Agentes de IA no agronegócio: compras e cotação ligadas ao ERP

Compras no agronegócio é um trabalho de janela curta. O insumo precisa chegar antes do plantio, o frete muda com a safra, e a cotação que valia na segunda já não vale na quinta. Quem compra passa o dia entre o ERP, a planilha e o WhatsApp do fornecedor — e o gargalo raramente é decidir; é juntar a informação para decidir.

Este post descreve um caso publicado da Zihin nesse cenário e separa, com cuidado, o que é fato do caso e o que é o padrão de solução que recomendamos para compras e cotação.

O caso: Grupo Conceito e eBarn#

Em junho de 2026 a Zihin publicou os números de uma operação de compras e cotação no agronegócio. Os agentes trabalham conectados ao ERP eBarn e ao TOTVS Protheus, usados pelo Grupo Conceito e pela eBarn. A conexão com o Protheus se dá pelo MCP Bridge, em produção — foi o momento em que, na nossa linha do tempo, o "ERP legado virou ferramenta de IA".

Os números publicados:

• 4.385 execuções processadas pelos agentes.
• 97,9% de sucesso nessas execuções.

Dois cuidados de leitura. Primeiro, os números foram publicados em junho de 2026 e o período de medição não foi informado — não dá para convertê-los em "por mês" ou "por dia". Segundo, "sucesso" aqui é a execução concluída pelo agente conforme o esperado; não é uma métrica de economia financeira, e não divulgamos valores de redução de custo ou de tempo desse caso.

Por que compras e cotação são o ponto de entrada da IA no agro#

Nem todo processo é bom candidato a um agente. Compras e cotação têm três características que ajudam:

• Perguntas repetitivas sobre dados que já existem. "Qual o saldo desse insumo?", "quanto pagamos na última compra?", "quais pedidos estão em aberto com esse fornecedor?". A resposta está no ERP; o custo é ir buscar.
• Decisão com regra clara, mas com exceção frequente. Há alçadas, há fornecedores homologados, há preço de referência. Um agente consegue preparar a comparação; a decisão final continua com uma pessoa.
• Volume que cresce na safra. O time não dobra quando a demanda dobra. Um agente absorve a parte mecânica do pico.

O obstáculo costuma ser o mesmo relatado pelo mercado: a integração com os sistemas. Um piloto conversa bem na demo e trava quando encosta no ERP de verdade. É exatamente onde o caso acima se diferencia — os agentes operam conectados aos sistemas da operação, não a uma amostra de dados.

Como fica a arquitetura típica para agentes de compras#

O que segue é o padrão que aplicamos a operações de compras ligadas a ERPs como o Protheus. Use como referência de desenho, não como descrição do fluxo do Grupo Conceito ou da eBarn.

Leitura do ERP sem credencial no agente#

O agente não recebe acesso ao banco do ERP. O Zihin Replay mantém uma cópia só de leitura das tabelas combinadas em um Postgres na rede do cliente; o MCP Bridge publica, sobre essa cópia, consultas de negócio com contratos definidos — estoque por item, pedidos em aberto, histórico de compras por fornecedor. A conexão entre a rede do cliente e a plataforma é feita pelo Zihin Tunnel: só de saída, pela porta 443, sem porta de entrada nem VPN. Credenciais ficam na rede do cliente.

Cotação como processo, não como mensagem solta#

Uma cotação típica envolve montar a demanda a partir do pedido de compra, consultar o histórico de preços, organizar as propostas recebidas e apresentar a comparação. Nesse padrão, o agente faz o trabalho de preparo e entrega um quadro comparável — quem compra decide.

Aprovação humana onde há dinheiro envolvido#

Leitura é só leitura. Qualquer ação com efeito — aprovar uma cotação, gerar um pedido, alterar um fornecedor — passa por uma etapa de decisão humana configurada no processo. A implantação define quais ações exigem aprovação e quem aprova; a pessoa analisa o contexto e registra a decisão antes de o processo continuar. Com o Zihin Chat, essa aprovação acontece direto na conversa, e um membro do time pode aprovar o que outro disparou.

Políticas que o agente não pode ignorar#

Políticas contextuais (CSP) são aplicadas em cada execução: horário em que o agente opera, campos que não pode expor, origem de onde pode ser acionado. Elas se somam ao RBAC da plataforma e ao cofre de credenciais descritos em /seguranca. Para compras, a política de dados costuma ser a mais relevante — preço negociado e condição comercial são informações que nem todo canal deve ver.

Acompanhamento da operação#

Cada execução fica registrada, com as chamadas de ferramenta e as decisões de política. É isso que permite publicar um número como 97,9% de sucesso: não é estimativa, é contagem. O Zihin Watch acompanha a operação e gera relatórios conforme a configuração.

O que o diretor de operações deve perguntar antes de começar#

Se o seu cenário é parecido — ERP consolidado, time de compras pressionado pela safra, dados espalhados — vale levar quatro perguntas para a avaliação:

1. Quais consultas o comprador faz todo dia ao ERP? Elas viram os primeiros contratos do MCP Bridge.
2. Quais ações exigem aprovação e de quem? Isso define o processo e as alçadas.
3. Quais dados não podem sair de determinado canal? Isso define as políticas de dados.
4. Qual ERP e qual via de acesso? O Bridge está documentado em produção para Protheus; SAP e Oracle EBS estão planejados. A disponibilidade e o escopo de implantação de Replay, Bridge e Tunnel dependem da infraestrutura e do contrato de dados — confirme no FAQ e com a equipe comercial.

Conclusão#

Agentes de IA no agronegócio funcionam quando chegam aos dados que a operação já tem, sob regras que a empresa já segue. O caso do Grupo Conceito e da eBarn mostra isso em números publicados — 4.385 execuções, 97,9% de sucesso, Protheus e eBarn conectados via MCP Bridge — e o padrão de arquitetura descrito aqui é o caminho para repetir o desenho: leitura por cópia só de leitura, cotação como processo, aprovação humana onde há efeito, políticas aplicadas em cada execução.

Quer ver como isso fica com o seu ERP e o seu fluxo de compras? Agende um diagnóstico.

Fontes#

• Zihin.ai, página inicial — caso publicado de compras e cotação no agronegócio (junho de 2026; período de medição não informado): /
• Zihin.ai, Sobre — linha do tempo, MCP Bridge em produção com TOTVS Protheus no Grupo Conceito e eBarn: /sobre
• Zihin.ai, Integrações — Replay, MCP Bridge e Tunnel: /integracoes
• Zihin.ai, Segurança — políticas contextuais, RBAC e cofre de credenciais: /seguranca