Startup de IA em previsão do tempo supera modelos de agências governamentais

A WindBorne Systems lançou uma nova versão de sua ferramenta de previsão do tempo por inteligência artificial que, segundo a empresa, já supera em vários aspectos os modelos tradicionais usados por grandes agências governamentais, incluindo o sistema de referência desenvolvido por consórcios europeus. A companhia credita esse salto ao modo como integra dados coletados por seus próprios sensores em modelos de deep learning de última geração.

Fundada em 2019 por um grupo de estudantes de Stanford, a startup começou focada em construir balões meteorológicos mais eficientes para vender dados climáticos. Com o avanço dos modelos de IA voltados à previsão numérica do tempo a partir de 2022, a equipe decidiu que poderia gerar muito mais valor ao desenvolver sua própria arquitetura de previsão, e não apenas ao fornecer matéria-prima para terceiros.

A sexta geração desse sistema, batizada de WeatherMesh, é apresentada pela empresa como mais precisa que os modelos físicos tradicionais e que as abordagens de IA utilizadas pelo European Centre for Medium-Range Weather Forecasts, organização intergovernamental europeia amplamente reconhecida como referência global em previsão de médio prazo.

Um dos argumentos usados pela WindBorne é que o WeatherMesh-6 consegue manter, cinco dias à frente, um nível de acurácia comparável ao que modelos convencionais entregam na véspera, principalmente em variáveis de temperatura na superfície. Além disso, o modelo gera previsões de hora em hora, em vez de apenas a cada seis horas, e já opera com resolução de cerca de 3 quilômetros em grande parte do território continental dos Estados Unidos.

Enquanto previsões tradicionais dependem de simulações físicas complexas executadas em supercomputadores caros e demorados, a nova geração de modelos de IA, desenvolvidos por startups e grandes laboratórios como o Google DeepMind, tende a rodar mais rápido. O desafio histórico dessas abordagens tem sido combinar essa agilidade com alto nível de detalhe espacial e boa performance em horizontes de tempo mais longos, algo que empresas como a WindBorne afirmam estar começando a superar.

Hoje, sistemas de IA meteorológica já são testados e incorporados por agências públicas em diferentes países, em paralelo aos modelos numéricos clássicos. Cientistas trabalham para integrar essas ferramentas ao fluxo oficial de coleta de dados e emissão de boletins, de modo a aproveitar o melhor de cada abordagem sem comprometer a confiabilidade das informações disponibilizadas ao público.

O diferencial da WindBorne está em combinar, sob o mesmo teto, a construção de modelos com a coleta proprietária de dados. Em qualquer momento do dia, a empresa mantém aproximadamente 400 balões em operação, partindo de 15 locais espalhados pelo mundo, coletando medições atmosféricas em tempo real. Segundo a equipe, os principais ganhos da nova versão do WeatherMesh vêm justamente de melhorias na forma como essas leituras são assimiladas e transformadas em sinais úteis para o modelo.

O CEO John Dean argumenta que é difícil sustentar uma proposta de valor em previsão do tempo baseada apenas em IA sem algum tipo de vantagem exclusiva em dados. Hoje, muitos modelos avançados ainda dependem das bases oficiais processadas por instituições como o ECMWF e a agência norte-americana NOAA, reconhecidas por sua capacidade de “assimilação de dados”, isto é, de transformar medições dispersas em um retrato coerente da atmosfera.

Na visão do time de IA da WindBorne, o próximo passo é alimentar diretamente os modelos com dados próprios e de outras fontes, reduzindo a dependência das condições iniciais fornecidas pelos grandes centros. O chefe de IA, Joan Creus-Costa, afirma que o refinamento da arquitetura baseada em transformers e um ano de ajustes no processo de ingestão dos dados dos balões foram essenciais para estabilizar o sistema e liberar previsões mais ambiciosas sem comprometer a robustez.

A trajetória recente da empresa também inclui desafios de segurança. No ano passado, um avião da United Airlines colidiu com um de seus balões, causando apenas danos leves e sem feridos, em parte porque os sensores da WindBorne seguem limites de tamanho impostos por reguladores. Desde então, a startup passou a monitorar o tráfego aéreo por meio do sistema global ADS-B para manobrar seus balões e afastá‑los de aeronaves, numa tentativa de minimizar o risco de novos incidentes.

No campo financeiro, a WindBorne já levantou cerca de 25 milhões de dólares em capital de risco e foi avaliada em torno de 85 milhões de dólares em 2024. A empresa vende dados de seus balões para a NOAA, que integra as medições ao ecossistema de previsão americano, e também para a Força Aérea e a Marinha dos Estados Unidos. Além disso, oferece previsões personalizadas a investidores e traders de commodities interessados em variáveis climáticas que afetam produção agrícola, logística e energia.

Mesmo com esse potencial comercial, Dean afirma que a prioridade, por ora, é fortalecer a infraestrutura de dados e o próprio modelo, em vez de investir pesado na criação de um grande produto SaaS para o consumidor final. Ele argumenta que o modo como as pessoas acessam informações pode mudar rapidamente, citando a ascensão de assistentes digitais e agentes inteligentes como possíveis canais dominantes de consumo de previsões em um futuro próximo.