O companie agricolă, fie că este o exploatație de câmp, o companie de horticultură sub sticlă, o exploatație de vaci de lapte sau un contractor agricol, funcționează pe baza unei combinații de muncă fizică afară sau în grajd și muncă administrativă la masa din bucătărie sau la birou. Orele se află în monitorizarea culturilor, îngrijirea animalelor, planificarea culturii sau a fluxului de lapte, înregistrarea pentru certificare și subvenții, și în administrația legată de politica privind îngrășămintele, produsele de protecție a plantelor și bunăstarea animalelor. Vremea, solul, presiunea bolilor și prețurile de piață influențează rezultatul mai mult decât în multe alte sectoare, ceea ce face ca munca să fie mai puțin repetabilă decât pare pe hârtie.
Această combinație de multă administrație legată de reglementări și multă muncă fizică legată de circumstanțe este exact locul unde ambițiile privind AI în acest sector se confruntă cu obstacole în prezent. Ambiția sună de obicei simplu: mai puțin timp pentru formulare, mai mult timp pentru cultură sau animal. Întrebarea este dacă compania este deja pregătită pentru asta.
Trei categorii de muncă parcurg fiecare companie agricolă, iar distribuția diferă puternic de la o companie la alta.
Prima parte este munca pe care AI o poate prelua deja: completarea înregistrărilor pe baza datelor de la senzori, întocmirea unei contabilități a îngrășămintelor din cifre existente, recunoașterea unor modele de creștere anormale în imaginile satelitare. Companiile care își înregistrează deja datele într-un mod structurat văd această parte deplasându-se cel mai rapid.
A doua parte este munca în care AI face o propunere și un om o aprobă sau o respinge cu motiv: o doză recomandată de protecție a plantelor, un program de hrănire pentru animale, o estimare a momentului de recoltare. Aici rămâne necesară supravegherea pentru că consecințele unei alegeri greșite se răsfrâng direct asupra producției sau bunăstării animalelor, și pentru că circumstanțele locale rareori pot fi captate complet în date.
A treia parte rămâne muncă umană: evaluarea unui animal bolnav pe baza comportamentului, negocierea cu un cumpărător, luarea unei decizii privind cultura în condiții meteorologice incerte. Aceasta este muncă în care experiența și responsabilitatea se combină într-un mod care nu poate fi transferat unui sistem.
Diferența dintre companii nu se află în sector, ci în gradul de pregătire. O companie cu protocoale stabilite, date structurate și o echipă care știe cine poate respinge o propunere a AI deplasează munca mai rapid decât o companie unde această bază lipsește, chiar dacă ambele companii exprimă aceeași ambiție.
Sectorul de curățenie și sectorul recreativ cunosc, de asemenea, muncă fizică cu circumstanțe variabile, dar acolo reglementarea este mai ușoară și marja este de obicei mai mică. În sectorul agricol este invers: presiunea reglementărilor este mare și detaliată, și tocmai din acest motiv munca de înregistrare este relativ potrivită pentru a fi preluată de AI, în timp ce judecata fizică privind cultura și animalul nu este. Cei care doresc să știe cum se prezintă acest raport în alte sectoare pot compara asta cu ambițiile din sectorul IT sau cu ambițiile din serviciile financiare, unde munca se desfășoară în cea mai mare parte în fața unui ecran și întrebarea privind gradul de pregătire se pune diferit.
Conducerea unei companii agricole vorbește adesea într-o propoziție pe care toată lumea o înțelege și pe care nimeni nu o interpretează la fel: „vrem mai puțin timp pentru administrație”. Unul se referă prin asta la automatizarea completă a contabilității îngrășămintelor, altul se referă la un formular mai rapid pe care un om îl completează totuși singur. Ambele sunt ambiții legitime, dar necesită capabilități diferite: infrastructură de date diferită, drepturi de decizie diferite, supraveghere diferită. Fără a stabili această ambiție pe niveluri, de la viziune la o stare-țintă concretă, discuția despre ce trebuie să se întâmple exact rămâne nerezolvată.
Acolo trebuie stabilite și drepturile de decizie clare: cine poate respinge un sfat al AI privind protecția plantelor, și pe ce bază. Aceasta se stabilește în modul descris în cum stabiliți drepturile de decizie la o schimbare. Și pentru că automatizarea administrației reduce costurile, dar nu afectează automat cifra de afaceri, este util să se analizeze în avans cum se raportează creșterea la marjă într-o strategie, astfel încât ambiția să nu se refere doar la ore, ci și la direcția în care trebuie să se îndrepte capacitatea eliberată.
Dacă o ambiție privind AI afectează structura de personal, se aplică cerințe legale proprii pentru aceasta; această evaluare se află în afara a ceea ce face un test de pregătire.
Întrebarea de bază rămâne mereu aceeași: ce muncă din această companie specifică poate fi cu adevărat preluată de AI, ce parte necesită supraveghere permanentă și ce parte rămâne muncă umană. Această întrebare este răspunsă per sarcină cu scanul de muncă al FTE TO AI, nu cu o medie sectorială.
Înainte ca o companie să transforme o ambiție privind AI într-un proiect, este util să se știe unde organizația este deja pregătită și unde nu. Verificarea gratuită a gradului de pregătire constă din opt întrebări scurte, câte una pentru fiecare dimensiune, și oferă o imagine asupra locului în care sunteți cel mai avansat și unde întârzierea este cea mai mare. Testul complet al ambiției, cu cele patru niveluri și cele cinci confidence gates, este în construcție.
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.