Governança de Dados no Agro: Do IoT ao Self-Service com IA

0:00O próprio fornecedor em si que capta aquela informação envia pra gente, ela tem uma limitação de uma latência aí de 5 a 10 minutos de receber aquela informação.

0:09Então eu brinco ali que a cada 5, 10 minutos eu tenho aquela informação, só que eu já tô defasado 5 minutos.

0:14Cara, não sei se eu posso dar informação porque é uma informação sensível. A informação é da área de negócio A, só que a área de negócio B tá querendo aquela informação. Eu não sei se eu posso passar, se é permitido.

0:24Um mês de IA é 10 anos. Ontem é o GPT, hoje é o cloud. Amanhã vai ser o quê? A gente precisa da chuva paraa cana amadurecer e crescer, só que a gente a chuva é ruim para quando eu vou colher.

0:35Então tem que ter todo esse planejamento baseado na chuva. Muito bem. Muito bem, meus amigos do PPT não compila, estamos aqui para mais um episódio e Ron. Hoje é daqueles episódios que eu saio daqui como se tivesse tido uma aula. Tenho certeza disso. Sempre que a gente fala de tecnologia aplicada em setores específicos, eu fico muito feliz de fazer episódios assim, cara. Sempre. E é interessante que a gente vai falar aqui é o que a gente não sabe a complexidade, né, de determinadas indústrias e e muito interessante como a tecnologia endereça os desafios, né?

1:15Exatamente. Como conceitos que a gente lida no dia a dia aqui na na nossa bolha são tão bem aplicados e com resultados tão interessantes em setores muito específicos da economia brasileira, né?

1:30Quem vai conversar com a gente hoje aqui é o Diego Dias da Ativos.

1:37Dá um oi pra galera, cara.

1:39E aí, pessoal, tudo bem? Sou Diego Dias, sou líder de dados e automação da ATVOS e eu tô ajudando a empresa aí a crescer, amadurecer essa questão de de dados aí.

1:49Como é que eu posso trazer isso pro mundo agro? Como é que eu trago aí o agro pro dia a dia e e faço as coisas acontecerem lá, né?

1:58Isso, esse papo vai ser muito legal, Ron, porque quando a gente fala de agro, de usina, de logística, de produção, a gente fala sobre um mundo gigantesco de dados, né? E e hoje o Diego tá aqui para falar pra gente exatamente como que isso é gerido, né, cara? como que você trabalha com esses dados, como que você leva isso para valor de acordo com com o objetivo da empresa, né? Porque é uma coisa meio fora da nossa realidade, né, cara? A gente não consegue imaginar que, tipo, que que você vai pegar de dados lá?

2:36É exato. E é um mundo invisível pra gente, né? Até eu entrar nessa área, realmente não tinha nada. Eu falei: "Mano, que que que o agro faz? Que que que que cana de açúcar?" Sabe? Pô, cana de aç açúcar conheço. É uma cana de açúcar da da feira ali que a gente tomou garapinha com limão ali que é bom, né? Bom demais. É bom demais.

2:55Então vamos entender hoje na na ativos com o Diego como que eles trabalham esse tipo de dados dentro do do do contexto do agronegócio, né, na produção especificamente de cana de açúcar e etanol, que é o mercado da Ativus. Como que é feito essa monitoria de IoT, né?

3:15Porque a gente sabe que o agro tá muito avançado em relação à geração de dados em tempo real ali sobre maquinário, etc.

3:24Como que ele trabalha essa gestão de dados dentro da ativos, né? como que o o o negócio consome essa informação ali, que tipo de informação gera? Como é feito essa governança? Como é feita em gestão? Que tipo de iniciativa de inovação esse cara tem no campo. Cara, tem muito assunto pra gente tratar aqui, né?

3:45Com certeza. Eh, e e principalmente trazer uma indústria que, cara, tem uma relevância enorme pro PIB brasileiro, né? Exatamente, exatamente.

3:54Então vai ser um baita de um bate-papo hoje aqui.

3:56Exatamente. Então vamos lá que vai ser muito bom. Diego, obrigado pela sua presença.

4:00Eu que agradeço. Até brinquei, né, que é eu sempre ouvi vocês e agora tô aqui, né? Então é um negócio bem legal.

4:08Boa. Show de bola. Vamos sugar sua mente a partir de agora.

4:11Bora.

4:12E se você curte o nosso trabalho, se você ouve a gente com frequência, como o Diego também ouvia, você pode ser membro do PPT no Compila. Vai lá, clica no inscrever-se, depois você vai ter o botãozinho seja membro, você vai ser membro do nosso canal, vai contribuir com uma módica quantia pra gente pagar a peruca do ROM que a gente vai fazer.

4:34Acompanha até o final que vocês vão entender o que eu tô falando. E a gente vai, é surpresa, é surpresa, é surpresa pra gente pagar a peruca do Rom. Se você quer contribuir de alguma outra forma, você pode pagar também direto no Pix@pptnoa.

4:47Qualquer valor que você achar que pode contribuir com o nosso trabalho, você pode fazer direto no Pix. Se você não pode contribuir dessa forma, já contribui demais compartilhando o episódio, né, Ron?

4:57Com certeza. deixando o seu o seu comentário, dando o seu like, dando cinco estrelinhas pra gente lá no Spotify, valorizando aqui o nosso trabalho, que a gente tá aqui para criar conteúdo de qualidade, de graça, para poder fazer a sua vida profissional ficar mais fácil e a gente crescermos todos juntos. Vamos lá que o episódio tá muito bom hoje, hein? Bora.

5:32Acho que a gente pode começar, digo, você dando uma contextualização do que que é ativos e o e o mercado onde ela tá inserida, né? Aí a gente começa a discorrer dos desafios de tecnologia que a gente tem nesse segmento especificamente, né?

5:47Maravilha. Vamos falar um pouco da ATVOS, né? A Ativos é uma empresa sucroenergética, tá? Eh, que que isso significa? a gente planta cana, a gente colhe cana de açúcar e transforma em etanol. Temos outros tipos de produto também que a gente consegue transformar essa cana de açúcar, por exemplo, a própria açúcar, tá?

6:05Eh, temos CBios, temos a própria energia elétrica, que aí consegue energia elétrica com de açúcar. Como assim, meu velho?

6:12Energia elétrica, uma das etapas quando a gente mói a cana, você tem o líquido, né? O açúcar que a gente toma ali na feira delicinha ali que vira, vai virar o etanol. E a gente tem o bagaço.

6:23Então esse bagaço a gente consegue extrair até 98% do açúcar desse bagaço. Mas o bagaço não tá lá ainda.

6:31Então eu pego esse bagaço, alimenta uma caldeira e nessa caldeira eu transformo em energia e eu alimento cidades próximas. A própria usina que que gera o etanal também é alimentado pelo próprio bagaço.

6:45Hum. Entendi. Porque é um insumo orgânico altamente inflamável, né?

6:49Exato. E é até engraçado quando você olha essas usinas, você vê um um realmente um monte assim de bagaço que tem ali uma uma reto escavadeira ficando limpando, tal. Tem todo um sistema de de incêndio ali, porque aquilo é a bateria da da usina.

7:04Se aquilo acabar, a usina não tem energia para funcionar, porque a gente não pega energia de fora, a gente só se retroalimenta com o próprio produto.

7:11Pô, isso é super interessante, né? que você não utiliza para para criar o produto, mas também para criar uma energia pro consumo próprio, né? Então isso é muito legal. É o o insumo gerando um produto e a energia que produz o produto.

7:27Exato.

7:28Que loucura.

7:28É um é um ciclo de abastecimento assim 100%. Então a gente não tem desperdício nenhum do produto da cana. Então você pega e o produto final ali, que é o melaço, que a gente chama que a vinhaça, a gente pode usar para adubar. A gente pode usar para produzir outros combustíveis, por exemplo, biogás, a gente usa outros insumos. Então, a gente usa 100% da cana em produtos diversos assim, exatamente no produção.

7:52Deixa eu Pode continuar. A gente já te cortou, já entramos, abrimos umas duas abas já no começo.

7:57Não, é um é um mundo muita parte. É até engraçado, antes de de Nati, eu tava em banco e aí quando você vai para esse mundo agro é um negócio gigantesco que você fala, gente, onde tá isso, né?

8:08Porque não é muito comum, pelo menos aqui em São Paulo não é muito comum você vivenciar isso.

8:12É meio invisível pra maioria das pessoas, né?

8:13Invisível. Exatamente. Só que é um mundo gigantesco que é um mundo que é só realmente quem vive entende e sabe ali a a os problemas do dia a dia. É muito engraçado.

8:21Sim. E tem a partir daí também você consegue produzir cachaça?

8:26Consigo. Só que aí não é um dos produtos que a empresa trabalha, que aí tem outros tipos de licenciamento, outros tip.

8:33Mas eu brinco, falo, dá faz um restinho aqui com a lambit, alguma coisa. Só para Mas não não é um produto que eles trabalho.

8:44Mas o etanol que a gente produz é porque ele é puro, né? Então você tomar aquilo é bater no hospital.

8:50Mas é o mesmo etanol que também vai pro É exatamente, é tudo um só.

8:56E aí os dois produtos do etanol que a gente fabrica é o etanol puro que vai pro carro e temos o etanol que abastece na gasolina. Então eles são diferentes, eles não Ah, não sabia. Eu achei que era só a proporção que mudava.

9:09É, não. Você pega, por exemplo, se o carro é movido a etanol, aí tem um termo que é etanol hidratado. Você tem que colocar água para ele parar de ser tão inflamável.

9:18Então você coloca uma porcentagem ali de água, exatamente, para que ele não inflame tão e o carro pega a potência máxima possível.

9:26E aí o etanol da gasolina é o etanol anidro, que aí sim, um etanol puro, puro, puro, 100% que vai junto com a gasolina. Ah, entendi. E no flex é o o é o hidratado.

9:36Hidratado.

9:37Entendi.

9:38Que aí é o motor que fica variando ali.

9:40Você vai usar qual é o o teor de combustão ali?

9:44É, na prática você pode ter os dois, né?

9:46Porque se você botar gasolina e e etanol, você vai ter o anídro e o perfeito. Por isso que no Brasil, que a maioria dos cada nossa frota é flex, essas porcentagens de de etanol na gasolina não faz tanta diferença, porque os carros já estão acostumados com esse meio a meio aí, mas você pega, por exemplo, ah, você vai pegar uma V8, uma Dodger V8 full gasolina, aí ferrou, aí ferra mesmo. Aí tem que colocar aquelas gasolinas premium ou com octanagem alta porque senão realmente prejudica o carro. É, mas o a frota normal não, o pessoal brinca, né? Não vai estragar carro não. E o carro já tá acostumado. Ou ser ou etanol, se gasolina.

10:24E me conta então, Diego, como que é ser o líder de dados e automação de uma empresa que praticamente parece ser ao olhar de quem não conhece analógica.

