Somos engenheiros aeroespaciais, agrônomos, cientistas de dados e estatísticos construindo a IA que ajuda as operações agrícolas a parar de adivinhar e começar a saber.
A LAYERS começou em 2011 com um problema simples: operações agrícolas estavam tomando decisões multimilionárias baseadas em estimativas que erravam entre 10% e 20%, dependendo da cultura e da região.
Esse problema levou 13 anos para ser resolvido corretamente.
Não porque a matemática fosse difícil, embora fosse. Não porque os dados de satélite fossem escassos, embora no início, fossem.
Levou 13 anos porque agricultura de precisão não é um problema de software. É um problema agronômico, logístico, climático e de confiança, tudo ao mesmo tempo.
Hoje, a LAYERS opera no Brasil, Peru, América Central e Europa. Nossa plataforma monitora cana-de-açúcar, milho, soja, trigo e algodão. Nossos modelos de previsão de produtividade alcançam taxas de erro nas quais as equipes de campo realmente confiam ao planejar sua colheita.
A equipe que construiu isso não é uma coleção de generalistas. É um grupo deliberadamente montado de especialistas, cada um aqui porque este problema requer sua expertise específica.
Construir uma plataforma que prevê produtividade de culturas antes da colheita requer mais do que engenheiros de software. Requer pessoas que entendem o que acontece entre o plantio e a colheita, e por que os dados de satélite sozinhos não contam toda a história.
A LAYERS nasceu da tecnologia de sensoriamento remoto. Nossos engenheiros aeroespaciais projetam os sistemas que transformam imagens brutas de satélite em inteligência de campo acionável. Sabem por que uma resolução de pixel de 10 metros importa para cana-de-açúcar mas não para milho. Entendem retroespalhamento de radar e índices multiespectrais não como conceitos acadêmicos, mas como a matéria-prima de cada mapa que entregamos.
Nossos agrônomos percorreram os campos da América Latina. Conhecem a diferença entre variedades RB no Brasil e variedades CP na Colômbia. Entendem por que uma leitura de clorofila na semana 12 significa algo diferente da mesma leitura na semana 18. Seu conhecimento de campo é o que torna nossos modelos precisos, não o algoritmo, mas o contexto que o algoritmo precisa.
Nossa equipe de ML não apenas constrói modelos. Ela os valida. Cada previsão passa por testes estatísticos de estresse antes de chegar ao cliente. Quando um modelo mostra 7% de erro no treinamento, nossos cientistas de dados perguntam: ele se manterá quando o clima mudar no meio da safra? Funcionará em uma variedade que o modelo nunca viu? A resposta importa mais do que a métrica.
GIS é a base de tudo que construímos. Nossa equipe geoespacial processa imagens de satélite do Sentinel, Landsat e Planet, gerenciando pipelines de dados que se atualizam semanalmente em centenas de milhares de hectares. Eles cuidam do trabalho silencioso e essencial: alinhamento de limites de talhões, mascaramento de nuvens, composição temporal. Sem eles, não há plataforma.
Temos PhDs que passam seus dias fazendo uma pergunta: estamos realmente certos? Validação de modelos não é uma etapa no nosso processo, é uma disciplina. Nossos estatísticos constroem os frameworks que nos dizem quando uma previsão é confiável e quando não é. São a razão pela qual podemos respaldar nossas afirmações de precisão com dados, não com esperança.
Nossa equipe de CS está integrada nos mercados agrícolas latino-americanos. Falam espanhol e português. Entendem os tempos de safra, ciclos orçamentários e a política de introduzir nova tecnologia a uma equipe de campo que faz as coisas da mesma forma há 30 anos. Não são gerentes de contas, são parceiros que atendem o telefone quando algo não parece certo no dashboard.
Nossa equipe de marketing não escreve folhetos. Estão reconstruindo o processo de vendas do zero, percorrendo cada etapa desde o primeiro contato até o contrato assinado para encontrar os pontos de fricção. O CMO está executando deals de ponta a ponta, não para fechar receita, mas para entender exatamente o que um Diretor Agrícola precisa ouvir antes de confiar em uma nova plataforma para o planejamento de sua colheita.
