В агросекторе об искусственном интеллекте говорят все громче — особенно на форумах. Но что происходит на самом деле в полях и на фермах? Почему даже крупные холдинги не всегда могут использовать ИИ в полную силу и кто чаще тормозит внедрение — агроном, финансист или сам бизнес-владелец? С этими и другими вопросами мы обратились к Наталье Чернышевой, соучредителю АНО «НАСС», специалисту по новым технологиям в АПК.
За последние годы агропромышленный комплекс сделал заметный технологический рывок. Где, по-вашему, ИИ действительно стал ускорителем? А где его вклад пока переоценен?
На мой взгляд, искусственный интеллект все больше и больше находит свое применение в АПК. И если посмотреть на реальные кейсы, то я бы выделила несколько направлений, где ИИ уже точно приносит пользу.
Первое — это все, что связано с точным земледелием. Там, где у нас идет большой поток данных с полей: по почве, погоде, культурам, технике и так далее. Объем информации огромный, и вручную все это обработать, понятно, невозможно. При этом у нас пока не везде данные собираются так, как нужно — есть вопросы и к полноте, и к качеству. Но даже в такой ситуации ИИ дает эффект, потому что способен обрабатывать массивы, с которыми иным образом просто не справиться.
Второе направление — логистика. Здесь мы уже говорим про крупные холдинги, переработку, трейдинг. Значительно изменились транспортные коридоры, и сейчас у компаний довольно сложная задача, так как надо в моменте отслеживать загрузку, цены, маршруты и комбинировать все это в реальном времени. Объем оптимизационных задач огромный, и ИИ тут дает очень хорошую отдачу.
Еще одно направление, про которое стоит отдельно сказать, — это системы распознавания видеоизображений. Во многих точках АПК, особенно в переработке и пищевой промышленности, уже применяются технологии машинного зрения. Также машинное зрение активно используется на животноводческих фермах, при оценке поведения и параметров сельхозживотных. На некоторых предприятиях видеоаналитика — это уже рабочий инструмент.
Так что если говорить про эффект — да, он есть. Особенно в тех задачах, где данных много, а реагировать нужно быстро.
Где хотелось бы внедрить технологии, но сейчас эффективнее использовать человеческий труд? Есть ли сегменты, где применение ИИ пока переоценено?
На самом деле да. Во всех направлениях, которые я обозначила, есть много вопросов к данным. К тому, как они собираются, насколько они полные, какова их глубина. Где-то данные вообще не фиксируются.
Поэтому ни в одном из этих сегментов, к сожалению, пока нельзя сказать, что ИИ используется системно и в полной мере. Не потому что технологии не справляются, а потому что не хватает базы — данных, на которых эти технологии должны работать. Без этого даже самому умному ИИ просто не на что опереться.
А где ИИ уже стал частью управленческой рутины? В планировании, прогнозировании, управлении рисками? Есть ли примеры, когда подход к управлению реально поменялся благодаря ИИ?
Если говорить честно, то таких кейсов я не знаю. По крайней мере в том виде, чтобы ИИ системно встроился в управленческую рутину предприятия АПК — нет.
Зато есть точечные примеры в операционной деятельности, особенно в части взаимодействия с потребителем. Например, чат-боты, персонализированный маркетинг, сервисная поддержка, вот здесь ИИ уже применяется широко. В первую очередь в компаниях, у которых есть прямой контакт с конечным покупателем.
Это, как правило, те, у кого есть сильный бренд или своя розница. Классический пример — компании типа Health & Nutrition (бывший «Данон»). Они действительно много внимания уделяют работе с потребителем и активно используют ИИ в коммуникациях и аналитике, несмотря на то, что не имеют собственной розницы. А вот большинство сельхозпроизводителей такого контакта не имеют: они работают через дистрибьюцию, через сети и там уже потребительские инструменты действуют на стороне ретейла.
Биг-дата в агросекторе — это, как правило, спутниковые данные, IoT, климатическая информация, данные от сельхозтехники. Насколько отрасль научилась превращать все это в прикладные прогнозы?
