農業はAIを受け入れる準備ができているが、データはまだ整っていない

人工知能は農業に変革をもたらしつつありますが、業界のリーダーたちは、基盤を整えずにAIに投資することに慎重であるべきです。ユースケースは有望であり、特に変動する肥料コスト、予測不可能な天候、そして誤差の余地がほとんどない利益率に悩む業界にとってはなおさらです。研究によれば、AI駆動の予測モデルは作物収量を26%向上させ、水使用量を41%削減し、化学物質使用量を33%削減できます。しかし、AIベンダーが通常言わないのは、これらのソリューションはクリーンで強固なデータ基盤があって初めて効果を発揮するということです。Reltioでは、主要な農業流通業者でのテクノロジー戦略のリードや、世界中の企業が使用するデータプラットフォームの構築など、この分野での経験があります。

AIベンダーが言わないこと：農業分野でのベンダーとの会話は、よくあるパターンをたどります。彼らはまず、AIを使って作物の健康状態をリアルタイムで監視し、灌漑を最適化し、すべてのエーカーからより多くの収穫量を引き出すという壮大な約束をします。その約束は魅力的ですが、それらの約束の背後にあるデータ基盤が正確で完全であるかどうかという問題はめったに出てきません。もしそうでなければ、AIは権威的に見えても、せいぜい逆効果な行動を促す誤解を招く出力を生成するという現実的で重大なリスクがあります。例えば、一貫性のない過去のデータを入力した収量予測モデルは、不正確な予測を生成します。同様に、断片的なセンサーデータに依存する精密灌漑システムは、水を節約する代わりに無駄にする灌漑判断を下します。それぞれの場合において、AIが失敗するのは、訓練データが信頼できる出力を生成するのに十分でなかったからです。農業では、すべてのAIの幻覚は責任問題であり、エラーの可能性は高いのです。

なぜ農業は特に困難なテストケースなのか：現代の農業経営や大規模な流通業者のデータ環境は非常に複雑です。現代の農業環境では、IoTデバイスや機械が広く使われています。灌漑システムは自動化され、トラクターは自律的に畑を移動し、ドローンは大規模に圃場画像を取得します。しかし、機械データは本質的に異種混在です。さらに、気象データ、米国農務省のデータ、サードパーティの市場情報などの外部ソースを加えると、それらすべてを一貫したものにまとめる方法は、重要な取り組みになります。農業AIはまた、顧客属性だけでなく、土地を理解する必要があります。GPS座標、農場の境界、圃場ブロック、単一の所有地内の土壌のばらつきなどです。肥料はどこに、どの割合で、農場のどの特定のエリアに施用するべきか？畑のすべての部分が同じではなく、それらを同じように扱うAIシステムは、せいぜい不正確で、最悪の場合損害を与える推奨を生成します。また、化学物質とそれに伴う責任により、コンプライアンスの側面もあります。農業における運用AIは、リスクの低い環境よりもはるかに多くのチェックとガバナンスを必要とします。欠陥のある推奨が現場で実行された場合、結果は深刻になり得ます。

データ準備性が実際に意味すること：データ準備性は、AIが約束を果たすか、「ガベージイン、ガベージアウト」のシナリオになるかの違いです。基本的に、AIに備えるということは、ビジネスの運営方法を正確に反映したデータモデルを持つことを意味します。104年の歴史を持つ家族経営の農業流通業者Wilbur-Ellisのような企業にとって、それは、顧客が誰か、どの畑を耕作しているか、どの投入材が必要か、それらの投入材がどのサプライヤーから来ているか、前シーズンにいくら支払ったか、そしてそれらすべてがどのように利益につながるかを理解することを意味します。その情報は最新で一貫性があり、組織全体でアクセス可能である必要があり、互いに通信するように設計されていない別々のシステムに閉じ込められていてはなりません。同様に、農業経営自体にとって、データ準備性とは、すべての畑で何が起こっているかについての信頼できるつながった全体像を持つことを意味します。土壌健康記録、投入材の施用履歴、前シーズンの収量データ、機器のパフォーマンス、灌漑システムからのリアルタイムセンサー読み取り値などです。ガバナンスは構造と同じくらい重要です。価格は変わり、関係は進化し、サプライヤーは出入りします。6か月前に正確だったが維持されていないデータに基づいて推論するAIシステムは、もはや存在しないビジネスのバージョンに基づいた推奨を行います。

AIを信頼できるものにする基盤の構築：朗報は、データ準備性への道は実行可能であるということです。それは強力なデータモデルから始まります。顧客、サプライヤー、製品、価格設定、注文、利益を組織の運営方法を反映する方法で接続する、単一のガバナンスされた真実の源です。そこから、決定が必要なときに洞察を提供するのに十分な速さのデータパイプライン、時間の経過とともにデータの信頼性を維持するガバナンスフレームワーク、そして機密性の高い商業情報が適切な条件下で適切な人々にアクセス可能であることを保証するセキュリティ制御が必要です。これはまさに、SAPの一員であるReltioが解決するために構築された課題です。Reltioは、企業が断片化されたデータを統合できるようにし、AIエージェントやシステムがビジネスの完全な全体像から運用できるようにします。Reltioは、コンテキストインテリジェンスレイヤーと呼ばれる信頼されたコンテキストシステムを構築し、すべてのエンティティ、関係、ルールを1つの屋根の下にまとめ、ビジネスデータへのアクセスと解釈を容易にします。Wilbur-Ellisにとって、その信頼できるデータ基盤を構築することは、より複雑な質問をしてその答えを信頼できることを意味し、それはどんなAIシステムが真に有用であるための前提条件です。

農業がAIから真の価値を引き出す方法：次のAIに関する会話の前に問うべき質問は、ユースケースが有望かどうかではありません。それはほぼ間違いなく有望です。問題は、出力を信頼できるものにするために、基盤となるデータ基盤が十分に強力かどうかです。農業は常にリーダーに不確実性の下で高度なリスクを伴う決定を要求してきました。AIはそれらの決定をより速く、より情報に基づいて行う真の可能性を提供します。その可能性は、基礎的な作業を先に行った組織にのみ達成可能であり、AIから最も恩恵を受けるビジネスは、今その基盤に投資しているビジネスです。