O modelo importa menos do que as camadas que o rodeiam.

Por Dzmitry Yablonski, CTO, GeoPard Agriculture

Na semana passada, alguém me perguntou qual modelo nosso agrônomo de IA utiliza. Essa é a pergunta técnica mais comum que recebemos, e geralmente é a pergunta errada para começar.

Aqui está a resposta honesta, e depois a mais útil.

A resposta sincera: várias

Encaminhamos cada tarefa para o modelo mais adequado. Na prática, isso significa caminhos separados para:

• Raciocínio geoespacial. Estatísticas de leitura de zonas, comparação de camadas, explicação de por que uma parte de um campo se comporta de maneira diferente de outra.
• Avalie os cálculos. Coeficientes de remoção, limiares críticos, convenções de acúmulo, conversões de unidades.
• Conversa. Entender o que um agrônomo realmente quis dizer com um pedido feito em meia frase.
• Classificação de tarefas. Decidir a qual fluxo de trabalho uma solicitação pertence antes de qualquer outra coisa.
• Guarda-corpos. Verificar os resultados antes que se tornem artefatos.

Nenhum modelo isolado é o melhor em todos os cinco aspectos. Os que raciocinam bem em contextos espaciais complexos nem sempre são os que demonstram rigor aritmético. Os que dialogam naturalmente nem sempre são os que classificam de forma confiável.

Não publicamos a tabela de roteamento, e não é por maldade. Ela muda. Atualizações de modelos são lançadas a cada poucos meses e cada uma delas altera o equilíbrio em um ou dois desses caminhos. Publicar a resposta definitiva em um post de blog a tornaria incorreta até o outono.

A resposta mais útil: as camadas

Se você trocasse nossos modelos por um conjunto Frontier diferente amanhã, o produto ainda funcionaria e ainda seria reconhecidamente nosso. Esse é o objetivo do projeto, e vale a pena explicar o porquê.

Uma recomendação agronômica não é uma resposta em texto. É um número que é inserido no terminal de uma máquina e aplicado no campo. A distância entre esses dois pontos é onde a engenharia realmente se manifesta.

Considere uma classe concreta de falha. Um modelo pode produzir uma prescrição de fósforo perfeitamente fundamentada em libras de P.₂O₅ por acre. Coeficiente de remoção correto, limite correto, lógica de acúmulo correta. Então, a taxa é associada a um produto que tem 4% de P.₂O₅, E o distribuidor o recebe como taxa de produto. O plano estava correto. A aplicação está errada em mais de uma ordem de grandeza.

Nenhuma qualidade de modelo impede isso. Uma camada de conversão, sim.

O mesmo se aplica a sistemas de unidades, a limites máximos de taxas regulamentares, a valores de análise de solo acima dos quais a taxa agronomicamente correta é zero, à diferença entre o que um laboratório relata e o que uma equação prevê. Esses não são problemas de raciocínio. São problemas de sistemas, e são eles que determinam se uma recomendação é segura para ser seguida.

Assim, as camadas ao redor do modelo realizam o trabalho que importa.

Aterramento. O assistente lê os dados do próprio cliente. As análises de solo, as colheitas limpas, a topografia, o histórico de aplicação de produtos. Não um panorama agronômico geral, mas sim os dados específicos do cliente.

Parâmetros explícitos. Cada coeficiente, limite e convenção usados para calcular uma taxa é apresentado e editável antes da geração. Se o agrônomo discordar de uma premissa, ele a altera. Um número que o usuário não pode inspecionar é um número que ele não pode controlar.

Matemática determinística. O cálculo da taxa é executado em código, não em prosa. O modelo decide o que calcular e porquê. Ele não realiza os cálculos aritméticos.

Validação antes da geração. Os planos são testados em relação às normas agronômicas da região, além de quaisquer normas que o cliente tenha adicionado à sua própria base de conhecimento, antes que um mapa definitivo seja criado.

Aprovação humana. Nada chega à máquina até que uma pessoa dê o aval. Isso não é uma concessão de UX. É a última e mais importante camada.

O que avaliamos

Devido a tudo o que foi mencionado acima, avaliar o modelo isoladamente nos diz muito pouco.

Uma pontuação alta em um teste de múltipla escolha de agronomia indica que o modelo leu os livros didáticos. Isso não informa se o sistema converterá corretamente a taxa de nutrientes em uma taxa de produto, ou se recusará a recomendar fósforo em um campo que já apresenta níveis elevados, ou se perceberá que um relatório de solo foi obtido por um método de extração diferente do que a equação pressupõe.

Assim, avaliamos o sistema de ponta a ponta. Ele recupera as camadas corretas da conta do cliente? Utiliza coeficientes defensáveis? Demonstra seu raciocínio? Detecta seus próprios erros antes que eles sejam processados? Isso é mais difícil de reduzir a um único número, e é exatamente por isso que acreditamos ser o indicador correto a ser medido.

Traga seu próprio modelo

Por meio do MCP, você pode direcionar seu próprio modelo para seus dados do GeoPard e consultá-lo diretamente sobre seus campos. Alguns de nossos usuários mais técnicos já fazem isso, e acreditamos que seja uma ótima funcionalidade. Documentação do Assistente de IA Explica como funciona.

Vale a pena deixar bem claro: ao fazer isso, você herda as camadas. A fundamentação, a transparência dos parâmetros, a disciplina da unidade, a validação, a etapa de aprovação. Esses elementos não estão no modelo. São partes que alguém precisa construir.

Por que isso é uma aposta, e não uma proteção.

A capacidade de modelagem está se tornando uma commodity rapidamente. A cada poucos meses, a fronteira se move e todos obtêm o novo patamar mínimo gratuitamente. Apostar em um modelo específico é apostar em uma vantagem temporária.

As camadas se acumulam. Elas incorporam regras agronômicas, convenções regionais, conhecimento do cliente e todos os modos de falha que encontramos e corrigimos. Isso melhora com o uso e não se reinicia quando um novo modelo é lançado.

Em outras palavras: pergunte-se o que um sistema faz quando recebe uma resposta errada. Isso lhe diz mais do que saber qual modelo a gerou.

Eis aqui o assistente fazendo exatamente isso, da pergunta à prescrição exportada, em dois minutos:

Para a versão interativa, com cada etapa do raciocínio visível, consulte o Página do Assistente de IA GeoPard.