Если говорить про фермы, особенно животноводческие, то на ряде из них действительно идет сбор данных — и о состоянии животных, и о внутренней среде фермы. Но, опять же, не везде, не у всех, не на всех этапах. Все это очень неоднородно.
Если брать конкретный кейс, например прогноз урожайности — звучит красиво, и действительно есть компании, которые заявляют, что умеют его рассчитывать с высокой точностью. Но как только начинаешь смотреть, насколько это применимо на практике, то возникает много вопросов.
Некоторое время назад я участвовала в попытке интегрировать такие прогнозы в систему сельхозстрахования. Идея была в использовании автоматизированных моделей, чтобы размер страхового взноса определялся исходя из качественного и точного прогноза на базе объективных показателей. Но на практике это пока не работает — и точность, и применимость еще далеки от нужного уровня. Есть куда расти.
А есть ли у вас понимание, как можно увеличить точность прогнозов или улучшить сбор данных? Если помечтать или, может, уже есть конкретные идеи?
Да, конечно. На мой взгляд, в агропроме главный барьер — это не технологии, а данные. Алгоритмы, искусственный интеллект, инструменты анализа, они уже есть, и есть в разных вариантах. Но без четко выстроенного сбора данных вся эта история не сработает.
Нам нужно, чтобы данные собирались корректно, в понятной структуре и, самое главное, чтобы их можно было сводить между собой. Вот тогда и точность прогнозов станет выше, и управлять будет проще. Это сразу даст эффект, потому что объемы информации возрастут и качество ее будет другим.
Попытки что-то с этим сделать есть. Например, у Альянса в сфере искусственного интеллекта, одним из участников которого является ГК «Русагро», имеется агронаправление, где обсуждаются такие вещи. Люди, которые всерьез этим занимаются, существуют, но до реальных практик еще очень далеко.
Проблема в том, что как только речь заходит о централизованном сборе данных, сразу возникают вопросы: кто этим будет управлять, как обеспечить безопасность, как защитить данные от конкурентов. Нет четкого ответа, который бы всех устраивал. И, честно говоря, без участия государства, без регулирования здесь вряд ли получится что-то построить.
Тем более что и на уровне государства сейчас не все гладко. У нас есть около 30 разных информационных систем, куда фермеры обязаны заносить данные. Преимущественно данные заносятся вручную. Из-за этого возникает огромное количество ошибок. А часть информации искажается намеренно, потому что данные часто подгоняются под нужные показатели. Это реальность.
И даже если мы абстрагируемся от качества данных, то все равно столкнемся с другой проблемой: базы между собой просто не интегрированы. Например, площадь одного и того же поля в кадастре одна, в системах Минсельхоза России — другая, а на практике еще может быть третья. Хотя само поле в реальности не менялось. Это говорит о системной несогласованности.
И это не техническая проблема, технически все решается. Интеграцию баз можно наладить, инструменты есть, ресурсы найти можно. Но основная сложность — управленческая. Кто должен это оплачивать? Кто несет ответственность за ошибки? Кто проверяет, что данные после сверки правильные? Кто вносит изменения в каждую базу и кто потом это контролирует?
Акторов много. Есть фермер или предприятие, которое загружает данные. Есть сами ИТ-системы, которые находятся в разных подведомственных структурах. Даже внутри одного министерства может быть три разных блока с разными задачами. А если подключаются еще таможня, Россельхознадзор и другие смежные ведомства, то координация становится почти невозможной.
Плюс никто не хочет брать на себя лишние обязательства, бюджетов лишних ни у кого нет. Все стараются сдвинуть эту задачу куда-то «в сторону». Поэтому без политической воли и выделения этой задачи в приоритет все пока остается на уровне разговоров.
Как вы думаете, сколько лет может пройти, прежде чем сбор и интеграция данных в АПК станут нормой? Кто должен это организовать?
Честно? У меня нет ответа. Потому что может пройти и двадцать лет — и ничего не изменится. Здесь все зависит не от технологий, а от того, появится ли крупный игрок, который возьмет эту задачу на себя.
Это может быть кто угодно: министерство, крупная компания, институт развития — неважно. Главное, чтобы у него была воля, ресурсы и готовность работать системно и долго. Пока такого игрока нет. А без него вряд ли что-то сдвинется. Если он не появится, все останется как есть, хоть еще двадцать лет.