10:40Exato.

10:40Parece que o cara vai lá, coie, colhe a a cana, leva pra usina. E onde é que entra a tecnologia n tudo, meu velho?

10:49Cara, para você ter ideia, aí você chama colhedora, tá? Cada cada cultura, né?

10:53soja, suco. Aí tem um um a gente fala um nome diferente do equipamento pra cana de açúcar acolhedora. Acolhedora é um dos equipamentos que mais sensores possíveis que tem no mercado.

11:04Sério?

11:04Por isso ela é cara. Ela é gigantescamente cara. Então você, por exemplo, agora eu sei qual que é a pressão do óleo do rolamento do pneu esquerdo daquela colhedora segundo a segundo.

11:14Ela é toda sensorizada nesse nível.

11:17Exatamente. Então eu tenho esse detalhe aí. A pergunta é que que eu faço com isso?

11:23Então, um dos desafios que eu tinha exatamente no começo é o que que eu faço com esse dado? Porque eh eu como líder de dados, o primeiro passo é a gente organizar os dados, trazer aquela informação, tal, para parar de ter todos aqueles dws aleatórios ali na na empresa inteira e unificar tudo aquilo para que ela tem aquela informação. Tendo esse desafio passado, que que eu faço com isso? Por que que eu tô gastando uma grana ali para ter meu dado, ter todos os sensores dessa colhedura?

11:53lá captado a tempo real, se não tô fazendo nada. Então, quando a gente fala de tecnologia, a gente vai para esse ramo agro, é uma coisa absurda de tecn os equipamentos, a questão de IoT é muito muito absurda. Eh, uma dor de cabeça que a gente tem é sinal.

12:09Uhum.

12:10Então, você pega uma fazenda, eh, você imagina uma fazenda de 30.000 ha, essa fazenda, ela vai est a 80 km de distância de uma cidade mais próxima de 10.000 habitantes, não tem operadora nenhuma que vai querer colocar sinal naquele lugar.

12:24E aí você pega hoje, beleza, a gente tem Starlink, mas você pega dois anos atrás, não tinha.

12:28Sim.

12:29E aí a gente também não tem concorrente, tá aqui concorrente Starlink, então a gente também é complicado você ficar dependendo do Eu imagino que seja difícil, inclusive para você ter uma comunicação interna, né? Não só internet, mas como é que você faz uma rede interna da empresa com IoT dentro de, sei lá, qual o tamanho de uma fazenda de cana de açúcar, por exemplo? Vamos ser uns 30.000 haar, 40.000 haares.

12:52Isso aí dá quanto em quilômetros para ignorância.

12:54São Paulo inteira.

12:56Caramba.

12:58A aos inteira, por exemplo, a gente tem três São Paulos.

13:02Caraca, cara.

13:03Imagina três cidades de São Paulo, do lado da outra. Assim, é todas as fazendas da cara. É muito gigante.

13:09É muito, é muita cana, velho.

13:11É muita cana. A gente colhe aproximadamente 28 a 29 milhões de toneladas de cana por ano. É muita cana.

13:20E isso porque é até um algo específico da dessa cultura, né, de cana, a gente colhe de março a outubro, novembro, porque quando começa a chover não vale a pena eh colher cana.

13:33A cana ela tem uma uma ela é uma uma cultura perene, né? Que que significa?

13:37Eu não preciso plantar toda hora. Então eu corto ela e ela cresce. Eu corto, ela cresce.

13:43Ah, entendi.

13:44Então eu posso colher ali cortar umas seis, sete vezes que ainda vai me dar lucro. Oitava, nona, porque cada corte que eu dou tem menos açúcar. Então a próxima próxima crescida tem menos açúcar.

13:56E aí na sétima, oitava ali já começa a não ter tanto açúcar o suficiente para gerar. Aí arranco e planto de novo. A gente é uma reforma, né, que a gente fala.

14:06E aí nessa nessa nisso de cortar, se chove, se tá chovendo muito, aquela região tá tá bem barrosa, bem alagada, se eu vhedora, ela arranca. Então ao invés de eu cortar a cana, ela arranca a cana e aí eu vou ter que ir lá e plantar de novo. Então não é não é sábio eu colher em muita chuva. Então por isso a gente trabalha ali entre março e outubro, novembro.

14:28E aí isso dá uns 28 milhões de tonelada de cana.

14:3128 milhões de toneladas. Isso aí deve dar uns 8 bilhões de litros de etana. É bastante isso dá para o quê? Eh, o dá para cidade de São Paulo consome 8 bilhões.

14:47Não, menos. Isso dá para uma frota de uns 50 milhões de veículos no ano para abastecer uns 50 milhões de É muita coisa.

14:55É muita coisa.

14:55Eu até e até engraçado que é até brinco, né?

14:59Se se qualquer planejamento, qualquer coisa sai errado noivos, a gente muda centavos no preço do etanol aqui na no nosso posto de gasolina, porque é tanto álcool que a gente vende que aí a exatamente muda, a participação no mercado é muito grande, né? Então na média afeta e aí é engraçado que mesmo assim a gente falta, então por a gente não exporta porque todo mundo demanda aqui dentro de casa no Brasil.

15:28Cara, que que mercado incrível.

15:31E e é um mercado invisível, você só vê quando tá lá.

15:33Exato. Exatamente, cara.

15:35Quando tá lá.

15:35Eu tô impressionado aqui de conversar contigo.

15:38E e quantas colhedoras precisa para para dar da dar vazão para essa demanda toda?

15:45Ah, mais ou menos ali na estimativa de 10 a 12 decolhedoras por usina, que aí é a gente vai colhendo no ano inteiro, né?

15:51Então a gente faz o planejamento para, pô, esse mês vou colher aqui, mês que vem vou colher ali e por aí vai.

15:56Então dá umas 10 por usina. E hoje vocês tm quantas usinas?

16:00Isso oito.

16:01Então estamos falando aí de quase 1000 colhedoras.

16:0480 colhedoras não é quase 100 colhedoras de de 10 a 12.

16:08Aí olhando a frota inteira que você tem o o conceito da da colheita é uma frente de colheita. Então essa frente você tem acolhedora, você tem trator, você tem outros equipamentos em volta que auxiliam.

16:19Tem os caminhões que recebem a cana cortada, que é os transbordos. Então, olhando tudo isso, a gente tem mais ou menos uns 100, 1300 equipamentos de frota pesada que a gente faz.

16:30E todos eles são sensorizados como todos eles estão sensorizados a IoT.

16:35Porque eu tô tô tentando fazer algumas inferências mentais aqui, né? Se você tem aí 100 veículos sensorizados, por exemplo, você já começa a ter massa de dados suficiente dessa sensorização para prever manutenção, alguma coisa do tipo.

16:51Um dos produtos que a gente tem do modelo de dados, né, é o modelo exatamente para prever a manutenção. E esse é um modelo antigo, né? Você pega esse modelo, vem ali da época de da galera da aviação. Você pega anos 80, 90, os aviões já tinha esse modelo de pretição, porque imagina o avião tá voando ali, como é que você vai saber se o avião vai quebrar ou não?

17:09Então já tem, é melhor saber, não dá para parar. E aí a ideia é a mesma coisa no campo. Uma acolhedora parada é uma acolhedora que não, que não tá rendendo, que não tá dando, trazendo dinheiro. E aí a gente trabalha 24 por7, não para. A colhedora só para algum evento, alguma manutenção específica e continua a safrente corendo. Cara, que doideira, cara. É um volume gigantesco de dado que deve gerar. E e aí o desafio é como é que você trabalha esse dado para gerar informação, para tomar decisão, né?

17:42Isso é e como é que é feito esse trabalho?

17:44Uma vez que você capturou esse dado, como é que é feito esse trabalho? até um um fato interessante, eh, até ano passado, né, eu gastava mais para colher essa informação do que eu resultava gerado baseado no que as pessoas usavam esse dado. Então, a gente fez um um processo de na usina, treinar todo mundo ali e mostrar exatamente onde tá o dado, como é que serve o dado, que que eles podem utilizar, tudo certinho para que eles aprendam a usar isso. Então, a gente fez uma uma um data culture ali sensacional, exatamente para que eles consigam ter essa informação. Porque aquilo, né, até brinco, é mais fácil eu ensinar o time de negócio ali a usar dados do que usar pegar meu time de dados para fazer exatamente cada área ali de negócio.

18:29Sim. Então a gente fez esse projeto exatamente para que eles tenham esse conhecimento e aí sim saiu os insites saiam exatamente ali o dia a dia deles para eles utilizarem aquele monte de informação que tá vindo ali toda hora, todo momento e que até então ninguém tá usando metade.

18:44E você falou que você tinha um custo de ingestão muito alto. Como é que você faz essa ingestão desse dado eh tão frequente, né? que eu imagino que você gostaria talvez de ter esse dado em tempo real, porque aí você poderia ter praticamente uma observabilidade dos equipamentos rodando em tempo real, né?

19:04Mas eu entendo que imagino que uma seja uma dificuldade você ter esse dado numa na menor janela de tempo possível.

19:11Isso.

19:11E como é que você faz essa ingestão?

19:14Porque você tem um o a característica do IoT é te dá um streaming de dados que é um trem sem freio. Ele vai produzindo dado e se vira aí para ingerir, né?

19:26Hoje a gente tá indo atrás do suprassumo, né? O que a gente tem hoje é, a gente tem muita limitação dos fornecedores. Então o próprio fornecedor em si que capta aquela informação, envia pra gente, ela tem uma limitação de uma latência aí de 5 a 10 minutos de receber aquela informação. Então eu brinco ali que a cada 5, 10 minutos eu tenho aquela informação, só que eu já tô defasado 5 minutos.

19:47Uhum.

19:47Tá? Então, já tenho essa essa primeira essa primeira defasagem do fornecedor do equipamento. Eh, a nossa estaque é toda Google, então toda na GCP ali na parte de dados. Então, a gente usa ali uma arquitetura de Pub subsub que recebe esses dados de mensageria e tal e alimenta o nosso BIG quer ali ou alguns sistemas ali via API também saindo ali do Pub diretamente.

20:09Entendi.

20:10Tá. E só que ainda continuo com essa limitação dos 5, 10 minutos, que é o seu midware que faz a captação do equipamento.

20:19E aí é uma aplicação específica que roda no sistema operacional da máquina. É isso, exatamente isso. Então, temos eh fornecedores grandes, por exemplo, a própria John Deere, que é uma das maiores aí de equipamentos agrícolas do mercado, que ela tem os próprios equipamentos, os próprios midware delas para trazer essa informação pra gente.

20:37Mas também temos empresas que já pegou isso no Hal, que aí consegue conectar em diversas outras eh equipamentos, tipo Newcase, Rolland. Então tem outras máquinas aí também que eles conseguem, que é um exemplo, é a Solifintec, então uma empresa que tem um conhecimento muito bom nisso e e consegue mandar essas informações pra gente.

