Därför misslyckas AI-satsningen inom jordbruket – bristande datakunskaper hindrar framstegen

Klyftan mellan vision och verklighet

På jordbrukskonferenser målas bilden upp av en AI-driven framtid där algoritmer optimerar allt från bevattning till skördeprognoser. Men ute på åkrarna fattas beslut fortfarande mest på magkänsla och generationers erfarenhet. Varför når den lovade tekniken aldrig fram till dem som faktiskt ska använda den?

Svaret är enklare än många teknologiföretag vill erkänna: bristande datakunskaper. Enligt Rob Ward, VD för det brittiska företaget Vitagri, präglas jordbrukssektorn av "datarädsla" – en motvilja som bottnar i utbildningsbrist snarare än envishet, rapporterar AgFunder News.

Grundproblemet: Vad är egentligen data?

Kunskapsgapet börjar redan på den mest grundläggande nivån. Många jordbruksspecialister har aldrig lärt sig att data inte är åsikter eller gissningar, utan strukturerat nedskrivna mätningar – som jordens pH-värde, järninnehåll i vete eller användning av täckgrödor.

När en odlare konfronteras med ett kalkylblad innehållande 200 rader mätdata saknas ofta verktygen för att utvinna användbar information. Det är som att ge någon en avancerad bilmotor utan att först lära dem vad en skiftnyckel är för något.

Detta blir särskilt problematiskt eftersom forskning faktiskt visar mätbara samband mellan odlingsmetoder och näringsinnehåll. Antioxidantnivåer kan variera med flera hundra procent inom samma växtslag beroende på hur den odlas. Men utan förståelse för hur man tolkar och använder denna typ av information förblir insikterna teoretiska.

Lösningen: Öppen utbildning framför företagsspecifika kurser

Nyckeln ligger inte i att utveckla ännu smartare AI-system, utan i att bygga upp grundläggande datakompetens genom öppen utbildning. Istället för företagsspecifika kurser som fokuserar på specifika produkter behöver branschen bred, tillgänglig utbildning i datahantering och analys.

Detta perspektiv får stöd från hur framgångsrika företag faktiskt arbetar med jordbruksinnovation. Kaliforniska Mozza Foods, som utvecklar teknik för att få sojabönor att producera mjölkprotein, visar på en annan approach än många AI-fokuserade startups.

Pragmatisk innovation som fungerar

Mozza Foods har valt molekylär jordbruksteknik framför avancerade bioreaktorer och AI-system. "Vi är ett molekylärt jordbruksföretag eftersom det är den enda väg vi ser som kan nå kostnadsjämvikt utan att behöva bygga infrastruktur för hundratals miljoner dollar", förklarar grundaren Adam Tarshis för AgFunder News.

Deras framgång – de har lyckats fördubbla proteinuttrycket årligen under fyra år och siktar på lansering 2028 – vilar på att utnyttja befintlig infrastruktur snarare än att kräva helt nya system och omfattande omställning.

Från teknikfokus till användarfokus

Skillnaden mellan Mozzas pragmatiska approach och många AI-initiativ illustrerar ett grundläggande problem: teknologiföretag utvecklar ofta lösningar utifrån vad som är tekniskt möjligt, inte vad användarna faktiskt kan hantera.

En framgångsrik AI-implementation inom jordbruket kräver därför inte bara avancerade algoritmer, utan också:

• Grundläggande datautbildning som gör odlare bekväma med siffror och mätningar
• Enkla gränssnitt som bygger på befintliga arbetsflöden
• Gradvis implementation som inte kräver total omställning över en natt

Tekniken finns redan där. Det som saknas är bron mellan innovation och praktisk tillämpning.