Сейчас все чаще говорят о цифровых двойниках в АПК. Насколько это уже рабочий инструмент, а не просто витрина? И какую роль в них играет ИИ — это расчетный модуль или полноценный участник моделирования?
Здесь все зависит от того, о каких цифровых двойниках мы говорим. Если речь идет о цифровом двойнике поля, то да, такие технологии уже развиваются. Мы, собственно, говорили об этом, когда обсуждали точное земледелие. Но что называть именно «цифровым двойником» — скорее философский вопрос.
Потому что четкой границы нет. Что считать цифровым двойником, а что — просто системой агроаналитики? Сколько нужно параметров? Два — это еще просто поле, три — уже двойник? Тут все размыто.
Но если говорить по сути, то да, искусственный интеллект здесь работает не просто как инструмент расчета. Он полноценный участник процесса. Он анализирует, прогнозирует, помогает принимать решения. То есть это не витрина, а реальная технология, хотя и не везде внедренная.
А вот если речь идет о цифровых двойниках перерабатывающих предприятий, то это пока скорее редкость. Производственные процессы в пищевой промышленности довольно простые. И смысла в создании полноценного цифрового двойника всего предприятия чаще всего просто нет.
При этом цифровые двойники могут быть полезны на уровне отдельных производственных линий или агрегатов. Особенно там, где остро стоит вопрос технического обслуживания, замены импортного оборудования и запчастей — это, конечно, важная тема. Но пока речь идет скорее о точечных решениях, а не о комплексной цифровизации всего предприятия.
Где, по-вашему, сегодня есть ниши для новых агро-стартапов с ИИ-фокусом? Что перспективнее? Агрохимия, ветеринария, логистика или что-то еще?
Что касается перспективных точек входа, то в направлении точного земледелия ниша уже достаточно насыщена. У нас есть примерно 15–20 отечественных компаний разного масштаба, у которых уже имеются рабочие решения. Запускать что-то с нуля сейчас вряд ли рационально.
Если стартап ориентируется именно на это направление, я бы советовала искать узкие, еще незакрытые сегменты. Например, почвенные датчики и аналитика по данным из почвы — этим пока серьезно занимаются единицы. Вот в такую нишу имеет смысл заходить. А создавать очередную систему управления полем сейчас уже, честно говоря, поздно.
Агрохимию можно условно отнести к точному земледелию, если мы говорим об использовании удобрений. Но если речь идет о разработке новых составов и рецептур — это уже пограничная область с химической промышленностью. И здесь действительно есть поле для стартапов.
В ветеринарии тоже много незакрытых направлений. Во-первых, это биотех и собственные препараты. Сейчас таких разработчиков буквально единицы. Например, ЦБО «Микроэкология», они делают ветеринарные вакцины под маркой Evolink, работают серьезно, но на всю страну их мало.
Во-вторых, цифровые инструменты в ветеринарии, особенно в части мониторинга и ранней диагностики. Ветеринаров не хватает, и автоматизированные системы здесь критически важны. Есть интересные решения, например решение компании ЭМБЛ, которое позволяет проводить непрерывный мониторинг дыхания животных, детектировать признаки нездорового поведения и оповещать о них ветеринара. Таких решений пока немного, а потребность большая.
Кто сегодня чаще всего становится драйвером ИИ-проектов в агросекторе? Это ИТ-директор, главный агроном или, может, финансист, который считает окупаемость?
Финансовый блок, как правило, занимает сдержанную позицию. Они смотрят на любые инновации как на риск. Потому что внедрение чего-то нового — это всегда зона неопределенности, в отличие от, скажем, покупки производственной линии: там понятно, за что платишь, как оно будет работать и какой будет результат. А вот на все, что связано с ИИ и новыми технологиями, от них чаще всего звучит «давайте подождем лет десять, когда кто-то уже обкатает».
