[Chuyên mục chuyên gia] Sự hoàn thiện của AX nông nghiệp không nằm ở phán đoán của AI mà ở thực thi tại hiện trường…Kết nối máy nông nghiệp và dữ liệu là then chốt

[Chuyên mục chuyên gia] Lee Kwang-wook, Trưởng bộ phận TF thúc đẩy AX nông nghiệp của Daedong

Trong quá trình thúc đẩy mảng kinh doanh AX nông nghiệp(chuyển đổi AI), câu hỏi thường được nghe nhất tại hiện trường là “Vậy công việc của nông dân thực sự thay đổi như thế nào?”. Ngay cả khi trí tuệ nhân tạo phân tích dữ liệu đất đai và sinh trưởng, dự báo sâu bệnh và sản lượng, nếu nông dân lại phải diễn giải kết quả, lập kế hoạch công việc rồi điều động máy nông nghiệp và nhân lực, thì sự thay đổi tại hiện trường chắc chắn vẫn sẽ bị hạn chế.

Điều nông dân mong muốn không phải là bản thân kết quả phân tích. Đó là thực hiện công việc cần thiết đúng thời điểm, giảm lao động và chi phí sản xuất, đồng thời thu hoạch ổn định. Năng lực cạnh tranh của AX nông nghiệp cũng được quyết định không chỉ bởi độ chính xác của trí tuệ nhân tạo, mà bởi việc kết nối phán đoán đó với công việc nông nghiệp thực tế một cách ổn định đến mức nào.
 

Nông nghiệp toàn cầu đang chuyển từ ‘phân tích’ sang ‘thực thi’

Động thái của các doanh nghiệp máy nông nghiệp toàn cầu cũng cho thấy sự thay đổi này. John Deere đang xây dựng cấu trúc trong đó kế hoạch công việc được lập tại ‘Operations Center’ được truyền không dây tới máy nông nghiệp, còn dữ liệu công việc phát sinh tại hiện trường được đưa trở lại nền tảng. ‘See & Spray’ dùng camera và trí tuệ nhân tạo để phân biệt cây trồng và cỏ dại, sau đó chỉ kích hoạt các vòi phun ở những điểm cần thiết để phun thuốc diệt cỏ một cách chọn lọc. Đó là cách chuyển ngay kết quả phân tích thành hoạt động của thiết bị.

Kubota cũng tập hợp dữ liệu thu thập từ máy nông nghiệp vào hệ thống quản lý nông trại, trực quan hóa tình hình công việc và sử dụng cho bón phân cũng như quản lý nước. Mục tiêu là kết nối điều này với máy nông nghiệp tự hành và không người lái để hiện thực hóa nông nghiệp chính xác, trong đó lập kế hoạch và thực thi, phân tích kết quả và cải tiến được lặp lại. Kubota mô tả đó là ‘nông nghiệp kiểu PDCA’ dựa trên dữ liệu. 

Những trường hợp này cho thấy cạnh tranh công nghệ nông nghiệp toàn cầu đang vượt ra ngoài tự động hóa từng máy nông nghiệp riêng lẻ, chuyển theo hướng kết nối dữ liệu, trí tuệ nhân tạo và máy nông nghiệp thành một hệ thống vận hành duy nhất.

Sự đứt gãy còn tồn tại giữa phân tích và công việc

Trong thời gian qua, nông nghiệp thông minh đã dồn nhiều nỗ lực vào việc phổ cập cảm biến và thiết bị, cũng như thu thập dữ liệu. Kết quả là lượng thông tin nông dân có thể kiểm tra đã tăng mạnh, nhưng việc chuyển kết quả phân tích thành công việc nào và bố trí thiết bị, nhân lực cần thiết ra sao vẫn là bài toán cần giải quyết.

Dữ liệu đất đai và sinh trưởng được lưu trong các hệ thống khác nhau, còn máy nông nghiệp và nông cụ cũng vận hành theo những cách khác nhau. Ngay cả khi giải pháp nông nghiệp chính xác đưa ra chỉ dẫn tốt, vẫn có trường hợp máy nông nghiệp không thể làm việc theo đúng chỉ dẫn đó. Các trung tâm dịch vụ làm thuê nông nghiệp cũng thường nhận đăng ký qua điện thoại và điều chỉnh lịch bằng tay, nên quá trình và kết quả công việc không được lưu lại thành dữ liệu có hệ thống.

Để giảm sự đứt gãy này, Daedong đang mở rộng kết nối giữa máy kéo và nông cụ bằng cách đưa vào các máy kéo và nông cụ thông minh áp dụng ISOBUS, tiêu chuẩn truyền thông quốc tế cho máy nông nghiệp. Khi sử dụng ISOBUS, máy kéo và nông cụ có thể trao đổi lệnh công việc và dữ liệu trong một hệ thống truyền thông duy nhất. Bản đồ kê đơn có thể được chuyển tới máy kéo và nông cụ để điều chỉnh lượng gieo hạt và lượng bón phân theo từng vị trí, đồng thời thu thập lại dữ liệu như vị trí làm việc, diện tích, và lượng đầu vào.

Nếu kết hợp dữ liệu công việc thu thập được với dữ liệu đất đai và sinh trưởng, có thể kiểm chứng độ chính xác của chỉ dẫn và hiệu quả của công việc nông nghiệp. Càng phân tích lặp lại lượng đầu vào và kết quả theo điều kiện đất đai và sinh trưởng, chỉ dẫn cho công việc nông nghiệp tiếp theo càng tinh vi hơn. Máy kéo ISOBUS và nông cụ thông minh chính là mắt xích thực thi chỉ dẫn của nông nghiệp chính xác và đưa kết quả trở lại dưới dạng dữ liệu.

