Технологии эволюционировали, подешевели и продвинулись до такого уровня, что впервые в истории отрасли стало возможно получать данные о каждом сельскохозяйственном объекте и его окружении, математически точно рассчитывать алгоритм действий и предсказывать результат.

В отрасль, которая была самой отдаленной от ИТ, начали поступать данные. А вместе с ними запросы на вакансии специалистов в области Big Data, Data Science, математики, аналитики, робототехники.

Цифровизация и автоматизация максимального количества сельскохозяйственных процессов входит как осознанная необходимость в стратегии развития крупнейших агропромышленных и машиностроительных компаний в мире.

К 2010 году в мире насчитывалось не более 20 высокотехнологичных компаний в сфере сельского хозяйства, а за период 2013-2016 гг. инвесторы проинвестировали уже более 1300 новых технологических стартапов на общую сумму более $11 млрд за 4 года. Сформировался новый инвестиционный сегмент AgroTech (Агротех), который в 2014 году обогнал FinTech (Финтех). Причем, заметную активность помимо США проявляют Канада, Индия, Китай, Израиль.

Длинная цепочка создания стоимости сельскохозяйственных продуктов и большое количество нерешенных в отрасли задач, которые могут быть решены с помощью ИТи автоматизации, является одним из главных доводов в пользу инвестиционной привлекательности отрасли.

Цепочка добавленной стоимости в сельском хозяйстве характеризуется сложной структурой участников и является скорее горизонтальной, чем вертикальной.

Кроме того, различные виды культур и продуктов формируют свою отличительную и часто фрагментированную цепочку поставок.

Сельскохозяйственное производство является самым уязвимым бизнесом, поскольку сильно зависит от погоды и природных явлений. В отличие от традиционного производства в сельском хозяйстве нельзя заранее структурировать все бизнес-процессы.

Стандартное расписание обработки (сплошной полив, удобрение, химизация) не учитывают локальных особенностей и природной изменчивости и приводят к неэффективному результату – перерасходу ресурсов или не выявленным проблемам. Засуха или избыток влаги, недостаток или превышение нормы удобрений, сорняки и насекомые требуют немедленного вмешательства. Вспышка болезни может появиться неожиданно и не всегда легко определить ее причину; при позднем обнаружении и неправильном обращении болезнь способна погубить часть урожая.

В течение сезона фермеру приходится принимать более 40 различных решений: какие семена сажать, когда сажать, как их обрабатывать, чем лечить заболевшее растение и т.д., как справляться с угрожающими благополучию поля ситуациями. Недостаток информации для принятия решений приводит к тому, что в процессе посадки, выращивания, ухода за культурами теряется до 40% урожая. Во время сбора урожая, хранения и транспортировки теряется еще 40%. При этом, как выявили ученые, кроме погоды, 2/3 факторов потерь сегодня можно контролировать с помощью автоматизированных систем управления (Hi-Tech Management).


Задачей ИТ становится максимальная автоматизация всех этапов производственного цикла для сокращения потерь, повышения продуктивности бизнеса, оптимального управление ресурсами. Но даже в этом случае, результат относится только к растениям, готовым к сбору урожая или животным, но не гарантирует получение прибыли, т.к. урожай еще необходимо собрать, хранить, осуществлять первичную обработку и транспортировать до покупателя/ потребителя. Дальнейшая автоматизация представляет собой более высокий уровень цифровой интеграции, который затрагивает сложнейшие организационные изменения в бизнесе, однако их реализация способна кардинально повлиять на прибыль и конкурентоспособность продукции и компании в целом. Интеграция получаемых данных с различными интеллектуальными ИТ-приложениями, производящими их обработку в режиме реального времени, осуществляет революционный сдвиг в принятии решений для фермера, предоставляя результаты анализа множественных факторов и обоснование для последующих действий. При этом, чем больше датчиков, сенсоров и полевых контроллеров подключены в единую сеть и обмениваются данными, тем более умной становится информационная система и больше полезной информации для пользователя она способна предоставить.

На основе научных расчетов информационная система способна создавать рекомендации по обработке и уходу за растениями или инструкции для автоматического исполнения роботизированной техникой. Например, предиктивная аналитическая модель помогает определить, что повышение температуры на 2 градуса способствует вылуплению насекомых, или увеличение влажности выше оптимальной границы может привести к вспышке болезни. Управление этими факторами создает реальную ценность моделирования микроклиматических условий: если это теплица, то можно не допускать повышение температуры, а если поле – то предусмотрительно наблюдать за участком и воздействовать химикатом при появлении паразитов. Впервые за всю историю сельского хозяйства у фермера появляется возможность контролировать природные факторы, проектировать точные бизнес-процессы, и, кроме того, прогнозировать результат с математической точностью.

Много изменений и в животноводстве. Принимая во внимание длительность цикла животноводства, разрабатываются и внедряются системы упреждающего анализа расширенных производственных показателей. Это позволяет осуществить переход от инцидентного управления производственным процессом к проактивному.