Хотя рынок ИИ-агентов остается нишевым сегментом общего ИИ agritech-рынка,и оценивался в 2025 году всего в 0,3-0,7 млрд долларов, его потенциал никто не подвергает сомнению.
На сегодняшний день прямых оценок роли ИИ-агентов в агропромышленном комплексе немного. Для сельского хозяйства в целом использование агентской модели ИИ – это удел инноваторов (early adopters), но с учетом низкой базы, потенциал роста этого сегмента рынка просто огромен. Аналитики предсказывают рост год к году (CAGR) в ближайшие пять лет на невероятно высокие 40-50 %.
Эксперты также предполагают, что автоматизация сельского хозяйства и использование ИИ в ближайшие годы будут сильно дифференцированы. В регионах с избытком дешевой рабочей силы внедрение передовых ИИ-решений будет откладываться в силу объективных экономических причин, однако в развитых странах, с дефицитом сельскохозяйственных рабочих и высокими фондами оплаты труда (ФОТ), ИИ может стать драйвером роста производительности и объемов производства уже в ближайшие годы.
Особенно это актуально в текущем геополитическом контексте, когда во многих странах вводятся различные административные ограничения по привлечению трудовых ресурсов из-за рубежа.
Если говорить о растениеводстве, то наиболее активно ИИ применяется в точном земледелии – для анализа больших массивов агрономических, климатических и экономических данных, прогнозирования урожайности, оценки маржинальности, мониторинга состояния посевов и почв.
В мировой практике уже используются системы машинного зрения, цифровые двойники полей, а также аналитические платформы для оптимизации севооборота. По сути, ИИ-агенты берут на себя роль интеллектуальных помощников специалистов, например, агрономов и даже управленцев, помогая принимать решения, исключая воздействие человеческого фактора.
"Важно отметить, что универсальных решений в агросекторе не существует: любые ИИ-модели требуют адаптации под конкретные климатические условия, типы почв и масштабы хозяйств. Это характерно как для мировой, так и для российской практики, – говорит генеральный директор агрохолдинга "Степь" Андрей Недужко и продолжает. – Мы уже много лет применяем ИИ-инструменты. В первую очередь речь идет об аналитических системах, которые позволяют выстраивать оптимальную структуру севооборота с учетом агрономических и климатических характеристик, прогнозировать маржинальность будущих урожаев на основе анализа рыночной конъюнктуры, оценивать состояние посевов, проводить инвентаризацию сельхозугодий. Также отмечу цифровые двойники полей, которые решают целый ряд производственных задач. Кроме того, в компании внедряются элементы машинного зрения, от различной диагностики до полевых работ. Часть решений разработана нами самостоятельно, часть – в партнерстве с российскими компаниями, что позволяет учитывать специфику наших масштабов и географии".
Не менее перспективны ИИ-агенты и в животноводстве. Там они тоже могут использоваться в системах компьютерного зрения, плюс к этому добавляется аналитика данных с носимых устройств (ошейники, ушные теги). ИИ отслеживает движения животных, температуру, пульс, позы, выявляя стресс, хромоту или болезни за несколько суток до появления симптомов.
Системы на базе ИИ могут анализировать биоритмы, погоду и состав кормов для персонализированных рационов, повышая привесы на 18 % и надои на 40 %. Предиктивные модели прогнозируют потребление, минимизируя перекорм и отходы, а ИИ-платформы управления фермами настраивают вентиляцию и освещение в реальном времени, снижая риск заболеваний и стрессов у животных. А еще ИИ-аналитика может комбинировать анализ поведения, биомаркеров и исторических данных для отбора маток/самцов, регуляции овуляции и временных окон осеменения.
"Если посмотреть на результаты последних исследований, то степень внедрения ИИ в отечественном агросекторе пока невысокая, около 40 %, при этом средний показатель по всем отраслям находится в районе 75 %", – признает заместитель генерального директора по стратегии животноводческой компании "Дамате" Сергей Иванов, отмечая при этом высокий потенциал ИИ-решений.
"Мы внимательно изучаем тренды и прорабатываем варианты проектов и их внедрение. "Дамате" уже использует технологии на базе компьютерного зрения (контроль санитарных норм, биобезопасности), а также машинного обучения (прогнозная модель по весу птицы). Для текущих задач нам были бы интересны такие решения, как ИИ-агенты (подбор и обучение персонала, ассистент юриста), LLM (маркетинговый/рекламный контент), computer vision (качество продукции, мониторинг здоровья птицы, производительность труда) и ряд других", – отмечает Иванов.
Даже если не рассматривать роботизированные системы сельскохозяйственной техники, где отечественная Cognitive Technologies достигла результатов мирового уровня, то внедрение ИИ-агентов в агросектор обещает прирост производительности труда практически во всех направлениях, от создания продукции до продаж, логистики и управления бизнесом.
Говоря о перспективах применения ИИ в агропромышленном комплексе, Андрей Недужко отмечает системы распознавания вредителей и сорняков, оценку состояния почв и посевов на основе космических снимков, развитие цифровых двойников и моделей предиктивной аналитики, а также масштабирование ИИ-решений на контрольно-учетные и управленческие процессы: "В долгосрочной перспективе ИИ-агенты могут стать полноценными элементами экосистемы управления агробизнесом – от планирования производства до итоговых оценок экономической эффективности".
