiros para desenvolver soluções muito interessantes.
Shervin Khodabandeh: E qual é a composição da cooperativa?
Teddy Bekele: É muito interessante. A cooperativa é composta por dois grupos de membros. Um deles, que mencionei há pouco, são os produtores de leite — e foi assim que a empresa começou. Há exatos 101 anos, produtores de leite aqui em Minnesota se reuniram e disseram: “Queremos levar nosso produto para o Leste”. Então, criaram essa cooperativa para fazer uma agregação dos seus produtos. O outro grupo são os varejistas agrícolas. São empresas independentes que atuam em comunidades rurais e atendem agricultores de grãos — predominantemente milho, soja, trigo e canola. O que fazemos por eles, como cooperativa de suprimentos, é comprar sementes e produtos de proteção de cultivos de grandes fabricantes e revendê-los a esses varejistas, que então os vendem aos agricultores da região. Em muitos casos, esses varejistas também são cooperativas, com conselhos formados pelos próprios agricultores que atendem.
Nosso conselho é composto pela metade por produtores de leite e pela outra metade por varejistas agrícolas. Essa combinação forma a cooperativa Land O’Lakes.
Shervin Khodabandeh: E como CTO, qual é o seu mandato dentro da cooperativa?
Teddy Bekele: Nosso objetivo é servir aos membros, até chegar ao agricultor de grãos, garantindo que eles sejam competitivos nas portas de suas fazendas — o que quer que precisem fazer no dia a dia para se manterem competitivos. E, particularmente como diretor de tecnologia, penso em como acompanhar as últimas tendências. Como garantir que essas tendências tecnológicas sejam aplicadas às soluções que oferecemos? Como tornar nossa cadeia de suprimentos mais eficiente e realmente garantir que estejamos aqui por mais cem anos, sendo bem-sucedidos?
Shervin Khodabandeh: E a tecnologia vem transformando o setor agrícola, pelo que entendi. Você pode explicar isso de forma básica para o nosso público, para que entendam como a tecnologia está realmente mudando a agricultura e o agronegócio?
Teddy Bekele: É uma das indústrias mais antigas do mundo. E durante centenas, talvez milhares de anos, ela foi conduzida exatamente da mesma maneira. Nos últimos cem anos, houve mudanças tremendas… começando pelo trator. De repente, as coisas ficaram um pouco mais automatizadas. Quando os produtos de proteção de cultivos foram introduzidos, isso foi algo muito importante. Você fazia todo o trabalho, e tudo podia ser perdido por causa de alguma praga no campo.
Depois veio a revolução da biotecnologia. A partir daí, muito mais pesquisa e tecnologia passaram a ser aplicadas na semente que vai para o solo. Ela pode ser resistente à seca? Pode crescer mesmo com solo muito úmido? Pode resistir a certas doenças? Isso mudou completamente o jogo, e por isso chamamos isso de terceira revolução.
Mas essa quarta revolução na agricultura agora é a aplicação da tecnologia — principalmente a tecnologia de software — à agricultura, desde coisas simples como realizar análises descritivas até os diversos componentes da inteligência artificial. E essa quarta revolução colocou a agricultura em modo acelerado. Porque, de repente, começamos a enxergar esse ambiente complexo que antes era gerenciado com intuição, e agora a produtividade aumenta; agora os dados e a tecnologia realmente ajudam nesse processo.
Você passa a depender cada vez mais dos dados coletados diretamente do campo para tomar decisões. Essa é a grande mudança que está ocorrendo na agricultura atualmente.
Shervin Khodabandeh: E esses dados são realmente massivos, certo? Quero dizer, muitas fontes diferentes, muitas variações possíveis, certo?
Teddy Bekele: Acontecem muitas coisas. Obviamente, há o clima, que é um componente enorme na agricultura. De forma geral, talvez façamos um bom trabalho em prever o clima, mas quando você pensa em uma fazenda, é preciso saber com precisão de 3 metros por 3 metros. Vai chover exatamente nesse ponto específico? Agora, é possível prever isso com 100% de precisão e me dizer exatamente quanto vai chover e quando? Estamos nesse nível hiperlocal. Ainda não chegamos lá. Então há toda essa variabilidade, mas imagine a quantidade massiva de dados meteorológicos que podemos captar para tentar entender isso.
