Num contexto de cadeias de abastecimento globais, maior pressão regulatória e consumidores mais exigentes, AINIA realizou uma sessão online na qual foi analisado como a inteligência artificial (IA) está a transformar a segurança alimentar. O responsável pelo desenvolvimento estratégico digital e de alianças, David Martínez, e o responsável pela segurança alimentar da AINIA, Roberto Ortuño, coincidiram em que a IA potencia a experiência humana e melhora a tomada de decisões. Ambos sublinharam também a importância de contar com equipas multidisciplinares (tecnologia e segurança alimentar), garantir a qualidade dos dados e assegurar a explicabilidade dos modelos para avançar para uma abordagem mais proativa e eficaz no controlo alimentar.
A IA, um copiloto para decisões baseadas em evidência
Para o responsável pelo desenvolvimento estratégico digital e de alianças da AINIA, a IA não substitui a experiência; amplifica-a. É o nosso copiloto para reagir mais cedo, com maior precisão e com decisões baseadas em evidência. Sob esta premissa, David Martínez explicou como a combinação de sensorização avançada, análise de dados e modelos preditivos permite passar de modelos reativos para abordagens proativas na segurança alimentar.
Nesta linha, o responsável pela segurança alimentar da AINIA destacou a gestão eficiente dos dados: Gerimos cada vez mais dados e mais responsabilidades. A IA ajuda-nos a transformar dados em informação útil para decidir melhor e no momento certo. Roberto Ortuño acrescentou que a chave está em normalizar e unificar dados internos e externos para tomar decisões baseadas em evidência, com modelos explicáveis e alinhados com os requisitos regulamentares.
Aplicações práticas: do alerta precoce à previsão em fábrica
Os oradores concordaram que a abordagem mais eficaz é progressiva, interdisciplinar e baseada em pilotos rápidos com métricas claras. Destacaram também a importância da interoperabilidade e da colaboração setorial para multiplicar o impacto, especialmente em áreas como o alerta precoce e a identificação de riscos emergentes.
Entre as aplicações apresentadas no webinar foi mostrado como a IA acelera a deteção de riscos emergentes através da curadoria automatizada de sinais na literatura científica, melhora a filtragem de alertas precoces (RASFF, AESAN) e permite antecipar contaminações em fábrica graças à integração de sensores IoT e imagem. Foram também abordados casos de inspeção automática em linha, análise de dados para KPIs e previsão de riscos microbiológicos em tempo real.
A combinação de alerta precoce e análise avançada permite-nos antecipar riscos emergentes e reemergentes e agir antes de que um problema chegue ao mercado, destacou Roberto Ortuño.
Chaves de implementação: casos definidos, dados de qualidade e equipas mistas
Quanto ao ritmo de adoção, David Martínez apontou: O desafio já não é se aplicar IA, mas quando e com que nível de ambição. Quem integrar estas tecnologias fará a diferença na segurança alimentar.
Entre as recomendações operacionais, ambos os oradores recomendaram começar por casos concretos e mensuráveis com uma visão clara de sucesso; assegurar dados limpos e representativos; criar equipas mistas (IA, segurança alimentar e pessoal de fábrica); prototipar e validar rapidamente com iterações curtas; exigir transparência, explicabilidade e rastreabilidade dos modelos; e promover a interoperabilidade para evitar ilhas de dados e permitir espaços de dados com parceiros e fornecedores. Esta abordagem permite acelerar a passagem da ideia à realidade e consolidar um quadro de melhoria contínua e auditorias mais robustas.