20:57Entendi. Então você tem um midro ali que pega isso, por exemplo, empurra na fila do Pops sub, etc, e você vai ingerindo isso direto no no BQ, né?

21:05Exato. Mas o ideal é ter exatamente aquele processamento tempo real. Então a gente tá começando a brincar um pouco aí sobre borda, então ali na questão de ED e tal para pô ter ali o próprio processamento na própria acolhedora e tomar a decisão ali na própria acolhedora. Então aí é o cena dos próximos capítulos, dos próximos anos.

21:24Legal. Ficar interessante, hein?

21:28Quero falar com você agora que ainda não conhece a Clever. Clever é uma empresa que já tem mais de 3 milhões de usuários em 30 países com 30 idiomas diferentes, que tem trazido soluções em blockchain, criptomoedas e ativos digitais. O objetivo da Clever é te dar liberdade financeira para operar esse mercado de cripto. Então, se você acredita nisso, se você acredita nessa liberdade, você já pensa como a Clever, vai conhecer os caras, é clever.O. estão contratando também pessoal para trabalhar com cripto, com blockchain. Então, se você tem interesse, se você tem conhecimento nessa área, procura a clever. Se você gosta de criptomoedas, se você opera no mercado, você precisa conhecer a Clever, precisa conhecer as soluções da Clever.

22:08Então, o endereço tá aqui embaixo no vídeo. Para quem não tá no YouTube é clever. Vai lá, vai conhecer que realmente é um mercado sensacional.

22:21Diego, eh, como você comentou que você fez esse esse esse letramento do time em relação à importância do dado, como eh fazer a interpretação desse dado para tomar decisão, isso tem gerado resultado. pessoal, você comentou que já tem insite, mas na prática eh o pessoal tem colhado, dado realmente olhado, tomado as decisões, já tem entrado eh gerado resultado em relação a a esse letramento?

22:49Bastante tanto de redução do meu lado aqui de consumo de nuvem, porque aquilo, né, as pessoas pararam de fazer select asteriscofrão, então graças a Deus.

22:59Exato.

23:00Ia ficar um pouquinho caro no Big Quir rodar essa quest.

23:03Então imagina, a gente tá falando aí de um público que os outros tem uns 11.000 funcionários. Desses 11.000 aí quem mexe com dados é uns 100, 1500. Então imagina 1500 pessoas no select quefrão ali, é vai ficar carinho.

23:17Exato. Então tanto de questão de redução de custo, né? que aí o a redução é o é o é o ROI que você consegue medir na hora ali, exatamente na na num ponteiro, mas também devindas iniciativa. Então o pessoal sabendo ter essa informação consegue exatamente já rapidamente fazer uma análise, fazer uma solução, pegar ali um analytics que é exatamente baseado ali em cada área tá usando a sua informação. Então você pega a manutenção, nossa, a manutenção das usinas ali são sensacionais. Ah, a galera de dados da manutenção da AT, eh, eles têm uma expertise ali para usar aquilo no dia a dia e é coisa besta, tipo, coisa que para mim, eu sou engenheiro mecânico de formação, né? Só que você pega, tipo, ah, o rodante da acolhedora, fala, mas que que é um rodante de uma acolhedora? E eles conseguem exatamente saber quando vai quebrar. E aí, sabendo quando vai quebrar, eles fazem exatamente estudo de suprimentos para saber qual que vai ser exatamente próxima eh compra que vai ter daquilo e aonomia de já antecipada. Pô, isso é muito legal porque, de novo, cara, isso impacta diretamente uma colhetadeira parada, cara, dinheiro parado, né?

24:18É isso aí.

24:19E por favor, faça isso direitinho pro meu etanol não ficar mais caro.

24:24Pode deixar, cara. E esse time que faz esse uso de manutenção, ele passou por esse letramento ou era uma galera que já tava? Eles tinham bastante, eles eram bastante engajados, só que eles não tinham letramento.

24:38Ah, entendi. Eu até brinco que é o povo que gosta de correr, mas não sabia para onde.

24:42Entendi.

24:43Aí a gente foi, mostrou tudo para eles.

24:46Aí a gente só Exato. Só usou a fome com a vontade de comer. Então na hora que eles souberam tudo, tudo certinho, é que a coisa andou e foi foi um direçamento muito legal.

24:56Legal. pelo que você falou, você leva esse letramento pras áreas de negócio.

25:00Então você tem ali toda uma infraestrutura onde você faz o tratamento do dado, faz a ingestão, etc. Mas se você, pelo que você falou, eu entendi que tem meio que uma cultura do dado self service ali pra galera. É isso.

25:14Exato. Ativus tem uma política aí, algo pode ser bom ou ruim, do próprio selfi.

25:21Uhum.

25:21Que agora tá sendo um self agente, né?

25:23Isso.

25:24Então, as pessoas já tinham essa cultura de produzir os próprios indicadores, os próprios estudos, as próprias análises. Qual que era o problema? Você pega oito usinas, são oito empresas. Você pega o mesmo indicador, são calculados oito vezes diferente.

25:40Isso. E essa é a pergunta que eu i fazer. Como é que você gerencia o produto de dados dessa? Aí o produto ficou exatamente do meu time pra gente organizar isso, pô. Esse é o indicador, então toma aqui. Tá aqui no Big Quare.

25:51Esse é o indicador, tá tudo bonitinho aqui na camada gold. Agora com você aí para você brincar e fazer, ou seja, você dá camada gold para os times e os times manipulam, faz o dataviso de acordo com a realidade do, né, o interesse, enfim.

26:06Exatamente. Então, a questão da regra, a gente cortou, falou: "Não, ninguém mais vai querer regra, não. Vamos definir uma regra única aqui de indicador e agora daqui para frente eles vão seguir essa regra". Tem a briga, né? Não, mas é que aqui faz assim, aqui faz assada. Não, ó, tá vindo de cima. Então, até uma vantagem que a gente tem que o nosso CEO é muito fanático e avançado para dados.

26:27Então, eles, ele sabe exatamente o que ele quer, ele ele dá essa carta branca pra gente, pra gente exatamente fazer acontecer tudo relacionado a dados.

26:35Então, eh, é, então a gente conseguiu esse poder e aí com esse poder a gente foi dando esse treinamento, ensinando aí foi e aquilo, né? Quando dá dando certo, a galera gosta e a galera gosta a adoção muito mais, mas que a gente sabe, é natural do ser humano de usar o dado a seu favor, né?

26:52Então ainda quando você ensina, porque é uma coisa você pegar a partir de hoje é isso, se vira, a galera não vai e acho que e o e um acho que o ponto interessante que você trouxe é que uma vez que você eh além de dar o letramento, você também dá, tá aqui, ó, vocês fazem a os os indicadores do jeito que vocês quiserem, de acordo com a necessidade. Eh, então, cara, isso dá uma flexibilidade enorme, né, pro time.

27:20Exatamente. Paraão. E e e ao mesmo tempo você tira uma sobrecarga que você teria, imagina todo esse time batendo em vocês, cara, preciso dessa métrica, eu preciso desse dado, preciso desse dataset, cara, que que como é que ia ser e é complexo isso para vocês, né?

27:37E é uma briga que eu sempre tive lá na attivos, que é quando eu cheguei tinha um time de BI, tipo, sei lá, pega o time fazer 10, fazer BI. Eu falava: "Gente, não faz sentido você ter um time de Excel. Você pega, ah, eu preciso fazer um Excel aqui, vou mandar pro time de Excel". Para mim é a mesma coisa do do BI, tipo, ó, não faz sentar um time de de BI aqui. Essa inteligência, essa questão dessas análises tem que ficar com é o detentor da inteligência do negócio.

28:00Então o nosso trabalho aqui é organizar esse dado para deixar o mais mastigado possível para que eles consigam ter os insartes, os estudos que eles precisam.

28:08Então a gente foi muito nessa premissa de que o o servi é muito importante com governança. Então a gente aplicando essa governança que foi exatamente esse era meu ponto em relação à governança, como é que também vocês eh implementaram essa política, porque isso também é um outro ponto sensível, né? você eh você disponibilizar de forma eh ampla para todo mundo manipular manipular os dados da forma de novo do interesse. Mas obviamente você ter o cuidado de [ __ ] aquele dado é um dado sensível ou aquela pessoa não pode ver aquele dado porque é um dado sensível. Esse dado aqui tem que só gerência, diretor pode ter acesso.

28:47Então como é que foi essa implantação dessa governança? O primeiro ponto que é olhando diretamente de dados sensível na veia que é dado de pessoas, a gente criou ali uma camada até um projeto no no GCP afastado. Então para quem precisa ter acesso a essa a esse leake específico de pessoas, tem que ter aval direto do time de RH, do DPO, tudo certinho ali, senão ele não tem acesso a nada. Então a gente tem essa camada afastada, legal, que é exatamente para ter esse controle que só as pessoas específicas terão acesso a essa camada específica. Na hora que a gente olha o todo, aí a gente olha por diretoria. Então você pega time de manutenção. Então você pega a diretoria da manutenção, tem todos os acessos da manutenção. Pô, eu preciso ter informação de suprimentos de do coiso.

29:30Não pera aí. Então aqui o nosso data o de suprimentos vai fornecer esse dato para você. E aí essa pessoa específica tem que ter esse acordo exatamente por e-mail, envio exatamente para saber por que aquela pessoa tá tendo acesso à aquela informação que não é de sua, do seu dia a dia ou da sua área específica.

29:47Então isso foi uma construção que a gente vai fazer ali no Big Quare.

29:50Exatamente. Para isso, porque senão vira esse todo mundo quer tudo, né?

29:54É, não. E isso é uma preocupação e e o que a gente discute aqui em outros episódios é que eh, cara, se torna complexo, né? Porque o complexo ao mesmo tempo gera a o conflito, porque a área demanda de negócio, cara, eu preciso de cidad razões, mas eh sem ter uma governança muito bem estabelecida, e o time tecnologia também fica sobre a car fala: "Cara, não sei se eu posso dar informação porque é uma informação sensível ou a informação é da área de negócio A, só que a área de negócio B tá querendo aquela informação, eu não sei se eu posso passar, se é permitido".

30:29Então, então é, não, isso aí até foi uma uma uma poder que eu tirei do time. Falou, cara, o dado aqui é de suprimentos, dado da manutenção, tem alguém responsável da manutenção que é responsável por esse dado. Não é o Diego que é dono do dado, é o Zezinho ali da manutenção que é dono do dado. Então, pô, Zezinho, eu posso liberar esse dado aqui pro Alexandre da da agrícola? Pode não, ele vai fazer tdo beleza. Então, esse poder a gente passou pras áreas, que aí é falando meu poder aqui é o dono da chave. é o dono da chave e olhar a porta. Agora, se você vai abrir ou não a porta, aí é as áreas que vai ter essa esse poder de decisão.

