Hét adat egy permetezés után: itt akad el az AI-bevezetés

Mit ír a telex

A szegedi fejlesztés a cikk szerint már a látható tünetek megjelenése előtt felismeri a növényeket érő stresszhatásokat, például a víz- vagy tápanyaghiányt, így a gazdálkodó még a terméskiesés előtt beavatkozhat. A technológiai oldal tehát adott.

A korlát nem a modell. A Magyar Precíziós Gazdálkodási Egyesület általános alelnöke, Varga Péter Miklós szerint az új fejlesztések sikerét sokkal inkább a felhasználók nyitottsága és digitális felkészültsége határozza meg, mint maga a mesterséges intelligencia. Az elektronikus gazdálkodási naplóba a növényvédelmi kezeléseket, a tápanyag-utánpótlást és az egyéb agrotechnikai műveleteket kell rögzíteni. „Összesen hét adatról beszélünk, amelyeket egy permetezés után kell rögzíteni”, mondja Varga a cikkben, és hozzáteszi: sok gazdálkodónak még ez is akadályt jelent.

Üzleti szemmel nézve azonban ez a cikk kulcsmondata: Varga szerint olyan megoldásokra van szükség, amelyek a gazdák által már ismert rendszerekbe épülnek be. A cikk szerint az is sokat segítene, ha a felület a bevitt adatra rögtön javaslattal vagy figyelmeztetéssel válaszolna, mert akkor jóval többen használnák a napi munkájukban. Vagyis nem sokadik különálló alkalmazás kell. Emellett sok termelő ma is inkább a saját tapasztalatára vagy más gazdák tanácsára hagyatkozik, mint az adatra.

Egyetértünk: ez a probléma pontos leírása

Ezzel nincs vitánk. Pontosan azt fogalmazza meg, amit mi „provisioning gap”-nek hívunk: a képesség kész, de nincs útja odáig, ahol a munka ténylegesen folyik.

Egy dolgot azonban élesebben fogalmaznánk. Ha a szűk keresztmetszetet a felhasználók nyitottságában és digitális felkészültségében jelöljük meg, az könnyen úgy olvasható, mintha a hiba a felhasználónál lenne, és majd felnő a piac a technológiához. A mi tapasztalatunk más. Amikor egy modell önálló alkalmazásként érkezik, külön bejelentkezéssel, külön adatbevitellel és külön üzemeltetéssel, akkor az integráció költségét a fejlesztő a felhasználóra hárítja. A hét adat azért nehéz, mert aki rögzíti, ugyanabban a pillanatban nem kap érte cserébe semmit. Nem azért, mert hét.

Ebből következik a tézisünk, és a szegedi példa pontosan ezt támasztja alá:

Mit tesz az ATAILA ezzel a szakadékkal

A cikk megállapításai pontról pontra megfeleltethetők annak, ahogyan mi dolgozunk.

Hogy ez a szakadék átléphető, azt a saját gyakorlatunk mutatja: a referenciáink a saját, élesben futó termékeink ugyanezen a platformon, és a legújabb közülük a kész modulok újrafelhasználásával órák alatt állt élesbe.

Amit nem tudunk, és amit nem vállalunk

Nem vagyunk agrárcég. Nincs saját növényélettani modellünk, és nem tudnánk megmondani, mit lát a szegedi rendszer egy táblán. Ahhoz a szegedi kutatók értenek, a cikk alapján jól. Az AI-hoz való hozzáférés és az agronómia két külön szakma.

Azt sem állítjuk, hogy egy platform bizalmi kérdést oldana meg. Aki a saját több évtizedes tapasztalatában jobban bízik, mint az adatban, azt nem a telepítés fogja meggyőzni. A jó szoftver legfeljebb annyit tud: olcsóvá teszi a kipróbálást, és azonnal visszaad valamit azért, amit a felhasználó beírt. A többi idő és bizonyíték kérdése.

És őszintén a saját határainkról: egy két-három fős családi gazdaság nem a mi vevőnk. Az ATAILA 20–200 fős, szabályozott vagy adatérzékeny szervezeteknek szól, ahol egy drága, ismétlődő munkafolyamat bizalmas adaton fut: szerződéseken, betegdokumentáción, pénzügyi adaton. Egy tábla növényvédelmi naplója nem ugyanaz a bizalmassági kategória, és nem is tüntetjük fel annak, csak hogy a saját tézisünk jobban álljon. Ha nálad nincs ilyen munkafolyamat, azt előre megmondjuk, mielőtt bárki bármit költene.

Ha ismerős a mintázat

Ha van olyan bizalmas, ismétlődő munkafolyamatod, amelyet régóta automatizálnál, és amelyet sosem másolnál be egy publikus AI-ba, meséld el nekünk. Megmondjuk őszintén, eljut-e élesig, és mibe kerül odáig eljutni. Nyomás nélkül, bizalmas beszélgetésben.

Vágjunk bele →