Hvor landbrug kan blive AI’s største produktivitetsvinder

Når man diskuterer AI’s indvirkning på økonomien, fokuserer den offentlige debat typisk på IT‑relaterede job (programmering, digitale kunstnere osv.), hvide‑krave‑professioner (advokater, læger) eller videnskabelig forskning. Dette kan dog overse vigtige anvendelser, der vil have transformerende virkninger på hele industrier.

Generelt vil AI sandsynligvis forbedre produktiviteten mest, hvor den kan optimere fysiske input direkte, erstatte mennesker i gentagne beslutninger og optimere ressourceallokering. AI vil også trives i miljøer, der er komplekse nok til endnu ikke at være automatiserede, men ikke så komplekse at en højere menneskelig intelligens stadig er påkrævet.

En nylig undersøgelse udført af to forskere ved Korea Advanced Institute of Science and Technology og Hana Financial Group (Sydkorea) har undersøgt sammenhængen mellem AI‑penetration og præstation på branche‑niveau.

Den viste, at mens AI har en betydelig indflydelse på værdiskabt præstation på branche‑niveau inden for produktion, fremstilling og transport, havde den den stærkeste positive effekt på landbruget.

De offentliggjorde deres resultater i tidsskriftet International Review of Economics & Finance¹, under titlen “Artificial intelligence and productivity gains: An empirical analysis of industry heterogeneity”.

AI & Produktivitet

AI efter industri

Siden den offentlige lancering af ChatGPT er AI blevet adopteret af flere industrier i håbet om at kunne realisere produktivitetsgevinster og skabe en konkurrencefordel for de tidlige brugere.

Det kan dog være svært præcist at måle adoptionsraten og dens påvirkning. Historisk set er en 10 % stigning i investeringer i information‑ og kommunikationsteknologi forbundet med en 0,5–0,6 % stigning i produktiviteten. Men den endelige effekt af AI er stadig ukendt.

Indtil videre er AI primært blevet anvendt i service‑roller: real‑time kundeservice, sundhedsdiagnostik og -overvågning osv.

For fysiske roller har de vigtigste anvendelser været inden for fremstilling, hvor AI‑drevne smarte fabrikker understøtter forebyggende vedligeholdelse og driftsoptimering, hvilket fører til omkostningsreduktioner og effektivitetsgevinster.

I traditionelle industrier som kemikalier og papir er AI‑adoption stadig meget langsommere. Dette kan tilskrives manglende klare digitale strategier, kompetence‑mangel, kulturel modstand, lav forbrugertillid og regulatorisk usikkerhed.

AI‑produktivitet Datasæt

Forskerne indsamlede data fra en panel på 103 lande for perioden 2010–2019 og ekskluderede lande primært på grund af utilstrækkelige data.

Data om brutto‑værdiskabt (GVA) efter økonomisk aktivitet blev indhentet fra UN Data og anvendt som hovedvariabel til at måle økonomisk præstation på tværs af sektorer og lande.

Data om udenlandske direkte investeringer, bruttonationale udgifter, inflation, arbejdsstyrkedeltagelse og handel blev indhentet fra World Development Indicators (WDI). De indsamlede også menneskerettigheds‑indeks‑score fra Our World in Data.

Data om antallet af AI‑relaterede startups blev samlet fra Crunchbase, og viste, at toppen af AI‑startup‑grundlæggelser i dette datasæt blev nået i 2017, hvilket samlet set viser en bred acceleration af AI‑relateret iværksætteri i midten af 2010‑erne.

Kilde: International Review of Economics & Finance

AI‑drevet produktivitet efter industri

Forskerne fandt, at AI havde den stærkeste positive sammenhæng med præstation i landbruget, mens sammenhængen i byggebranchen ikke var statistisk signifikant.

Andre industrier, hvor AI havde en målbar påvirkning, var fremstilling, produktion og transport.

(Det bør også bemærkes, at en tilsvarende analyse med data fra perioden 2019‑2025 ville være interessant, i betragtning af den hurtige udvikling af AI‑teknologien)

En sandsynlig årsag til påvirkningen på landbruget er, at det allerede i nogen grad er en stærkt automatiseret industri. Sammenlignet med for et århundrede siden er landbruget væsentligt mere mekaniseret med traktorer, automatiseret kunstvanding, malkesystemer og andet udstyr, der reducerer den nødvendige manuelle arbejdskraft.

Samtidig falder mange af disse landbrugsopgaver ind under kategorier, som AI allerede kan håndtere: kørsel, sprøjtning, ukrudtsbekæmpelse osv.

En anden faktor er, at landbruget i de sidste to årtier har skiftet til nye metoder, genereret langt mere data og lært at handle på dem: multispektrale satellitbilleder, jordens kemiske sammensætning, optimering af pesticider og herbicider, udstyrsudnyttelse, arbejdsstyring osv.