31:05Legal. Legal.

31:05E e como que você poderia dar uma dica para quem tá ouvindo a gente que tá evoluindo nessa maturidade de operação de dados e tem um modelo parecido com esse? Porque o maior desafio de você ter um self service BI é você saber exatamente o que que é o limite da inteligência de negócio que o cara faz na ponta e o que é produto de dados. não tem uma fronteira muito clara ali, né? E aí vai muito do feeling do gestor falar: "Não, isso aqui é um dado corporativo e eu preciso transformar isso num produto e você vai utilizar isso na inteligência." Que que você eh pode contar de como você tratou isso lá e o que que você recomendaria para quem tá passando por essa jornada agora?

31:46Nesse treinamento, né, que a gente passou pras áreas, eh tem tem duas distinções que a gente tem que ter quando a gente fala de indicador, né?

31:53Exatamente. Os indicadores corporativos sempre vai isso é é fácil identificar.

31:58Sempre tem aqueles mesmos indicadores que todos os diretores, todos os gerentes pedem toda semana. Tem aquele comitê específico que apresentam aqueles números. Então esse aí é exatamente o corporativo. Então você trazendo esse corporativo, comecem a trabalhar com eles. Então você já criando essa essa esse cálculo, estabelecendo toda essa esse passo a passo no no seu lecando, dando esse dado D-1 com a com a granularidade específica, você já mata ali 60 a 70% dos indicadores da tua empresa. Então é um, esse é o é o kick win que a gente fala, né, que é o que são os rápidos e, e já tem regras definidas porque fica acompanhando pelo comitê executivo aquela informação. Os outros 30% que aí é o todo o resto ali que é 90% dos dados. Então isso daí eh a gente começou a treinar, a gente fala que é os data champions. Então os data champions eles têm esse conhecimento para conseguir debulhar o dado na sua camada mais fina. Então você pega ali uma bronze e uma silver, aquela pessoa que é o sangue no olho, que gosta exatamente de de ficar caçando aquela informação, eles têm esse conhecimento, então eles têm esse poder de conseguir fazer esses tipos de estudo. Então é trazer esses caras para perto.

33:14Você trazendo esses caras para perto, eles vão te ajudar. Falou: "Pô, pô, Diegão, que da hora isso daqui que eu encontrei. Dá para disponibilizar para tua pessoa, tal pessoa, tal pessoa?" Porque eles que estão na frente, eles que sabem o que que é o companheiro dele, quem que tá pedindo aquele dado para ele. É diferente do time de dados ficar concentrando tudo isso e virar um gargalo gigantesco pra empresa inteira.

33:34Então vocês têm que aproveitar essa galera que tem esse conhecimento, que tem essa vontade e trazer eles para perto, porque é eles que vão te dar um insumo aí do dia a dia para agilizar o teu trabalho.

33:43Legal. E acho que tem um ponto que você comentou também que e eu acho que isso tem um peso importante, é quando você também tem alta diretoria, como você comentou o CEO, ele também dando o aval, incentivando isso, né? Eh, porque isso isso ajuda muito realmente você disseminar isso e e obviamente criar governança, estabelecer os champions, como você comentou. Eh, isso facilita bastante o processo, né? Não é sens, é é um dos itens que mais dá apoio pra gente, atentamente a liderança, eh, ter essa visão, né? Porque se não é esse apoio, você tem exatamente essa barreira, n? Mas por que vou gastar com isso? Mas por que eu vou ter que fazer isso?

34:25Quem não consegue chegar, quem não consegue chegar a valor e aí tudo vira custo, né? Eu lembro coisa de um ano atrás mais ou menos, chegou o meu meu diretor, pô, Diegão, o senhor foi fazer, não sei, no MBA em Harvard, p pa pá p p pá, e falou que a gente precisa ter aqui uma arquitetura medalhão, pa pá pá, tal, assim. Aí, eu, pô, chefe, mas a gente já tem isso há três anos, sabe? Então, mas só pelo fato dele saber o que é um arquitetura é medalhão, já é um grande avanço.

34:53Legal. Legal. Com certeza.

34:54Sem dúvida. Dúvida. Porque isso é muito é muito específico da nossa área técnica, né? É muito exato. E só do cara entender o conceito do trabalho que você faz para passar de cada camada, pô, o cara já começa a ver, pô, não, eu tenho que consumir o dado aqui porque aqui o dado tá certo, né? Então, facilita o letramento como você colocou, né?

35:14E até esse letramento das usinas, né?

35:17Foi muito legal porque quando eu dei esse treinamento do da medalhão, eu fiz eles criarem ali no no BI na época a estrutura. Então, ó, você vai pegar o dado aqui do Excel, pô, pega o dado do Excel, você vai criar uma bronze, da bronze você vai refinar e aí você vai refinar de novo para trazer só a gold.

35:32Então eles viram na prática o que que é uma arquitetura medalha. Então ficou muito fácil eles verificar ali no no big query depois. Pô, isso é até uma boa dica também para quem tá ouvindo, cara, esse tipo de letramento, porque novamente o que a gente mais escuta é o contrário, é o time de tecnologia retendo o dado, eu sou o dono do dado e aí quem de fato deveria ter acesso não pode porque tem as suas, né, os seus problemas. Envolve também a questão de segurança e e aí obviamente trava ou trava o processo de de tomada de decisão ou acaba tendo seus puxadinhos paralelos.

36:06Isso é pior pra empresa, né? Porque de novo aí envolve segurança, envolveça do dado. Então, cara, é um processo muito bacana que vocês t feito, né? Ah, e o negócio legal que esses puxadinhos ainda existem, só que a gente tá de olho.

36:18Então, esse fato de trazer essa galera para perto é bom por isso, porque se que ele solta alguma coisa, fala: "Ó, que legal esse aqui que eu fiz aqui e tal".

36:24Aí a gente: "Ah, deixa eu ver mais um detalhe aí, tal".

36:27Eu peguei um dado no Data Lake e juntei com o que eu tinha aqui no meu access.

36:33Exatamente. Fiz um Python aqui. Fiz um Python que eu fiz um curso de Python e fiz um modelo aqui. Eu até brinco. Falei, eu já fui essa pessoa, já fui esse usuário que ficava caçando. E não adianta ir contra eles, não. Não adianta.

36:44É, é melhor se juntar a eles do que contra, né, cara?

36:48Exato. E trazer para perto, que é o o Diego, outro eh só voltando à questão também, eh, além desses dados eh eh das máquinas também, imagina você também devem ter outros sistemas, né? como é que foi também o desafio de integrar eh sei lá, acho que vocês usam SA, então tem outros sistemas também que são que é o core da empresa. Como é que foi esse processo de integração?

37:11Deixa eu complementar a pergunta do ROM, porque ela faz um complemento ao que eu ia te perguntar. Como que você trabalha essas diferenças diferentes latências de dado dentro do Lake, né? Porque você vai ter dado administrativo rolando ali transacional do SAP, de sistema de faturamento, etc. E você tem uma avalanche de IoT aqui também produzindo dado. Você usa o mesmo Lake e e como a gerir isso?

37:41O que que a gente faz nessa questão de governança? Uma coisa que é até legal também é que a gente só exibe aqueles datasets para quem precisa enxergar aqueles datasets. Então a gente não mostra tudo para todos. Então isso até tira um pouco a animosidade das pessoas.

37:55Fal que que tem aqui e tal. A já tira.

37:57Mas por exemplo, se eu tenho projetos que eu preciso do desse IoT específico, eu crio ali uma camada gold que pega exatamente própria para esse projeto.

38:06Então é e esse cara só vai ser visível para esse projeto. Ninguém mais consegue ver esse cara, a não ser do meu time que consegue ver tudo, né? Mas então esse é o primeiro filtro que a gente faz para essa separação. Mas do mesmo modo esse cara, a gente cria views materializadas, exatamente para que ele replique aquela informação, mas não tenha a mesma latência de atualização, que aí eu economizo na questão da atualização.

38:30Mas você deixa isso evidente pro cara quando ele usa o dado? Porque vamos supor, eu eu sou eu sou eu sou um eu tenho um uso legítimo e eu quero fazer, sei lá, uma análise que vai cruzar o faturamento da da empresa com a possibilidade de manutenção das máquinas.

38:49Uhum. Posso estar falando uma grande besteira aqui, você me perdoa.

38:53E e aí, eh, como é que eu evidencio evidencio para esse cara que o dado de manutenção das máquinas tem um tem uma janela de 5 minutos, como você falou, mas ele pode estar comparando com faturamento de 30 dias e aí aquela análise pode não fazer sentido, né?

39:10Por padrão, tá? A gente sempre utiliza o D -1, tá? Então eu raramente tenho essas defasagens maior que uma semana de um dado, mas também aí varia de projeto para projeto para eu trazer aquele dado de uma latência maior, até porque para eu trazer esse dado numa latência maior, o custo aumenta exponencialmente. E aí para ter esse custo aumentado exponencialmente, a gente faz exatamente defesas de business case para ter o retorno do por que eu tô trazendo aquele dado com uma latência maior, tá? Mas e aí o projeto em cima do le Uhum. E isso é especificado nas tabelas.

39:44Então, se você for acessar exatamente aquele dataset, aquela tabela, tem exatamente a especificação de qual é a atualização daquela informação. A gente coloca isso na descrição da tabela.

39:53Ah, beleza. Então, evita o cara fazer um cruzamento em tempos diferentes. Por mais que acontece é é por mais que se você consegue ter uma padronização de D-1, né?

40:04Isso é que o D -1 ele é do tempo chega no Lake, né? Mas pode ser que no transacional a informação ainda não exista.

40:12É isso.

40:13E aí, sei lá, o cara, o que eu faturei esse mês ainda não tá lá.

40:19Então, e até uma uma dor de cabeça nossa hoje, eu até brinco, né? Do dado pra frente tá redondo, do dado para trás não. Então, qual que é o processo de imputar aquele dado no sistema?

40:30Qual o processo que o usuário faz exatamente para colocar aquela informação? Então isso é uma dor de cabeça que a gente tá descobrindo agora, dá para ver como é que corrige e tal, porque aquilo, né, pô, meu dado aqui tá D-1 de acordo com o sistema, só que o sistema demora 3 4 dias pra pessoa imputar aquela informação.

40:47Então, pô, então não tá D1, é, é, já tá uma semana defasado. D men1 é ingestão, não é a o nascimento do D.

40:54Exatamente. Aí entra a pergunta do Ron aí, que é exatamente os nossos RPs. A gente tem dois grandes aí que a gente fala de 80% dos dados da que é o SAP. e um que chama Pins. Esse PINS é um RP com base Oracle, que ele é muito comum nesse ramo agrícola da Totos.

