Ag Tech Talk: O papel crescente da IA na P&D agrícola

Lauren Milligan Por Lauren Milligan|12 de março de 2026

A inteligência artificial (IA) está transformando rapidamente a maneira como os pesquisadores agrícolas analisam dados biológicos complexos e aceleram as descobertas. Neste episódio, Josh Colmer, CEO e cofundador da [nome da empresa], fala sobre o assunto. TraitSeq, discute como as ferramentas baseadas em IA estão ajudando os cientistas a obter informações de dados genômicos, metabolômicos e outros conjuntos de dados "ômicos" para melhorar a proteção de cultivos, a saúde das plantas e o desenvolvimento de produtos biológicos.

Colmer explica como as arquiteturas de IA emergentes e os sistemas de agentes permitem análises mais profundas, tomadas de decisão mais rápidas e novas abordagens para a compreensão da biologia vegetal em todo o processo de P&D.

Transcrição do podcast:

*Esta é uma transcrição editada e parcial.

AgriBusiness Global: A IA está se tornando uma ferramenta essencial na pesquisa e desenvolvimento agrícola. Na sua perspectiva, como a IA está mudando a forma como as empresas extraem informações de dados biológicos complexos, como genômica e metabolômica?

Principais artigos
Superando Barreiras Biológicas: Especialistas do Setor Compartilham Soluções Práticas para Impulsionar a Adoção pelos Produtores

Josh Colmer: Penso que estão a ocorrer dois impactos simultâneos. Em primeiro lugar, temos arquiteturas de IA desenvolvidas especificamente para este fim — modelos transformadores treinados em dados de sequências biológicas que conseguem prever coisas como a estrutura das proteínas ou a função dos genes de maneiras que a estatística tradicional simplesmente não consegue.

O segundo impacto é a IA agente, que é o foco principal da TraitSeq. Esses sistemas podem ser guiados para executar fluxos de trabalho analíticos complexos. Na prática, isso significa que um sistema de IA pode receber dados de expressão gênica ou metabolômica e interpretá-los com a mesma profundidade de alguém que leu centenas de artigos científicos sobre esses genes, metabólitos e vias metabólicas.

ABG: Muitas empresas já geram enormes quantidades de dados ômicos. Por que os métodos de análise tradicionais frequentemente deixam passar informações valiosas, e como a IA pode extrair mais valor desses conjuntos de dados?

JC: Um dos maiores obstáculos é traduzir os resultados das análises em algo que oriente uma decisão de P&D — seja priorizar candidatos a leads, posicionar um produto ou entender por que um candidato tem um desempenho melhor do que outro.

Outro desafio é que as informações de anotação necessárias para interpretar esses conjuntos de dados — funções gênicas, vias metabólicas, bibliotecas de metabólitos — estão dispersas em repositórios acadêmicos online. Para obter o máximo valor dos dados, seria necessário explorar uma enorme variedade de fontes, o que não é viável para a maioria das equipes.

Os sistemas de IA podem ajudar a superar essas barreiras, conectando os resultados das análises com o conjunto mais amplo de pesquisas publicadas, permitindo que as empresas tomem decisões de pesquisa mais informadas e com maior rapidez.

Lauren Milligan é Especialista em Conteúdo do Grupo de Agronegócios, que inclui a CropLife e a AgriBusiness Global. Antes de ingressar na Meister Media Worldwide em 2022, ela se formou em Letras (Inglês) pela Universidade Estadual de Kent em 2017 e trabalhou em jornais locais dos condados de Portage e Summit, em Ohio.  Veja todas as histórias dos autores aqui.