"De glastuinbouwsector staat op een kruispunt waar men voor een cruciale keuze staat: het potentieel van kunstmatige intelligentie (AI) omarmen om zich te onderscheiden in een overvolle markt of het risico lopen te worden gecommodificeerd door vast te houden aan verouderde AI-methoden", zegt Adam Greenberg van IUNU. "Voordat je nieuwe technologie implementeert, moet je jezelf afvragen: Hoe zal AI mij een concurrentievoordeel geven of koop ik zand in de woestijn?"
Om te gedijen in deze omgeving, legt hij uit, moeten we omarmen wat 'The High and Hard Problem' wordt genoemd. "Dit is de uitdaging om zowel de soorten gegevens die we verzamelen als de manier waarop we ze analyseren te verbeteren. Zonder beide lopen telers het risico gemiddeld te worden en kansen te missen om uit te blinken."
Op dit moment is er een piek aan AI-tools die beweren het glastuinbouwbedrijf te transformeren, signaleert hij. "Maar veel van deze oplossingen schieten hun doel voorbij omdat ze het probleem niet op de juiste manier benaderen."
De vier kwadranten van AI in de kas
Adam legt de onderverdeling van AI-tools uit aan de hand van twee eenvoudige assen. "Oude versus nieuwe gegevens en oude versus nieuwe analyse", zegt hij en legt uit hoe ze volgens hem werken:
Oude gegevens, oude analyse:
Met behulp van traditionele meetgegevens (temperatuur, luchtvochtigheid) verwerkt met basistools zoals Excel. "Dit heeft zijn plaats, maar is niet meer genoeg", aldus Adam.
Oude gegevens, nieuwe analyse:
AI en machine learning toepassen op dezelfde oude gegevens. "Dit is waar de meeste bedrijven mee werken, maar het ontsluit geen nieuwe kansen."
Nieuwe gegevens, oude analyse:
Het verzamelen van innovatieve data (bijv. geautomatiseerde gewasgroeimetingen) geanalyseerd met verouderde tools. "Daardoor blijft het potentieel ervan onbenut."
Nieuwe gegevens, nieuwe analyse:
De sweet spot - het combineren van nieuwe gegevens met geavanceerde analyses om transformatieve inzichten te leveren.
Waarom het volgen van het gemiddelde niet genoeg is
Volgens Adam is een van de grootste uitdagingen voor telers tegenwoordig het werken met technologiebedrijven die vastzitten in het kwadrant 'Oude gegevens, nieuwe analyse'. "Wij noemen dit het commoditized kwadrant. Deze bedrijven maken van AI een commodity. Ze nemen je gegevens, voeren generieke algoritmes uit en verkopen het weer aan je. Deze aanpak dwingt telers om het gemiddelde te volgen, waardoor het moeilijker wordt om zich te onderscheiden en te slagen op de lange termijn."
"Nu AI steeds gewoner wordt, is het niet genoeg om het alleen maar te hebben. Iedereen kan AI toepassen op temperatuur- of vochtigheidsgegevens - dat is niet langer baanbrekend. Zonder nieuwe soorten gegevens bieden deze systemen na verloop van tijd minder waarde, waardoor telers blijven betalen voor oplossingen die alleen de minimale prestaties handhaven."
Telers ondersteunen, niet beheersen
Om echt aan de behoeften van de sector te voldoen, moeten AI-aanbieders volgens Adam hoger mikken. "Ze moeten zich richten op het introduceren van nieuwe soorten gegevens (zoals geautomatiseerde gewasregistratie) naast nieuwe analysetechnieken. Aanbieders moeten voorkomen dat ze gegevens hamsteren of dicteren hoe ze worden gebruikt. In plaats daarvan moeten ze telers voorzien van tools waarmee ze kunnen innoveren, uitblinken en boven het gemiddelde uitstijgen."
Waarom het belangrijk is
"Dit gaat niet alleen over technologie, het gaat over hoe we groei en samenwerking benaderen", concludeert hij. Het oplossen van 'the High and Hard Problem' betekent:
- Het aanmoedigen van teamwerk in de hele sector.
- Het vermijden van "gesloten bron" ecosystemen die de toegang tot gegevens beperken.
- Telers voorzien van hulpmiddelen die echte, meetbare verbeteringen opleveren.
"Om concurrerend te blijven in een snel evoluerende sector, moeten we het grote en moeilijke probleem frontaal aanpakken. Dat betekent verder gaan dan AI die dingen gemiddeld houdt en in plaats daarvan echte waarde creëren met nieuwe gegevens en nieuwe analyses. Alles minder dan dat is als zand verkopen in de woestijn. De toekomst van innovatie in de kas hangt af van het stellen en waarmaken van deze verwachtingen."
Klik hier voor meer informatie en schrijf je in voor IUNU's aankomende webinar (op 26 februari) over AI-gegevens in de kas of neem direct contact met hen op.
Voor meer informatie:
IUNU
[email protected]
iunu.com