Converse com seus campos: o assistente agrícola de IA
Descubra como um assistente agrícola de IA transforma dados de solo, clima, NDVI e campo em recomendações agronômicas multilíngues e explicáveis por texto e voz.
Traduzido com IA Ver original
Resposta rápida
Um assistente agrícola de IA é uma ferramenta de agronomia conversacional que permite que agricultores, agrônomos e revendedores façam perguntas específicas por campo em linguagem natural e recebam recomendações explicáveis com base em dados de solo, imagens de satélite, clima, estágio da cultura, histórico do campo e contexto operacional.
Ao contrário de um chatbot de agronomia genérico, um verdadeiro assistente agrícola de IA não deve apenas responder a perguntas gerais. Ele deve entender o campo específico, explicar por que uma recomendação foi feita, identificar os fatores limitantes por trás do estresse da cultura e ajudar a converter a decisão em uma ação, como monitoramento em campo, momento da irrigação, planejamento de fertilizantes, seleção de janela de pulverização ou aplicação em taxa variável.
O Terra Oracle AI Advisor foi projetado para esse propósito: interação multilíngue por texto e voz, raciocínio específico por campo, recomendações explicáveis, alertas proativos e saídas executáveis conectadas a fluxos de trabalho modernos de agricultura de precisão.
O que é um assistente agrícola de IA?
Um assistente agrícola de IA é um consultor digital que permite aos agricultores “conversar” com seus campos.
Em vez de abrir vários painéis, comparar mapas, verificar previsões meteorológicas, ler relatórios de análise de solo e interpretar manualmente o estresse da cultura, o usuário pode fazer uma pergunta direta:
“Por que a zona noroeste está tendo desempenho inferior nesta semana?”
Um assistente agrícola de IA útil deve responder com contexto:
“A zona noroeste apresenta menor potássio, NDVI reduzido nos últimos cinco dias e condições recentes de VPD elevado. O problema provável é a redução da absorção de nutrientes sob estresse hídrico. Monitore a área primeiro; depois, considere uma correção direcionada de potássio se o estágio da cultura e a umidade do solo permitirem a aplicação.”
Essa é a mudança de visualização de dados para agronomia conversacional.
Os agricultores já têm mais dados do que nunca: análise de solo, limites de campo, mapas de produtividade, NDVI de satélite, previsões meteorológicas, dados de máquinas, observações de monitoramento em campo, registros de irrigação e custos de insumos. O problema não é apenas o acesso aos dados. O problema é traduzir dados fragmentados em uma resposta clara:
- O que está acontecendo?
- Por que isso está acontecendo?
- Qual é a gravidade?
- O que devo fazer em seguida?
- Qual é a lógica agronômica e econômica por trás da recomendação?
É aí que um assistente agrícola de IA se torna valioso.
Por que a agricultura precisa de conversa, não apenas de painéis
A maioria das plataformas de agricultura de precisão foi criada em torno de mapas, gráficos, camadas e relatórios. Eles são úteis, mas ainda exigem interpretação.
Um agricultor pode ver:
- uma zona de baixo NDVI,
- um mapa de variabilidade de potássio,
- uma previsão de chuva,
- uma tendência de umidade do solo,
- um aviso de pulverizabilidade,
- uma prescrição em taxa variável,
- e uma estimativa de resposta de produtividade.
Cada camada conta parte da história. A decisão agronômica real depende de como as camadas interagem.
Um assistente agrícola de IA conversacional cria uma nova interface entre o usuário e os dados. O usuário não precisa saber qual camada abrir primeiro. O assistente pode ajudar a conectar as evidências e apresentar a decisão em linguagem simples.
Por exemplo:
Agricultor: “Posso pulverizar o campo 42 amanhã de manhã?”
Assistente agrícola de IA: “Amanhã de manhã parece marginal. A velocidade do vento deve aumentar após 10:30, e a umidade está alta o suficiente para aumentar preocupações com deriva e tempo de secagem. A melhor janela de pulverização é 06:30–09:30. Verifique o rótulo do produto e as regulamentações locais antes da aplicação.”
Esse tipo de resposta é mais útil do que uma tabela meteorológica porque conecta a previsão à decisão operacional.
Chatbot de agronomia vs assistente agrícola de IA
Os termos chatbot de agronomia, assistente agrícola de IA e assistente agrícola por voz são frequentemente usados juntos, mas não são a mesma coisa.
