En landbrugsvirksomhed, om det nu er en planteavler, en gartneri under glas, en malkekvægsbedrift eller en maskinstation, kører på en kombination af fysisk arbejde udenfor eller i stalden og administrativt arbejde ved køkkenbordet eller på kontoret. Timerne ligger i afgrødeovervågning, dyrepleje, planlægning af afgrøder eller mælkestrøm, registrering til certificering og tilskud, og i administrationen omkring gødningspolitik, plantebeskyttelsesmidler og dyrevelfærd. Vejr, jord, sygdomstryk og markedspriser styrer resultatet mere end i mange andre sektorer, og det gør arbejdet mindre gentageligt, end det ser ud på papiret.
Denne kombination af meget regelbundet administration og meget omstændighedsbundet fysisk arbejde er præcis det, AI-ambitioner i denne sektor nu støder på. Ambitionen lyder ofte enkel: mindre tid på formularer, mere tid på afgrøden eller dyret. Spørgsmålet er, om virksomheden allerede er klar til det.
Tre kategorier af arbejde løber gennem hver landbrugsvirksomhed, og fordelingen varierer stærkt fra virksomhed til virksomhed.
Den første del er arbejde, som AI allerede kan overtage: udfyldning af registreringer på basis af sensordata, sammensætning af en gødningsbogføring fra eksisterende tal, genkendelse af afvigende vækstmønstre på satellitbilleder. Virksomheder, der allerede registrerer deres data struktureret, ser denne del flytte sig hurtigst.
Den anden del er arbejde, hvor AI fremsætter et forslag, og et menneske godkender eller afviser det med begrundelse: en rådgivningsdosis plantebeskyttelse, en foderplan for dyrene, et skøn over høsttidspunktet. Her er tilsyn stadig nødvendigt, fordi konsekvenserne af et forkert valg direkte påvirker udbytte eller dyrevelfærd, og fordi lokale forhold sjældent kan fanges fuldstændigt i data.
Den tredje del forbliver menneskearbejde: vurdering af et sygt dyr baseret på adfærd, forhandling med en aftager, at tage en dyrkningsbeslutning under usikre vejrforhold. Dette er arbejde, hvor erfaring og ansvar mødes på en måde, der ikke kan overdrages til et system.
Forskellen mellem virksomheder ligger ikke i sektoren, men i beredskabet. En virksomhed med fastlagte protokoller, struktureret data og et team, der ved, hvem der kan afvise et AI-forslag, flytter arbejde hurtigere end en virksomhed, hvor dette fundament mangler, selv hvis begge virksomheder udtrykker samme ambition.
Rengøringsbranchen og fritidsbranchen har også fysisk arbejde med varierende forhold, men der er reguleringen lettere, og marginen ofte tyndere. I landbrugssektoren er det omvendt: regeltrykket er tungt og detaljeret, og netop derfor er registreringsarbejde relativt godt egnet til overtagelse af AI, mens den fysiske vurdering af afgrøde og dyr ikke er det. Den, der vil vide, hvordan dette forhold ser ud i andre sektorer, kan sammenligne det med ambitionerne i it-sektoren eller med ambitionerne i den finansielle servicesektor, hvor arbejdet i overvejende grad sker bag en skærm, og beredskabsspørgsmålet stiller sig anderledes.
Ledelsen af en landbrugsvirksomhed udtaler sig ofte i en sætning, som alle forstår, og som ingen udfylder ens: "vi vil bruge mindre tid på administration." Den ene mener dermed fuld automatisering af gødningsbogføringen, den anden mener en hurtigere formular, som et menneske stadig selv udfylder. Begge er legitime ambitioner, men de kræver forskellige capabilities: anden data-infrastruktur, andre beslutningsrettigheder, andet tilsyn. Uden at fastlægge denne ambition i lag, fra vision til konkret målstand, forbliver diskussionen om, hvad der præcist skal ske, uafklaret.
Det er også her, beslutningsrettigheder skal fastlægges skarpt: hvem kan afvise en AI-rådgivning om plantebeskyttelse, og på hvilket grundlag. Det fastlægger man på den måde, der er beskrevet i hvordan du fastlægger beslutningsrettigheder ved en forandring. Og fordi automatisering af administration sparer kroner men ikke automatisk påvirker omsætningen, er det nyttigt at gennemtænke på forhånd hvordan vækst forholder sig til margen i en strategi, så ambitionen ikke kun handler om timer, men også om hvor den frigjorte kapacitet skal hen.
Berører en AI-ambition personalesammensætningen, gælder der herfor egne lovmæssige krav; denne vurdering ligger uden for, hvad en beredskabstest gør.
Det underliggende spørgsmål er altid det samme: hvilket arbejde i denne specifikke virksomhed kan i virkeligheden overtages af AI, hvilken del kræver fortsat tilsyn, og hvilken del forbliver menneskearbejde. Dette spørgsmål besvares opgave for opgave med FTE TO AI's arbejdsscan, ikke med et sektorgennemsnit.
Førend en virksomhed omsætter en AI-ambition til et projekt, er det nyttigt at vide, hvor organisationen allerede er klar, og hvor den ikke er. Den gratis beredskabscheck består af otte korte spørgsmål, et per dimension, og giver et billede af, hvor De er kommet længst, og hvor efterslæbet er størst. Den fulde ambitionstest, med de fire lag og de fem confidence gates, er under opbygning.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.