41:10E quando a gente fala ORC, aí é mais tranquilo. Aí a gente tem para trazer dados da Oracle, eh, tá tranquilo, tem tem um CDC lá que traz essa informação.

41:19Beleza. Agora quando a gente fala de SAP, aí é uma dor de cabeça.

41:22Ah, M, não sei porque você tá falando isso. Fácil trabalhar com SAP, com dados. É, é praticamente tirar leite numa caixa preta. Aliás, a gente, aliás, a gente fez um episódio de SAP, né, que é legal também. Eu vi, eu vi isso aí.

41:38Deixar aqui, ó, o o card e o link na descrição também sobre esse episódio que deu uma desmistificada, porque o pessoal do SAP ele é meio que um cubinho à parte ali da TI, né?

41:49Eu falo que é esquema de pirâmide.

41:52Ela falou: "Você tá na piscina, tá gelado, fala: "Não, quem vai pro saco".

41:56Exatamente isso.

41:57É tipo isso.

41:58E aí a gente tem um CDC lá que ajuda a gente bastante também trazer dados do SAP, tá?

42:03Que é proprietário SAP não é ARCSoft.

42:06Ah, é uma parceria ali entre Google e SAP.

42:10Mas ela não é da Google, então dá deve ter algum outras plataformas que usa ela também.

42:14Entendi.

42:14Tá, mas qual que é a desvantagem? Eu trago as tabelas matriz do SAP, então ten que ter ali um funcional, alguma coisa que me ajude a montar essas transações do meu lado do Bitcoin.

42:25Entendi. Você traz a tabela sem exatamente as visões, né?

42:29Traz elas isas.

42:30Ex. Aí olhando exatamente o Hana, né, que é já tem uma estruturação diferente do ECC, mas aí eu tenho essa facilidade por causa do, mas ainda é uma dor de cabeça porque a pessoa não me pede uma acedoca, uma BC, a pessoa me pede uma KX13. Fala, como é que eu vou criar uma KX3 ali dentro do meu BQU?

42:50Entendi.

42:50Tem um projeto que a gente tá implantando que se chama Cortex. É um framework da Google. Ele é muito útil. É muito útil mesmo. Só que mesma coisa, preciso ainda tem uma de cabeça de funcionar o SAP para fazer, porque por mais que seja for passo a passo, pô, não, essa tabela específica a gente não usa aqui na empresa porque aconteceu alguma coisa no passado e a gente começou a usar a tabela underline 3.

43:17Então tem que ter esses conhecimentos ali do funcional SAP da área para para ajudar no no projeto. Mas é é bem útil.

43:24Ele é muito bom, ainda mais quando a gente tá começando agora a conectar as IAS na nessa camada.

43:29Opa, opa, opa, um minuto. Ron, acabamos de bater um recorde nos últimos episódios recentes do PPT no Compila.

43:37Nós estamos a Isa, quantos minutos de episódio?

43:4037.

43:4137 minutos sem falar de Hoje foi um recorde.

43:45Hoje foi um recorde, sem dúvida. Deve ser o recorde do ano, dos últimos dois anos.

43:50Par.

43:52Parabéns, cara. A gente conseguiu aqui 37 minutos de episódio sem falar de A.

43:58Pode continuar agora.

43:59Bo, muito bom. Eh, ainda mais porque esse Framework Cortex, ele me dá exatamente todas as descrições e metadadas que eu preciso do SAP para alimentar o meu modelo, o meu LLM. Então, eh, como a gente tem essa parceria com a Google, então a gente usa ali bastante o Gemini. Então, a alimentação do Gemin paraa criação desses agentes específicos, a gente tá tá trazendo bem esse Córtx sobre bem-vindo.

44:21Cara, isso é muito legal e eu tive uma experiência com a Oracle na última empresa que eu trabalhei, que eu queria justamente começar a tratar esses dados para serem consumidos por agentes. Que isso ainda tava muito sepiente, né? Eu tava até pensando num modelo muito mais rudimentar, porque a cada mês são 10 anos no mundo da IA, né?

44:47Então, eh, naquele momento ainda se falava muito sobre Hag, ainda baseado em arquivo MD, não se falava muito de base vetorial, etc. E aí a minha ideia era justamente o deixar essa base com metadados sobre o próprio dado.

45:04Inclusive, se você não sabe, metadado significa exatamente isso. É dado sobre dado.

45:09Dado do dado.

45:10Isso. E e o dado qualificado ali dentro das próprias bases que eu ingeri, entendeu? Pode ser na bronze ou até na própria na base transacional ou até no Irving, enfim. Eh, e aí eu sugeri para Oracle, falou: "Cara, vocês não tem uma solução?

45:32Porque eu não tenho esse, eu não tenho esse metadado. Eu não poderia ter uma IA que analisasse o dado, criasse, analisar e criasse o metadado para que ela mesmo poa. E cara, não rolou na época e parecia para mim tão óbvio, sabe?

45:47Hoje, eu acho que hoje eu já tenho conhecimento suficiente de 2 anos aí de de de lidar com esse mundo transacional de a rapidamente a gente consegue fazer uma solução como essa, mas na época, cara, era o hype e uma empresa como o Porte da Oracle não sabia como chegar numa solução com essa.

46:07Isso foi o bom do databicks, né? Você pega ali na hora que o databaks começou a vir na hora que ele o próprio a próprio A do Databix já gerava essa documentação de metadados dos dados.

46:17Nossa, os caras todo mundo não datab, datab.

46:20Exatamente. E o grande diferencial, abrindo aqui uma uma nova aba que a gente já fecha do databicks, na minha opinião, foi justamente eles pegarem o time perfeito de tanto pro uso com o dado, mas quanto com essa característica de ser um AI gateway.

46:39Exato.

46:39Para governar os modelos, etc. Isso para mim foi uma sacada do Data Bricks, foi no tempo certo, que agora tá surgindo alguns open sources para você fazer o AI gate, etc. Mas o databak saiu muito na frente, cara. Isso foi sensacional na minha opinião. Eu questionava bastante a Google na época, né? Falar os cara aqui tô conseguindo fazer empresa desse tamanho, vocês desse tamanho não conseguem.

47:01Pois é. É, mas sabe o que eu acho que pegou? O DataBS não não quer fazer a IA dela ser melhor. É, ela quer ser uma ferramenta para lidar com todas as IAs. É isso.

47:11O Google não vai fazer um um uma ferramenta para você governar outros modelos, né?

47:16Demorou até tanto a EURE, tanto o Google para eles terem ali os AI Studio que você poderia instanciar outros modelos, etc. Porque o cara quer que você use o Gemini, não quer que você use o Cloud no GCP, entendeu? Inclusive até escondidinho ali, mas dá para fazer, mas você vê que eles eles forçam você usar, isso é difícil, sabe? Então essa questão do brick de você conseguir governar o modelo, saber quanto token tá entrando, quanto token tá saindo, fazer um finópolismo. Eu acho isso sensacional.

47:44Inclusive deixo o convite aqui, se alguém do do datab quiser vir aqui para falar mais sobre isso.

47:48Mais uma vez, né? Verdade.

47:50É mais uma vez.

47:51E aí, aí também aí eu falo a vantagem da gente ter escolhido a estaque da Google que é Google, né? Então os caras também corre atrás e consegue fazer. Então hoje a gente tem já toda essa documentação que a gente faz ali na no Big Query, toda essa descrição de metadados com a própria IA lá do Gemnai. Então isso já ajuda bastante aí nessa em alimentar aí os agentes e e destacar isso. Então ali o code até o code assiste para engenharia de dados. O Google tem, né, um um engenheiro de dados assiste ali.

48:20Então ajuda bastante isso no nosso dia a dia, tá? Então coisa implementar acho que é coisa desse ano isso daí. Mas tá tá muito bom aí. É. Eu eu brinquei, mas os caras correram atrás e fizeram igual.

48:31E aproveitando que você já tocou no tema de EAI, eh quais iniciativas vocês estão fazendo de obviamente pensando tanto do lado do negócio, mas também você já comentou que internamente também já tá usando para eh gestão dos dados, manipulação dos dados. Como é que tá sendo essa iniciativa boa? A gente tem duas grandes iniciativas ali. A gente tem a camada de agente, então estamos fazendo o próprio Self Service agente, então o time de negócio consegue criar os próprios agentes e tal.

48:59Temos os agentes criados pela própria área nossa, que aí tem um conhecimento maior e tal, mas muito focado pr pra hag, pra notebook LM. Então, por exemplo, ah, todos os equipamentos das escolhedoras manuais, possíveis erros e tal, a gente alimentou, criou uma agente lá que a pessoa só faz a pergunta, ele já te mostra qual é o passo a passo para consertar aquela máquina. Então, algo mais focado para agentes, mas também tá atacando bem a hiperautomação.

49:25Então, a gente juntou ali o RPA junto com LLM do Gemin exatamente para criar esse fluxo, ainda mais fluxo de preencher transação do SAP, que aí é uma dor de cabeça que o time de negócio tem, que aí todo mundo já trabalha com o SAP, sabe exatamente a dor de cabeça ficar preenchendo aquelas transações ali.

49:43fazer um comentário aqui.

49:46Se alguém do SAP puder responder, por que diabo não contratam ex pros pro SAP?

49:53É aí aí você pegou na na ferida, cara. Meu Deus do céu, que é é um é um chute no pâncreas usar o SAP. Enfim, só um comentário, continue.

50:05E aí a gente tá investindo bastante nessa questão de hiperautomação também, que aí aí esse que a gente acha que é o que vai mudar o ponteiro, sabe? Então, por exemplo, a gente tem um, acabou de finalizar um projeto muito bom que é de contas a pagar. Então, todos os boletos possíveis da empresa passa por ou um service top desk, né, que é uma central de de atendimento, ou e-mail, ou transação do SAP, ou pessoal coloca na pasta do Charp da área. Então, todas essas informações a gente alimenta o LLM, ele identifica o o que se é para pagar, se não é contrato e tal, é ver se é Pix, se é boleto, tal. E aí já cadastra isso, não sabe para ficar ali exatamente na fila de aprovação. Tu fez alguém muito feliz, cara, com isso.

50:47Eu tenho certeza que tem alguém que te ama nessa empresa. Era o cara que fazia isso manualmente. Esse cara te ama.

50:52Exato. E aí é isso. Então a gente colocou isso daí, foi super bem-vindo ali. Aí qual é o ponto final, né? Aí a pessoa tem aquele filing final fala: "Pô, tenho que pagar isso não tem lá um boleto R$ 10 milhões deais pro Diego.

51:04Falar tem que pagar ou não tem?" Ah, ele só faz exatamente essa validação final e aprova o pagamento. Então isso é um realmente aí que a gente acredita que vai ter o a mudar o ponto e a grande vantagem, né? Porque você traz uma primeiro, cara, é um trabalho repetitivo que não agrega nada, né?

51:19Eh, e vai trazer pra pessoa mais tempo para fazer o que é de fato interessante para o negócio, né? Sim.

