Il settore agricolo ha una struttura che poche altre realtà possiedono: un'azienda individuale, una cooperativa o un'organizzazione di commercializzazione, un fornitore di macchinari o di sementi, e spesso un trasformatore o un rivenditore che pone requisiti su ciò che accade nella cascina. Le applicazioni di AI non provengono solo dall'interno. Una parte considerevole viene fornita insieme ad apparecchiature, sensori o software di terzi. Chi è responsabile della governance deve quindi guardare non solo a ciò che l'azienda stessa acquista, ma anche a ciò che entra tramite macchinari, servizi di consulenza e partner di filiera. Questo rapporto — scelte proprie contro sistemi forniti insieme ad altro — è più marcato che nei settori dove l'IT viene acquistata centralmente.
Nel settore agricolo l'AI viene impiegata per compiti diversi: riconoscimento delle immagini nella valutazione delle colture, previsione del raccolto o della pressione delle malattie, gestione dei sistemi di alimentazione e climatizzazione, ed elaborazione amministrativa di domande di sussidio o rapporti di filiera. Alcune di queste applicazioni sono integrate stabilmente nei macchinari e sono difficilmente separabili dall'hardware. Altre sono strumenti autonomi che un consulente colturale, un addetto agli acquisti o un responsabile aziendale ha iniziato a usare, spesso senza che ciò sia stato registrato da nessuna parte. La governance deve quindi individuare due tipi di AI: i sistemi arrivati insieme alla tecnologia e i sistemi che le persone hanno iniziato a usare autonomamente.
In molte aziende agricole e cooperative non esiste un reparto IT centrale che gestisce tutto il software. L'acquisto di macchinari, servizi di consulenza e strumenti di dati avviene spesso per singola area aziendale o per singola persona. Ciò significa che un'inventariazione che parte solo dall'IT o dagli acquisti manca una parte importante di ciò che viene realmente utilizzato. Un consulente colturale che usa uno strumento di AI per riconoscere i quadri patologici, o un pianificatore che consulta un chatbot per scelte logistiche, lo fa spesso di propria iniziativa. Per avere visibilità su questo, non basta richiedere un elenco: bisogna porre domande alle persone che svolgono il lavoro, in un modo che non venga percepito come un controllo. Il funzionamento pratico è descritto nella pagina su come evitare che i dipendenti usino uno strumento che nessuno ha approvato. Un altro rischio che spesso coincide con l'uso dell'AI in questo settore è la condivisione di dati aziendali sensibili, come le cifre di raccolto o le condizioni contrattuali, in una finestra di chat pubblica; l'approccio a questo problema è descritto nella pagina su come evitare che i dati aziendali finiscano in una finestra di chat gratuita.
Un'applicazione di AI che valuta una coltura per individuare malattie ha un impatto diverso da uno strumento che redige la bozza di un'email a un fornitore. La prima influisce su una decisione operativa che può avere conseguenze finanziarie e talvolta di sicurezza alimentare; la seconda è un supporto amministrativo. La governance in questo settore richiede una classificazione che distingua tra sistemi che riguardano decisioni su animali, colture o sicurezza, e sistemi che supportano solo testo o pianificazione. Questa suddivisione determina quale livello di supervisione e documentazione è necessario, e se un'applicazione rientra in regole più rigorose. Il contenuto normativo preciso e le relative scadenze non fanno parte di questa pagina; vengono tenuti aggiornati altrove. Qui si tratta del meccanismo: sapere cosa è in funzione, sapere quale ruolo svolge, e poterlo dimostrare.
Il settore agricolo condivide con altri settori il fatto che l'AI si diffonde tramite l'uso individuale, non tramite una decisione centrale. Questo schema si osserva anche nel modo in cui il settore ICT gestisce l'AI-governance, dove strumenti di sviluppo autonomi si diffondono con la stessa rapidità degli strumenti di consulenza in cascina. La differenza sta nella dipendenza da apparecchiature fisiche e requisiti di filiera: mentre i servizi finanziari hanno a che fare soprattutto con modelli nel software, e il settore energetico con la gestione di reti e impianti, il settore agricolo combina entrambi gli aspetti: AI integrata nei macchinari e AI usata autonomamente per l'amministrazione o la consulenza. La governance deve quindi comprendere sia il fornitore del macchinario sia l'utilizzatore sul campo.
Un amministratore o un consiglio cooperativo che deve rendere conto dell'uso dell'AI ha bisogno di qualcosa su cui basarsi: un inventario tenuto aggiornato, una classificazione applicata, e una panoramica di chi usa quale applicazione e per quale scopo. Senza questa panoramica, ogni affermazione sull'uso dell'AI è una stima. Con un set di governance che si allinea alla struttura di rischio già esistente dell'azienda o della cooperativa, questa rendicontazione diventa una questione di aggiornamento continuo piuttosto che di ricostruzione a posteriori.
Una volta chiarito quali applicazioni di AI esistono e quale ruolo svolgono, segue naturalmente un'altra domanda: quale parte del lavoro ancora svolto manualmente si presta effettivamente a essere assunta dall'AI. La scansione del lavoro di FTE TO AI calcola questo per ogni compito, sulla base di ciò che il lavoro effettivamente comporta, e mostra quale parte di esso si presta all'automazione.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.