A água que decide a safra: IA para antecipar o reservatório no sertão
Startup nascida no sertão da Paraíba usa IA para apoiar a gestão hídrica no agro do Semiárido — do mestrado na UFCG ao Web Summit Rio.
No Semiárido, a água não é um insumo entre vários: é a variável que decide se o restante do plano se sustenta. Decidir quando irrigar, quanto armazenar e o que plantar sem saber o que o reservatório vai permitir é apostar a safra no escuro. É exatamente essa lacuna que uma startup nascida em Pombal, no Sertão da Paraíba, atacou com inteligência artificial — e o caminho dela diz muito sobre como solução técnica de nicho nasce longe dos grandes hubs.
Por que a água trava a decisão no campo
Segundo a Agência Sebrae de Notícias, decisões relacionadas à água no Semiárido impactam diretamente produção, planejamento, risco e uso de recursos. Um reservatório mal operado não dá prejuízo apenas na seca: ele compromete o planejamento de toda a temporada, porque a pergunta "quanta água eu tenho daqui a três meses?" não tem resposta quando a gestão depende de estimativa de cabeça.
O gargalo não é falta de método acadêmico — é falta de acesso. A pesquisa sobre operação de reservatórios existe há décadas em universidades da região. O que faltava era transformar esse conhecimento em ferramenta que o produtor consiga usar na decisão do dia a dia.
Do mestrado ao produto: a AquaPredict AI
A AquaPredict AI é o produto autoral da LUMHAE, empresa da engenheira ambiental Halana Severo, criada em Pombal (PB). A base técnica vem da dissertação de mestrado dela, defendida em 2016 no Programa de Pós-graduação em Engenharia Civil e Ambiental da UFCG, orientada pelo professor Carlos Galvão, com o título "Estimativa da disponibilidade hídrica para usos múltiplos em reservatórios sob periódicas crises hídricas: estudo de caso".
A solução cruza informações de clima, território, produção e água para gerar dados que apoiam o produtor rural na gestão diária da propriedade — especialmente em regiões onde a disponibilidade hídrica muda o plano todo. Antes da dissertação, Halana já tinha trabalhado com o problema na graduação: em 2014, desenvolveu um estudo sobre otimização estocástica e algoritmos genéticos como suporte à operação mensal do reservatório São Gonçalo, no Semiárido paraibano, segundo registro da Agência Sebrae de Notícias.
O produto está em fase de MVP, validado contra a dissertação de mestrado. A trajetória de estruturação é recente e objetiva: a empresa começou como MEI, virou ME neste ano e, com apoio do Sebrae/PB, a solução ficou entre as mil melhores do Prêmio Sebrae Startups e foi apresentada no Web Summit Rio 2026, realizado em junho.
Como a tecnologia funciona por baixo do capô
O valor da AquaPredict AI não está em um modelo de linguagem genérico. Está na combinação de três camadas:
- Dado territorial e climático — informação de clima e território da região, que no Semiárido muda a resposta a cada estação.
- Modelo de disponibilidade hídrica — a base calculada pela dissertação, que estima quanto uso múltiplo o reservatório suporta sob cenários de crise.
- Camada de decisão — o cruzamento dessas entradas em dados acionáveis: o que plantar, quando irrigar, como planejar a temporada.
Esse desenho é o oposto do chatbot genérico. O modelo de fundo existe para responder uma pergunta de domínio específico, com dado próprio, e o resultado é uma recomendação de gestão — não um texto aberto.
Na Vanquish, vemos o mesmo padrão em campo quando construímos aplicativos B2B e ambientes de IA sob medida: o modelo é commodity, o diferencial está no dado proprietário e no domínio do problema. Quem tem o dado do negócio e entende a operação constrói um produto de decisão; quem só tem acesso ao modelo constrói uma demo.
A lição do Web Summit: vender resultado, não IA
O relato da própria fundadora sobre o Web Summit Rio 2026 resume o que separa startup de tecnologia de startup de negócio:
"Durante o evento vi centenas de startups, conversei com fundadores, conheci empresas incríveis e percebi algo que se repetia o tempo inteiro: as melhores não estavam vendendo IA. Estavam vendendo resultados."
