O setor agrícola é composto por vários tipos de trabalho que têm pouco em comum entre si. Há trabalho físico no estábulo, na estufa ou no campo, vinculado à estação, ao clima e a processos biológicos que não se deixam acelerar. Há trabalho administrativo relacionado com registos, pedidos de subsídios, contabilidade de estrume e conformidade com regulamentação que varia por cultura, animal ou região. E há uma terceira camada: planeamento, compras, escolhas de cultivo e a avaliação de dados provenientes de sensores, imagens de satélite e preços de mercado. Essa terceira camada está a crescer, enquanto a primeira camada continua a ter uma escalabilidade limitada devido à própria natureza do trabalho.
As circunstâncias que determinam o resultado não são uniformes. Uma empresa de agricultura arável com muitos dados abertos sobre solo e clima tem pontos de aplicação diferentes para a automatização em comparação com uma exploração pecuária onde a supervisão do bem-estar animal está, por lei, reservada a pessoas. Uma empresa de horticultura com computadores de clima já há anos que se orienta com base em dados de sensores; um agricultor arável que decide manualmente por parcela não tem essa realidade. Essa diferença determina onde a IA já assume tarefas hoje e onde isso ainda está longe de acontecer.
Três categorias percorrem o trabalho neste setor. Em primeiro lugar, tarefas que a IA pode executar de forma autónoma: a interpretação de dados de sensores para irrigação, o reconhecimento de sintomas de doenças com base em imagens, a elaboração de primeiras versões de relatórios para pedidos de subsídios. Em segundo lugar, tarefas em que a IA faz uma proposta e uma pessoa aprova ou rejeita com fundamento: um conselho de cultivo que é verificado à luz do conhecimento local, uma proposta de compra que é avaliada quanto ao risco de fornecimento. Em terceiro lugar, trabalho que continua a ser trabalho humano: a supervisão física do bem-estar animal, a avaliação da qualidade do solo no local, a negociação com um comprador sobre um contrato de longa duração.
Esta divisão não é uma fotografia estática que se desloca da mesma forma em todo o lado. As empresas que já trabalham com dados de sensores e software de apoio à decisão veem a primeira categoria a crescer, porque a estrutura de dados já está implementada. As empresas que ainda funcionam com base em experiência e registo manual veem sobretudo surgir a segunda categoria, porque aí é preciso primeiro que alguém determine o que é suficientemente fiável para ser deixado a um sistema. A diferença entre empresas não está, portanto, na ambição, mas no grau em que o trabalho subjacente já está registado numa forma que um sistema consegue ler.
Uma estratégia que parte de uma necessidade fixa de pessoal para tarefas administrativas ou de monitorização assenta num pressuposto que ninguém explicitou: que este trabalho só pode ser feito por pessoas, a um determinado ritmo e a um determinado custo. A partir do momento em que a IA assume ou apoia parte desse trabalho, esse pressuposto não deixa de valer com um anúncio. Deixa de valer gradualmente, enquanto o plano no papel permanece inalterado.
Esse é o padrão que este setor partilha com outros setores onde a IA afeta o nível das tarefas em vez do nível das funções. Deslocamentos semelhantes ocorrem no setor das TIC, onde a IA assume parcialmente trabalho de programação e de testes, nos serviços financeiros, onde a supervisão de avaliações automatizadas ganha um novo papel, e no setor recreativo, onde o planeamento e o contacto com o cliente passam a ser divididos de outra forma entre sistema e pessoa. O setor agrícola tem o seu próprio ritmo, determinado pela estação e pela regulamentação, mas o mecanismo é o mesmo: um pressuposto que outrora era correto não é revogado, simplesmente deixa de ser verificado.
Isto não é sobre a questão de saber se uma empresa deve reduzir pessoal ou empregá-lo de outra forma. Essa decisão está sujeita aos requisitos legais próprios em matéria de direito laboral e participação dos trabalhadores, e a esse respeito aplicam-se regras que aqui não são tratadas. Trata-se de algo que precede isso: saber que trabalho é hoje, de facto, realizado pela IA, que trabalho é realizado sob supervisão, e que trabalho continua a ser trabalho humano. Essa é uma questão factual, não uma decisão de pessoal.
A questão de saber que trabalho nesta empresa pode realmente ser assumido pela IA é respondida, tarefa a tarefa, com o scan de trabalho da FTE TO AI, de modo que os pressupostos sobre capacidade deixem de assentar em estimativas. Quem quiser saber com mais precisão o que é, na verdade, um pressuposto estratégico, encontra essa explicação em o esclarecimento sobre o que é um pressuposto estratégico e como verificar se ainda se mantém válido, e quem quiser saber como uma estratégia em curso é confrontada com a situação atual pode ler isso em a explicação sobre como testar uma estratégia existente.
O primeiro passo não é um plano totalmente revisto, mas um breve levantamento dos pressupostos em que o plano atual se apoia. A FTE TO AI oferece para isso uma verificação de pressupostos gratuita: uma ronda breve em que identifica os seus principais pressupostos e, para cada um, vê quando foi confirmado por último. Isto não constitui um julgamento sobre a estratégia em si, mas dá uma visão sobre quais os elementos que precisam de atenção antes de serem ajustados. A prova de pressão completa, com uma imagem externa ao lado da autoavaliação da direção, está em preparação.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.