Tomada de decisão no agronegócio baseada em Inteligência Artificial
DOI:
https://doi.org/10.5902/1983465969430Palavras-chave:
Tomada de Decisão, Agronegócio, Inteligência ArtificialResumo
Finalidade: As ferramentas de Inteligência Artificial têm se popularizado nos mais diversos contextos de uso. A presente pesquisa busca investigar como as ferramentas de IA são aplicadas no agronegócio auxiliando o produtor na sua tomada de decisão.
Desenho / metodologia / abordagem: Para tal, foram realizadas entrevistas online e semiestruturadas com gestores e produtores rurais que utilizam este tipo de tecnologia nas propriedades.
Descobertas: Descobriu-se que a IA está presente no maquinário, softwares e outros aplicativos utilizados para monitoramento da lavoura, verificação da qualidade do solo e manejos em geral. Os usuários mostram-se bastantes otimistas com os resultados encontrados, principalmente no apoio à decisão durante o período de plantio. Essas diferenças são percebidas no antes e depois do uso das tecnologias. Contudo, os entrevistados ainda creem que a presença do humano é fundamental na lavoura.
Limitações / implicações da pesquisa: Como limitações, destaca-se o cronograma de execução das entrevistas, bem como o fato destas terem sido realizadas de maneira online. Apesar disso, foi possível verificar a importância do uso da tecnologia para o setor de agronegócio, servindo como suporte ao gerenciamento das propriedades rurais.
Originalidade / valor: No campo dos estudos em Sistemas de Informação, relacionar o uso da Inteligência Artificial e da tomada de decisão em um setor como o agronegócio é algo recente e inovador.
Downloads
Referências
Agrawal, A., Gans, J. S., & Goldfarb, A. (2019). Exploring the impact of artificial intelligence: Prediction versus judgment. Information Economics and Policy, 47, 1-6.
Araújo, M. J. (2005). Fundamentos de agronegócios. Editora Atlas SA.Awasthi, Y. (2020). Press “A” for Artificial Intelligence in Agriculture: A Review. JOIV: International Journal on Informatics Visualization, 4(3), 112-116.
Baird, A., & Maruping, L. M. (2021). The Next Generation of Research on IS Use: A Theoretical Framework of Delegation to and from Agentic IS Artifacts. MIS Quarterly, 45(1).
Bannerjee, G., Sarkar, U., Das, S., & Ghosh, I. (2018). Artificial intelligence in agriculture: A literature survey. International Journal of Scientific Research in Computer Science Applications and Management Studies, 7(3), 1-6.
Bardin, L. (2011). Analise de Conteúdo. São Paulo: Ed. Revista e Ampliada.Barnard, C. I. (1971). As funções do executivo. São Paulo: Atlas.
Borth, M. R., Iacia, J. C., Pistori, H., & Ruviaro, C. F. (2014). A visão computacional no agronegócio: Aplicações e direcionamentos. 7º Encontro Científico de Administração, Economia e Contabilidade (ECAECO).
Breitenbach, R. (2014). Gestão rural no contexto do agronegócio: desafios e limitações. Desafio Online, 2(2), 141-159.Bruun, E. P., & Duka, A. (2018). Artificial intelligence, jobs and the future of work: Racing with the machines. Basic Income Studies, 13(2).
Centro de Estudos Avançados em Economia Aplicada – CEPEA. Índices Exportação do Agronegócio – 3º Trimestre de 2019. Piracicaba: CEPEA, ESALQ/USP, 2020. Disponível em: https://www.cepea.esalq.usp.br/upload/kceditor/files/Cepea_ExportAgro_3trimestre2019_(2).pdf.
Cook, P., & O’Neill, F. (2020). Artificial Intelligence in Agribusiness is Growing in Emerging Markets. https://openknowledge.worldbank.org/bitstream/handle/10986/34304/Artificial-Intelligence-in-Agribusiness-is-Growing-in-Emerging-Markets.pdf?sequence=1&isAllowed=y
Daft, Richard L. Organizações: teorias e projetos. Tradução de Cid Knipel Moreira e revisão técnica de Reinaldo O. Silva. Thomson Pioneira, 2002.
Ferreira, K. F. O., Guimarães, L. de O., Salume, P. K., & Doyle, M. L. de F. C. P. (2022). Analysis of the entrepreneurial process from effectuation and causation logic: a case study in two companies from Minas Gerais. Revista De Administração Da UFSM, 15(1), 83–104.
Flick, U. (2008). Introdução à pesquisa qualitativa-3. Artmed editora.Gibbs, G. (2009). Análise de dados qualitativos: coleção pesquisa qualitativa. Bookman Editora.
Jha, K., Doshi, A., Patel, P., & Shah, M. (2019). A comprehensive review on automation in agriculture using artificial intelligence. Artificial Intelligence in Agriculture, 2, 1-12.
Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674.
Linaza, M.T.; Posada, J.; Bund, J.; Eisert, P.; Quartulli, M.; Döllner, J.; Pagani, A.; Olaizola, I.G.; Barriguinha, A.; Moysiadis, T.; Lucat, L. (2021). Data-Driven Artificial Intelligence Applications for Sustainable Precision Agriculture. https://doi.org/10.3390/agronomy11061227. Agronomy.
Liu, Y., Ma, X., Shu, L., Hancke, G. P., & Abu-Mahfouz, A. M. (2020). From Industry 4.0 to Agriculture 4.0: Current Status, Enabling Technologies, and Research Challenges. IEEE Transactions on Industrial Informatics.
Ogunu-Ebiye, U. G., & Obiani, A. (2021). AGRIBUSINESS RISKS MANAGEMENT AND MITIGATION STRATEGIES. College of Education Academic Staff Union Journal, 4(1), 17-29.
Oliveira, D., & Pereira, S. A. (2008). Análise do processo decisório no agronegócio: abordagem na cadeia de valor da soja. Gestão e sociedade, 2(4).
Ostaev, G. Y., Shulus, A. A., Mironova, M. V., & Smolin, Y. V. (2020). Accounting agricultural business from scratch: management accounting, decision making, analysis and monitoring of business processes. Amazonia Investiga, 9(27), 319-332.
Parekh, V., Shah, D., & Shah, M. (2020). Fatigue detection using artificial intelligence framework. Augmented Human Research, 5(1), 1-17.
Prabakaran, G., Vaithiyanathan, D., & Ganesan, M. (2021). FPGA based effective agriculture productivity prediction system using fuzzy support vector machine. Mathematics and Computers in Simulation, 185, 1-16.
Ranganathaswamy, M. K., & Shankar, A. (2021). Decision-Making Model of Agriculture. International Journal of Modern Agriculture, 10(2), 2987-2995.
Santos, W. M. S., de Alencar, J. R., & Maximo, F. A. (2018). Agricultura Digital: softwares e serviços web disponibilizados pela Embrapa para o agronegócio brasileiro. In Embrapa Informática Agropecuária-Artigo em anais de congresso (ALICE), Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2018.
Schmidt, B., Palazzi, A., & Piccinini, C. A. (2020). Entrevistas online: potencialidades e desafios para coleta de dados no contexto da pandemia de COVID-19. Revista Família, Ciclos de Vida e Saúde no Contexto Social, 8(4), 960-966.
Schwab, K., & Davis, N. (2019). Aplicando a quarta revolução industrial. Edipro.Simon, H. A. (1979). Rational decision making in business organizations. The American economic review, 69(4), 493-513.
Subeesh, A., & Mehta, C. R. (2021). Automation and digitization of agriculture using artificial intelligence and internet of things. Artificial Intelligence in Agriculture, 5, 278-291.
Talaviya, T., Shah, D., Patel, N., Yagnik, H., & Shah, M. (2020). Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence in Agriculture.
Vaio, Assunta Di; Boccia, Flavio; Landriani, Loris; Palladino, Rosa. Artificial Intelligence in the Agri-Food System: Rethinking Sustainable Business Models in the COVID-19 Scenario (2020). Sustainability 2020, 12(12), 4851; https://doi.org/10.3390/su12124851.
Waleed, M.; Um, T.; Kamal, T.; Khan, A.; Iqbal, A., (2020). Determining the Precise Work Area of Agriculture Machinery Using Internet of Things and Artificial Intelligence. 2020, 10(10), 3365. https://doi.org/10.3390/app10103365.
Wang, Y., Huang, L., Wu, J., & Xu, H. (2007, January). Wireless sensor networks for intensive irrigated agriculture. In 2007 4th IEEE Consumer Communications and Networking Conference (pp. 197-201). IEEE.
Zhou, Qian; Jiang, Jiandong; Zhao, Zhangfeng; Zhong, Jiang; Pan, Bosong; Jin, Xiao; Sun, Yuanfang (2019). Research on the Internet of Things Platform Design for Agricultural Machinery Operation and Operation Management. https://doi.org/10.1007/978-3-030-06179-1_40. International Conference on Computer and Computing Technologies in Agriculture.
Zylbersztajm, D. & Neves, M. F. (2015) Gestão de sistema de agronegócio. São Paulo: Atlas.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Revista de Administração da UFSM
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores de artigos publicados pela ReA/UFSM mantêm os direitos autorais de seus trabalhos, licenciando-os sob a licença Creative Commons Attribution CC-BY, que permite que os artigos sejam reutilizados e distribuídos sem restrição, desde que o trabalho original seja corretamente citado.
