从字节到蒲式耳 ： 一代 AI 如何塑造农业的未来

农业实践 从字节到蒲式耳：一代AI如何塑造农业的未来 用生成式AI补充分析式AI可以在英亩内外创造新的价值。许多令人兴奋的用例展示了行业如何发展。 这篇文章是由Daniela Nuscheler, David Fiocco, Pradeep Prabhala,RS Mallya Perdur，Tom Brennan和Yashaswi Gautam以及Ryan Degnan代表麦肯锡农业实践的观点。 可以通过识别大型非结构化数据集中的模式来产生新的想法，特别是当涉及复杂的任务时，例如分子研究，营销或农学以及代码生成。相比之下，分析型AI通常通过基于结构良好的数据集和预定义规则进行预测来解决特定任务。这里的例子包括预测销售、细分客户和进行情绪分析。 全球营养需求继续增加，为农民创造新的经济压力和机会。与此同时，农业必须应对推动更可持续的做法。 人工智能等快速发展的技术的出现，为农业参与者提供了另一个强大的工具，可以正面应对这些挑战，并在整个业务中释放更高的效率和效力。特别是生成人工智能（generative AI）吸引了农业及其他领域许多领导者的想象力，并可能成为创造重大变革的动力。1它还揭示了许多其他长期存在的方法的应用，如分析人工智能，具有经过验证的用例，并且采用水平仍然相对较低。 由于其大量的非结构化数据，对劳动力的严重依赖，复杂的供应链物流和长的研发周期，以及大量重视定制产品和低成本服务的农民，农业特别适合AI和GeerAI的颠覆。例如，ge AI可以通过合成数百万个有关天气，土壤条件以及病虫害压力的数据点来开发测试场景，然后分析AI模型可以模拟这些场景。同时使用这两种技术。有可能提高效率，降低成本，并改善所有农业参与者的环境影响。 结合起来，分析型AI和gen AI有可能在整个价值链和整个业务运营中释放价值。本文解释了价值4万亿美元的全球食品生产行业中的公司如何2可以通过利用generAI来全面加强他们的AI努力。这样做可以创造经济价值3在两个关键领域:第一，通过改善农场经济学，如劳动力和投入成本和产量，其次，通过提高销售增长、生产率和运营效率，对企业来说。总体而言，我们的分析表明，AI可以在前一个地区创造1000亿美元后者为1500亿美元。4 重大价值的利害关系 人工智能可以在两个关键领域为农业创造显著价值: 1)在英亩，指作物和畜牧业生产；2)为企业，指业务职能。 在英亩 AI和gen AI可以帮助优化投入的使用并有效地管理劳动力。例如，基于gen AI的虚拟农学顾问可以挖掘天气，土壤条件和病虫害压力等数据集，可以帮助农民做出更明智的决策来提高产量（图表1）。 GenAI在农业中的应用 一般来说，“gen AI ”是指处理大量和不同的非结构化数据集的应用程序，包括地理空间和天气数据，并执行多个任务。 虚拟农学顾问提供了全面的农场快照，可以帮助农民管理产量，COy排放和个人数据。 此类解决方案将提高产量管理，从而实现高达一半的价值。通过自主解决方案降低劳动力成本以增强现有劳动力并减少对运营中劳动力的依赖，以及通过新的见解和数据处理以优化投入并减少浪费来节省投入成本，从而实现额外价值。 在未来的几个月和几年里，价值链将需要快速发展。 对于企业 在各个用例中，分析的组合 AI和gen AI可以通过推动功能效率的提高来创造额外的价值。大多数 目前尚不清楚哪些农业参与者将带头为农民创造结合分析人工智能和一代人工智能的产品和服务。一代人工智能技术比以往任何时候都更容易获得，这意味着初创企业和新进入者从较大的公司获得英亩价值的潜力增加。无论如何，各个参与者 这个值很可能会由分析型人工智能实现，并由ge AI实现或增强的解决方案补充。在这一点上，许多组织历来将其AI解决方案集中在支持功能上，而我们的研究表明，分析型AI和Geeral AI用例为核心功能增加了最大的价值，如研发和产品、营销和销售、农学和可持续性以及运营(图表2)。 附件2 生成人工智能可以在研发、营销和销售、农学和可持续性以及运营方面增加显著价值。 农业价值链中典型公司的AI和生成AI（gen AI）的增量价值 麦肯锡公司 以下示例说明了AI的组合形式如何创造更多机会对于价值链中每一步的参与者来说，即使业务职能之间的相对分布可能有所不同： 然后在主动学习循环中构建工具，在该循环中，模型将推荐假设以在实验室中进行测试，并将由此产生的数据 加速自我改进。在产品发布中，gen AI可以通过自动化数据收集和分析、生成文档以及提供对监管环境的洞察（例如，通过监控不断变化的监管程序要求）来加速产品注册。 —输入玩家。许多种子和作物保护参与者在很大程度上依赖创新，分析型AI和GeeAI可用于增强从研究和发现到开发和产品发布的整个研发生命周期。在研究和发现中，geAI可以通过对专利和科学研究进行自然语言扫描来帮助生成初始假设，或者筛选大型基因组数据集，为作物创新提出目标序列。在上训练的基础模型。 —投入分配以及种植和生产服务。直接为农民服务的参与者-无论是通过销售农业投入或通过农艺咨询，金融，保险和精准农业等服务-为数百万重视定制优惠和低成本服务的农民提供服务。分析AI和gen AI可以支持定价和利润方面的营销和销售领域管理、客户服务和经验、销售增长和生产力以及个性化营销。 特定的模式，如基因组，蛋白质组，或小分子数据可以帮助优先考虑基于最终状态属性的假设，如干旱或害虫抗性的转基因作物或改进的功效和可持续性的农药（图表3）。 每个客户都是独一无二的，而分析AI可以基于价值分析开发和评估有针对性的产品（图表4）。此类用例可以通过更好的客户识别来改善销售线索转换，从而降低创建营销内容的成本并推动收入增长。 在定价和利润管理方面，分析型AI模型可以细分客户 并根据历史支付意愿生成价格建议，而gen AI可以实时监控需求、供应和监管变化，以调整价格建议。