No agro, inovar implica trabalhar com problemas que, muitas vezes, ainda nem existem. Até agora, desenvolver uma nova tecnologia podia significar mais de uma década de pesquisa, testes e processos regulatórios antes de chegar ao produtor. Mas neste momento, os desafios do campo já poderiam ser diferentes daqueles existentes quando esse desenvolvimento começou.
Essa particularidade obriga a indústria a olhar para além da próxima safra. Resistências que ainda não surgiram, mudanças nas condições produtivas, novas exigências regulatórias ou produtos que podem perder eficácia dentro de alguns anos fazem parte das variáveis que os cientistas tentam antecipar nos laboratórios.
“O trabalho de uma equipe de Pesquisa e Desenvolvimento (P&D), especialmente da área de pesquisa, é identificar os problemas dos próximos 15 anos”, explica Camilla Corsi, diretora global de Pesquisa e Desenvolvimento de Proteção de Cultivos da Syngenta. “Nossa tarefa continua sendo antecipar o que o produtor precisa a partir do que acontece no campo. Hoje podemos ser um pouco mais rápidos e reduzir esses prazos.”
Camilla lidera uma equipe global de mais de 3 mil especialistas. A empresa investe cerca de US$ 2 bilhões por ano (R$ 10,4 bi na cotação atual) em P&D em todas as suas unidades de negócios.
Marcos Bradley, diretor regional da Syngenta para a América Latina, traduz isso em uma experiência concreta. “Há sete anos, alguém de Pesquisa e Desenvolvimento me mostrou um produto que chegaria sete anos depois. Perguntei por que estávamos desenvolvendo algo que não parecia melhor do que o que já existia. Ele me respondeu que, quando chegasse ao mercado, a resistência teria feito com que o produto atual deixasse de funcionar. Sete anos depois, foi exatamente isso que aconteceu”, relata.
A história mostra um dos principais desafios da inovação agrícola: a pesquisa não trabalha apenas para solucionar os problemas atuais, mas também para se antecipar àqueles que ainda não surgiram.
A ciência preditiva
Durante décadas, desenvolver uma solução de proteção de cultivos implicava avaliar milhares de moléculas por meio de sucessivos processos experimentais. Esse paradigma começou a mudar com o desenvolvimento de modelos capazes de utilizar grandes volumes de informações para antecipar resultados antes de avançar para as etapas seguintes da pesquisa.
Os modelos ajudam a antecipar o surgimento de resistências, estimar perfis toxicológicos, avaliar misturas de produtos e até mesmo projetar moléculas levando em consideração as exigências regulatórias de diferentes mercados antes do início dos processos de desenvolvimento. A inteligência artificial e o aprendizado de máquina foram incorporados como ferramentas para ampliar esse processo. “A IA não é apenas o futuro, ela é o presente. Trabalhamos com modelos preditivos e modelos de linguagem há quase dez anos”, afirma Camilla.
A consequência não é apenas uma redução dos prazos. Também muda a maneira como os cientistas decidem onde concentrar os recursos. Bradley explica que anteriormente podiam ser necessárias cerca de 10 mil moléculas para obter uma bem-sucedida. Os modelos preditivos permitem reduzir esse universo desde as primeiras etapas e concentrar os testes nas alternativas com maiores probabilidades de avançar.
Um dos exemplos é o Authence, um novo herbicida desenvolvido para controlar plantas daninhas gramíneas resistentes que a empresa lançou globalmente na Argentina em junho deste ano. A escolha do país para lançar primeiro algumas tecnologias se deve ao tamanho do mercado, e também às características de seu sistema produtivo e à velocidade com que surgem determinados desafios.
O projeto começou há mais de dez anos, quando esse problema ainda não ocupava o espaço que tem atualmente na agenda agrícola. Hoje, as plantas daninhas gramíneas resistentes afetam cerca de 70% do território produtivo argentino e podem provocar perdas de produtividade de até 70%. Graças ao uso da ciência preditiva e de modelos de aprendizado de máquina, somado ao trabalho dos cientistas, seu desenvolvimento acabou sendo realizado em um prazo inferior ao habitual para a indústria.
É justamente esse cenário que permite compreender a história contada por Bradley sobre aquele produto que, sete anos antes de seu lançamento, ainda não parecia oferecer uma vantagem evidente. O valor da inovação estava em antecipar quais seriam as necessidades do produtor quando finalmente estivesse disponível.
Em uma indústria na qual uma inovação pode levar mais de uma década para chegar ao mercado, antecipar-se é parte do processo científico. As novas ferramentas permitem reduzir a incerteza e melhorar as decisões, mas o desafio fundamental continua sendo o mesmo: antecipar as necessidades e os desafios do campo do futuro antes que esse futuro chegue.
Publicada originalmente em Forbes EUA
