農作業AI化のメリット・デメリット

農業人口の減少や高齢化を解決するとして注目されているのが「スマート農業」の存在です。
中でもAIやロボット技術を利用した農作業のハイテク化は、農作業を省力化するのに役立つと考えられています。
本記事では、農作業AI化で生じるメリット・デメリットについて、また農作業AI化の事例について紹介します。

農作業AI化のメリット

農作業AI化の一番のメリットは、【生産効率アップ、農作業の省力化、生産過程の低コスト化】と言えます。

AI化によって農作業が合理化されれば、生産性が向上することでしょう。
作業が自動化されれば、農作業に必要な資材が効率よく利用され、ロスやコスト削減につながります。これにより、農業所得の向上につながるのではないかとも考えられています。
また生産効率のアップは、現代の日本における農業就業人口の減少や高齢化の問題を解決する糸口にもなるでしょう。日本の農業就業人口は減少する一方です。

そのうえ高齢者比率は年々上がり、農業従事者全体に対する割合は、

となっています。就業人口の現象、農業従事者の高齢化は、農業における労働力不足を表していると言えます。
しかし、もしAIやロボット技術が、人に代わって農作業を行ってくれたらどうなるでしょうか。収穫に費やす時間は、農作業全体の20%ほどは占めるものでしょう。農場の規模や農作物にもよりますが、もし仮に収穫作業に年間35,000～36,000時間費やしているとしましょう。
その時間をすべて農作業のAI化によって自由に使えるとしたら？
AI化やロボットの導入により、農業に限らず、さまざまな仕事において「仕事が奪われるのでは」と不安視する人も決して少なくありません。しかし、体力的にきつい労働が農作業AI化によって軽減されれば、新たな農作物に着手する余裕が生まれたり、新たな雇用を生み出したりすることができるのではないでしょうか。
今まで農業従事者を目指さなかった人たちが、農業に興味を抱くきっかけになるかもしれないのです。

農作業AI化の事例

＜AIによるキュウリの仕分け作業＞

キュウリ栽培農家を営む小池誠さんは、キュウリを仕分ける手間を省くため、グーグルの機械学習ソフト「TensorFlow」を利用して、キュウリを自動で仕分けるシステムを開発しました。「TensorFlow」は人の目では識別できないレベルの画像認識が可能です。それをキュウリの仕分けに応用しています。

＜自動耕運ロボットの開発＞

産業機械生産会社のクボタは、耕運機の無人走行技術の研究を行っています。まず自動耕運ロボットに人が乗り込み、AIとGPS昨日から農地の地図情報を作成する必要がありますが、地図が生成されてしまえば、そのデータを利用して自動耕運ロボットが適切な作業経路を見出します。

＜雑草除去や間引きを行うロボット＞

アメリカのLue River Technology社が開発したのは、雑草除去や不良作物の間引きを自動で行う農業ロボットです。農業用トラクターに設置されたカメラデバイスが、不良作物や雑草を検知し、自動的に除去してくれます。間引きに必要な労働力だけでなく、除草作業に必要な農薬も削減できるため、「農作業の省力化」「生産過程の低コスト化」が期待できます。

農作業AI化のデメリット

今後の農業には欠かせない存在となることが期待される農作業AI化ですが、課題は山積みです。

＜導入にコストがかかる＞

「生産過程の低コスト化」が期待されるAI化ですが、現時点ではそれら作業を行ってくれる機械の導入にかかる費用がどうしても高いのです。また農業分野で活用が始まったばかりの新しい技術のため、費用対効果の見通しがつきづらいというのも難点のひとつです。

＜標準化＞

さまざまな企業が「スマート農業」の普及に向けて、さまざまな研究開発を行っていますが、ソフトウェアなどの標準化が課題として挙げられています。企業ごとに独自のシステム、独自の規格での研究開発が進められているため、相互に運用するには少々難があります。

＜これら技術を活用するための人材育成＞

農作業AI化など、スマート農業がもたらす利点への期待は高まりますが、高齢の農業従事者がこれらの機器をすぐに活用できるわけではありません。これらの機器に高い関心を持っている人であっても、これらを使い熟すためのサポート体制は必要となるでしょう。スマート農業の技術を、幅広い年代の人に伝えることができる人材育成が急務となっています。

＜統計的に定量化するのが難しい＞

AIに農作業のデータを管理させる技術は決して進んでいないわけではありません。
しかし自然界と密に関わりを持つ農業では、予期せぬ天候の変化、病害虫の発生など、データを集計するのに決して“一定”ではない出来事が多発します。
国や地域ごとに土壌や気候が異なることも相まって、価値の高いデータを蓄積することはそう簡単ではないことがわかります。技術のテストや検証パターンは、ほかの産業とは比べ物にならないくらい面倒なものであると考えられます。