Поэтому инициаторами обычно становятся те, кто отвечает за развитие или производство. Это могут быть директора по цифровизации, директора по производству, иногда — по развитию. А вот линейные специалисты вроде агрономов — чаще точка сопротивления. Хотя бывают исключения: есть агрономы, которые интересуются технологиями, следят за новинками, но их, честно говоря, немного. В основном это довольно консервативная среда.
А управленцы в хозяйствах вообще готовы принимать ИИ как рабочий инструмент, а не как «черный ящик»?
Тут очень многое зависит от масштаба. В крупных холдингах понимание уже есть. У них у всех есть люди, которые отвечают за цифровизацию и развитие, позиции называются по-разному, но везде есть. И руководство таких компаний понимает, зачем это все делается, системная работа идет.
А вот если мы говорим про средние и тем более малые агропредприятия — там все зависит от собственника. Есть те, кто понимает, кто интересуется, кто нанимает специалистов, дает им ресурсы. А есть и те, кому это неинтересно, и тогда ничего не происходит. Таких, к сожалению, пока больше.
То есть человеческий фактор пока важнее, чем даже доступ к технологиям?
Абсолютно. Причем интересно, что на это влияет и региональный фактор. Например, в Татарстане у Минсельхоза есть отдельное подведомственное учреждение — РИВЦ, Региональный информационно-вычислительный центр. Это структура, которая системно занимается цифровизацией сельского хозяйства в Республике. У них есть конкретная задача, финансирование, полномочия.
И результаты налицо. В рейтинге инновационности регионов АПК, который делало Сколково в 2024 году, Татарстан занял первое место. И это не случайность, а результат системной работы. Понятно, что и там есть хозяйства, которые работают по старинке, но в целом доля тех, кто внедряет технологии, заметно выше. В других регионах, где такой системной поддержки нет, таких хозяйств сильно меньше.
Сегодня у агрохолдингов уже есть инфраструктура для внедрения ИИ или все по-прежнему держится на Excel и WhatsApp?
С мощностями у крупных игроков все в порядке. Да и необязательно, чтобы у них самих были серверы — они чаще всего используют внешние решения, где уже все предусмотрено: и вычислительные ресурсы, и каналы, и инфраструктура. Так что никаких технических преград нет. Крупные компании вполне уверенно идут в сторону цифровизации. Проблем, конечно, хватает, но и движение вперед идет.
А как в целом выглядит структура отрасли? Какое место занимают крупные компании по сравнению с малыми и микропредприятиями?
Если опираться на данные Росстата за 2022 год, то в растениеводстве и животноводстве на крупные и средние предприятия приходится почти 75% выручки. В пищевой промышленности — даже больше: свыше 85%. То есть с точки зрения экономики — да, «большие» тянут отрасль. Но если считать по количеству хозяйств, картина меняется кардинально. Мелких и микропредприятий значительно больше. Так что все зависит от того, как мы измеряем: по деньгам или по числу игроков.
Что делать с архивными данными, которые накоплены в хаотичном виде — в таблицах, блокнотах, памяти сотрудников? Есть ли смысл вытаскивать из них что-то полезное?
Тут нет универсального ответа. Все зависит от ситуации. Надо смотреть, насколько глубоки эти данные и есть ли в них ценность. Основная проблема в том, что временной ряд невозможно восстановить искусственно. Если у вас в блокноте есть данные хотя бы за 10 лет, пусть даже не в идеальном виде — это уже повод задуматься об их оцифровке и анализе. Потому что аналогичный массив вы получите заново только через те же 10 лет.
Но имеет ли смысл всерьез заморачиваться, если этих данных немного или они фрагментированы?
Если мы говорим о данных всего за один-два года, то, возможно, проще выстроить нормальный сбор заново, начиная с текущего сезона. Но если речь о глубокой истории, пусть даже частично восстановимой, то я предлагаю хотя бы оценить трудозатраты на приведение их в порядок. Потому что альтернатива — ждать еще 10 лет. Так что это очень индивидуально. Главное — не выкидывать, не оценив.
Подводя итог нашей беседе, хочу отметить, что ИИ и цифровизация — сегодня однозначный тренд в АПК, многие этим занимаются и внедряют, однако есть и проблемные зоны, в первую очередь связанные с наличием качественных данных.