Poljoprivredno gospodarstvo, bilo da je riječ o ratarstvu, staklenom vrtlarstvu, mljekarstvu ili poduzeću za najam poljoprivredne mehanizacije, funkcionira na kombinaciji fizičkog rada vani ili u staji i administrativnog rada za kuhinjskim stolom ili u uredu. Sati se troše na praćenje usjeva, njegu stoke, planiranje uzgoja ili protoka mlijeka, evidenciju za certifikaciju i subvencije, te na administraciju vezanu uz politiku gnojidbe, sredstva za zaštitu bilja i dobrobit životinja. Vrijeme, tlo, pritisak bolesti i tržišne cijene određuju ishod više nego u mnogim drugim sektorima, zbog čega je posao manje ponovljiv nego što na papiru izgleda.
Upravo ta kombinacija velike količine administracije vezane uz propise i velike količine fizičkog rada vezanog uz okolnosti predstavlja ono na što AI ambicije u ovom sektoru sada nailaze. Ambicija često zvuči jednostavno: manje vremena na obrasce, više vremena na usjev ili životinju. Pitanje je je li tvrtka za to već spremna.
Tri kategorije posla protežu se kroz svako poljoprivredno gospodarstvo, a raspodjela se znatno razlikuje od gospodarstva do gospodarstva.
Prvi dio je posao koji AI već može preuzeti: popunjavanje evidencija na temelju podataka sa senzora, sastavljanje bilance gnojidbe iz postojećih brojki, prepoznavanje odstupajućih obrazaca rasta na satelitskim snimkama. Tvrtke koje svoje podatke već strukturirano bilježe, vide da se ovaj dio najbrže pomiče.
Drugi dio je posao u kojem AI daje prijedlog, a čovjek ga odobrava ili odbija uz obrazloženje: preporučena doza sredstva za zaštitu bilja, raspored hranjenja stoke, procjena trenutka žetve. Ovdje nadzor ostaje potreban jer posljedice pogrešnog izbora izravno utječu na prinos ili dobrobit životinja, i jer se lokalne okolnosti rijetko mogu u potpunosti obuhvatiti podacima.
Treći dio ostaje ljudski posao: procjena bolesne životinje na temelju ponašanja, pregovaranje s otkupljivačem, donošenje odluke o uzgoju u nesigurnim vremenskim uvjetima. To je posao u kojem se iskustvo i odgovornost spajaju na način koji se ne može prenijeti na sustav.
Razlika između tvrtki ne leži u sektoru, nego u spremnosti. Tvrtka s utvrđenim protokolima, strukturiranim podacima i timom koji zna tko smije odbiti AI prijedlog, brže premješta posao od tvrtke kojoj ta osnova nedostaje, čak i ako obje tvrtke izražavaju istu ambiciju.
Sektor čišćenja i rekreacijski sektor također poznaju fizički rad u promjenjivim okolnostima, no tamo je regulativa blaža, a marža često tanja. U poljoprivrednom sektoru vrijedi obrnuto: regulatorni pritisak je težak i detaljan, i upravo zato je evidencijski posao relativno pogodan za preuzimanje od strane AI-ja, dok fizička prosudba o usjevu i životinji to nije. Tko želi znati kakav je taj odnos u drugim sektorima, može to usporediti s ambicijama u IT sektoru ili s ambicijama u financijskim uslugama, gdje se posao uglavnom odvija iza ekrana i pitanje spremnosti postavlja se drukčije.
Uprava poljoprivredne tvrtke često govori rečenicu koju svi razumiju, a nitko je isto ne tumači: "želimo manje vremena na administraciju." Jedan pritom misli na potpunu automatizaciju bilance gnojidbe, drugi misli na brži obrazac koji čovjek i dalje sam popunjava. Obje su legitimne ambicije, no zahtijevaju različite sposobnosti: drugačiju infrastrukturu podataka, drugačija prava odlučivanja, drugačiji nadzor. Bez utvrđivanja te ambicije po slojevima, od vizije do konkretnog ciljnog stanja, rasprava o tome što točno treba učiniti ostaje neriješena.
Upravo tu prava odlučivanja moraju biti jasno određena: tko smije odbiti AI preporuku o zaštiti bilja, i na kojoj osnovi. To se utvrđuje na način opisan u kako se utvrđuju prava odlučivanja pri promjeni. A budući da automatizacija administracije smanjuje troškove, no ne utječe automatski na promet, korisno je unaprijed razmisliti kako se rast odnosi prema marži u strategiji, kako ambicija ne bi bila samo o satima, nego i o tome kamo taj oslobođeni kapacitet treba usmjeriti.
Ako AI ambicija utječe na broj zaposlenih izražen u ekvivalentu punog radnog vremena, za to vrijede zasebni zakonski zahtjevi; ta procjena ne spada u ono što provjera spremnosti obuhvaća.
Osnovno pitanje uvijek je isto: koji se posao u ovoj konkretnoj tvrtki zaista može prenijeti na AI, koji dio zahtijeva trajni nadzor, a koji dio ostaje ljudski posao. Na to se pitanje odgovara po zadatku pomoću alata za analizu posla tvrtke FTE TO AI, a ne pomoću prosjeka za sektor.
Prije nego što tvrtka pretvori AI ambiciju u projekt, korisno je znati gdje je organizacija već spremna, a gdje nije. Besplatna provjera spremnosti sastoji se od osam kratkih pitanja, po jedno po dimenziji, i daje uvid u to gdje ste najviše odmakli, a gdje je zaostatak najveći. Potpuni test ambicije, s četiri sloja i pet kontrolnih točaka pouzdanosti (confidence gates), trenutno je u izradi.
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.