A composição do solo é outro fator importante. Depois vem a escolha do tipo certo de semente. É preciso considerar isso também. E falamos também da aplicação de nutrientes e da proteção de cultivos. Qual é o momento certo? Como devo fazer isso? Existem cerca de 40 decisões principais que o agricultor precisa tomar para cada campo, e cerca de 180 subdecisões, e todas essas podem impactar os resultados de diversas formas, considerando as mudanças climáticas imprevisíveis e outras variáveis que podem ocorrer ao longo do tempo.
Shervin Khodabandeh: Realmente milhões e bilhões de possibilidades, certo?
Teddy Bekele: Bilhões, talvez até trilhões, sim.
Sam Ransbotham: Teddy, quando você estava descrevendo isso, usou as palavras “agregação” e “cooperativa”. Gosto dessas palavras. São ideias estratégicas excelentes, mas que não são óbvias no seu contexto. Eu, inclusive, uso um dos seus exemplos em aula todo semestre quando falamos sobre dados e posicionamento estratégico. Você pode explicar um pouco como funciona essa parte de testes e experimentação?
Teddy Bekele: Claro, e isso entra no que estamos fazendo com inteligência artificial, que é extremamente empolgante. Mas parte do papel da nossa cooperativa é: como ajudamos esse agricultor a ser mais produtivo no campo? Como oferecemos informações mais inteligentes para ele?
E o que fizemos foi dizer: já que somos essa entidade agregadora, “vamos trabalhar com todos os fabricantes e conseguir todas as sementes deles, mesmo antes de estarem disponíveis comercialmente”. Antigamente, tínhamos cerca de 200 áreas de pesquisa aplicada nas regiões onde atuamos. E em diferentes tipos de clima, tipos de solo, práticas agrícolas variadas, plantávamos todas essas sementes nessas parcelas experimentais.
Queremos poder dizer: “Olha, repetimos isso tantas vezes que podemos afirmar com segurança como essa semente vai se comportar neste tipo específico de clima, etc.” Antigamente tínhamos 200 dessas áreas. Acho que, Sam, da última vez que conversamos, tínhamos umas 210. Agora temos 115 locais, em vez de 250, embora hoje cubramos uma área geográfica maior.
A maior parte do trabalho era tentar entender: qual é o fator-chave? Descobrimos que eram três elementos. Clima, solo — o que não surpreende — e topografia. E, Sam, para completar sua pergunta, a ideia é: fazemos toda essa pesquisa, geramos essas informações, essas análises e insights, e é isso que oferecemos aos nossos agricultores, junto com: “Estes são os produtos que você pode comprar, mas estas são as melhores opções” — porque ainda deixamos a decisão final nas mãos do agricultor — mas “estas são as melhores seleções para os resultados que você pode esperar ao final”.
Shervin Khodabandeh: Isso é fascinante, Teddy. Uma das coisas que Sam e eu pesquisamos bastante — e que vejo com frequência no meu trabalho — é que o sucesso de um programa de análise de dados ou inteligência artificial está muito relacionado ao nível de interatividade que ele permite ao usuário, agente ou responsável pela tomada de decisão. Assim, a pessoa pode entender como aquilo funciona, concordar ou discordar, e a IA aprende algo e o humano também aprende, e os dois evoluem. Chamamos isso de aprendizado organizacional. Como isso funciona no setor agrícola? Vocês oferecem os insights e as recomendações, e o agricultor concorda — ótimo — ou diz: “Não, quero ignorar isso”. Existe algum mecanismo de retorno? Vocês pensam nisso? Isso tem valor?
Teddy Bekele: Com certeza tem valor. E há mais um ator importante nessa equação, que é o agrônomo — que funciona quase como um consultor pessoal em tudo que se refere à agronomia para o agricultor.