A segunda parte do relato importa tanto quanto a primeira: uma associação de agricultores da Bahia se cadastrou para testar o AquaPredict. "Pode parecer pequeno, mas para quem está transformando pesquisa em produto é um marco enorme", disse Halana. O próximo ciclo dela, nas próprias palavras: ouvir, validar, errar, ajustar, construir.
Para quem vende tecnologia em nicho, a leitura é direta: o comprador de agro não compra "IA", compra previsão de água para decidir plantio. O rótulo da categoria é irrelevante para quem paga.
O caminho de pesquisa a produto no interior
A sequência que a AquaPredict AI percorreu é replicável e não exige capital de risco:
- Pesquisa própria sobre um problema real da região — a dissertação nasceu de uma dor concreta do Semiárido, não de tendência de mercado.
- Transformação formal da operação — sair de MEI para ME foi o passo que destravou programas do Sebrae que a empreendedora não podia acessar antes.
- Programas públicos de validação — o Prêmio Sebrae Startups e a seleção do Governo da Paraíba deram visibilidade nacional sem custo de aquisição.
- Canais de teste com o usuário real — o cadastro da associação de agricultores da Bahia veio depois da exposição no Web Summit, não antes.
O Sebrae/PB atuou como conector: iniciativas de inovação, educação empresarial e pré-crédito, conforme o gestor Mateus Vieira. Nenhum desses passos depende de estar em São Paulo.
O que a fonte não prova
Transparência editorial: a AquaPredict AI está em MVP e validação. Não há métrica pública de acurácia dos modelos, número de usuários ativos ou receita. O cadastro da associação da Bahia é relato da própria fundadora em rede social, sem auditoria. O caso, portanto, vale pela trajetória e pelo desenho técnico — não por resultado de mercado comprovado. É uma pauta de caminho a seguir, não de case consolidado.
Como replicar esse caminho
Se você é especialista em um domínio regional — água, solo, praga, logística de interior —, a receita do caso é direta:
- Escolha o problema que você conhece melhor que o mercado.
- Transforme o conhecimento formal (pesquisa, dados de campo) em modelo calculável.
- Use o dado público disponível (clima, território) como camada de entrada.
- Formalize a empresa e entre nos programas de validação regionais.
- Meça o produto pelo resultado do usuário — safra, custo, risco — e não pela tecnologia embarcada.
Conclusão
A próxima safra de soluções para o agro brasileiro não vai nascer apenas nos hubs. Vai nascer onde o problema dói — e o sertão paraibano dói por água há séculos. A AquaPredict AI mostra que pesquisa acadêmica local, transformada em produto com dado próprio e distribuição via programas públicos, é um caminho viável para o founder solo ou para equipe pequena. O que falta agora é o que falta em todo MVP: tração medida. Vale acompanhar.

Quer levar isso para a sua operação?
A Vanquish implementa agentes de IA, apps e integrações com o seu ERP, CRM e WhatsApp. Conte o seu caso e a gente desenha a solução.
Conhecer: Aplicativos e projetos digitaisNão conheca alguma sigla? Veja o glossário de tecnologia e inovação.
Veja também
R$ 2 milhões, dois funcionários: a startup que cresce sem contratar
BayAI, de Florianópolis, opera com dois funcionários e agentes de IA em todas as áreas. O que o modelo de bootstrapping com IA ensina sobre escalar.
Empreendedor solo + IA: 36% das startups de 2026 já nascem com 1 founder
De 18% em 2020 a 36% em 2026: IA viabilizou o founder solo. Como montar stack de agentes por menos de R$ 500/mês e competir com empresa de 5 pessoas.
DIO Inteligência: IA para odontologia capta R$ 4 mi
Startup captou R$ 4 milhões para ampliar IA que analisa radiografias odontológicas em 10 segundos, com 90% de precisão, para clínicas e operadoras.