Pekan lalu, Brian Lutz, Wakil Presiden Solusi Pertanian di Corteva, salah satu agribisnis terbesar di dunia, bersaksi untuk Kongres AS tentang peran AI dalam membentuk masa depan industri agrichemical.
Lutz menggambarkan tiga peran kunci untuk AI dalam bisnis: mempercepat penemuan pestisida baru; meningkatkan efisiensi produksi; dan membantu keputusan di pertanian kapan menggunakan produk-produk ini di lapangan.
“Ini, tanpa keraguan, salah satu teknologi paling mendalam yang pernah ditemukan. Sementara kita masih memulai, janji bahwa AI harus mengubah lanskap pertanian sudah sangat jelas,” katanya.
Setelah berbicara dengan berbagai inovasi dan prospek teknologi dari berbagai perusahaan agrifood di minggu lalu F & a berikutnya Konferensi, jelas Corteva tidak sendirian dalam menggunakan AI untuk upaya komersial: bahan -bahan baru, sifat tanaman baru, resep baru, prediksi tren, penasihat petani, dan sebagainya.
Menggunakan AI untuk mempercepat penemuan dan penjualan produk komersial baru adalah tempat yang jelas untuk memulai, dan minat pada solusi ini berlimpah di antara tim -tim usaha perusahaan yang saya temui.
Itu adalah cerita yang berbeda ketika saya bertanya apakah mereka sedang mencari solusi AI untuk meningkatkan efisiensi operasional rantai pasokan mereka; Inovasi ini tampaknya berada di luar mandat inovasi spesifik mereka. Sementara ini adalah percakapan individu, kolega saya Sofia Ramirez Memiliki pengalaman serupa ketika berbicara dengan perwakilan inovasi perusahaan di konferensi SynbioBeta awal bulan ini.
Contoh menarik dari solusi AI seperti itu, dan yang menyoroti peluang internal ini, adalah perusahaan portofolio yang bagus Anda memiliki dunia. Platform analisis bisnis percakapannya memberi visibilitas pengguna Di seberang rantai pasokan, dan karena menggunakan analisis percakapan, orang-orang di setiap tingkat organisasi dapat “mengobrol” dengan itu-seperti yang mungkin Anda cobati-untuk mendapatkan jawaban langsung tentang operasi perusahaan dan statistik bisnis.
Potensi untuk membuka kunci inefisiensi di seluruh bisnis tampaknya tidak ada habisnya, dengan contoh-contoh termasuk mencegah stok-out sebelum terjadi, mengidentifikasi keterlambatan pemasok sebelum mereka mengganggu produksi, dan mengurangi biaya pengadaan dan limbah. LUMI juga dapat membantu menyesuaikan ramalan lebih awal, mengoptimalkan jumlah pesanan, dan peluang lintas penjualan permukaan. Bahkan dapat mendiagnosis penyebab root (misalnya, “Mengapa penjualan turun di satu bidang?”), Dan merekomendasikan tindakan, semua tanpa harus menunggu berhari -hari bagi seorang analis data untuk menghasilkan dasbor baru melalui skrip Python atau SQL.
Visi akhir untuk Lumi adalah bertindak sebagai lapisan cerdas atas bisnis, mendeteksi apa yang tidak aktif, melaporkan apa yang penting, menunjukkan apa yang harus dilakukan, dan mengambil tindakan. Kedengarannya sangat mirip dengan transformasi digital bagi saya!
Yet when Sofia and I have queried agrifood corporate innovation and CVC personnel about their interest in this category of AI products–those that democratize data access and drive internal operational intelligence-–they've referred us to their digital transformation teams, many of which seem to be relatively new entities and often distinct from their open innovation, startup, tech, or CVC departments.
Bukannya mereka tidak menganggapnya sebagai prospek yang menarik, tetapi lebih dari fokus utama bagi mereka adalah bahan -bahan baru, sifat tanaman baru, farmtech digital, dan teknologi iklim; Inovasi “AgrifoodTech” yang lebih jelas, dan sebagian besar berputar di sekitar upaya eksternal, komersial untuk bisnis.
Tentu saja, AI akan tertanam dalam semua ini, tetapi kesan saya dari percakapan ini adalah bahwa sementara potensi AI diakui, integrasi ke dalam strategi operasional internal inti tidak sepenuhnya diformalkan atau tim inovasi belum sepenuhnya selaras dengan upaya ini. Pemutusan struktural ini menunjuk pada peluang yang terlewatkan yang signifikan.
Dan itu membuat saya bertanya -tanya: Apa tantangan terbesar yang dihadapi perusahaan -perusahaan ini? Apakah mereka membutuhkan bahan baru, atau apakah itu kebutuhan untuk membuat operasi bisnis mereka secara radikal lebih baik?
Tentu saja, produk-produk blockbuster baru selalu merupakan tujuan, tetapi untuk industri di mana margin laba bersih sering melayang sekitar 6-8%, setiap poin persentase efisiensi yang diperoleh diterjemahkan langsung ke kesehatan keuangan yang signifikan.
Di luar ini, sektor agrifood menghadapi tantangan yang terus -menerus, termasuk volatilitas rantai pasokan dan limbah internal yang signifikan. Perkiraan menyarankan itu Limbah dari pergudangan dan transportasi Sendiri dapat mencapai 0,2% hingga 0,5% dari pendapatan bersih perusahaan barang kemasan konsumen makanan. Kebocoran operasional ini, ditambah dengan margin tipis, berarti bahwa inefisiensi internal yang diabaikan bukan hanya masalah administrasi – mereka adalah ancaman langsung terhadap profitabilitas dan ketahanan.
Jika AI akan benar -benar mengubah pangan dan pertanian dengan cara mendalam yang ditunjukkan Lutz, itu tidak dapat terbatas pada inovasi eksternal dan komersial.
Ada contoh -contoh yang layak dari bisnis konsumen yang membuat langkah untuk mengadopsi AI secara bermakna di seluruh operasi mereka, seperti Procter & Gamble, yang kepala petugas informasinya, Seth Cohen, baru -baru ini mengarahkan lirik ke Forbes Tentang dampak transformasional AI, secara khusus merujuk agen AI.
Meskipun akan ada yang lain, masih ada cara untuk pergi untuk menggeser Agrifood's “Industri Digitalisasi Terkecil”Moniker. Agrifood Corporate sebaiknya memformalkan strategi AI internal mereka dan lebih baik melibatkan tim inovasi mereka dalam misi ini; tim yang berinteraksi dengan pengusaha teknologi setiap hari dan dapat membantu memastikan mereka tidak tertinggal – lagi.
Saya ingin terus menjelajahi topik ini. Jika Anda adalah bagian dari transformasi digital atau tim operasi internal dalam perusahaan agrifood dan ingin berbagi wawasan Anda tentang strategi AI, jangan ragu untuk menjangkau, di dalam atau dari catatan, di (email dilindungi).