Um bom agrônomo é um conselheiro extremamente confiável para o agricultor. E, como eu disse, são mais de 180 subdecisões que os agricultores precisam tomar, e envolvem tudo, não só os aspectos que já discutimos — solo, clima e tudo mais — mas também equipamentos: quando comprar, quando não comprar, como usar o equipamento. E quando se trata de agronomia, o agrônomo é quem apresenta essas informações para o agricultor. E menciono isso porque, para nós garantirmos a validade do que propomos e termos certeza de que faz sentido e agrega valor, é essencial que esse consultor esteja envolvido. Ele é o nosso mecanismo de feedback.
Shervin Khodabandeh: Isso é fantástico. É realmente fascinante, porque se trata de um caso real de big data — um uso intenso de dados em grande escala.
Sam Ransbotham: É gigantesco.
Shervin Khodabandeh: E o poder da cooperativa — isso torna tudo ainda mais exponencial, porque cada experimento, na verdade, fortalece toda a cooperativa. E imagino que um fazendeiro em Minnesota não seja realmente concorrente de um fazendeiro em Cleveland, então o compartilhamento de informações não deve ser um problema como seria no varejo ou em outros setores, certo?
Teddy Bekele: É. Exatamente.
Sam Ransbotham: Com todos esses dados, inteligência artificial, modelos de aprendizado de máquina que vocês estão usando, de alguma forma vocês entraram nessa quarta revolução ou quarta… não me lembro como você chamou, quarta onda?
Teddy Bekele: Revolução. Isso.
Sam Ransbotham: O que vem a seguir?
Teddy Bekele: Com algumas das capacidades, tanto da biotecnologia quanto da tecnologia de software, há fazendeiros que conseguem chegar a 540 bushels por acre. Esse é o potencial disponível. E parte disso agora é colocar essas práticas em uso, capturar dados no campo o tempo todo, fazendo ajustes. Parte disso é mudar muitas práticas antigas. Especialmente aqui nas Planícies do Norte, uma das coisas é que as pessoas aplicam toda a fertilização no inverno, porque fica muito frio e neva, e aí tudo permanece branco até derreter.
E quando derrete, infiltra no solo, e agora você tem a umidade necessária para cultivar. Tradicionalmente, tudo isso era feito no outono: logo após a colheita, a primeira coisa que você faz é arar — ou não — e depois aplicar a fertilização.
Agora, a ideia é: não, não, não — se você quer fazer uma adubação mais controlada, deve fazê-la na primavera, pouco antes do plantio, e também depois que a cultura já estiver no solo. Mas isso gera alguns desafios logísticos, porque agora é preciso estar no campo em determinado momento, uma, duas, talvez três vezes, e existe uma questão de agendamento: quem vai fazer isso? É o próprio fazendeiro? É o varejista que trabalha com ele? Então, é uma questão de ir ajustando, aprendendo, e essas são as mudanças que as pessoas estão fazendo agora.
Sam Ransbotham: Isso é ótimo. Você está falando sobre fornecer recomendações médias, e as pessoas ajustam — ou talvez nem rejeitem conscientemente a sugestão, mas a implementem de forma um pouco diferente.
Teddy Bekele: Eu sempre digo que, quando comecei a trabalhar aqui há nove anos, percebi que quando alguém diz “você apostaria sua fazenda nisso?”, aqui eles realmente apostam. Neste setor, é literal. Porque todo ano, se algo der errado, todos os investimentos feitos nas culturas e equipamentos podem ir por água abaixo, e você pode não estar mais no negócio dois anos depois. Então, sempre há esse aspecto de risco. E parte disso é que os fazendeiros são muito empreendedores por natureza. Eles querem ter poder para tomar suas próprias decisões e dar seu toque pessoal a elas. E isso está totalmente certo. Tudo que dizemos é: use os dados para te ajudar nisso. Talvez exista a opção A, onde você pisa mais fundo no acelerador, e a opção B, que é menos arriscada. E você pode equilibrar isso. E os fazendeiros são assim — eles foram feitos para isso.
Sam Ransbotham: E, no mínimo, isso permite que eles saibam se estão acelerando ou recuando. O que vocês estão fazendo é dizer: “Aqui estão os dados que indicam que essa é uma posição agressiva” ou “essa é uma posição mais conservadora”. Antes, talvez eles apenas chutassem onde estavam nesse espectro. Agora, pelo menos, vocês mostram isso.