Um chatbot de agronomia básico responde a perguntas agrícolas gerais. Ele pode explicar o que o nitrogênio faz, o que significa VPD ou como identificar uma praga comum.
Um assistente agrícola de IA deve ir além. Ele deve usar dados específicos do campo e raciocínio agronômico.
| Capacidade | Chatbot de agronomia básico | Assistente agrícola de IA |
|---|---|---|
| Responde a perguntas agrícolas gerais | Sim | Sim |
| Entende um limite de campo específico | Geralmente não | Sim |
| Usa dados de solo, satélite, clima e operações | Limitado | Sim |
| Explica o motivo por trás da recomendação | Às vezes | Obrigatório |
| Oferece suporte a texto e voz multilíngues | Às vezes | Sim |
| Cria alertas a partir de mudanças nas condições do campo | Geralmente não | Sim |
| Oferece suporte à execução por meio de prescrições ou integrações | Geralmente não | Sim |
| Ajuda agrônomos e revendedores a escalar o trabalho de consultoria | Limitado | Sim |
A diferença é importante. A agricultura é local, espacial, sazonal e sensível ao tempo. Uma resposta genérica raramente é suficiente.
Como funciona um consultor de agronomia conversacional multilíngue
Um assistente agrícola de IA específico por campo pode ser entendido como cinco camadas conectadas.
1. Camada de dados de campo
O assistente começa pelo contexto do campo. Isso pode incluir:
- limite do campo,
- tipo de cultura,
- análise de solo, com mapas de solo de alta resolução opcionais,
- variabilidade de nutrientes e pH,
- NDVI de satélite e tendências de vegetação,
- histórico e previsão meteorológica,
- topografia,
- dados de irrigação,
- operações de maquinário,
- observações de monitoramento em campo,
- custos de insumos e premissas econômicas.
Quanto melhores os dados de campo, mais útil o assistente se torna.
2. Camada de raciocínio agronômico
O assistente não deve simplesmente repetir dados. Ele deve raciocinar entre fontes de dados.
Por exemplo, uma zona de baixo NDVI poderia ser causada por muitos fatores diferentes:
- deficiência de nutrientes,
- restrição de pH,
- compactação,
- encharcamento,
- estresse por seca,
- pressão de doenças,
- emergência deficiente,
- injúria por herbicida,
- drenagem deficiente,
- salinidade,
- ou uma combinação de fatores.
Um sistema de agronomia conversacional deve comparar as evidências antes de recomendar uma ação.
3. Camada de linguagem natural
O usuário faz perguntas em linguagem normal:
- “Por que esta zona está amarela?”
- “Onde devo monitorar primeiro?”
- “Este campo está pronto para nitrogênio?”
- “Devo irrigar antes da onda de calor?”
- “Posso pulverizar amanhã à tarde?”
- “Qual campo tem a maior oportunidade de ROI nesta semana?”
O assistente converte essas perguntas em tarefas agronômicas estruturadas.
4. Camada de texto e voz multilíngues
Um consultor multilíngue torna a plataforma mais acessível para diferentes usuários: agricultores, operadores, agrônomos, revendedores e equipes empresariais em várias regiões.
A voz é especialmente importante na agricultura porque muitas decisões acontecem fora do escritório. Um agricultor pode estar em um campo, em uma picape, em um trator ou caminhando com um agrônomo. Um assistente agrícola por voz reduz a necessidade de procurar em menus durante o trabalho.
5. Camada de recomendação explicável
A resposta final deve explicar:
- a recomendação,
- as evidências por trás dela,
- o fator limitante,
- o nível de confiança ou a incerteza,
- a próxima ação,
- e qualquer limitação de segurança, rótulo ou regulamentação.
Essa é a diferença entre uma resposta de IA em caixa-preta e uma decisão em que os agricultores podem confiar.
Exemplo de diálogo 1: Entendendo o estresse da cultura
Agricultor: “Por que a parte noroeste deste campo está mais fraca do que o restante?”
Assistente agrícola de IA: “A zona noroeste apresentou NDVI mais baixo nos últimos cinco dias. Os dados de solo também mostram potássio mais baixo e pH ligeiramente menor em comparação com a zona central. Condições recentes de VPD elevado podem ter reduzido a absorção de nutrientes. A explicação mais provável é uma combinação de limitação de potássio e estresse hídrico.”
