Maatalousala pyörii työn varassa, jota on vaikea suunnitella etukäteen, koska olosuhteet määräävät kulun. Viljelynohjaus, sadonkorjuun suunnittelu, lajittelu ja laadunvalvonta, kuljetussuunnittelu huutokauppaan tai ostajalle, sekä hallinnollinen kokonaisuus laatumerkkien ja vaatimustenmukaisuuden ympärillä: näihin kohtiin virtaa suurin osa tunneista. Sää, kasvin tai eläimen biologinen kello ja kausityövoiman saatavuus ohjaavat lopputulosta enemmän kuin suunnitelman aikomus. Se, joka toimittaa tällä alalla, toimittaa olosuhteissa, jotka voivat kääntyä viikossa.
Vuosien ajan tässä alalla voitti se, joka kykeni parhaiten hallitsemaan epävarmuutta: viljelijä tai yritys, jolla oli enemmän kokemusta, tarkin näkemys säätilanteesta, taitavin käsi lajittelussa. Se on edelleen relevanttia. Mutta työ, jolla tämä kokemus muuttuu päätökseksi, muuttaa luonnettaan.
Maatalouden työkokonaisuudessa kulkee lomittain kolme kategoriaa, ja se, mikä vaihe kuuluu mihin kategoriaan, selittää miksi yksi yritys toimii jo nyt eri tavalla kuin toinen.
Kokonaan tekoälyn hoidettavaksi siirrettävissä on työ, joka koostuu toistuvista kuvioista riittävän datan pohjalta: satoennuste historiallisen ja ajantasaisen sensoridatan perusteella, kastelusuunnittelu maaperän kosteuden ja sääennusteen pohjalta, ja tuotteiden ensimmäinen lajittelu kuvantunnistuksen avulla. Yritykset, joilla on sensoreita maaperässä ja kameroita lajittelulinjalla, antavat näiden vaiheiden kulkea jo ilman väliintuloa.
Osittain, ihmisen hyväksyessä tai hylätessä perustellusti, on työtä, jossa malli antaa suosituksen, mutta konteksti on vielä liian oikukas täydelliseen siirtoon: päätös ruiskuttaa nyt tai odottaa, valinta kahden myyntikanavan välillä hintaeron ilmetessä, arvio siitä, onko lohko jo korjuukuntoinen. Tässä järjestelmä tuottaa suosituksen perusteluineen, ja viljelijä tai yrityksen johtaja hyväksyy sen tai pysäyttää sen. Tämä valvonta ei ole siirtymävaihe; se on muoto, jossa tämä työ säilyy toistaiseksi, koska vastuu ja paikallinen tietämys ovat ihmisellä.
Ihmisen työtä pysyy yhteydenpito asiakkaan kanssa, joka pyytää räätälöityjä ratkaisuja, neuvottelu toimitussopimuksesta, ja fyysiset toimenpiteet, joita ei voida automatisoida ilman yrityksen uudelleenjärjestelyä. Myös laatumerkkiauditointia varten tarvittavan aineiston kokoaminen pysyy ydinosaltaan ihmisen työtä, vaikka taustadatan kerääminen voidaan nopeuttaa.
Ero yritysten välillä ei ole ambitiossa vaan siinä, mitä dataa ja sensoriikkaa on jo olemassa. Yritys, jolla on vuosien sensoridataa maaperästä, kasvustosta ja ilmastosta, voi syöttää ennustemallia, joka on käyttökelpoinen; yritys, jolla ei ole tätä historiaa, aloittaa tyhjästä mallista. Sama koskee kuvantunnistusta lajittelussa: se on tarkka vain koulutettuna suurella määrällä omia tuotekuvia. Yritys, jolla ei ole tätä perustaa, jää pidemmäksi aikaa riippuvaiseksi ihmisestä vaiheissa, jotka muualla on jo siirretty koneelle. Kyse ei ole panostuksen puutteesta, vaan erosta siinä, mitä on rakennettu.
Kun osa viljelypäätöksestä, lajittelusta tai logistisesta suunnittelusta siirtyy järjestelmälle, muuttuu se, mihin ostaja tai huutokauppa perustaa toimittajan arvioinnin. Toimitusaika ja volyymivarmuus olivat ennen henkilöstön käytön ja kokemuksen funktio; kun suunnittelu itsessään ottaa huomioon sään, kuljetuskapasiteetin ja korjuuikkunan, vertailu siirtyy siihen, miten johdonmukaisesti ennuste toteutuu ja miten nopeasti korjataan, kun käytäntö poikkeaa siitä. Laadun johdonmukaisuus oli ennen ammattitaidon kysymys lajittelulinjalla; automatisoidun kuvantunnistuksen myötä siitä tulee kysymys siitä, kuinka paljon koulutusdataa ja kuinka monta valvontakerrosta yritys on rakentanut. Ulottuvuus, jolla voitetaan, pitää yhä saman nimen, mutta sen takana oleva kysymys muuttuu.
Tämä kuvio ei ole ainutlaatuinen maa- ja puutarhataloudelle. Sama siirtymä henkilöstön käytöstä järjestelmän laatuun näkyy ICT-alalla, jossa projektien toimitusaika muuttuu automatisoidun suunnittelun myötä, finanssipalveluissa, jossa riskinarviointi tehdään osittain mallien avulla ja vapaa-ajan alalla, jossa varausennuste ohjaa kapasiteettisuunnittelua. Kysymys ei ole koskaan siitä, ottaako tekoäly työn haltuunsa, vaan mikä osa, millä valvonnalla, ja mitä se tarkoittaa vertailussa kilpailijaan.
Tämä sivu ei ota kantaa henkilöstöpäätöksiin, joita tästä siirtymästä voisi seurata; niihin sovelletaan omia lakisääteisiä vaatimuksia, ja ne eivät kuulu markkinavertailuun.
Viljelijän tai osuuskunnan, joka väittää voittavansa toimitusajassa tai laadun johdonmukaisuudessa, on kyettävä perustelemaan väite jollain jäljitettävällä: luvulla, asiakaslausunnolla, sertifioinnilla. Miten tällaisen väitteen asettaa kilpailijan väitettä vastaan täyttämättä sitä, mitä ette tiedä, on kuvattu menetelmässä kilpailijan arvioimiseksi ilman olettamuksia, ja tämän taustalla oleva laajempi lähestymistapa selityksessä siitä, miten yrityksenne vertaillaan kilpailijoihin. Kysymys siitä, mikä työ omassa yrityksessänne on jo siirrettävissä tekoälylle ja mikä osa vaatii edelleen valvontaa, on eri kysymys kuin se, missä voitatte; tähän ensimmäiseen kysymykseen vastaa FTE TO AI:n työtehtäväkohtainen työskannaus.
Määrittäkää itsellenne, millä kahdella tai kolmella ulottuvuudella uskotte voittavanne vertailuryhmänne yritykset. Käykää läpi väite väitteeltä, löytyykö sen takaa todiste, joka vakuuttaisi ulkopuolisen. Ilmainen ulottuvuustarkistus antaa teidän asettaa nämä väitteet rinnakkain ja näyttää, mitkä niistä ovat puolustettavissa todistein. Täydellinen vertailuanalyysi, jossa on pisteytykset koko vertailuryhmästä ja selattava todistematriisi, on rakenteilla.