(Beritadaerah-Kolom) Munculnya teknologi yang berkembang pesat, seperti AI, menawarkan kepada para pelaku sektor pertanian alat canggih lainnya untuk menghadapi tantangan-tantangan yang akan dihadapi dan mencapai efisiensi dan efektivitas yang lebih besar di seluruh bisnis mereka.
AI generatif (gen AI) khususnya telah menangkap imajinasi banyak pemimpin di bidang pertanian dan bidang lainnya serta dapat menjadi pendorong untuk menciptakan perubahan yang signifikan. Hal ini juga menyoroti penerapan banyak pendekatan lain yang sudah lama ada, seperti AI analitis, dengan kasus penggunaan yang terbukti dan tingkat adopsi yang masih relatif rendah.
Jika digabungkan, AI analitis dan gen AI berpotensi menghasilkan nilai di seluruh rantai nilai dan operasi bisnis. Artikel ini menjelaskan bagaimana perusahaan-perusahaan di industri produksi pangan global senilai $4 triliun dapat memperkuat upaya AI mereka secara komprehensif dengan memanfaatkan gen AI. Hal ini dapat menciptakan nilai ekonomi dalam dua bidang utama: pertama, di lahan pertanian dengan meningkatkan perekonomian di sektor pertanian seperti biaya tenaga kerja dan input serta hasil panen, dan kedua, bagi perusahaan melalui peningkatan pertumbuhan penjualan, produktivitas, dan efisiensi operasional.
Menerapkan gen AI di bidang pertanian
Secara umum, “gen AI” mengacu pada aplikasi yang memproses kumpulan data tidak terstruktur yang besar dan beragam, termasuk data geospasial dan cuaca, dan melakukan lebih dari satu tugas. Dengan cara ini, gen AI dapat menghasilkan ide-ide baru dengan mengidentifikasi pola-pola dalam kumpulan data besar yang tidak terstruktur, terutama ketika menyangkut tugas-tugas kompleks seperti penelitian molekuler, pemasaran atau agronomi, dan pembuatan kode.
Sebaliknya, AI analitis biasanya menyelesaikan tugas-tugas tertentu dengan membuat prediksi berdasarkan kumpulan data yang terstruktur dengan baik dan aturan yang telah ditentukan sebelumnya. Contohnya di sini termasuk memperkirakan penjualan, mensegmentasi pelanggan, dan melakukan analisis sentimen.
Pertanian sangat cocok untuk disrupsi oleh AI dan gen AI karena tingginya volume data tidak terstruktur, ketergantungan yang besar terhadap tenaga kerja, logistik rantai pasok yang kompleks, dan siklus penelitian dan pengembangan yang panjang, serta banyaknya petani yang menghargai penawaran yang disesuaikan dan rendahnya pasokan. -biaya layanan.
Baca juga : Otomasi dalam Pertanian Vertikal
Sebagai contoh, gen AI dapat mengembangkan skenario pengujian dengan mensintesis jutaan titik data mengenai cuaca, kondisi tanah, serta tekanan hama dan penyakit, dan model AI analitis kemudian dapat mensimulasikan skenario tersebut. Penggunaan kedua teknologi secara bersamaan berpotensi meningkatkan efisiensi, menurunkan biaya, dan meningkatkan dampak lingkungan bagi semua pelaku pertanian.
Nilai signifikan kontribusi AI
AI dapat menciptakan nilai yang signifikan bagi pertanian dalam dua bidang utama: 1) pada lahan pertanian, yang mengacu pada produksi tanaman dan ternak, dan 2) bagi perusahaan, yang mengacu pada fungsi bisnis.
AI dan gen AI dapat membantu mengoptimalkan penggunaan input dan mengelola tenaga kerja secara efisien. Misalnya, penasihat agronomi virtual yang didukung oleh AI, yang mengumpulkan kumpulan data seperti cuaca, kondisi tanah, serta tekanan hama dan penyakit, dapat membantu petani mengambil keputusan yang lebih tepat guna meningkatkan hasil panen.
Di seluruh kasus penggunaan, kombinasi AI analitik dan gen AI dapat menciptakan nilai tambahan dengan mendorong peningkatan efisiensi fungsional. Mayoritas nilai ini kemungkinan besar akan dihasilkan oleh AI analitis dan dilengkapi dengan solusi yang diaktifkan atau ditingkatkan oleh gen AI.
Dalam hal ini, banyak organisasi yang secara historis memfokuskan solusi AI mereka pada fungsi pendukung, namun penggunaan AI analitis dan gen AI dapat juga memberikan nilai tambah terbesar pada fungsi inti, seperti penelitian dan pengembangan dan produk, pemasaran dan penjualan, agronomi dan keberlanjutan. dan operasi.
