top of page
検索
データ・AI・業務整理
データ活用、農業AI、業務整理を先に考える視点の記事


農業AX(Agricultural AI Transformation)とは何か――DXが「見える化」で止まった後の話
農業AXとは、農業の現場と経営における判断の一部をAIに委ね、その委ね方を人が設計する状態への転換である。英語ではAgricultural AI Transformation。AIを入れること自体ではなく、どの判断を誰に渡すかを決めることを指す。 データを集めて見えるようにするところまでは、農業DXでかなり進んだ。止まっているのは判断のほうだ。2025年農林業センサスでは、データを活用している経営体は40.0%に達した。その一方で、集めたデータを分析して次の一手に使えている経営体は約3%にとどまる。記録は増えた。判断は変わっていない。 だから農業AXは技術の話ではなく、経営の話になる。 1. 定義を先に置く 農業AXを、私はこう定義する。 農業の現場と経営における判断の一部をAIに委ね、人がその委ね方を設計する状態への転換 この定義には、三つの条件が含まれている。どれか一つでも欠けたら、私はAXと呼ばない。 データが判断に接続している。 記録して終わらず、次の一手が変わる。 責任の所在が決まっている。 AIの提案を採るのは誰か、外したときに誰が負
Tomoyuki Watanabe
11月11日読了時間: 7分


衛星データで「畑」から「食のサプライチェーン」へ――Agriee「GrowthWatcher」の挑戦を私が応援する理由
【はじめに/重要なお知らせ】本記事は、株式会社Agrieeの事業および取り組みについて、スマート農業・農業DXに関わってきた筆者の個人的な見解として紹介するものです。特定の有価証券への投資を推奨・勧誘したり、投資判断に関する助言を行ったりすることを目的としたものではありません。株式会社AgrieeがFUNDINNOで募集する株式は非上場株式であり、投資元本が保証されるものではありません。事業状況によっては投資額の一部または全部を失う可能性があり、自由に売却できない可能性もあります。投資を検討される場合は、本記事のみを判断材料とせず、必ずFUNDINNOが提供する募集ページ、契約締結前交付書面、リスク情報その他の開示資料を十分に確認し、ご自身の判断と責任において意思決定してください。 スマート農業は「技術を入れること」から次の段階へ スマート農業という言葉から、皆さんは何を思い浮かべるでしょうか。 自動運転トラクター、農業用ドローン、環境センサー、AI、生育予測――。 もちろん、これらのテクノロジーは農業を変える重要な要素です。...
Tomoyuki Watanabe
9月4日読了時間: 9分


熟練の技はAIに移せるか――「Physical AI Nexus Japan #3」で見えた技能伝承の現在地
2026年8月28日(金)、Fujitsu Uvance Kawasaki Tower内のUvance Innovation Studioで開催された「Physical AI Nexus Japan #3―現場知を未来へつなぐ、技能伝承とスマートファクトリー―」に参加しました。 今回のテーマは、製造業が直面している熟練者の退職、人材不足、設備の老朽化に対し、暗黙知の可視化やAIによる判断支援、ロボットへの技能移植をどのように進めていくかというものです。 私はこれまでスマート農業や農業DXに関わってきましたが、製造業と農業には共通する課題が少なくありません。 経験や勘に支えられた判断が多いこと、作業条件が毎回同じではないこと、ベテランの技が言葉やマニュアルだけでは伝わりにくいことです。 そのため、今回の議論は単なる「工場の自動化」の話にとどまらず、農業における技能継承や人材育成を考えるうえでも、非常に示唆に富む内容でした。 フィジカルAIとは、AIが現実世界で判断し行動すること 生成AIが文章や画像など、主にデジタル空間で成果を生み出すのに対し、フ
Tomoyuki Watanabe
8月30日読了時間: 14分


スマート農業のデータ活用は、なぜ「見る」で止まるのか――4割が実践、分析は3%という現在地
スマート農業のデータ活用は、いま「見る」で止まっています。 2026年8月7日に公表された2025年農林業センサス第2総括編(統計表47)では、データを活用した農業を行っている経営体は約33万経営体、農業経営体の40.0%。しかし中身を見ると、気象や市況などのデータを「見る」が約36%、農作業履歴を「電子的に記録する」が約12%、機器やセンサーで「取得・分析する」は約3%です。 取れているのに、使われていない。これが現在地です。 「スマート農業は、日本でどのくらい普及したのでしょうか。」 これまで、この問いに答えようとすると、ロボットトラクターや農業用ドローン、センサー、営農管理システムなどの導入台数が取り上げられることが少なくありませんでした。 しかし私は以前から、スマート農業の普及を「機械やシステムを何台導入したか」だけで評価することには限界があると考えています。 重要なのは、その技術やデータが実際の農業経営の中で、 見る→記録する→分析する→判断する→行動を変える ところまでつながっているかです。 2026年8月7日、農林水産省から「202
Tomoyuki Watanabe
8月8日読了時間: 13分