Dù hiệu năng của từng công nghệ riêng lẻ có xuất sắc đến đâu, nếu không giải quyết được sự đứt gãy này thì nông dân khó cảm nhận được hiệu quả. Nhiệm vụ tiếp theo của AI nông nghiệp không phải là hiển thị nhiều thông tin hơn, mà là kết nối dữ liệu đã có với công việc nông nghiệp và cải thiện công việc tiếp theo dựa trên kết quả đó.
 

Cần một hệ thống vận hành làm chuyển động hiện trường

AX nông nghiệp khác với việc chỉ đơn giản số hóa công việc nông nghiệp hiện có. Dữ liệu được thu thập từ máy nông nghiệp, robot, drone và cơ sở vật chất; trí tuệ nhân tạo đưa ra phán đoán cần thiết cho gieo trồng và bón phân, phòng trừ và thu hoạch; rồi máy nông nghiệp AI, nông cụ thông minh, và robot nông nghiệp thực thi chúng. Kết quả công việc lại được tích lũy thành dữ liệu để cải thiện phán đoán tiếp theo.

Đây cũng là lý do Daedong muốn kết nối máy kéo AI, giải pháp nông nghiệp chính xác, drone, nông cụ thông minh và robot nông nghiệp thành một quy trình công việc nông nghiệp duy nhất. Tuy nhiên, chỉ kết nối thiết bị và giải pháp không có nghĩa là AX nông nghiệp được hoàn thiện. Cần có một chủ thể vận hành tiếp nhận yêu cầu của nông hộ, lập kế hoạch công việc phù hợp với thửa ruộng và điều kiện thời tiết, rồi bố trí thiết bị và nhân lực.

Nếu dịch vụ làm thuê nông nghiệp hiện nay là phương thức thay nông hộ thực hiện cày xới, gieo trồng, phòng trừ và thu hoạch theo yêu cầu của họ, thì trong tương lai nó phải phát triển thành dịch vụ vận hành sản xuất nông nghiệp dựa trên dữ liệu, quản lý từ lập kế hoạch công việc đến điều phối, kiểm soát, và kết quả. Đó là cấu trúc kết nối đăng ký của nông hộ, kế hoạch công việc, điều phối thiết bị·nhân lực, tình hình tiến độ và báo cáo kết quả trong một nền tảng duy nhất.

Nếu các hợp tác xã nông nghiệp địa phương, pháp nhân canh tác, và trung tâm dịch vụ làm thuê nông nghiệp sử dụng giải pháp nông nghiệp chính xác, máy nông nghiệp tiên tiến, và nền tảng vận hành, sự chuyển đổi này là khả thi. Đây cũng là phương án nâng cao khả năng tiếp cận công nghệ cho các nông hộ vừa và nhỏ khó trực tiếp mua máy nông nghiệp AI và robot nông nghiệp đắt tiền. Bởi các tổ chức thực thi địa phương có thể cùng vận hành thiết bị và giải pháp, còn nông hộ có thể sử dụng những công việc cần thiết dưới dạng dịch vụ.

Giá trị của AX nông nghiệp phải được chứng minh tại hiện trường

Nền tảng AX nông nghiệp quốc gia cũng phải vượt ra ngoài việc tập hợp dữ liệu vào một nơi, trở thành nền tảng kết nối phán đoán của trí tuệ nhân tạo với công việc nông nghiệp thực tế. Chính phủ phải thiết lập tiêu chuẩn và cơ sở thử nghiệm để dữ liệu, máy nông nghiệp, và nền tảng có thể liên thông. Doanh nghiệp phải xây dựng giải pháp tích hợp trong đó phần cứng và phần mềm cùng vận hành trong quy trình công việc nông nghiệp, còn các tổ chức thực thi địa phương phải chuyển đổi chúng thành dịch vụ mà nông dân có thể sử dụng.

Mục đích của AX nông nghiệp không phải là sản xuất thêm nhiều thông tin. Mục đích là giúp nông dân thực hiện công việc cần thiết đúng thời điểm, giảm chi phí sản xuất và gánh nặng lao động, đồng thời canh tác ổn định.

Công nghệ đã và đang phát triển nhanh chóng. Điều cần thiết hiện nay là thể chế mở đường để các công nghệ đã phát triển được sử dụng đầy đủ, kiểm chứng tại hiện trường nông nghiệp và tiếp tục phát triển. Khi cấu trúc trong đó phán đoán của trí tuệ nhân tạo dẫn tới công việc của máy nông nghiệp và robot, còn kết quả cải thiện phán đoán tiếp theo, được định hình vững chắc, AX nông nghiệp mới thực sự trở thành sự thay đổi tại hiện trường.

Năng lực cạnh tranh của nông nghiệp tiên tiến không chỉ được quyết định bởi ai phát triển công nghệ trước. Nó phụ thuộc vào việc công nghệ đó được đưa vào hiện trường nhanh đến đâu và mở rộng thành hệ sinh thái công nghiệp như thế nào. Để AX nông nghiệp của Hàn Quốc 확보 được năng lực cạnh tranh trên thị trường thế giới, chính phủ và giới công nghiệp phải cùng nhau chuẩn bị nền tảng thể chế cho việc lan tỏa tại hiện trường. Bây giờ chính là thời điểm đó.