在客户服务和 经验，gen AI可以提供文本响应作为购买过程中的第一个联系点，帮助客户解决产品选择或样品订购的问题。它还可以通过自动故障排除提供持续的产品支持，综合大型 —贸易和初级加工。对于价值链这一步的参与者来说，分析型AI和GeneAI可能会对卓越运营产生最大的影响。 潜在问题和解决方案的数据集。在销售增长和生产力方面，ge AI可以通过生成个性化的客户销售脚本，综合产品价值主张和客户购买因素来充当销售副手，而分析AI可以挖掘结构化交易数据，帮助销售代表优先考虑最佳的后续步骤。最后，ge AI可用于根据互动历史创建个性化和实时的营销内容。 在采购中，gen AI可以创建征求建议书文件的初稿，综合合同条款以识别来源价值泄漏，并产生新的谈判策略。在供应链中，genAI可以帮助监控和识别潜在的中断，例如天气的波动或全球贸易流量的变化，以及通过围绕SKU级分析和成本生成新场景来增强网络优化。在制造业中，gen AI可以充当 虚拟主题专家通过综合操作手册。它还可以提供对生产过程中遇到的特定问题的见解，增强预测性维护和故障监控，并创建优化的生产计划。 努力。利用这种潜力可能需要玩家重新连接他们对以下AI和数字努力的方法5: 1.从价值与业务主导战略的一致性开始。C级官员和董事会成员可以从整个企业的角度to focus resources, use the right governance models tostreamline investments, and transmit agility andaccountability to the organization. Doing so will likely entailtransforming domains with clearity on source of value anddifferentiation. Today, many players are inburated with tead hoc partnership models, each of which eventuallydraines resources and doesn ’ t deliver clear impact. Ashift toward a top - down view can help transformdomain (as other to use cases), which can createsubstantial value. 如前所述，这样的用例只是说明性的例子，当涉及到实现时，用例将需要根据价值链每个步骤中参与者的特定需求进行定制。 重新布线以从AI获取价值 尽管许多农业参与者对Gene AI的可能性感到兴奋，但大多数人尚未意识到其正在进行的AI的全部潜力 农业参与者可以通过提高内部工人的技能和带来外部人才。规模培训计划应与正式机制挂钩，例如薪酬和职业发展。 2.实现AI技术基础设施的现代化。 谨慎的技术战略对于避免碎片化和不断增加的基础设施成本至关重要。根据转换领域所需的功能，玩家可以在技术基础架构，分析模型，构建与购买决策以及与软件供应商，云服务提供商和大型供应商建立关键的第三方关系方面做出正确的选择语言模型。许多基础组件可以重复使用，以实现扩展，而不是购买单片应用程序。 从历史上看，人才保留是一个挑战，因为许多角色都有不明确的轨迹。随着人工智能的民主化，公司领导者可以通过正确的职业道路和发展来建立专业知识并深化角色，包括数据管家和工程师，软件架构师或开发人员，MLOps工程师，6法律或安全专家。 3.在数据基础上加倍。GeAI为获取大量非结构化信息开辟了新的途径，这些信息历来很难被农业公司整合。在部署方面，领导者可能需要就企业数据架构(数据存储和嵌入)、数据集成模式(API)和基础设施(云)做出决策，以管理结构化和非结构化数据。 5.提前计划管理风险。RiskhasshowedleftwithgenAI,whichmeansissuesneedtobeidentifiedandaddressedearlyinthedevelopmentlifecycle.Inturn,playerswill需要在此过程中预先定义、编纂和评估道德、法律和监管风险Gen AI进一步加剧了这些挑战，法律和风险团队已成为敏捷交付的关键部分，在技术基础设施中嵌入了清晰的框架和控制。 4.商业和技术组织中的Upskill人才。实施和价值获取需要合适的人才和能力。 农业参与者可以通过提高内部工人的技能和引进外部人才来专注于培养人才。 戏剧性地转变工作过程，采用和变革应该是战略的关键组成部分。然而，这些努力可能需要参与者重新想象新的工作方式，提高员工的技能以不同的方式行事，并仔细管理变革和能力建设。 6.嵌入敏捷运营模型。人工智能开发本质上是迭代的，这意味着组织应该有机制来支持高价值领域，特别是在修剪非增值试点项目时。传统的年度预算和资金模式可能会限制组织基于学习转移资源的能力， 领导者可以探索创新资助 找到更多这样的内容 麦肯锡见解应用程序 启动和随后 农业有望在粮食生产和经营方面取得显著进步，改变农作物的种植、收获和分配方式，同时使企业能够更有效地工作，为更可持续的未来做出更明智的决策。在未来几年中，在可持续实践和经济压力之间取得平衡将变得越来越重要，而分析AI和Geeral AI的结合可能会在塑造行业未来方面发挥关键作用。 在稳定的状态下吸收AI的努力。此外，拥有明确业务所有者的集成团队可以帮助确保AI和产品团队交付关键业务问题。 7.优先考虑采用和改变。很多时候，玩家将他们在AI上的大部分投资用于技术开发，忽略采用和变更管理。无论是在传统的农业技术应用还是在持续的数字努力中，这都是农业面临的关键挑战。鉴于gen AI可以 Daniela Nuscheler是麦肯锡柏林办事处的合伙人,David Fiocco是明尼阿波利斯办公室的高级合伙人,Pradeep Prab