Agricultor: “O que devo fazer?”
Assistente agrícola de IA: “Monitore primeiro a zona noroeste. Verifique o enraizamento da cultura, os sintomas nas folhas e a umidade do solo. Se os sintomas corresponderem ao estresse por potássio e as condições de aplicação forem adequadas, considere uma correção direcionada em vez de tratar todo o campo de forma uniforme.”
Por que isso importa: O assistente não para em “o NDVI está mais baixo”. Ele conecta o desempenho da cultura, a variabilidade do solo e o estresse climático em uma explicação agronômica.
Exemplo de diálogo 2: Momento da pulverização
Agricultor: “Posso pulverizar o campo 18 amanhã?”
Assistente agrícola de IA: “A melhor janela parece ser no início da manhã. A previsão é de aumento do vento mais tarde no dia, e o risco de chuva aumenta à noite. Se o rótulo do produto permitir a aplicação planejada sob as condições esperadas de temperatura, umidade e vento, a janela preferencial é 06:30–09:30.”
Agricultor: “Você pode me mostrar em um gráfico as janelas de pulverização da próxima semana e sobrepô-las à previsão de chuva e vento?”
Agricultor: “Qual é o fator limitante?”
Assistente agrícola de IA: “O vento é o principal fator limitante. O risco de chuva se torna relevante mais tarde no dia. A temperatura é aceitável durante a janela inicial.”
Por que isso importa: Um bom assistente agrícola por voz não deve dizer apenas “sim” ou “não”. Ele deve explicar o fator limitante para que o agricultor entenda o risco operacional.
Exemplo de diálogo 3: Irrigação e VPD
Agricultor: “Devo irrigar antes da onda de calor?”
Assistente agrícola de IA: “O balanço hídrico do campo está se aproximando do limite de irrigação, e espera-se que o VPD aumente nos próximos dois dias. Se houver água disponível, a irrigação antes do pico de estresse pode reduzir o estresse da cultura. Priorize as zonas mais arenosas e os campos com menor capacidade de retenção de água no solo.”
Agricultor: “Quais campos devo priorizar?”
Assistente agrícola de IA: “Priorizei pelo volume projetado de déficit hídrico, de modo que o ranking reflita tanto a demanda hídrica da cultura quanto o tamanho do campo. Isso torna Irrigation 3, 2 e 7 os melhores locais para focar primeiro se água, tempo de bombeamento ou mão de obra estiverem limitados na próxima semana.”
Por que isso importa: O assistente de IA ajuda a priorizar água e mão de obra limitadas ao combinar clima, solo e resposta da cultura.
Exemplo de diálogo 4: Fertilizante em taxa variável
Agricultor: “O potássio em taxa variável vale a pena neste campo?”
Assistente agrícola de IA: “O campo apresenta forte variabilidade de potássio. Uma taxa uniforme aplicaria em excesso nas zonas de alto K e aplicaria menos do que o necessário nas zonas de baixo K. A aplicação em taxa variável pode ser justificada se a resposta de produtividade esperada nas zonas deficientes exceder o custo adicional de mapeamento e aplicação.”
Agricultor: “Mostre-me exatamente onde no campo tenho zonas de baixo potássio e sobreponha isso ao NDVI para validar que está limitando o crescimento.”
Validar em campo as recomendações de IA em relação às camadas de solo e satélite é uma parte importante de uma agronomia conversacional confiável.
Agricultor: “Você pode criar uma prescrição?”
Assistente agrícola de IA: “Sim. Posso preparar uma prescrição de potássio baseada em zonas usando o mapa de solo calibrado, as taxas-alvo e as restrições do distribuidor. Revise as taxas com seu agrônomo antes da execução.”
Por que isso importa: O assistente conecta a agronomia à economia e à execução. A decisão não é simplesmente “aplicar mais fertilizante”. A decisão é onde, quanto e se a resposta esperada justifica o custo.
Por que a explicabilidade importa na agronomia de IA
Decisões agronômicas são decisões de alto impacto. Uma recomendação errada pode desperdiçar fertilizante, aumentar o risco de doenças, perder uma janela de pulverização, reduzir a produtividade ou criar problemas de conformidade.
É por isso que a explicabilidade importa.
Um assistente agrícola de IA não deve dizer:
“Aplique potássio.”