51:25E aí, esse ano a gente quer fazer o letramento de A também, então de usina usina, exatamente para tirar aquele conceito de todo mundo adquirer todas as ferramentas possíveis. Por que que você falou? Um mês de IA é 10 anos. Ontem é o GPT, hoje é o Cláudio. Amanhã vai ser o quê?

51:39Exato.

51:40Aí fica aquela fome, aquela vontade ter todas as ferramentas, tá? Fal: "Não, gente, calma, pé no chão, que que vocês precisam? Vamos, estamos aqui. A gente tem a governança, a gente tem ferramentas próprias." E e acho que legal também que você eh pontuou e me deu essa impressão, é que também é tudo voltado ao que que vai agregar ao negócio. Não usar a EAI pela EAI, não.

52:02Não porque o concorrente tá usando porque eu fui num evento e estão falando EAI, não é é olhar de forma pragmática, olhar, cara, que que eu posso usar para melhorar a minha produtividade, para automatizar processo que não agrega nada à empresa, né? Inclusive uma das notas dou de cabeça é processo.

52:21Na hora que a gente vai começar a automatizar alguma coisa, para no processo, porque aquele aquele item não tem um processo pronto. Então tem muitas curvas, muitos porens, muito tudo. Não, pera, gente, vamos dar um passo atrás, vamos organizar esse processo para depois tentar colocar uma tecnologia.

52:35Não dá para você automatizar um processo que não existe, né?

52:37Exato.

52:38Exatamente.

52:39Então, vou automatizar o quê? Se cada de cada vez eu faço de um jeito diferente, né? E você citou essa iniciativa, por exemplo, de usar IA para ganhar eficiência operacional ali no administrativo, etc. E no campo tem alguma aplicabilidade?

52:54Tem. A gente tá começando agora a aplicar para retornar alguns comunicados pro pessoal ali da da frente de colheita. Então, como que funciona, né?

53:04Então, pô, eu tenho um planejamento que aquela fazenda eu tenho que colher a 5 km/h. O cara tá 4 km. Então a gente tá usando exatamente a para responder o cara falar, ó, mandar um áudio, um rádio até um rápido, grito.

53:19Por que que você tá 4 km? Era para est cí, exatamente, a gente tá começando a a ter e aí que que o que ferra com a gente são 5 minutos de de latência ali de tempo, porque o cara vai receber 5 minutos, porque 5 minutos o cara tava ali atrás, não tá aqui agora. Então essa é a dor de cabeça que o tempo real sim ajuda bastante a gente.

53:40É, sem dúvida, porque aí você tem uma uma reação automática ao processo, né?

53:44É isso aí, cara. Isso é sensacional. Sensacional.

53:47E de novo, isso impacta na produtividade, né? Imagina isso, cara.

53:50Você tava dando abaixo do do potencial, pô. Quanto você poderia tá andando mais rápido? Quanto isso poderia estar colhendo mais rápido, levando esse, né, a cana pr pra usina? Enfim. Então, cara, isso de fato impacta diretamente o negócio, né?

54:06Exato.

54:06A gente tá falando de uma diferença de 5 km/h para 4 km/h, mas é 20% de eficiência e é 24x7 no ano inteiro.

54:15Então, eh, no final o acumulado faz todo sentido você você afrouxar cada vez mais o parafuso ali, né, cara? Exatamente, Diego. E e só ainda ainda sobre o tema Ei, eh, hoje hoje Ativos tem algum desafio pensando do ponto de vista mais de orçamento, porque também isso é uma questão que tá vindo muito à tona, né?

54:38muita empresa tá usando Ei, eh, algumas de forma deliberada, porque realmente tá em teste e tal, mas ao mesmo tempo tem uma preocupação que algumas empresas estão passando por isso de, cara, o orçamento tá tá o o gasto tá sendo muito mais elevado do que se previa, o resultado não tá tá vindo e aí tá aquela coisa, cara, vamos parar, vamos rever, [ __ ] para tudo. Como é que tá sendo isso naus? Nesse caso, a gente foi um pouco pragmático em questão de segurança. Então, por exemplo, a gente não tem APIs token liberado para geral.

55:13Normalmente um API Token é para algum projeto específico que teve a defesa do business case.

55:17Então tem exatamente essa questão para usuários finais, a gente com a parceria da Google a gente conseguiu disponibilizar o geminar em si.

55:25Então ali é uma licença que a gente paga mensalmente e o usuário pode usar à vontade ali sem preocupar com o token, tá? Então aí esse é um segundo momento que a gente tá revendo agora que é tipo, pô, vou, será que a gente não tá bloqueando a criatividade das pessoas por não tá liberando esse tipo de API?

55:42Então é algo que a gente tá revendo, mas hoje a gente não tem essa dor de cabeça de estourar o orçamento porque o orçamento já tá previsível porque é licenças que a gente paga mensalmente para todo mundo e é bastante, tá? A gente tá falando de 300, 400 licenças de pra galera. Uma uma curiosidade, Diego, vocês têm desenvolvimento de software interno próprio da ATOS e como que é o relacionamento com essa galera em relação a à IA transacional, a governança de dados, etc? Que tem uma fronteira ali meio, né? Então, tipo, o cara não, IA é com essa área não, mas aqui eu faço IA transnacional, o cara vai usar API do como que funciona esse?

56:19A gente tá muito na questão da governança. Então a gente tem meu par ali que é o Michel que ele é o governante da estrutura de A. Então tudo que é focado para IA passa por ele, porém ele não é quem faz todos os projetos. Então tem times que faz exatamente projeto que usa ali para desenvolver alguma coisa ou outra, mas aí ele que auxilia só, mas não é o time dele responsável. Então ele fica exatamente de olho só para ver se não tem nada estourando, nada acontecendo.

56:43Só que ele não vira esse gargalo exatamente para para impedir que as pessoas usam tecnologia.

56:49Entendi. E aí ele que faz essa fronteira do que é escopo de cada um, né?

56:52É isso aí. Só para Ah, mas por que que faz assim, não faz assado? Então ele tem esse discernimento, exatamente para para orientar ali o dia a dia.

57:00Entendi. É um datamche de cara, adorei a a analogia. Muito boa.

57:12Você que tá aí escutando esse episódio bacana e quer levar toda essa tecnologia, essas novidades paraa sua empresa e não sabe como, chama o time da VMBERS. A gente pode ajudar vocês com desenvolvimento de software, com arquitetura de soluções, a entender os problemas que vocês estão vivendo e sair do outro lado com uma solução bem bacana. E se você tá escutando o podcast para aprender coisas novas, faz o seguinte, manda um e-mail pra gente no peoplecare@vems.

57:41E você pode fazer parte também do nosso grupo de talentos. Valeu.

57:47Agora o time do Relações Públicas vai gostar mais de mim.

57:55Quando a gente fala de A, nem tudo é automação, mas a gente também tem automação com a e automação sem a.

58:03Quando você fala do teu escopo de trabalho, você fala de automação, por exemplo, o RPA que você comentou, ou você também fala de automação no campo com maquinário, etc. Então, onde, como é que funciona isso lá na hoje? Quando eu falo de automação é mais backfice.

58:22Entendi.

58:23Tá. Quando eu falo do campo, usina, aí a gente tem uma área própria de automações, porque envolve muito hardware, engenharia para [ __ ] Engenharia para caramba. E aí já sai fora um pouco fora do meu escopo.

58:33Entendi.

58:34Então, por exemplo, ah, como é que eu faço a automação para que a caldeira não exploda para quando gerar uma determinada quantidade de vapor? Então, aí é mais hardware do que software em si para para segurança, para essas coisas. mesma coisa no campo.

58:48E você, mas você tem contato com essas iniciativas? Tem alguma coisa que você pode contar pra gente de curioso aí?

58:56Uma coisa que é engraçado é que até ano passado era tudo um prêmice.

59:01Hum.

59:02Então a gente tá falando em 2025, todas essas automações das usinas era tudo em servidores dentro das próprias usinas.

59:09É, tem que ser, né? Porque imagina também uma questão de segurança, talvez a questão de conectividade também que era você comentou que também era um desafio também, né? Então aí um uma curiosidade nossa também que ainda dá para abrir, a gente conseguiu cobertura de 90% de todas as fazendas, inclusive dentro da usina tudo.

59:27Caraca, 90% de três cidades do tamanho de São Paulo.

59:31É, e até brinco que é o projeto era para colocar mais ou menos 110, 120 torres de telecomunicação na ATOS inteira. E aí e eu eu trabalhei num empresa de torre de telecomunicação. Eu falo: "Vocês têm a meta de um ano de uma empresa de torre de telecomunicação". Não, cara, eu ia falar isso porque dentro de São Paulo as grandes empresas de telefonia não consegu ter cobertura total.

59:55Tem lugar que você tem zona de sombra, tem tem sinal fraco, etc.

59:59Exato. Aí aí não é 100% porque esses 10% são usando de sombra, que aí a gente tá usando Starlink nessas regiões, aí fica muito mais barato.

60:07Entendi.

60:08Do que jogar Starlink na em 500.000 de terra.

60:11Sim. E aí, eh, você tem essa comunicação com rede interna e aí conexão com rede externa, você tem esse detalhe de como é só interno a gente não abre. É, você tem que ter, a gente fala o chip attivos, né? Você tem que ter o chip ativos para funcionar.

60:27Sim. E aí funciona como uma intranet, né?

60:29Isso é rádio. Tô que eu tô tô Você vê que eu tô cheio de curiosidade.

60:34Esse é 4G.

60:344G. É, a gente tinha rádio, só que aí o problema do rádio era a quantidade de dados que a gente conseguia enviar a banda é baixa.

60:43Band baix e aí é tudo 4G.

60:45Entendi. [ __ ] bacana, cara.

60:47É, isso aí foi um investimento pesado ali, mas é o que vai trazer bastante detalhe aí no dia a dia.

60:53E mesmo com essa cobertura, você só consegue 5 minutos pela a pela tecnologia do do equipamento do Entendi.

61:01Pô, eu vou abrir um startup que eu vou streamar.

61:05Inclusive, pegando esse ponto, é super bem-vindo startup naivos, tá? A gente tem uma uma centra de opennovation muito boa, que aí qualquer coisa que vocês tiverem de ideias e e trazer pra gente, a gente tá ali de Barça aberto para ver. Pô, mudou a vírgula, tá dentro.

61:22Vou submeter lá, hein. Eu pego o dado da máquina, jogo com pai, escreveram num numa aí, ó. Aí, ó. Exatamente.

61:33Aí, ó. Entendeu? até brinca, né? Não, vamos contratar a galera ali, vamos fazer o próprio o próprio midware ali da da e vender pro mercado, porque realmente esse é um gargalo que todas as empresas do setor t.

