Il settore agricolo si basa su un lavoro che è difficile pianificare perché sono le condizioni a determinarlo. L'assistenza alla coltivazione, la pianificazione del raccolto, la selezione e il controllo qualità, la pianificazione dei trasporti verso l'asta o l'acquirente, e il blocco amministrativo attorno a marchi di qualità e conformità: sono queste le voci in cui confluiscono la maggior parte delle ore. Il meteo, l'orologio biologico della coltura o dell'animale, e la disponibilità di manodopera stagionale determinano il risultato più dell'intenzione della pianificazione. Chi opera in questo settore, opera in condizioni che possono cambiare da una settimana all'altra.
Per anni si vinceva in questo settore su chi sapeva gestire meglio l'incertezza: il coltivatore o l'azienda con più esperienza, lo sguardo più acuto sulle previsioni meteo, la mano più abile nella selezione. Questo è ancora rilevante. Ma il lavoro con cui quell'esperienza si traduce in una decisione sta cambiando natura.
All'interno del pacchetto di lavoro agricolo si intrecciano tre categorie, e capire quale fase appartiene a quale categoria spiega perché un'azienda oggi lavori già in modo diverso da un'altra.
Da assumere completamente da parte dell'IA è il lavoro composto da schemi ripetibili con dati sufficienti: la previsione del rendimento basata su dati storici e attuali dei sensori, la pianificazione dell'irrigazione basata sull'umidità del suolo e sulle previsioni meteo, e la prima selezione dei prodotti tramite riconoscimento delle immagini. Le aziende con sensori nel terreno e telecamere sulla linea di selezione fanno già svolgere queste fasi senza intervento umano.
Parzialmente, con una persona che approva o respinge motivando la decisione, è il lavoro in cui il modello fornisce un consiglio ma il contesto è ancora troppo variabile per un trasferimento completo: la decisione di irrorare ora o attendere, la scelta tra due canali di vendita in caso di differenza di prezzo, la valutazione se un terreno sia già pronto per il raccolto. Qui il sistema genera una raccomandazione motivata, e il coltivatore o il responsabile aziendale la approva o la blocca. Questa supervisione non è una fase di transizione; è la forma in cui questo lavoro continuerà a esistere per il momento, poiché la responsabilità e la conoscenza locale restano in mano all'uomo.
Resta lavoro umano il contatto con l'acquirente che richiede soluzioni su misura, la negoziazione di un contratto di fornitura, e le operazioni fisiche che non si possono automatizzare senza una riorganizzazione dell'azienda. Anche la compilazione del dossier per un audit di certificazione resta essenzialmente lavoro umano, sebbene la raccolta dei dati sottostanti possa essere accelerata.
La differenza tra le aziende non sta nell'ambizione ma in quali dati e sensori sono già presenti. Un'azienda con anni di dati dei sensori su suolo, coltura e clima può alimentare un modello predittivo utilizzabile; un'azienda senza questa storia parte da un modello vuoto. Lo stesso vale per il riconoscimento delle immagini nella selezione: diventa preciso solo dopo l'addestramento su grandi quantità di foto dei propri prodotti. Chi non dispone di questa base resta più a lungo dipendente dall'uomo per fasi che altrove sono già state assunte dai sistemi. Non si tratta di un ritardo nell'impegno, ma di una differenza in ciò che è stato costruito.
Nel momento in cui una parte della decisione di coltivazione, della selezione o della pianificazione logistica viene affidata a un sistema, cambia il criterio con cui un acquirente o un'asta valuta un fornitore. Il tempo di consegna e la certezza dei volumi erano prima una funzione dell'occupazione e dell'esperienza; se la pianificazione stessa tiene già conto del meteo, della capacità di trasporto e della finestra di raccolto, il confronto si sposta su quanto coerentemente si realizza quella previsione e quanto rapidamente si corregge la rotta quando la pratica se ne discosta. La coerenza della qualità era una questione di abilità artigianale sulla linea di selezione; con il riconoscimento automatizzato delle immagini diventa una questione di quanti dati di addestramento e quanti livelli di controllo un'azienda ha implementato. La dimensione su cui si vince mantiene lo stesso nome, ma la domanda sottostante cambia.
Questo schema non è esclusivo dell'agricoltura e dell'orticoltura. Lo stesso spostamento dall'occupazione alla qualità del sistema si verifica nel settore ICT, dove il tempo di consegna dei progetti cambia grazie alla pianificazione automatizzata, nei servizi finanziari, dove la valutazione del rischio viene svolta in parte dai modelli, e nel settore ricreativo, dove la previsione delle prenotazioni guida la pianificazione della capacità. La domanda non è mai se l'IA assuma il lavoro, ma quale parte, con quale supervisione, e cosa questo significhi per il confronto con il concorrente.
Questa pagina non si esprime sulle decisioni relative al personale che potrebbero derivare da questo cambiamento; per queste si applicano requisiti legali propri che non rientrano in un confronto di mercato.
Un coltivatore o una cooperativa che afferma di vincere sul tempo di consegna o sulla coerenza della qualità deve poter sostenere questa affermazione con qualcosa di verificabile: una cifra, una dichiarazione di un cliente, una certificazione. Come confrontare un'affermazione del genere con quella di un concorrente senza colmare i vuoti con supposizioni è descritto in un metodo per valutare un concorrente senza fare supposizioni, e l'impostazione più ampia che sta alla base è illustrata in una spiegazione di come confrontare la propria azienda con i concorrenti. Quale lavoro nella propria azienda sia già da assumere da parte dell'IA, e quale parte continui a richiedere supervisione, è una domanda diversa da quella su cosa si vince; a questa prima domanda risponde la scansione del lavoro di FTE TO AI, compito per compito.
Definisca per sé su quali due o tre dimensioni ritiene di vincere rispetto alle aziende del suo peer group. Verifichi per ogni affermazione se dietro c'è una prova che convincerebbe un osservatore esterno. La verifica gratuita delle dimensioni le permette di mettere a confronto queste affermazioni e mostra quali di esse siano difendibili con prove concrete. Il benchmark completo, con punteggi su tutto il peer group e una matrice di prove consultabile, è in fase di realizzazione.