Ele deve dizer:
“Aplique potássio na zona noroeste porque o mapa de solo mostra K mais baixo, o NDVI diminuiu em relação ao restante do campo e o clima recente aumentou o risco de estresse. A recomendação é específica por zona; o restante do campo não mostra as mesmas evidências.”
A explicabilidade ajuda agricultores e agrônomos a avaliar se a resposta faz sentido. Ela também apoia a colaboração. Um agrônomo de revenda, um gerente de fazenda e um operador de máquina podem entender a mesma recomendação.
Trabalhos científicos sobre IA explicável na agricultura destacam o mesmo princípio: a IA é mais útil quando os usuários conseguem entender os fatores por trás de previsões e recomendações, especialmente em decisões de campo envolvendo irrigação, controle de pragas, produtividade da cultura e otimização de recursos. [1]
O papel da fundamentação científica
A IA conversacional na agricultura é promissora, mas precisa ser fundamentada.
Modelos de linguagem grandes podem produzir respostas fluentes. Fluência não é o mesmo que correção agronômica.
Para uso agrícola, um assistente agrícola de IA responsável deve estar conectado a:
- dados de campo verificados,
- informações de solo calibradas,
- modelos agronômicos confiáveis,
- dados meteorológicos locais,
- referências científicas e técnicas,
- restrições do rótulo do produto,
- práticas regionais,
- e revisão agronômica humana quando necessário.
Pesquisas sobre sistemas agrícolas de perguntas e respostas e chatbots voltados para agricultores mostram forte potencial para suporte agrícola em linguagem natural, especialmente quando os sistemas usam bases de conhecimento curadas, métodos de recuperação, suporte a idiomas locais e validação por especialistas. [2][3][4]
É por isso que a Terra Oracle AI se concentra em inteligência agronômica explicável e específica por campo, em vez de uma experiência de chatbot genérico.
Por que a voz importa no campo
A interação por voz não é apenas um recurso de conveniência. Na agricultura, muitas vezes é a forma mais natural de trabalhar.
Os agricultores raramente estão sentados à mesa quando decisões importantes são tomadas. Eles estão caminhando pelos campos, dirigindo entre talhões, verificando sintomas nas culturas, operando máquinas, encontrando um agrônomo ou revisando condições durante uma janela estreita de pulverização ou irrigação. Em muitas dessas situações, suas mãos estão ocupadas e digitar não é prático.
Um assistente agrícola por voz permite que o usuário faça perguntas no momento exato da decisão:
- “O que estou vendo nesta zona?”
- “Por que esta parte do campo está mais fraca?”
- “Onde devo monitorar primeiro?”
- “O que mudou desde ontem?”
- “A janela de pulverização ainda está aberta?”
- “Qual campo é mais urgente hoje?”
A voz também torna a interação mais responsiva. Em vez de fazer uma pergunta, ler uma resposta estática e depois procurar manualmente a próxima camada, o agricultor pode questionar o resultado e continuar a discussão:
- “Você tem certeza de que isso é potássio e não estresse hídrico?”
- “Que evidência sustenta isso?”
- “Mostre-me o fator limitante.”
- “O que acontece se eu atrasar a aplicação em dois dias?”
- “Esta recomendação ainda é válida se chover amanhã?”
Isso transforma o assistente agrícola de IA de uma simples ferramenta de perguntas e respostas em uma verdadeira conversa agronômica.
O idioma é outro fator importante. Muitos agricultores e operadores de campo não se sentem totalmente confortáveis discutindo agronomia técnica em inglês. Mesmo quando entendem inglês, geralmente é mais fácil e rápido discutir solo, estresse da cultura, fertilizante, irrigação, momento da pulverização e operações de campo em seu idioma nativo.
Um assistente agrícola por voz multilíngue reduz essa barreira. Ele permite que agricultores, agrônomos, revendedores e operadores discutam decisões agronômicas complexas usando termos familiares, idioma local e contexto prático de campo. Isso é especialmente importante quando o objetivo não é apenas mostrar dados, mas explicá-los com clareza suficiente para a ação.
Como o AI Advisor da Terra Oracle AI se encaixa nessa mudança
O Terra Oracle AI Advisor é construído em torno da ideia de que os agricultores devem poder interagir diretamente com a inteligência agronômica.
O assistente foi projetado para oferecer suporte a:
- perguntas em linguagem natural,
- interação multilíngue por texto e voz,
- recomendações explicáveis,
- alertas de campo,
- suporte à decisão orientado pelo solo,
- interpretação de NDVI e clima,
- planejamento em taxa variável,
- e fluxos de trabalho de execução por meio de saídas de prescrição e integrações.