61:45Aí, ó, fica a dica. Quem quiser ser meu sócio, só mandar mensagem, tá? Mas aí para qualquer outro, esse ramo agro tem bastante ideias que dá para implantar, porque ainda mais tecnologia, era muito comum você pegar, por exemplo, startups de parte química, parte industrial. Ah, vamos criar uma levedura que vai gerar uma cana mais forte, uma levedura que vai gerar mais etanol.

62:12Então é muito focado startup nesse ponto. Startup de tecnologia que vai resolver ele é bem mais raro. E até uma dica que eu dou, uma dor de cabeça nossa, é a micrologística do campo. Como é que eu coloco meu mapa ali que eu tenho umas estradinhas de terra e qual que é o menor percurso que eu tenho que percorrer para chegar naquele lugar. A gente teve tipo o Uber do campo, sabe?

62:32Então é uma dor de cabeça que hoje a gente não conseguiu resolver ainda.

62:36Então é exatamente como é que eu faço esses cálculos e tal para pô fazer o planejamento de colheita baseado exatamente nessas hoje o nosso planejamento de colheita é baseado na distância do do da fazenda pra usina, só que a distância é linha reta. Então isso não é o verídico.

62:53É, você pode ter uma série de É, e tem um rio ali no meio, então eu só posso passar por aquela ponte. Então, pô, como é que eu replanejo isso?

63:01baseado exatamente nas estradas ali, tem que transformar o caminho em vetores e calcular isso em cara é um hoje hoje a gente não tem ainda, então uma startup disso seria muito bem-vindo.

63:11E eu ia te fazer essa pergunta mais pro final, mas já que você tocou em logística, eu já vou te fazer agora. Eh, como que você trabalha essa questão de dados dentro da área de logística?

63:24Exatamente. Tem essa micrologística interna que você falou, mas também tem uma questão de logística de transforme de transporte do etanol pronto. Esse é uma questão que não é muito nossa dor de cabeça, porque a gente vende etanol para por posto de gasolina, Ipiranga, vibra e tal e eles pegam eles mesmos mesmos buscar. Exato.

63:45A gente tem ali uma logística do açúcar, do VHP, que aí é via trem também. Então tem caminhão também rodoviário, mas a maioria é é ferroviário.

63:56E aí até engraçado, foi o primeiro modelo da Ativos que a gente criou, foi uma otimização da logística do Ferroviário, porque aquilo, né? Se hoje eu tô enviando x toneladas, só que não consequentemente consegui enviar essas x toneladas, eu enviei x - 1. Essa que sobrou, como é que eu vou colocar exatamente na próximo vinda do treino, no próximo caminão, para que eu consiga chegar no navio, que o navio vai sair daqui a três dias. E aí o navio também também não tá cheio porque eh essa questão de de abastecimento de navio nem sempre é comum não abastecer ele 100%, então o navio sai com ele pela metade.

64:34Então tem toda essa logística de produtos que vai ou ficam e produtos que aonde que eu que eu coloco no depósito, onde que os pedicou, qual é o próximo navio que eu vou ter que colocar. Então, para pro etanol a gente não tem tanta dor de cabeça, mas pro VHP esse insumo logístico é ô Diego, mas eh, por exemplo, para pro processo de que vocês pegaram, fazer fizeram a colheita, né, da cana e levar até pro warehouse, eh, que, né, deve ser centralizado, eh, nesse processo de logística, esse também tá não, essa é zero, a dor de cabeça maior que a gente tem.

65:10Eh, só para diferenciar, a gente separa em logística em balde e logística alto em balde. A embalde é essa que você comentou.

65:16Quando eu corto a cana, a cana ela vai perder no açúcar. Então não consigo armazenar a cana, então ela vai perder na sua que eu tenho que cortar e mandar colher rapidamente. Então tem toda essa logística de pátio, exatamente para que eu leve a cana e a cana fique menos tempo possível dentro do caminhão, de alguma coisa para para ela não perder essa açúcar total dela.

65:38E essa é uma dor de cabeça muito grande que eu tenho. Então, por exemplo, eu tenho falta de caminhões para ir pegar a cana que tá sendo colhida. Então a colhedora fica parada porque não tem um caminhão para para receber a cana.

65:49É melhor não colher do que colher ela fica parada.

65:51Exatamente. Exatamente isso. Então como é que eu como é que eu corrijo isso? Eh, beleza. Eles dos caminhões que tava indo pra usina, eu tenho fila no meu pátio para que aquele caminão seja jogado na usina para que a cana seja seja moída.

66:07Pô, como é que eu reduzo isso? Então, todo esse essa logística interna, que é o a logística Uber do campo que a gente tá comentando, como é que a gente cria esse planejamento para que tenha o menor tempo possível entre eu cortar a cana e jogar a cana pra usina, né? Esse processo a gente chama que é CTT, é colheita, transbordo e transporte, que é, ou seja, e também o tempo de, é, não ficar o ou você ter o cara foi lá, foi na fazenda, colheu, mas ficou parado porque não tinha slot para entrar no warehouse e, ou seja, se você otimizar todo esse ciclo aqui, né? Uma das vantagens que a gente também tá começando a trazer o milho, então as nossas usinas hoje que é 100% cana de açúcar, a gente tá fazendo as adaptações para pegar milho também. Mas qual a vantagem do milho? exatamente que o milho consiga estocar, então eu consigo ter esse tempo parado sem eu perder a produção do milho. Então a vantagem do milho para produção do etanol é uma uma das grandes é essa em relação à cana.

67:03Sim. E pelo que você comentou, então nem todo toda fazenda tem uma usina próxima.

67:09Ou a fazenda é tão grande que às vezes fica longe a usina.

67:12Exato. E aí eu tenho fazendas que tá 40 km de distância da usina e é 40 km de uma estrada de terra.

67:19Pô, choveu, como é que eu vou passar um caminhão ali naquela estrada de terra?

67:24Pode estar atolando alguma coisa do tipo?

67:27Cara, você que vai pro pro posto para o seu carro e fala completa, você não sabe o trampo que deu preg para aquele etanol chegar lá naquela bomba, né?

67:40Quietanol chegar aí, cara.

67:42Eu tô impressionado, cara, com com o processo. Eu até brinco. Quando a a cana tá na usina, aí é o melhor dos mundos. já tem todo um processo químico pré-estabelecido passo a passo ali, que eu até brinco que a as usinas da Ativos são referências mundiais de produção. Então as pessoas vêm para Ativos para fazer benchmark e tal, porque é 90 95% de produção o ano inteiro. Então da porta da usina pra frente tá tá safe ali, tá o melhor dos mundos. O problema é da porta da usina para trás.

68:11É porque são dois processos bem diferentes, né? Porque um é um um processo industrial muito bem estabelecido, entra o insumo, sabe o produto, né?

68:20Agora o campo, ele tem muito mais variáveis automático, não tem um um ser humano ali, o ser humano que tem olhando o visor assim para ver se não vai explodir nada, porque toda a esteira todo ali é automatizado.

68:30Automatizado. Agora o processo de campo ele ainda é um pouco mais artesanal.

68:34Exato.

68:35E tem variáveis que nem sempre você consegue controlar, como por exemplo chuva. Cara, o clima é uma dor de cabeça muito grande nossa, até tava pouco comentando, né, que a gente precisa da chuva para pra cana amadurecer e crescer, só que a gente a chuva é ruim para quando eu vou colher. Então tem que ter todo esse planejamento baseado na chuva e é prever chuva é algo muito complexo, ainda mais ali Goiás, Mato Grosso do Sul, que a gente tem chuvas pontuais. Então, pô, tá chovendo ali, você vê a chuva caindo aqui do seu lado, mas onde você tá, você não tá chovendo.

69:05Sim, sim. É muito louco isso.

69:06É muito louco.

69:08E e cara, isso é uma curiosidade que eu tenho até porque tem alguns serviços de meteorologia que são extremamente assertivos ali na casa de minutos. E a gente aprendeu isso com a Fórmula 1, né?

69:20Tem chuva pelos próximos 3 minutos e 30 segundos. Faz sentido pro agro esse tipo de de porque não deve ser um serviço barato, né?

69:30Sim. E não, porque isso ele é preciso em cidades grandes.

69:35Hum. Porque você pega, por exemplo, São Paulo, você tem um uma estação meteorológica, a cada dois, três prédios, ainda mais pra indústria civil aqui que é alta, que precisa disso.

69:44Então, a previsão aqui em São Paulo é muito grande.

69:46No campo você não tem essa resolução.

69:48Como que você vai prever a chuva numa fazenda a 80 km de distância de a água emendada no interior de Mato Grosso do Sul, sabe?

69:59Sim. Você não tem sensorização meteorológica suficiente para ter. A At A At ATOS fez um investimento bastante grande na no ano passado dessa desses itens. Então hoje a gente tem uma estação meteorológica cada 3 ha que aí é tr 3 ha é 30.000 30 km, né? 30.000 m 30 m. É. Então você pega cada 30 km, você tem uma estação. Pô, é bastante, mas ainda tem bastante falha, buracos aí no meio.

70:25É, não dá uma resolução suficiente você ter uma A gente já tentou via satélite, algumas empresas via satélite, só que pro dia a dia não funcionava, a resolução era bem baixa, ele funcionava para climas extremos. Então, por exemplo, geada, ventos fortes, esses climas extremos era muito bom, mas pro dia a dia, para uma chuva de 10 mm, eles não identificavam.

70:47Entendi. Porque aí você, se tivesse essa resolução, você podia ter um planejamento do tipo, cara, amanhã vai chover do meio-dia às 2as, vamos começar a colheita 2 horas antes.

70:56Exato.

70:57Seria ou não, não vamos para essa fazenda, vamos pra outra.

71:00É verdade, cara. Tem muita, tem muita possibilidade, né? É muit car. Essa acho que é uma é é uma das variáveis mais complexas no no segmento de agro, né? Você não tem controle algum, né?

71:11Não tem. E aí tem insumos, tem alguns itens que a gente coloca pra cana ficar mais potente, crescer, que a gente precisa que tenha chovido dois dias antes, que a gente precise que chova dois dias depois. Então, todo esse planejamento também ser é muito bom se a gente tivesse exatamente a previs a certidão dessa previsão de chuva e de temperatura. Entendi. Agora, eh, partindo já pra nossa reta final, digo que senão a gente vai ficar aqui 5 horas conversando que o papo tá muito bom.

71:40Tá muito bom.

71:42Eu queria ver a sua visão do mundo de tecnologia hoje aplicado no agronegócio pros próximos anos, porque a gente tá vendo aí essa grande ascensão de inteligência artificial, automatização dos processos, etc. E pra gente, eh, eu, o Ron, que estamos aqui vivendo esse mundo mais corporativo, a gente consegue ter uma visão do que a gente vê. como a gente comentou durante todo o episódio, você tá no mercado que é invisível pra gente.