Teddy Bekele: Exatamente. E uma das coisas que sempre digo é: “Se isso te faz sentir melhor, chame de inteligência aumentada. Que tal isso?” É a sua inteligência, aumentada com dados e alguns dos modelos que desenvolvemos. Não é algo que age sozinho e que você apenas reage ao que o modelo te diz.
Sam Ransbotham: Teddy, temos um quadro onde fazemos uma série de perguntas rápidas, então responda com a primeira coisa que vier à sua mente. Qual foi seu momento de maior orgulho com a IA?
Teddy Bekele: Momento de maior orgulho com a IA… Eu diria que foi quando usamos visão computacional para observar vacas no campo e ver se, com apenas uma foto, poderíamos dizer: “Sim, ela está muito magra, muito gorda ou com o peso ideal.” Lembro do momento em que isso funcionou. Fiquei eufórico com o resultado daquele modelo.
Sam Ransbotham: Perfeito. O que mais te preocupa com a IA?
Teddy Bekele: O que mais me preocupa são as consequências não intencionais. Você roda o modelo com as melhores intenções de chegar a uma determinada resposta, mas em segundo plano… como não entendemos o que aconteceu nos bastidores — porque a máquina estava aprendendo, escrevendo seu próprio código, e então aprendeu algo diferente — de repente, não conseguimos entender como chegamos àquela resposta, e não conseguimos validá-la. Mas continuamos seguindo em frente porque está tudo tão embutido no que fazemos que não conseguimos parar para analisar. A consequência não intencional de algo é realmente algo que me preocupa todos os dias.
Sam Ransbotham: Qual é sua atividade favorita que não envolve tecnologia?
Teddy Bekele: Atividade favorita sem tecnologia é tentar ensinar meus filhos a programar… mas fazer isso de um jeito sem tecnologia, para que eles se divirtam pensando no processo mental e, depois, digam: “Olha só, agora dá para fazer isso.”
Sam Ransbotham: Qual foi a primeira carreira que você quis seguir? O que queria ser quando crescesse?
Teddy Bekele: Engenheiro mecânico.
Sam Ransbotham: Ah, ótimo.
Teddy Bekele: Eu tinha 7 anos quando… aliás, minha graduação é em engenharia mecânica. Só percebi que não queria mesmo ser engenheiro mecânico um ano depois de me formar.
Sam Ransbotham: É, aconteceu o mesmo comigo com engenharia química. Quando me formei, percebi que não queria seguir aquilo. Qual é seu maior desejo para a IA no futuro?
Teddy Bekele: Meu maior desejo para a IA no futuro é continuar exatamente o trabalho que estamos fazendo agora: ajudar a eliminar o chute, a incerteza. Quero tomar decisões — como indivíduo, como produtor, como fazendeiro, como varejista, como uma grande empresa cooperativa — quero conseguir tomar as decisões mais otimizadas. Mas quero ter tudo à minha disposição para isso. Então, será que dá para chegar a esse ponto onde todas as informações estão decodificadas o máximo possível, para que eu possa chegar à melhor resposta?
Gostaria muito de tirar o fator incerteza do caminho e realmente chegar a um ponto onde posso tomar a decisão mais ideal.
Sam Ransbotham: Ok, Teddy. Ótimo conversar com você novamente. Obrigado por dedicar um tempo.
Shervin Khodabandeh: Obrigado, Teddy.
Teddy Bekele: Obrigado. Se cuidem.
Fonte:
MIT Sloan Management Review – https://sloanreview.mit.edu/
Sobre os entrevistadores
Sam Ransbotham é professor no departamento de sistemas de informação da Carroll School of Management no Boston College, além de editor convidado da iniciativa Artificial Intelligence and Business Strategy Big Ideas, da MIT Sloan Management Review.
Shervin Khodabandeh é sócio sênior e diretor-gerente da BCG, além de codiretor da BCG GAMMA (a prática de IA da BCG) na América do Norte.
Programa em que essa entrevista foi veiculada: Me, Myself, and AI é um podcast colaborativo da MIT Sloan Management Review e da Boston Consulting Group, apresentado por Sam Ransbotham e Shervin Khodabandeh.