A inteligência artificial está mudando a forma como o agronegócio planeja sua logística. Pesquisadores da Escola Superior de Agricultura Luiz de Queiroz, da Universidade de São Paulo (Esalq/USP), mostraram como dados e modelos matemáticos podem ajudar a prever preços de frete, comparar rotas e tomar decisões de investimento com mais segurança.

Um dos estudos analisou aproximadamente 16 mil registros de fretes rodoviários do ano de 2022, cobrindo rotas de todo o Brasil e reunindo cerca de 4,9 mil combinações de origem e destino. Para chegar às estimativas de preço, os pesquisadores consideraram fatores como distância percorrida, tipo de produto transportado, região de origem, preço do diesel, qualidade das rodovias e proximidade de terminais ferroviários ou hidroviários.

Vários modelos de aprendizado de máquina foram testados. O que se saiu melhor foi o Gradient Boosting, com erro médio de R$ 26,77 por tonelada e coeficiente de determinação de 95% na base analisada. A distância da rota foi a variável que mais influenciou o preço do transporte.

O trabalho é assinado pelo professor Thiago Guilherme Péra, coordenador do Grupo Esalq-Log e conselheiro do Conselho Científico Agro Sustentável (CCAS), em parceria com o professor titular aposentado José Vicente Caixeta Filho, ex-diretor da Esalq/USP. O estudo integra o capítulo publicado no livro Conexão LES: Pensamentos e Contribuições às Ciências Sociais Aplicadas.

Para Péra, "nada substitui bons dados", e a tecnologia não veio pra substituir o gestor, mas pra oferecer mais informação na hora de decisões complexas. Além da previsão de fretes, os modelos foram aplicados à localização de indústrias de fertilizantes, à logística da soja, ao dimensionamento de frotas para etanol de milho e à organização de filas em agroindústrias.