Sektor agrarny ma strukturę, jakiej mało który inny sektor posiada: indywidualne gospodarstwo, spółdzielnię lub organizację zbytu, dostawcę maszyn lub materiału siewnego, oraz często przetwórcę lub detalistę, który stawia wymagania co do tego, co dzieje się na gospodarstwie. Zastosowania AI nie pochodzą wyłącznie z wewnątrz. Duża część jest dostarczana razem z urządzeniami, sensorami lub oprogramowaniem firm trzecich. Ten, kto odpowiada za governance, musi więc patrzeć nie tylko na to, co kupuje własna firma, ale również na to, co napływa poprzez maszyny, usługi doradcze i partnerów w łańcuchu. Ta relacja — własne wybory wobec systemów dostarczanych z zewnątrz — jest większa niż w sektorach, gdzie IT jest zakupywane centralnie.
W sektorze agrarnym AI wykorzystywane jest do różnorodnych zadań: rozpoznawania obrazu przy ocenie plonów, prognozowania wydajności lub presji chorobowej, sterowania systemami żywienia i klimatu, a także administracyjnego przetwarzania wniosków o dotacje czy raportowania w łańcuchu dostaw. Niektóre z tych zastosowań są wbudowane na stałe w maszyny i trudno je oddzielić od sprzętu. Inne to samodzielne narzędzia, które doradca uprawowy, kupiec lub kierownik firmy zaczął używać samodzielnie, często bez żadnej formalnej rejestracji. Governance musi więc obejmować dwa rodzaje AI: systemy, które przyszły wraz z techniką, oraz systemy, które ludzie zaczęli używać z własnej inicjatywy.
W wielu gospodarstwach agrarnych i spółdzielniach nie istnieje centralny dział IT, który zarządza całym oprogramowaniem. Zakup maszyn, usług doradczych i narzędzi do danych przebiega często na poziomie poszczególnych części firmy lub poszczególnych osób. Oznacza to, że inwentaryzacja zaczynająca się jedynie od IT lub zakupów pomija dużą część tego, co jest faktycznie używane. Doradca uprawowy, który korzysta z narzędzia AI do rozpoznawania objawów choroby, lub planista, który konsultuje się z chatbotem przy wyborach logistycznych, robi to często z własnej inicjatywy. Aby uzyskać na to wgląd, potrzeba więcej niż zebranie listy: to kwestia zadawania pytań ludziom, którzy wykonują pracę, w sposób, który nie odczuwają jako kontrolę. Jak to działa w praktyce, opisano na stronie o tym, jak zapobiec sytuacji, w której pracownicy używają narzędzia, którego nikt nie zatwierdził. Innym ryzykiem, które w tym sektorze często zbiega się z użyciem AI, jest udostępnianie danych wrażliwych dla firmy, takich jak liczby dotyczące wydajności czy warunki umów, w publicznym okienku czatu; podejście do tego opisano na stronie o tym, jak zapobiec temu, by dane firmowe trafiły do bezpłatnego okienka czatu.
Zastosowanie AI, które ocenia stan zdrowia rośliny, ma inny wpływ niż narzędzie, które pisze wersję roboczą e-maila do dostawcy. Pierwsze wpływa na decyzję operacyjną, która może mieć konsekwencje finansowe, a czasem dla bezpieczeństwa żywności; drugie jest wsparciem administracyjnym. Governance w tym sektorze wymaga klasyfikacji, która odróżnia systemy wpływające na decyzje dotyczące zwierząt, roślin lub bezpieczeństwa, od systemów wspierających jedynie tekst lub planowanie. Ten podział określa, jaki poziom nadzoru i dokumentacji jest potrzebny, oraz czy dane zastosowanie podlega bardziej rygorystycznym przepisom. Dokładna treść przepisów oraz odpowiadające im terminy nie należą do tej strony; są one prowadzone w innym miejscu. Tutaj chodzi o mechanizm: wiedzieć, co działa, wiedzieć, jaką rolę odgrywa, i móc to udokumentować.
Sektor agrarny podobnie jak inne sektory doświadcza tego, że AI rozprzestrzenia się poprzez indywidualne użycie, a nie poprzez centralną decyzję. Ten wzorzec widoczny jest również w sposobie, w jaki sektor ICT radzi sobie z AI-governance, gdzie samodzielne narzędzia programistyczne rozprzestrzeniają się tak szybko jak narzędzia doradcze na gospodarstwie. Różnica leży w zależności od fizycznego sprzętu i wymagań łańcucha dostaw: podczas gdy sektor usług finansowych ma do czynienia głównie z modelami w oprogramowaniu, a sektor energetyczny ze sterowaniem sieciami i instalacjami, sektor agrarny łączy oba: AI wbudowaną w maszyny oraz AI używaną samodzielnie do administracji lub porad. Governance musi więc obejmować zarówno dostawcę maszyny, jak i użytkownika na miejscu pracy.
Zarządca lub zarząd spółdzielni, który musi składać sprawozdanie z użycia AI, potrzebuje czegoś, na czym może się oprzeć: inwentarza, który jest prowadzony na bieżąco, klasyfikacji, która została zastosowana, oraz przeglądu tego, kto używa jakiego zastosowania i do czego. Bez takiego przeglądu każde stwierdzenie o użyciu AI jest szacunkiem. Dzięki zestawowi governance, który jest dostosowany do istniejącej struktury ryzyka firmy lub spółdzielni, raportowanie to staje się kwestią bieżącego prowadzenia dokumentacji, a nie rekonstrukcji po fakcie.
Gdy jasne jest już, jakie zastosowania AI istnieją i jaką rolę odgrywają, samo z siebie nasuwa się kolejne pytanie: jaka część pracy, która obecnie wykonywana jest jeszcze ręcznie, właściwie może zostać przejęta przez AI. Skan pracy FTE TO AI wylicza to dla każdego zadania, na podstawie tego, co dana praca faktycznie obejmuje, i pokazuje, jaka jej część nadaje się do automatyzacji.
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.