Landbrugssektoren består af to slags arbejde, der har lidt med hinanden at gøre. På den ene side arbejdet i stalden, drivhuset eller på marken: fodring, malkning, høst, vedligeholdelse af maskiner, observation af dyrs adfærd og sundhed. På den anden side arbejdet ved skrivebordet: gødningsregnskab, tilskudsansøgninger, dyrkningsregistrering, fakturering, planlægning af leverancer, kommunikation med aftagere og revisor. Den, der spørger sig selv, hvilket arbejde AI overtager først, må holde disse to strømme adskilt, for udfaldet er helt forskelligt for hver af dem.
Det fysiske arbejde ændrer sig langsomt. At malke et dyr, beskære en afgrøde eller styre en traktor er stadig i vid udstrækning menneskearbejde, selv når der allerede er sensorer og robotter med i processen. Det administrative og analytiske arbejde ændrer sig hurtigere, og netop dette arbejde udgør i mange virksomheder flere timer, end ejeren selv er klar over. En mælkeproducent, der ved, hvor meget tid der hver uge går med at udfylde formularer og indtaste data fra ét system til et andet, ser ofte for første gang, hvor den frigørbare kapacitet ligger.
I en landbrugsvirksomhed går timerne ikke kun til produktion. En stor del går til:
Disse opgaver indgår sjældent i samtalen om AI på gården, mens de ofte udgør den største andel af en landbrugers kontortimer. Vurderingen af, hvilken del af dette arbejde der kan overtages, afhænger af, hvor struktureret dataene allerede er, hvor mange systemer der kører adskilt fra hinanden, og hvor ofte en opgave udføres på baggrund af faste regler frem for erfaring og vurdering.
I virksomheder, hvor data kommer ind digitalt og struktureret, kan software allerede i dag overtage opgaver som at sammensætte gødningsregnskaber ud fra sensordata, automatisk udfylde standardformularer, signalere afvigelser i mælkeydelse eller vækstkurver, og foreslå planlægning på baggrund af vejrudsigt og tilgængelig kapacitet. Dette er arbejde, hvor input er entydigt, og resultatet kan holdes op mod en norm.
Andre opgaver forbliver under menneskeligt tilsyn: et system kan signalere en afvigelse i dyreadfærd, men vurderingen af, om det betyder sygdom, stress eller noget andet, forbliver hos landmanden eller dyrlægen. Et system kan sammenligne et tilbud på kunstgødning eller foder på pris, men valget af leverandør afhænger også af relation, leveringstid og erfaring fra tidligere sæsoner. Dette tilsyn er ikke en mellemfase, der forsvinder, når teknikken bliver bedre; det er en fast plads i processen, så længe vurderingen kræver kontekst, der ikke findes i dataene.
Og en del af arbejdet forbliver menneskearbejde, punktum: den fysiske håndtering af dyr og afgrøder, vedligeholdelse af maskiner, vurderingen af høsttidspunktet ud fra duft, farve og fornemmelse. Teknik kan understøtte her med data, men selve handlingen flytter sig ikke.
To landbrugsvirksomheder af sammenlignelig størrelse kan variere kraftigt i, hvad der allerede kan overtages nu. En virksomhed, der allerede arbejder med et regnskabsprogram, sensorer og et centralt registreringssystem, har grundlaget på plads til at automatisere opgaver. En virksomhed, der stadig arbejder med papirformularer og løse Excel-filer, må først etablere dette grundlag, før AI kan overtage noget. Forskellen ligger derfor ikke primært i sektoren, men i tilstanden af data og systemer i virksomheden.
Dette mønster er ikke unikt for landbruget. Også i it-sektoren og i den finansielle sektor bestemmer kvaliteten af de underliggende data, hvor meget arbejde der reelt bliver overtaget. Hvor en landbrugsvirksomhed kæmper med fragmenterede sensordata, kæmper en marketingafdeling ofte med et lignende problem ved scoring af leads på kvalitet: teknikken findes, men input skal være i orden, før den kan overtage noget.
Denne analyse siger intet om, hvem en virksomhed bør beholde eller afskedige. Den handler om opgaver og timer, ikke om stillinger eller personer. Hvis en forskydning i arbejdet får konsekvenser for personale, gælder der egne lovmæssige krav, som denne side ikke udtaler sig om.
Det første skridt er at få overblik over, hvor timerne i Deres egen virksomhed går hen: hvor mange går til registrering, hvor mange til planlægning, hvor mange til det fysiske arbejde selv. Først med dette overblik kan man vurdere, hvilken del af arbejdet der allerede i dag kan overtages, hvilken del der kan ske under tilsyn, og hvilken del der forbliver menneskearbejde.
Den gratis quickscan fra FTE TO AI giver en første indikation heraf: tolv spørgsmål, uden konto, med et skøn over, hvilken del af timerne i Deres profil AI kan overtage i dag. Den fulde arbejdsanalyse, der bryder en virksomheds arbejde ned til opgaveniveau og beregner det pr. opgave til årsværkskapacitet, er stadig under udvikling.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.