Så AI ankom netop på det rette tidspunkt til at bruge disse data og omsætte dem til handling gennem to mekanismer:

• Hjælper landmænd med bedre at forstå deres data og bruge dem effektivt.
• Direkte hjælp på gårde gennem computervision, autonom kørsel, ukrudtsidentifikation, droner og robotsystemer.

Investorindsigter

Mange investeringsstrategier i dag skal tage højde for de kommende virkninger af AI‑revolutionen. I mange tilfælde betyder det, at man skal være på vagt over for den potentielle skade, AI kan påføre en specifik aktivitet eller forretningsmodel, men den kan også øge produktiviteten dramatisk. Og tydeligvis er der ingen branche, hvor dette er mere sandt end i landbruget.

Dette giver et godt eksempel på en fremvoksende fysisk AI‑investerings‑tesis, hvor implementering af AI i virkelige applikationer har en direkte effekt på produktiviteten i en hel økonomisk sektor.

Det betyder, at investorer bør forvente, at hele sektoren bliver mere produktiv og potentielt mere rentabel, i hvert fald for sælgere af AI‑systemer tilpasset denne industri og maskiner, der kan bringe AI‑tænkning ud på markerne.

Denne type anvendelse kræver dyb domænespecifik ekspertise samt et solidt distributionsnetværk, der allerede har kontakt med landmænd. Derfor vil udstyrsproducenter, der kan integrere AI i deres maskiner og gøre dem effektive under reelle forhold, sandsynligvis drage fordel, især når disse handlinger reducerer dyre input.

Investering i AI i landbrug

Deere & Company

John Deere er bedst kendt som producenten af de ikoniske grønne og gule traktorer, høstmaskiner og andet landbrugsmaskineri.

Mindre kendt for den brede offentlighed er, at John Deere også er et teknologifirma med en lang historie inden for investering i sensorer og software samt pilotprogrammer, der implementerer AI, robotteknologi, droner og maskinsyn i landbruget.

Virksomheden, der startede for næsten to århundreder siden (i 1837), har altid presset på for den nyeste innovation inden for landbrug, fra den første forbedrede plovblad til de første traktorer. For nylig har virksomheden øget sine FoU‑udgifter med fokus på nogle få teknologiske akser: sensorer, tilslutning, autonomi og alternativ energi.

Kilde: John Deere

For eksempel bruger See & Spray Ultimate‑systemet, lanceret i 2021, 36 kameraer til at skelne afgrøder fra ukrudt og optimere herbicidforbruget gennem computervision og maskinlæring.

Eller John Deere Operations Center, en digital tvilling af en gård, som gør det muligt for forhandlere at udføre fjern‑diagnostik, programmering og over‑the‑air‑opdateringer.

Kilde: John Deere

Inden for autonomi arbejder John Deere også på at gøre de automatiserede høstmaskiner fra science‑fiction‑filmen Interstellar til virkelighed. John Deere lancerede i 2022 sin første fuldt autonome traktor, en førerløs version af sin 8R‑række‑traktor. Den orienterer sig ved hjælp af GPS og seks par stereokameraer til 360‑grad‑obstacle‑detection og navigation. Denne lancering fulgte John Deeres opkøb af startup‑virksomheden Bear Flag Robotics for 250 millioner USD.

Endelig presser virksomheden også på elektrificering, blandt andet ved at lancere en elektrisk gravemaskine, der bruger et Kreisel‑batteri, et østrigsk firma, som Deere har erhvervet en majoritetsandel i i 2022. Deere arbejder også på at udvikle en 9‑liters ethanol‑brændende motor til at bruge biobrændstof i tungt maskineri som høstmaskiner.

Efterhånden som AI og maskinsyn bliver mere effektive og intelligente, vil virksomheder som John Deere kunne forbedre effektiviteten af deres kamera‑ og sensor‑tunge traktorer endnu mere.

John Deeres fordel i forhold til generiske AI‑virksomheder er deres forhandlernetværk og dybe landbrugserfaring, som hjælper dem med at implementere teknologien i nyttige, omkostningseffektive applikationer ved at udnytte eksisterende relationer til landmænd.

Investorer skal dog også huske, at Deere forbliver en cyklisk udstyrsproducent. AI‑adoption kan styrke deres konkurrencestilling og øge teknologirelaterede indtægter som softwareabonnementer, men landbrugsindkomst, afgrødepriser, renteniveauer og udskiftningscyklusser for maskiner vil fortsat påvirke resultaterne.

Det er også muligt, at mindre, mere smidige startups eller udenlandsk konkurrence kan udnytte den igangværende AI‑ og robotrevolution i landbruget til at udfordre positionen for veletablerede aktører som John Deere.

Seneste Deere & Company (DE) Aktnyheder og udviklinger

Studie Refereret

^{1. Eunjung Park and Sangyoon Yi. Artificial intelligence and productivity gains: An empirical analysis of industry heterogeneity. International Review of Economics & Finance. 22 august 2026. Artikel: 105726. 10.1016/j.iref.2026.105726}