Manfaat AI bagi pengusaha pertanian
Contoh berikut menggambarkan bagaimana gabungan bentuk AI dapat menciptakan peluang tambahan bagi para pengusaha di setiap langkah dalam rantai nilai, meskipun distribusi relatif di seluruh fungsi bisnis mungkin berbeda:
Banyak perusahaan di bidang perlindungan benih dan tanaman sangat bergantung pada inovasi, dan AI analitis serta gen AI dapat digunakan untuk meningkatkan keseluruhan siklus penelitian dan pengembangan, mulai dari penelitian dan penemuan hingga pengembangan dan peluncuran produk.
Dalam penelitian dan penemuan, gen AI dapat membantu menghasilkan hipotesis awal dengan melakukan pemindaian bahasa alami atas paten dan penelitian ilmiah, atau menyaring sejumlah besar data genom untuk mengusulkan rangkaian target inovasi tanaman.
Model dasar yang dilatih tentang modalitas spesifik seperti data genomik, proteomik, atau molekul kecil dapat membantu memprioritaskan hipotesis berdasarkan kondisi akhir seperti kekeringan atau resistensi hama pada tanaman hasil rekayasa genetika atau peningkatan kemanjuran dan keberlanjutan pestisida.
Alat-alat ini kemudian dibangun dalam lingkaran pembelajaran aktif di mana model merekomendasikan hipotesis untuk diuji di laboratorium, dan data yang dihasilkan mempercepat perbaikan diri. Dan dalam peluncuran produk, gen AI dapat mempercepat registrasi produk dengan mengotomatiskan pengumpulan dan analisis data, menghasilkan dokumen, dan memberikan wawasan mengenai lanskap peraturan (misalnya, dengan memantau perubahan persyaratan prosedur peraturan).
Distribusi input dan jasa pertumbuhan dan produksi. Perusahaan yang melayani petani secara langsung—baik melalui penjualan input pertanian atau melalui layanan seperti konsultasi agronomi, keuangan, asuransi, dan pertanian presisi—melayani jutaan petani yang menghargai penawaran khusus dan layanan berbiaya rendah. AI analitik dan AI gen dapat mendukung domain pemasaran dan penjualan dalam bidang penetapan harga dan manajemen margin, layanan dan pengalaman pelanggan, pertumbuhan dan produktivitas penjualan, serta pemasaran yang dipersonalisasi.
Dalam manajemen harga dan margin, model AI analitik dapat melakukan segmentasi mikro pelanggan dan menghasilkan rekomendasi harga berdasarkan riwayat kesediaan membayar, sementara gen AI dapat memantau permintaan, pasokan, dan perubahan peraturan secara real-time untuk menyesuaikan rekomendasi harga.
Dalam layanan dan pengalaman pelanggan, gen AI dapat memberikan tanggapan teks sebagai kontak pertama dalam perjalanan pembelian, membantu pelanggan dengan pertanyaan tentang pemilihan produk atau pemesanan sampel. Ia juga dapat menawarkan dukungan produk berkelanjutan dengan pemecahan masalah otomatis, mensintesis seluruh kumpulan data besar mengenai potensi masalah dan resolusi.
Dalam pertumbuhan dan produktivitas penjualan, gen AI dapat bertindak sebagai kopilot penjualan dengan menghasilkan skrip penjualan pelanggan yang dipersonalisasi, mensintesis seluruh proposisi nilai produk dan faktor pembelian pelanggan, sementara AI analitis dapat mengumpulkan data transaksi terstruktur, membantu perwakilan penjualan memprioritaskan langkah terbaik berikutnya.
Terakhir, gen AI dapat digunakan untuk membuat konten pemasaran yang dipersonalisasi dan real-time berdasarkan riwayat interaksi unik untuk setiap pelanggan, sementara AI analitis dapat mengembangkan dan mengevaluasi penawaran yang ditargetkan berdasarkan analisis nilai. Kasus penggunaan seperti ini dapat mengurangi biaya pembuatan konten pemasaran dan mendorong pertumbuhan pendapatan dengan meningkatkan konversi prospek dengan identifikasi pelanggan yang lebih baik.
Perdagangan dan pengolahan primer. Bagi perusahaan di tahap rantai nilai ini, AI analitis dan gen AI kemungkinan akan memiliki dampak terbesar terhadap keunggulan operasional.
Dalam pengadaan, gen AI dapat membuat draf awal dokumen permintaan proposal, mensintesis persyaratan kontrak untuk mengidentifikasi sumber kebocoran nilai, dan menghasilkan strategi negosiasi baru.
Dalam rantai pasokan, gen AI dapat membantu memantau dan mengidentifikasi potensi gangguan, seperti fluktuasi cuaca atau perubahan arus perdagangan global, serta meningkatkan optimalisasi jaringan dengan menghasilkan skenario baru seputar analisis dan biaya di tingkat SKU.
Di bidang manufaktur, gen AI dapat bertindak sebagai ahli materi virtual dengan mensintesis manual operasional. Hal ini juga dapat memberikan wawasan tentang masalah spesifik yang dihadapi selama produksi, meningkatkan pemeliharaan prediktif dan pemantauan kegagalan, serta membuat jadwal produksi yang optimal.