農業AIは技術より「業務整理」が先
自治体が生成AIを導入する前に決めるべき10項目 農業分野でも、生成AIやAIエージェントへの関心が急速に高まっています。 自治体やJA、農業法人の担当者からも、 「農業で生成AIをどのように使えるのか」「熟練農業者の技術をAIで継承できないか」「農業者からの問い合わせ対応を効率化できないか」 といった声を聞く機会が増えてきました。 しかし、農業AIの導入で最初に検討すべきことは、どのAI製品を使うかではありません。 先に整理すべきなのは、 どの業務を改善するのか AIにどのデータを使わせるのか AIに任せる判断と、人が行う判断をどう分けるのか AIの回答を誰が確認するのか 導入後に誰がデータを更新し、運用を続けるのか という、業務・データ・責任体制です。 農業AIの成否は、AIモデルの性能だけでは決まりません。AIが機能するように、業務、データ、人の役割を再設計できるかどうかで決まります。 農業で生成AIを活用する際の結論 農業で生成AIを活用する場合、最初にAI製品を選ぶのではなく、解決したい業務、使用するデータ、人が最終判断する範囲、回答を
Tomoyuki Watanabe
7月24日読了時間: 12分


もう「AIを入れるか?」ではない農業現場で“本当に使えるAI”とは何か
「AIが農業を変える」 そんな言葉を聞いて久しいですが、2026年の今、ようやく農業AIは“未来の話”から“現場実装の話”へ移り始めています。 ただし、ここで大切なのは、SF映画のような完全無人農場をいきなり目指すことではありません。 今、農業現場で広がり始めているAIは、農業者を置き換えるものではなく、農業者を助けるAIです。 具体的には、 人手不足を補うAI ベテラン農家の勘を補完するAI 病害虫や生育状態の判断を支援するAI 作業記録やデータ入力の負担を減らすAI 農業支援者の判断力を高めるAI です。 つまり、農業AIの本質は「人を減らす技術」ではなく、人が足りない時代に、農業の判断・作業・継承を支える技術だと言えます。 なぜ今、農業AIが現実化しているのか 背景には大きく2つの変化があります。 ① 農業現場から“経験者”が減っている 農業の人手不足は、単に作業する人が足りないという問題だけではありません。 より深刻なのは、経験豊富な農業者、営農指導員、普及員など、現場で判断し、教え、伴走できる人材が減っていることです。...
Tomoyuki Watanabe
5月8日読了時間: 8分


自律型除草ロボットが切り拓くスマート農業の次世代フェーズ
―補助金制度、導入事例、普及の壁を徹底解説― ■ 「除草」が抱える構造的課題 農業現場で最も“見えにくく、かつ重い”負担の一つが除草です。農林水産省や農研機構の分析によれば、除草作業は年間総労働時間の15〜25%を占め、1haあたり200〜300人時を費やすこともあります。 とくに中山間地や果樹園では、傾斜・樹間・支柱といった制約が機械化を阻み、「安全に・効率的に・薬剤に頼らず草を抑える」手段の確立が長年の課題でした。 ■ 政策が後押しする“省力化×安全×環境”の投資領域 2024年10月に施行された「スマート農業技術活用促進法」により、ロボット除草のような省力・安全・環境調和技術は、国の恒常支援対象として制度化されました。 主な支援スキームは以下の3層です。 制度 内容 補助・優遇 スマート農業技術活用促進法(新法) 生産方式革新・開発供給の2認定を通じ、税制・金融優遇 認定でJFC長期低利資金、補助事業加点 スマート農業・農業支援サービス導入総合サポート 導入・実証・事業化を一体支援 補助1/2、先進モデル加点 農地利用効率化等支援交付金 ロ
Tomoyuki Watanabe
2025年10月16日読了時間: 4分


東北大学 大学院生からのヒアリングで考えた農業DXの方向性
先日、修士論文研究の一環として、東北大学の大学院生からヒアリングを受ける機会がありました。普段は私自身が農業者や行政・企業に対してヒアリングを行う立場ですが、今回は逆に質問を受ける側として、農業DXに関する取り組みや課題を整理する貴重な時間となりました。 学生からの視点が映し出す「農業×社会課題」 ヒアリングでは、農業DXが「効率化」だけでなく、社会課題解決の切り口としてどう機能するのかに関心が集まりました。 農業の担い手不足や高齢化に対してDXはどう貢献できるのか 「みどりの食料システム戦略」との接続点はどこにあるのか フードロスや流通最適化におけるデータ活用の可能性は何か これらは農業を単なる生産活動ではなく、地域社会の持続可能性を支える基盤産業として捉える視点であり、農業DXの社会的意義を改めて考える契機となりました。 「機械よりマインドセット」という核心 普及が進まない最大の要因は「技術不足」でも「資金不足」でもなく、マインドセットです。私の言葉を要約すれば、「スマート農業が進まない理由は、農業者の多くが“ビジネスとしての意思決定”に踏み
Tomoyuki Watanabe
2025年9月21日読了時間: 5分
bottom of page



