人工智慧正在徹底改變農業的可能性，但產業領導者在投資 AI 之前，應謹慎地先打好基礎。AI 在農業的應用前景看好，特別是對於一個面臨肥料成本波動、天氣難以預測且利潤空間微薄的產業。研究顯示，AI 驅動的預測模型可將作物產量提高 26%，減少用水 41%，並降低化學品使用量 33%。

然而，AI 供應商通常不會告訴你的是，這些解決方案只有在擁有乾淨、堅實的數據基礎時才有效。Reltio 在這方面擁有豐富經驗，包括曾主導一家主要農業經銷商的技術策略，並建立了一個全球企業使用的數據平台，我們對此有第一手觀察。

AI 供應商在農業領域的推銷對話往往遵循著熟悉的模式。他們會提出宏偉的承諾，例如利用 AI 即時監測作物健康、優化灌溉，並從每英畝土地中榨取更多產量。

這些承諾固然誘人，但很少被提及的問題是，支撐這些承諾的數據基礎是否準確且完整。如果數據不準確或不完整，AI 就有產生誤導性輸出的重大風險，這些輸出看似權威，但所引導的行動充其量只會適得其反。

舉例來說，一個輸入了不一致歷史數據的產量預測模型，將會產生不精確的預測。同樣地，一個依賴碎片化感測器數據的精準灌溉系統，其澆水決策將會浪費資源而非節省資源。

在每個案例中，AI 之所以失敗，是因為其訓練數據不足以產生值得信賴的輸出。在農業領域，每一次 AI 的「幻覺」都是一種負擔，且錯誤發生的可能性很高。

為何農業是一個獨特的挑戰案例？現代農業營運或服務數千名種植者的主要經銷商，其數據環境異常複雜。

現代農業環境廣泛使用物聯網（IoT）設備和機械。灌溉系統自動化、拖拉機自主導航，無人機大規模捕捉田間影像。

然而，機器數據本質上是分散的。如果再加入外部來源，包括天氣資訊、美國農業部數據和第三方市場情報，如何將所有這些數據整合為連貫的資訊，就成為一項艱鉅的任務。

農業 AI 不僅需要理解客戶屬性，還需要理解土地：包括 GPS 座標、農場邊界、田區劃分以及單一地塊內的土壤差異。在哪裡施肥、施用量多少、以及農場的哪個特定區域需要施肥？田地的每個部分都不盡相同，如果 AI 系統將它們視為一致，所產生的建議充其量只是不精確，最糟甚至會造成損害。

此外，由於涉及化學品和相關責任，還有合規性方面的考量。農業領域的營運型 AI 需要比風險較低的環境更多的檢查和治理。當一個有缺陷的建議在田間被執行時，後果可能非常嚴重。

實踐中的數據準備就緒意味著什麼？數據準備就緒是 AI 兌現承諾與「垃圾進，垃圾出」情境之間的區別。從根本上說，為 AI 做好準備意味著擁有一種能準確反映業務運作方式的數據模型。

對於像 Wilbur-Ellis 這樣一家擁有 104 年歷史的家族農業經銷商而言，這意味著要了解客戶是誰、他們耕種哪些田地、需要哪些投入品、這些投入品來自哪些供應商、他們上一季支付了多少費用，以及所有這些如何與利潤掛鉤。這些資訊需要是最新、一致且在整個組織中可存取的，而不是鎖定在從未設計為相互溝通的獨立系統中。

同樣地，對於農業經營本身而言，數據準備就緒意味著對每個田地發生的情況有可靠且連貫的了解：包括土壤健康記錄、投入品施用歷史、前幾季的產量數據、設備性能，以及灌溉系統的即時感測器讀數。

數據治理與數據結構同樣重要。價格會變動、關係會演變、供應商也會來來去去。一個依賴六個月前準確但未經維護的數據的 AI 系統，將會根據一個已不存在的業務版本提出建議。

建立讓 AI 值得信賴的基礎。好消息是，實現數據準備就緒的道路是可行的。它始於一個強大的數據模型：一個單一、受治理的真實來源，以反映組織運作方式的方式，連接客戶、供應商、產品、定價、訂單和利潤。

在此基礎上，它需要足夠快的數據管道，以便在需要決策時提供洞察；需要數據治理框架，以確保數據長期可靠；以及安全控制措施，以確保敏感的商業資訊在適當的條件下，僅供正確的人員存取。這正是 SAP 旗下公司 Reltio 旨在解決的挑戰。Reltio 幫助企業整合其分散的數據，讓 AI 代理和系統能夠從完整的業務視圖中運作。

Reltio 建立了一個值得信賴的上下文系統，稱為「上下文智慧層」（context intelligence layer），將所有實體、關係和規則整合在一起，使業務數據易於存取和解釋。

對於 Wilbur-Ellis 而言，建立這個值得信賴的數據基礎，意味著能夠提出更複雜的問題並信任答案，這是任何 AI 系統真正發揮作用的先決條件。

農業如何從 AI 中創造真正的價值？在下一次 AI 對話之前，值得提出的問題不是應用場景是否前景看好，因為它幾乎肯定是。真正的問題是，底層數據基礎是否足夠堅實，足以讓 AI 的輸出值得信賴。

農業一直要求其領導者在不確定性下做出高風險決策，而 AI 提供了更快、更明智地做出這些決策的真正前景。然而，這種前景只有對於那些首先完成基礎工作的組織才能實現，而那些現在投資於數據基礎建設的企業，將會從 AI 中獲得最大的效益。

此內容由 Reltio 製作，並非由 MIT Technology Review 的編輯人員撰寫。