Landbrugssektoren består af flere typer arbejde, der har lidt med hinanden at gøre. Der er fysisk arbejde i stald, drivhus eller på marken, bundet til sæson, vejr og biologiske processer, der ikke kan fremskyndes. Der er administrativt arbejde omkring registrering, tilskudsansøgninger, gødningsregnskab og compliance med regler, der varierer per afgrøde, dyr eller region. Og der er et tredje lag: planlægning, indkøb, afgrødevalg og vurdering af data fra sensorer, satellitbilleder og markedspriser. Dette tredje lag vokser, mens det første lag forbliver begrænset skalerbart på grund af selve arbejdets natur.
De omstændigheder, der styrer resultatet, er ikke ensartede. En planteproduktionsvirksomhed med meget åben data om jordbund og vejr har andre angrebspunkter for automatisering end en husdyrbedrift, hvor tilsyn med dyrevelfærd lovmæssigt er forbeholdt mennesker. En gartneribedrift med klimacomputere har i årevis styret på basis af sensordata; en planteavler, der beslutter manuelt per parcel, har ikke det. Denne forskel bestemmer, hvor AI allerede i dag overtager opgaver, og hvor det stadig er langt væk.
Tre kategorier løber gennem arbejdet i denne sektor. Først opgaver, som AI selvstændigt kan udføre: tolkning af sensordata til vanding, genkendelse af sygdomsbilleder på baggrund af billedmateriale, udarbejdelse af første udkast til rapporter til tilskudsansøgninger. Dernæst opgaver, hvor AI stiller et forslag, og et menneske godkender eller afviser det med begrundelse: en afgrøderådgivning, der afprøves mod lokal viden, et indkøbsforslag, der vurderes på leveringsrisiko. Endelig arbejde, der forbliver menneskearbejde: det fysiske tilsyn med dyrevelfærd, vurderingen af jordkvalitet på stedet, forhandlingen med en aftager om en langvarig kontrakt.
Denne fordeling er ikke et øjebliksbillede, der forskydes ens overalt. Virksomheder, der allerede arbejder med sensordata og beslutningsstøttesoftware, ser den første kategori vokse, fordi datastrukturen allerede findes. Virksomheder, der stadig kører på erfaring og manuel registrering, ser primært den anden kategori opstå, fordi der først skal være nogen, der fastslår, hvad der er tilstrækkeligt pålideligt til at overlade til et system. Forskellen mellem virksomheder ligger derfor ikke i ambition, men i den grad, hvor det underliggende arbejde allerede er dokumenteret i en form, et system kan læse.
En strategi, der går ud fra et fast personalebehov til administrative opgaver eller overvågningsopgaver, bygger på en antagelse, som ingen har formuleret eksplicit: at dette arbejde kun kan udføres af mennesker, i et bestemt tempo og til en bestemt kostpris. Så snart AI overtager eller understøtter en del af dette arbejde, bortfalder denne antagelse ikke med en meddelelse. Den bortfalder gradvist, mens planen på papiret forbliver uændret.
Dette er det mønster, denne sektor deler med andre sektorer, hvor AI påvirker opgaveniveau i stedet for funktionsniveau. Lignende forskydninger sker i it-sektoren, hvor AI delvist overtager kodnings- og testarbejde, i den finansielle servicesektor, hvor tilsyn med automatiserede vurderinger får en ny rolle, og i oplevelsesbranchen, hvor planlægning og kundekontakt fordeles anderledes mellem system og menneske. Landbrugssektoren har sit eget tempo, bestemt af sæson og regler, men mekanismen er den samme: en antagelse, der engang var korrekt, bliver ikke trukket tilbage, den bliver simpelthen ikke længere afprøvet.
Dette handler ikke om, hvorvidt en virksomhed skal skære ned på personale eller anvende det anderledes. Denne beslutning falder under egne lovmæssige krav om arbejdsret og medbestemmelse, og der gælder regler, som ikke behandles her. Det handler om noget, der går forud for dette: at vide, hvilket arbejde der i dag faktisk udføres af AI, hvilket arbejde der udføres under tilsyn, og hvilket arbejde der forbliver menneskearbejde. Det er et faktuelt spørgsmål, ikke en personalebeslutning.
Spørgsmålet om, hvilket arbejde i denne virksomhed reelt kan overtages af AI, besvares med arbejdsscanningen fra FTE TO AI opgave for opgave, så antagelser om kapacitet ikke længere baseres på skøn. Den, der vil vide mere præcist, hvad en strategisk antagelse egentlig er, finder det forklaret i gennemgangen af, hvad en strategisk antagelse er, og hvordan De undersøger, om den stadig holder, og den, der vil vide, hvordan en gældende strategi holdes op mod den nuværende situation, kan læse det i forklaringen om at afprøve en eksisterende strategi.
Det første skridt er ikke en fuldstændig revideret plan, men en kort gennemgang af de antagelser, den nuværende plan bygger på. FTE TO AI tilbyder til dette en gratis antagelsescheck: en kort runde, hvor De navngiver Deres vigtigste antagelser og for hver antagelse ser, hvornår den sidst blev bekræftet. Det giver ikke en vurdering af selve strategien, men et overblik over, hvilke dele der har behov for opmærksomhed, før de justeres. Den fuldstændige trykprøve, med et eksternt billede sideløbende med direktionens egen vurdering, er under udarbejdelse.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.