Чтобы прекратить трагедию с перепахиванием луковых полей... ключ к аграрному ИИ — «данные о потреблении»

В этом году, когда резко обрушились цены на основные сельхозпродукты, такие как лук, огурцы и корейские кабачки, фермеры 7 июля провели митинг, перепахав поля, которые они бережно выращивали, и потребовали от правительства мер реагирования. Хотя искусственный интеллект (ИИ) и автономные тракторы становятся образом будущего сельской местности, реальность на полях по-прежнему сурова. И в этом году трагедия повторилась. Эксперты указывают, что без точных «данных» с мест невозможно предотвратить дисбаланс спроса и предложения на сельхозпродукцию и обвалы цен. Именно поэтому в эпоху ИИ-трансформации необходимость создания не только производственных данных, но и «данных о потреблении» становится самой срочной задачей для выживания корейского сельского хозяйства.

Министерство сельского хозяйства, продовольствия и сельских дел и Корейский институт планирования и оценки технологий в области продовольствия, сельского и лесного хозяйства 22 июля провели в отеле JW Marriott Seoul «40-й Форум будущего роста агропродовольственной отрасли» на тему «Перспективы сельскохозяйственных технологий в эпоху ИИ-трансформации: обсуждение AX-трансформации агропродовольственной отрасли». Выступивший в тот день с докладом генеральный директор Nuvilab Ким Дэ Хун остро указал на противоречивую реальность агропродовольственной отрасли. По словам Кима Дэ Хуна, «мировой рынок агропродовольствия оценивается примерно в 9,7 трлн долларов США (по данным BCG, прогноз на 2026 год) и является крупнейшим в мире, однако по уровню зрелости цифровой трансформации (DX) он остается на самом низком уровне по сравнению с такими отраслями, как финансы, производство, здравоохранение и медиа».

Из-за этого «цифрового и информационного вакуума» производители, даже выпуская качественную сельхозпродукцию, не могут знать конечный потребительский спрос и рыночные тенденции. Государственные органы и разработчики политики также понимают лишь меры субсидирования или политики поставок сельхозпродукции, но не располагают данными, чтобы проверить, каких результатов эти меры реально дали на местах. Поскольку цепочка данных, связывающая производство, дистрибуцию и конечное потребление, разорвана, фермеры, государство и потребители ежегодно страдают от повторяющейся нестабильности спроса и предложения.
Ким Дэ Хун подчеркнул: «Без данных о потреблении оптимизация агропродовольственного производства фактически невозможна», добавив: «Данные о продажах — это лишь след спроса. Оптимизация пищевой индустрии начинается только тогда, когда появляются реальные данные о потреблении».

Ключ к ИИ — «контекстные полевые данные»… выводы из зарубежных успешных кейсов
В конечном счете более конкурентоспособным неизбежно оказывается ИИ, который точно собирает данные на сельхозобъектах и в точках контакта с потребителем. За рубежом уже идет создание высокоточной ИИ-индустриализации на основе полевых данных.
Так, в 13 отелях Объединенных Арабских Эмиратов (ОАЭ) ИИ-камеры и весовые датчики в реальном времени анализируют выбрасываемую еду, чтобы в реальном времени улучшать объем производства, объем подачи и состав меню. По итогам четырехмесячной пилотной эксплуатации удалось сократить кухонные отходы на 76%, а остатки еды после приема пищи — на 55%.

Австралийская платформа дистрибуции свежих продуктов Freshō перевела систему заказов, ранее зависевшую от ручного заполнения, на автоматизированную ИИ-структуризацию заказов. Благодаря точному прогнозированию спроса в реальном времени она повысила точность учета запасов до 98,6% и минимизировала избыточные запасы и списания за счет точных заказов, упаковки и доставки. В результате платформа обработала в совокупности 30 млн заказов (около 10 млн за последний год) и привлекла 17 млн долларов инвестиций.
 

Эффект в 2,3 трлн вон от оптимизации потребления всего на 1%
Особенно Ким Дэ Хун сосредоточил внимание на ценности «данных о потреблении», которые долгое время оставались слепой зоной аграрной политики. В своем выступлении он пояснил: «То, что в коллективном питании овощи составили 30% раздачи, не означает, что дети съели 30% овощей», добавив: «Согласно данным, реально собранным с помощью ИИ-технологии, фактическая доля потребления овощей детьми составила лишь 11%, что создало разрыв в 19 процентных пунктов. Есть четкие структурные причины, по которым такие данные о потреблении до сих пор не накапливались».

Он указал, что стандартизированный сбор данных был затруднен, поскольку объем и форма потребляемой пищи каждый раз различаются, а такие методы, как 24-часовое воспоминание или самостоятельный ввод, неизбежно отличаются низкой точностью и устойчивостью. Кроме того, уровень удержания пользователей был низким из-за ориентированной на ввод структуры сервиса, требовавшей от пользователей больших временных затрат на ведение записей, а данные в таких сферах, как школьное питание, питание и медицина, были фрагментированы, что делало интегрированный анализ невозможным.

Ким Дэ Хун подчеркнул: «Даже если оптимизировать потребление всего на 1%, заполнив пробел в данных о потреблении, можно создать огромную экономическую и экологическую ценность», добавив: «Если исходить из внутреннего продовольственного рынка (около 230 трлн вон, Корейский институт развития, 2024), достижение 1%-ной оптимизации потребления может дать экономию затрат до 2,3 трлн вон». Он продолжил: «Эта цифра включает сокращение потерь пищевых ингредиентов, оптимизацию запасов и логистики, а также снижение медицинских расходов благодаря улучшению здоровья», и добавил: «Кроме того, можно добиться огромного экологического эффекта, сократив выбросы парниковых газов до 1,39 млн тонн (CO_2e, по стандарту Министерства окружающей среды за 2023 год)».

Заявление Кима Дэ Хуна о том, что «богатые данные формируют производительность ИИ и меняют будущее отрасли. ИИ-трансформация пищевой индустрии начинается в тот момент, когда реальное потребление превращается в данные», имеет большое значение. Настало время создать «национальную комплексную платформу агропродовольственных данных», которая свяжет данные о росте на этапе производства, объемы дистрибуции и конечные данные о потреблении на столе. Ведь только при обеспечении непрерывности данных и их привязки к реальной практике государственная аграрная политика сможет наконец перейти от простой «политики предложения» к подлинной «политике, ориентированной на результат».