Poľnohospodársky sektor stojí na práci, ktorú je ťažké naplánovať, pretože podmienky určujú priebeh. Sprevádzanie pestovania, plánovanie zberu, triedenie a kontrola kvality, plánovanie prepravy na aukciu alebo k odberateľovi, a administratívny blok okolo certifikátov a compliance: to sú položky, kam prúdi najviac hodín. Počasie, biologické hodiny plodiny alebo zvieraťa a dostupnosť sezónnej pracovnej sily riadia výsledok viac ako zámer plánovania. Kto tu dodáva, dodáva za podmienok, ktoré sa môžu zmeniť z týždňa na týždeň.
Dlhé roky sa v tomto sektore vyhrávalo tým, kto vedel najlepšie zvládnuť neistotu: pestovateľ alebo firma s najväčšími skúsenosťami, najostrejším pohľadom na predpoveď počasia, najšikovnejšou rukou pri triedení. To je stále relevantné. No práca, ktorou sa tá skúsenosť pretavuje do rozhodnutia, mení svoj charakter.
V rámci poľnohospodárskeho pracovného balíka sa prelínajú tri kategórie a to, ktorý krok patrí do ktorej kategórie, vysvetľuje, prečo jedna firma už dnes pracuje inak ako druhá.
Úplne prevziať dokáže AI prácu, ktorá pozostáva z opakovateľných vzorov s dostatkom údajov: predpoveď výnosu na základe historických a aktuálnych senzorových dát, plánovanie zavlažovania na základe vlhkosti pôdy a predpovede počasia, a prvotné triedenie produktov pomocou rozpoznávania obrazu. Firmy so senzormi v pôde a kamerami na triediacej linke už tieto kroky nechávajú prebiehať bez zásahu.
Čiastočne, s človekom, ktorý schvaľuje alebo zamieta s dôvodom, je práca, pri ktorej model dáva odporúčanie, no kontext je príliš premenlivý na úplné odovzdanie: rozhodnutie, či teraz postrekovať alebo počkať, výber medzi dvoma odbytovými kanálmi pri cenovom rozdiele, odhad, či je pozemok už pripravený na zber. Tu systém generuje odporúčanie s odôvodnením a pestovateľ alebo vedúci prevádzky ho buď schváli, alebo zastaví. Tento dohľad nie je prechodnou fázou; je to forma, v akej táto práca zatiaľ zostáva, pretože zodpovednosť a lokálne znalosti patria človeku.
Údelom človeka zostáva kontakt s odberateľom, ktorý žiada individuálne riešenie, rokovanie o dodávateľskej zmluve a fyzické úkony, ktoré sa nedajú automatizovať bez reorganizácie prevádzky. Aj zostavenie dokumentácie pre audit certifikátu zostáva vo svojej podstate ľudskou prácou, hoci zber podkladových dát sa dá urýchliť.
Rozdiel medzi firmami nespočíva v ambícii, ale v tom, čo už majú k dispozícii z hľadiska dát a senzoriky. Firma s dlhoročnými senzorovými dátami o pôde, plodine a klíme dokáže napájať predikčný model, ktorý je použiteľný; firma bez tejto histórie začína s prázdnym modelom. To isté platí pre rozpoznávanie obrazu pri triedení: to je presné až po trénovaní na veľkom množstve vlastných produktových fotografií. Kto tento základ nemá, zostáva dlhšie závislý od človeka pri krokoch, ktoré sú inde už prevzaté. Nejde o zaostávanie v nasadení, ale o rozdiel v tom, čo bolo vybudované.
Akonáhle je časť rozhodnutia o pestovaní, triedení alebo logistickom plánovaní zverená systému, mení sa aj to, na základe čoho odberateľ alebo aukcia hodnotí dodávateľa. Dodacia lehota a istota objemu boli predtým funkciou obsadenosti a skúsenosti; ak samotné plánovanie už zohľadňuje počasie, prepravnú kapacitu a zberové okno, porovnávanie sa presúva na to, ako konzistentne sa táto predpoveď napĺňa a ako rýchlo sa upravuje, keď sa realita odchýli. Konzistentnosť kvality bola vecou remeselnej zručnosti na triediacej linke; s automatizovaným rozpoznávaním obrazu sa stáva otázkou, koľko trénovacích dát a koľko kontrolných vrstiev firma zaviedla. Dimenzia, na ktorej sa vyhráva, si zachováva rovnaký názov, no otázka za ňou sa mení.
Tento vzorec nie je jedinečný pre poľnohospodárstvo a záhradníctvo. Rovnaký posun od obsadenosti k systémovej kvalite sa odohráva v IT sektore, kde sa dodacia lehota projektov mení vďaka automatizovanému plánovaniu, vo finančných službách, kde hodnotenie rizika čiastočne vykonávajú modely, a v rekreačnom odvetví, kde predpoveď rezervácií riadi plánovanie kapacity. Vždy je otázkou nie to, či AI preberá prácu, ale ktorú časť, s akým dohľadom, a čo to znamená pre porovnanie s konkurenciou.
O personálnych rozhodnutiach, ktoré by z tohto posunu mohli vyplynúť, sa táto stránka nevyjadruje; na to platia vlastné zákonné požiadavky a tie nepatria do trhového porovnania.
Pestovateľ alebo družstvo, ktoré tvrdí, že vyhráva na dodacej lehote alebo konzistentnosti kvality, musí toto tvrdenie vedieť podložiť niečím overiteľným: číslom, vyjadrením zákazníka, certifikáciou. Ako takéto tvrdenie postaviť oproti tvrdeniu konkurenta bez toho, aby ste si domýšľali to, čo neviete, je popísané v postupe, ako ohodnotiť konkurenta bez domnienok, a širší koncept za tým v vysvetlení, ako benchmarkovať vašu firmu voči konkurentom. Ktorú prácu vo vašej vlastnej firme je už možné úplne odovzdať AI a ktorá časť si vyžaduje dohľad, je iná otázka než na čom vyhrávate; na túto prvú otázku odpovedá pracovný sken FTE TO AI pre jednotlivé úlohy.
Určite si, na ktorých dvoch alebo troch dimenziách si myslíte, že vyhrávate nad firmami vo vašej porovnávacej skupine. Pri každom tvrdení overte, či za ním stojí dôkaz, ktorý by presvedčil outsidera. Bezplatná kontrola dimenzií vám umožní postaviť tieto tvrdenia vedľa seba a ukáže, ktoré z nich sa dajú obhájiť dôkazmi. Kompletný benchmark so skóre za celú porovnávaciu skupinu a prehľadávateľnou maticou dôkazov sa pripravuje.