Jordbrukssektorn har en struktur som få andra sektorer har: ett enskilt företag, ett kooperativ eller en avsättningsorganisation, en leverantör av maskiner eller utsäde, och ofta en förädlare eller detaljhandlare som ställer krav på vad som sker på gården. AI-tillämpningar kommer inte bara från insidan. En stor del levereras tillsammans med utrustning, sensorer eller mjukvara från tredje part. Den som är ansvarig för styrning måste därför inte bara titta på vad det egna företaget anskaffar, utan även på vad som kommer in via maskiner, rådgivningstjänster och kedjepartners. Det förhållandet — egna val gentemot medlevererade system — är större än i sektorer där IT köps in centralt.
Inom jordbrukssektorn används AI för olika uppgifter: bildigenkänning vid grödbedömning, prognoser för skörd eller sjukdomstryck, styrning av foder- och klimatsystem, samt administrativ hantering av bidragsansökningar eller kedjerapportering. Vissa av dessa tillämpningar är fast inbyggda i maskiner och kan knappt skiljas från hårdvaran. Andra är fristående verktyg som en odlingsrådgivare, inköpare eller driftledare själv har börjat använda, ofta utan att det dokumenterats någonstans. Styrning måste därför kartlägga två typer av AI: de system som kommit med tekniken och de system som människor själva har börjat använda.
I många jordbruksföretag och kooperativ finns ingen central IT-avdelning som förvaltar all mjukvara. Inköp av maskiner, rådgivningstjänster och datverktyg sker ofta per verksamhetsdel eller per person. Det innebär att en inventering som bara utgår från IT eller inköp missar en stor del av vad som faktiskt används. En odlingsrådgivare som använder ett AI-verktyg för att känna igen sjukdomsbilder, eller en planerare som rådfrågar en chatbot för logistiska beslut, gör det ofta på eget initiativ. För att få insyn i detta krävs mer än att begära en lista: det handlar om att ställa frågor till de personer som utför arbetet, på ett sätt som inte känns som kontroll. Hur det fungerar i praktiken beskrivs på sidan om hur ni förhindrar att medarbetare använder ett verktyg som ingen har godkänt. En annan risk som i denna sektor ofta sammanfaller med AI-användning är att dela affärskänsliga uppgifter, såsom skördesiffror eller avtalsvillkor, i ett öppet chattfönster; tillvägagångssättet för det beskrivs på sidan om hur ni förhindrar att företagsdata hamnar i ett gratis chattfönster.
En AI-tillämpning som bedömer en gröda för sjukdom har en annan påverkan än ett verktyg som skriver ett e-postutkast till en leverantör. Den första påverkar ett operativt beslut som kan ha ekonomiska och ibland livsmedelssäkerhetsrelaterade konsekvenser; den andra är administrativt stödjande. Styrning inom denna sektor kräver en klassificering som skiljer mellan system som påverkar beslut om djur, grödor eller säkerhet, och system som endast stödjer text eller planering. Den indelningen bestämmer vilken nivå av tillsyn och dokumentation som krävs, och om en tillämpning omfattas av strängare regler. Det exakta regelinnehållet och de tillhörande tidsfristerna hör inte hemma på denna sida; de underhålls på annat håll. Här handlar det om mekanismen: att veta vad som är i drift, veta vilken roll det spelar, och kunna visa det.
Jordbrukssektorn delar med andra sektorer att AI spider sig via individuell användning, inte via ett centralt beslut. Det mönstret syns även i hur IT-sektorn hanterar AI-styrning, där fristående utvecklingsverktyg spider sig lika snabbt som rådgivningsverktyg på gården. Skillnaden ligger i beroendet av fysisk utrustning och kedjekrav: medan finanssektorn framför allt har att göra med modeller i mjukvara, och energisektorn med styrning av nätverk och anläggningar, kombinerar jordbrukssektorn båda: AI som är inbyggd i maskiner och AI som används fristående för administration eller rådgivning. Styrning måste därför omfatta både maskinleverantören och användaren på fältet.
En styrelseledamot eller ett kooperativs styrelse som måste redovisa AI-användning behöver något att bygga på: en inventering som har underhållits, en klassificering som har tillämpats, och en översikt över vem som använder vilken tillämpning och för vad. Utan den översikten är varje uttalande om AI-användning en uppskattning. Med en styrningsuppsättning som ansluter till företagets eller kooperativets befintliga riskstruktur blir den rapporteringen en fråga om löpande underhåll snarare än att rekonstruera i efterhand.
Så snart det är klart vilka AI-tillämpningar som finns och vilken roll de spelar, uppstår naturligt en annan fråga: vilken del av arbetet som nu fortfarande sker manuellt som egentligen kan tas över av AI. Arbetsanalysen från FTE TO AI beräknar detta per uppgift, utifrån vad arbetet faktiskt innebär, och visar vilken del av det som lämpar sig för automatisering.
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.