Isso importa porque fazendas modernas não precisam de outra camada de dados isolada. Elas precisam de um assistente que consiga conectar as camadas.
A Terra Oracle AI combina inteligência do solo, monitoramento por satélite, clima, operações e contexto econômico em um sistema de raciocínio específico por campo. O resultado é um fluxo de trabalho prático de agronomia conversacional:
- O campo é monitorado.
- O sistema identifica uma mudança ou risco.
- O agricultor faz uma pergunta.
- A IA explica a causa provável.
- A recomendação é vinculada a evidências.
- O usuário pode agir por meio de monitoramento em campo, definição de momento, VRA ou planejamento operacional.
Esse é o futuro da IA na agricultura: não substituir agrônomos, mas dar a agricultores, agrônomos e revendedores uma maneira mais rápida de interpretar a complexidade do campo.
Onde um assistente agrícola de IA cria valor
1. Interpretação de campo mais rápida
Em vez de comparar manualmente mapas de solo, camadas de NDVI, previsões meteorológicas, histórico do campo e notas de monitoramento, o usuário pode perguntar o que mudou e por quê. O assistente ajuda a transformar dados de campo complexos em uma explicação agronômica clara.
2. Melhores prioridades de monitoramento em campo
O assistente pode classificar campos ou zonas com base em sinais de risco, ajudando agricultores e agrônomos a concentrar a atenção onde ela mais importa.
3. Recomendações mais explicáveis
Toda recomendação deve incluir a lógica agronômica por trás dela. Isso ajuda o usuário a entender o fator limitante, as evidências e o motivo da ação sugerida.
4. Decisões de timing aprimoradas
Tarefas sensíveis ao clima, como pulverização, irrigação, aplicação de fertilizantes e monitoramento em campo, podem ser avaliadas em contexto, ajudando o usuário a agir dentro da melhor janela operacional.
5. Suporte à decisão agronômica escalável
Uma das maiores vantagens de um assistente agrícola de IA é a escala. Grandes fazendas, revendedores e prestadores de serviço muitas vezes gerenciam milhares de hectares, muitos campos, múltiplas culturas e condições meteorológicas e operacionais em constante mudança.
A IA pode processar grandes volumes de dados de solo, satélite, clima, cultura e maquinário muito mais rápido do que uma revisão manual. Isso permite que insights agronômicos sejam gerados em muitos campos ao mesmo tempo, sem depender apenas da disponibilidade limitada de agrônomos especialistas.
Isso não substitui a agronomia profissional. Ajuda a escalá-la. O assistente de IA pode identificar riscos, priorizar campos, explicar causas prováveis e preparar recomendações para que agrônomos e gerentes de fazenda possam concentrar seu tempo nas decisões de maior valor.
6. Serviços de consultoria mais fortes para revendedores
Revendedores e prestadores de serviços agronômicos podem dar suporte a mais hectares com um fluxo de decisão consistente, mantendo agrônomos especialistas envolvidos em revisão, validação e relacionamento com clientes.
7. Melhor execução em taxa variável
O assistente pode ajudar a converter variabilidade de solo e cultura em prescrições acionáveis, apoiando decisões mais precisas de fertilizante, calcário, irrigação e manejo da cultura.
8. Colaboração multilíngue
Equipes agrícolas, operadores, revendedores e agrônomos podem interagir com a mesma inteligência de campo no idioma que entendem melhor, tornando recomendações agronômicas técnicas mais fáceis de discutir e executar.
O que um assistente agrícola de IA não deve fazer
Um assistente agrícola de IA responsável não deve substituir rótulos de produtos, regulamentações locais, aconselhamento agronômico certificado ou julgamento profissional.
Ele não deve alegar certeza quando as evidências de campo estão incompletas.
Ele não deve recomendar ações com pesticidas, fertilizantes, irrigação ou maquinário sem considerar:
- estágio da cultura,
- rótulo do produto,
- regulamentação local,
- condições meteorológicas,
- equipamento de aplicação,
- restrições do campo,
- risco ambiental,
- e justificativa econômica.
O melhor assistente agrícola de IA não é um tomador de decisões em caixa-preta. Ele é uma camada transparente de suporte à decisão.