72:17Então eu queria saber a sua opinião de como isso vai evoluir dentro desse mercado. A gente vai ter drone colhendo o cana nafent que que tu visão conta aí para nós.

72:29Tem muita tem muita pegada de hardware, né? Então você vê muito exatamente equipamento sendo criado aí no dia a dia para atender o agro. O drone é um é um potencial muito grande em cima disso.

72:41Você pega hoje a limitação do drone distância. Você quer pega? Pô, o drone anda só 30 km, pô. 30 km é coisa pr caramba, mas você pega uma fazenda, não é? Entendi.

72:51Então, a se você pegar drones mais potentes que aí consiga carregar pesos, porque não adianta só ter a bateria do drone, ele tem que levar, sei lá, 3 toneladas de um determinado produto para ficar distribuindo para para aquela determinada região. Então esse é um é um fator que eu vejo aí num futuro próximo que vai mudar bastante o ponteiro. Hoje a gente tem vantes, né, que são aqueles aviãozinhos que ficam sobrevoando e jogando insumo naquela região.

73:17Ah, é? E é auto?

73:20Não tem um piloto lá dentro.

73:22Ah, entendi.

73:23Tem que ter plano de voo. É tudo administrado pela NAC, bonitinho.

73:26Ah, tá.

73:27Só que aí aí, mas o problema é que também tem a limitação, então o drone seria muito mais prático, porque o drone automático, não precisa de um piloto ali para ficar ter que aterriçar, ter uma uma estrada de de avião, tudo para pousar.

73:40Ele poderia ir, fazia todo o processo, voltava pra base, isso 24 horas por dia. Vai, abastece, vai, abastece, vai, abastece. Então acho que essa é uma uma um item muito bom que vai ter. E o item que é muito importante, que acho que tá mudando, exatamente é a questão da acolhedora autônoma. Então você pega exatamente os carros autônomos que tem uma complexidade maior que é pessoas entrando no meio do nada no carro, mas você pega na colhedora no meio do campo, a gente não tem esses determinados desafios. Então acho que um próximo passo aí, como é que eu quebro, como é que eu coloco esses essa IA no em board ali em real time para tomar decisões e faço acolhedores sozinho, que aí eu tiro ali o o Zezinho, o Alexandre de ficar numa temperatura de 45º na testa no meio de um cannavial ali, só para ficar cheio de cobra, onça pintada, tem onça, tem onça.

74:27Caraca, eu sabia cobra porque eu sei que rato roi cana porque é doce, né? É, e onde tem rato tem cobra, né? Sei que canavial tem bastante cobra, mas tem onça, tem bastante animal ali que é e aí como é que eu tiro isso da galera, sabe? Então a ideia é quanto mais automatizar esses itens aí, eu acho que é o que realmente vai mover o a cultura e até vai ter vai ser o a transição do pessoal cortava cana no facão e foi para uma acolhedora. Acho que de uma colhedora para uma colhedora autônoma, uma frente de colheita autônoma sem nenhum ser humano ali, eu acho que é com sol de 45º na cabeça do do pessoal, acho que também vai ser uma boa curva grandona aí pro mercado.

75:09Você acha que a gente tá próximo de ter uma fazenda autônoma IoTi nos próximos anos?

75:16Acho que sim. Acho que aí é nos próximos tr 4 anos a gente já vai ter notícias aí de alguma coisa resolvendo esse esse potencial.

75:24Cara, que sensacional.

75:27tem bastante projeto nesse nesse segmento, como você bem colocou, eh, Wellington, é uma indústria que a gente não acompanha assim, né? né? Não faz parte do nosso mundo, mas cara, tem uma tecnologia eh enorme que tá permeando, né, as fazendas, ganhando produtividade.

75:48Eh, então, cara, é um, foi um papo bem legal aqui, porque, [ __ ] mostra o quão até quão a a as fazendas estão investindo nisso. Obviamente também, eh, não são todas, a gente também escuta e e lê que ainda tem uma jornada ainda, né?

76:05Ainda tem muita fazenda, talvez de porte médio ainda que tá avançando n é, você vê muita fazenda de dono, né?

76:09Então você tem o dono ali que é daquela, é realmente uma pessoa que é dono de uma São Paulo inteiro. Isso tem bastante ali no Goiás, Mato Grosso do Sul ou cooperativas que são um conjunto de fazendas que fazem aquele consumo. Então esse público realmente acho que tem um desafio a mais aí eh até começar a consolidar os dados e tal, tem um caminho tem uma jornada. Exato.

76:31Eu acho que dá para fazer um paralelo, por exemplo, uma empresa com a uma ATVOS que tem suas fazendas, etc., como uma grande CORP, que tem conselho, tem seus ativos em bolsa, etc. E o outro fazendeiro é meio que uma empresa familiar, né? Perfeito.

76:49Então, o cara não tem tanta visão, não tem uma uma relação com o mercado tão próximo, né? Então, naturalmente, ela tende a ser um pouco mais, tem alguns degra degraus atrás, né?

77:01A decisão fica do do do tio da fazenda que faz a mesma coisa há 80 anos.

77:07Exatamente. Exatamente. Cara, que que legal conhecer conhecer esse mercado, cara.

77:12É, e é um mundo muito legal, gente.

77:14Vocês tiverem aprofundar. questão de tecnologia é o ramo de grãos, soja, tá muito mais avançado.

77:21Você pega os equipamentos do pessoal aí, é, é realmente equipamentos de outro mundo. A cana tá começando a avançar agora. São players, são players específicos, né? você pega, você tem 10, 15 players ali que é que comanda ali exatamente esse core do corporativo assim que quer que que vê tem essa visão de futuro.

77:39E e é curioso porque pensando aqui, a gente falou o episódio inteiro que é um mercado que é meio que invisível pra gente, mas é uma grande fatia do PIB do Brasil, né?

77:50Bastante.

77:51É uma fatia enorme do PIB do Brasil e e vai cada pros próximos anos tende a ganhar cada vez mais relevância, né?

77:58Sem dúvida nenhuma. Sem dúvida, cara, que papo bacana, velho. Obrigado mesmo.

78:03Foi não, eu gosto bastante, até brinco, né?

78:06O hoje raramente eu sairia do agro. É um mundo muita parte assim, é realmente um universo assim, quanto você entra, você fala: "Mano, que da hora isso". E eu até brinco, né? É algo que faz bem. Então você pega ali é um dos produtos daos é o Cebus, que é o crédito de carbono. A gente é dos maiores produtores de Cebios do Brasil. Então você pega, como é que é uma empresa assim? eh, consegue investir tanto em em meio ambiente, investe em meio ambiente porque é o lucro deles.

78:34Sim.

78:34Então, é obrigatoriamente a gente não vai contra nada que é o meio ambiente porque prejudica a empresa.

78:39Sim, sem dúvida.

78:40Então é, até brinco, né? Limpa o karma.

78:42Então, é exato. Exatamente.

78:45Então é é um é um negócio bem legal trabalhar com Advice.

78:47Show de bola, cara. Obrigado aí pela tua presença, por vir aqui dar todo esse background técnico de de dados, mas também trazer essa visão de um mercado que a gente não domina, né? E é sempre muito legal ter o contexto de como a tecnologia que a gente fala tanto aqui no podcast é aplicada num segmento, né?

79:08Porque a tecnologia ela é commodity.

79:13Se ela não gerar valor e ela não tiver de fato uma aplicabilidade que traga valor pra sociedade, ela é só ciência, né? E quando a gente vê tudo que a gente discute aqui em cenários tão diferentes aplicados em colheta de cana, produção de etanol, etc., cara, a gente vê que realmente trabalhar com tecnologia é muito gratificante, né?

79:38Muito bom. É, até brinco, né? Cada dia é uma descoberta nova, é um item novo ali, é, vale a pena aí o dia a dia trabalhar.

79:46Show de bola. Obrigado demais, cara.

79:48Você vai ser sempre muito bem-vindo aqui para tomar uma com a gente e trocar uma ideia.

79:52Até brinco, né? Falei sempre, eu vi o podcast de vocês aí, falei: "Pô, agora tô aqui". Isso é, isso é muito legal, pô. Que legal, cara. Obrigado pelo prestígio aí por por acompanhar a gente até agora.

80:01Imagina.

80:02Show de bola, Ron. Muito bom, cara.

80:04Obrigado, obrigado, Diego, por ter aceito. Eh, foi muito legal o bate-papo e aprender um pouco, né, do como é que funciona esse esse mercado que a gente eh a gente não tinha menor ideia. E, cara, acho que foi muito legal para quem ouviu que ou que vai ouvir esse esse podcast. Cara, o que você trouxe de eh como implementar um processo de governança, essa ideia de cara eh eh democratização dos dados, né? Como pode ser feito da melhor maneira? Isso é muito legal. Isso acho que agrega um valor enorme.

80:40Eu sem dúvida nenhuma. É, e uma dica que eu dou, gente, por mais que a gente tecnologia, cara, você tem que entender como o negócio funciona. Não adianta focar, saber de cabo a rabo como produzir um lak house e você não sei como é que a cana lá na frente.

80:53Mais um mundo de A agora, né, cara?

80:55Então vamos ex acordar pr pra nova era aí galera.

80:59É isso aí. Obrigado novamente, Digão.

81:01Valeu, você que acompanhou a gente até agora, muito obrigado pela audiência de vocês.

81:06Se você curtiu o episódio, se você gosta do nosso trabalho, você primeiro tem que deixar o like, tem que ir lá no Spotify, dá cinco estrelinhas no nosso episódio.

81:17Se você quiser fazer qualquer pergunta pro Diegão, deixa aqui o comentário que a gente repassa para ele ou e e a gente fala para ele mesmo responder aqui as suas dúvidas. Vamos deixar o linkedin dele também aqui na descrição, se você quiser trocar uma ideia direto com ele.

81:30E se você quiser apoiar ainda mais o PPT no Compila, você pode ser membro do nosso canal lá no YouTube. Você seguindo o nosso canal, o botão de seguir vira o seja membro. você vai ser membro do PPT no CPILA, contribuir com valor pequeno mensal para pagar o tônico capilar do ROM, que a gente tá investindo nisso.

81:50Bom, e se você não quiser fazer isso através do YouTube, você pode fazer diretamente com a gente, contribuindo no [email protected].

82:01br, qualquer valor, o que você entender que agrega valor pra sua vida profissional, falar: "Hoje eu vou pagar o tônico do Ron e a cerveja do Diego".

82:11Manda lá, toda a contribuição é muito bem-vinda.

82:14Será que dá para fazer uma enquete aí para de repente uma peruca?

82:17Será que uma peruca? Não sei.

82:20Ah, pode ser. De repente, eu vou pegar sua foto e jogar no gemin e ver qual peruca e vou botar no Instagram do PPT no Cupilo. Acompanha lá que vocês vão ver. Aí a gente escolhe qual peruca que a gente vai colocar no ROM.

82:32Valeu,