Tradicionalna podoba britanskega kmeta, ki ob zori s kmečkim zvezkom in molitvijo hodi po svojih poljih, je očarljiva, vendar je v letu 2024 to recept za bankrot. Za mala podjetja v kmetijskem sektorju je manevrski prostor za napake izginil. Med vrtoglavimi cenami gnojil in delovno krizo po brexitu je edini način za preživetje ta, da prenehate ugibati. Iz prve roke sem videl, kako lahko uspešna strategija implementacije umetne inteligence v malih podjetjih (AI implementation small business) spremeni opešano družinsko kmetijo v visoko donosno, tehnološko napredno podjetje. Danes si bomo ogledali poljedelsko kmetijo iz Norfolka, ki je storila natanko to.
Visoka cena »občutka«
Millerjevi (to ni njihovo pravo ime, vendar je njihova zgodba 100-odstotno resnična) kmetujejo na 800 akrih že tri generacije. Njihovi največji splošni stroški niso bili le zemljišča; bile so spremenljivke, ki jih niso mogli nadzorovati: natančna količina dušika, potrebna na kvadratni meter, točen trenutek, ko je pridelek dosegel vrhunsko kakovost za žetev, in strmo naraščajoči stroški sezonske delovne sile.
Preden so začeli raziskovati AI, so vsako polje obravnavali kot eno enoto. Celotno polje so poškropili, ker je bilo nekaj mest videti neenakomernih. Želi so takrat, ko je tako določal koledar ali ko je bil na voljo izvajalec. Ta »povprečni« pristop jih je stal približno £35,000 letno zaradi potračenih kemikalij in neučinkovite delovne sile. V panogi, kjer šteje vsak peni, je to razlika med rastjo in zaprtjem. Oglejte si naš priročnik o prihrankih v kmetijstvu, da vidite, kako se te številke seštevajo v celotnem sektorju.
Prihod AI agronoma
Millerjevi niso kupili avtonomnega traktorja za £500,000. Namesto tega so se osredotočili na »možgane« operacije. Implementirali so sistem za spremljanje pridelkov, ki ga poganja AI in uporablja satelitske posnetke ter podatke iz dronov za ustvarjanje »preskriptivnih zemljevidov« za njihovo obstoječo opremo.
Namesto človeškega očesa, ki bi poskušalo opaziti napade škodljivcev ali pomanjkanje hranil na stotinah akrov, AI analizira multispektralne podatke, da prepozna stres v rastlinah več tednov preden je ta viden s prostim očesom. To je klasična zgodba o uspehu implementacije umetne inteligence v malih podjetjih, saj ni zahtevala popolne prenove njihovih fizičnih sredstev – le njihova obstoječa sredstva je naredila desetkrat pametnejša.
S temi podatki so Millerjevi prešli na aplikacijo s spremenljivo stopnjo. Njihov škropilnik zdaj sprošča kemikalije le tam, kjer AI prepozna specifično potrebo. Rezultat? 28-odstotno zmanjšanje porabe kemikalij že v prvi sezoni. Če upoštevamo, da so cene gnojil že leta nestanovitne, takšna natančnost ni le »dobrodošla izboljšava«, temveč zavarovalna polica proti tržnim šokom.
Avtomatizirana žetev: Reševanje pasti delovne sile
Delovna sila je drugi največji glavobol za britanske kmete. Iskanje zanesljivega osebja za kratka, visoko intenzivna obdobja žetve postaja skoraj nemogoče. Millerjevi so uporabili orodje za razporejanje z AI, ki navzkrižno preverja lokalne vremenske vzorce, podatke o zrelosti pridelka s senzorjev in nihanja tržnih cen.
Namesto da bi zaposlili ogromno ekipo za štirinajst dni »za vsak primer«, je AI napovedal natančno 48-urno okno, ko je bila vlažnost pridelka optimalna in tržna cena najvišja. Tako so lahko delali z manjšo ekipo, ki je v krajšem časovnem oknu opravila več ur, kar je zmanjšalo njihov račun za sezonsko delo za 15 %. Tovrstna učinkovitost je podrobneje raziskana v naši analizi prihrankov v kmetijski dobavni verigi.
Zakaj je vaša »intuicija« vaša največja slabost
Pogosto slišim lastnike podjetij – ne le v kmetijstvu – govoriti, da AI ne more nadomestiti »tridesetih let izkušenj«. Bom neposreden: vaše izkušnje so pristranske, omejene z vašim vidom in nagnjene k utrujenosti. AI se v petek ob 16. uri ne utrudi. Ne »misli«, da je pšenica videti v redu; on ve, da ravni klorofila upadajo.
To se ne nanaša le na kmetovanje. Ne glede na to, ali upravljate floto dostavnih vozil ali maloprodajno skladišče, če se pri razporejanju svojih najdražjih virov zanašate na človeško intuicijo, izgubljate denar. Na primer, številna logistična načela, ki so jih Millerjevi uporabili za optimizacijo žetve, so enaka tistim, ki jih priporočamo v naših priročnikih o stroških upravljanja voznega parka.
Ključno sporočilo: Začnite majhno, razširite pametno
Millerjevi se niso preoblikovali čez noč. Začeli so z enim 50-akrskim blokom, da bi preverili koncept. Ko so videli prihranke pri kemikalijah, je bila donosnost naložbe (ROI) nesporna.
Če ste lastnik malega podjetja, nehajte čakati na »pravi čas« za uvedbo AI. Vaši konkurenti ne čakajo. Vrzel med podjetji, ki uporabljajo podatke, in tistimi, ki se zanašajo na »občutek«, se vsak dan povečuje. Ne potrebujete ogromnega proračuna za raziskave in razvoj; potrebujete le pripravljenost priznati, da stroj lahko vidi stvari, ki jih vi ne morete.
Načrt ukrepanja:
- Določite svoj največji »variabilni« strošek. So to kemikalije? Gorivo? Sezonska delovna sila? Nadure?
- Poiščite podatkovno vrzel. Katere informacije bi vam omogočile uporabo 20 % manj tega vira?
- Preizkusite »točkovno rešitev« (Point Solution). Ne poskušajte avtomatizirati celotnega podjetja. Poiščite eno orodje – kot je sistem za spremljanje pridelkov Millerjevih – ki rešuje en specifičen, drag problem.
Umetna inteligenca ne prihaja, da bi vam vzela kmetijo; prihaja, da jo reši pred neučinkovitostjo, ki trenutno uničuje vaše marže.