O futuro: de painéis agrícolas ao diálogo com a fazenda
A próxima geração da agricultura digital não será definida apenas por mapas melhores.
Ela será definida por melhores conversas com dados de campo.
Os agricultores esperarão cada vez mais poder perguntar:
- “O que mudou?”
- “Por que mudou?”
- “O que devo fazer?”
- “O que acontece se eu atrasar?”
- “Qual campo devo atender primeiro?”
- “Isso pode se tornar um mapa de prescrição?”
Essa é a promessa da agronomia conversacional.
O assistente agrícola de IA se torna a ponte entre dados agrícolas complexos e ação prática.
Com a Terra Oracle AI, o objetivo é simples: tornar a inteligência de campo mais fácil de entender, mais fácil de explicar e mais fácil de executar.
FAQ
O que é um assistente agrícola de IA?
Um assistente agrícola de IA é um consultor digital conversacional que ajuda agricultores e agrônomos a fazer perguntas sobre seus campos e receber recomendações específicas por campo com base em dados de solo, satélite, clima, cultura e operações.
Como um assistente agrícola de IA é diferente de um chatbot de agronomia?
Um chatbot de agronomia geralmente responde a perguntas agrícolas gerais. Um assistente agrícola de IA deve usar dados específicos do campo, explicar o raciocínio por trás das recomendações e apoiar ações práticas, como monitoramento em campo, momento da irrigação, planejamento de pulverização e aplicação em taxa variável.
Os agricultores podem usar um assistente agrícola por voz no campo?
Sim. Um assistente agrícola por voz permite que os usuários façam perguntas enquanto caminham pelos campos, dirigem entre fazendas ou trabalham em condições operacionais em que digitar é inconveniente.
Por que a explicabilidade é importante na agronomia de IA?
A explicabilidade ajuda os agricultores a entender por que a IA fez uma recomendação. Isso é crítico porque decisões agronômicas afetam o custo dos insumos, o desempenho da cultura, a conformidade e a produtividade.
Um assistente agrícola de IA substitui um agrônomo?
Não. Um assistente agrícola de IA responsável apoia agrônomos e agricultores organizando dados, identificando riscos, explicando padrões e acelerando a tomada de decisão. As decisões finais ainda devem considerar julgamento profissional, condições locais, rótulos de produtos e regulamentações.
Quais dados a Terra Oracle AI usa para recomendações específicas por campo?
A Terra Oracle AI conecta limites de campo, inteligência do solo, NDVI de satélite, clima, terreno, operações e contexto econômico em um fluxo de raciocínio específico por campo.
O AI Advisor pode ajudar a criar prescrições em taxa variável?
Sim. Quando dados de campo adequados estão disponíveis, o AI Advisor pode ajudar a interpretar a variabilidade e apoiar fluxos de trabalho de planejamento em taxa variável e prescrição.
Conclusão
A agronomia conversacional transforma dados de campo fragmentados em decisões explicáveis nas quais os agricultores podem agir — por meio de texto, voz e fluxos de trabalho vinculados a solo, satélite, clima e operações.
Saiba mais:
- AI Advisor
- AI Soil Scanner
- Tecnologia
- Como a Terra Oracle AI transforma dados de campo em decisões melhores
- Como funciona o escaneamento do solo baseado em gama na agricultura moderna
- A economia do fertilizante em taxa variável
- O Índice de Pulverizabilidade, explicado
- Déficit de Pressão de Vapor (VPD) no campo
Referências
- Rajbongshi, A., et al. (2026). Aproveitando a IA explicável para a agricultura sustentável: uma revisão abrangente dos avanços recentes . Artificial Intelligence Review, 59, 105.
- Jain, M., et al. (2018). FarmChat: Um agente conversacional para responder a consultas de agricultores . Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 2(4), 170.
- Farmer.Chat: Escalando serviços agrícolas baseados em IA para pequenos agricultores (arXiv:2409.08916).
- Koopman, B., et al. (2024). AgAsk: Um agente para ajudar a responder às perguntas de agricultores a partir de documentos científicos . International Journal on Digital Libraries, 25, 569–584.
- Eldem, A., & Eldem, H. (2026). O desenvolvimento e a avaliação de sistemas agrícolas de perguntas e respostas baseados em grandes modelos de linguagem . Scientific Reports, 16, 5357.
- IFPRI. Tecnologia de voz baseada em IA generativa em serviços de consultoria agrícola .