A maioria das empresas lista valores e nunca mais os menciona. Nós usamos estes quatro como princípios operacionais, os critérios para decisões difíceis quando a resposta não é óbvia.







Não arredondamos para cima. Não afirmamos precisão que não podemos provar. Quando um cliente pergunta que taxa de erro esperar, dizemos o número real, e explicamos o que o impulsiona. Precisão não é uma palavra de marketing para nós. É a razão pela qual existimos.
Construir tecnologia não é o objetivo. Mudar como 10.000 hectares são colhidos sim. Cada feature, cada relatório, cada dashboard recebe uma pergunta: isso muda uma decisão que o cliente de outra forma tomaria mal?
O agrônomo detecta uma anomalia no modelo. O cientista de dados investiga. A equipe GIS verifica as imagens. O CS manager fala com o cliente. Precisão em escala não é uma pessoa acertando, é um sistema onde os erros são detectados antes de chegar ao campo.
Operações agrícolas funcionam com margens apertadas e longas horas. As pessoas com quem trabalhamos estão sob pressão constantemente. Chegamos com soluções, não problemas. Quando algo dá errado, consertamos, e nos mantemos calmos enquanto fazemos.
Somos uma equipe distribuída com raízes em Barcelona e pessoas em toda a América Latina. O trabalho é técnico, mas os problemas são humanos, um gerente de campo na Guatemala precisa saber se deve programar a colheita esta semana ou na próxima. Um CFO no Brasil precisa de números de produtividade precisos o suficiente para se comprometer com um contrato de fornecimento.
Algumas semanas são sobre código. Outras semanas são sobre entender por que uma variedade particular em Veracruz se comporta diferente da mesma variedade 500 quilômetros ao sul.
Contratamos pessoas que querem entender o stack completo, não só o código, mas a cultura. Não só os dados, mas a decisão que eles apoiam.
O ritmo é tipo startup em urgência mas não em caos. Estamos nisso há 13 anos. Os sistemas são maduros. As expectativas são claras. Os problemas são difíceis, mas estão definidos.
Não temos mesas de ping-pong. Temos reuniões semanais onde resultados de campo são revisados, modelos são questionados, e todos, do engenheiro mais júnior aos fundadores, devem perguntar “temos certeza disso?”
Se você é o tipo de pessoa que prefere entender por que algo funciona em vez de simplesmente fazê-lo rodar, este é o seu tipo de lugar.
Barcelona, Espanha (HEMAV Technology S.L.)
Brasil, Peru, América Central, Europa
Cobertura total da América Latina incluindo México, Colômbia, Guatemala, Equador e Bolívia
Espanhol, Português, Inglês
Não somos uma empresa que entra em mercados, nos integramos neles. Nossa equipe de customer success opera em fusos horários locais, fala idiomas locais e entende que “próxima safra” significa algo diferente em cada país.
Estamos sempre procurando especialistas que querem trabalhar em problemas que importam.
Nossas vagas abertas abrangem engenharia, agronomia, ciência de dados e estratégia comercial. Se você não encontrar uma vaga que se encaixe, envie seu perfil mesmo assim, estamos construindo uma equipe para a próxima década, não apenas para o próximo trimestre.
Ver Vagas AbertasSe você é um agrônomo que programa, um cientista de dados que já caminhou em um canavial, ou um especialista GIS que quer ver seu trabalho afetar resultados reais de colheita, queremos ouvir de você.
Envie seu perfil e uma nota sobre por que a LAYERS te interessa. Lemos cada aplicação.
Enviar Aplicação GeralNossa visão é prever a produtividade de 100 milhões de hectares até 2030.
Isso não é um número de marketing. É um desafio de engenharia, um desafio agronômico e um desafio comercial, tudo ao mesmo tempo.
Se você quer fazer parte da solução, é aqui que esse trabalho acontece.