Miksi maatalous voisi olla tekoälyn suurin tuottavuusvoitto

Kun keskustellaan tekoälyn vaikutuksesta talouteen, julkinen keskustelu keskittyy usein IT‑alojen tehtäviin (ohjelmointi, digitaaliset taiteilijat ym.), valkokaulutyöntekijöihin (asianajajat, lääkärit) tai tieteelliseen tutkimukseen. Tämä saattaa kuitenkin jättää huomiotta tärkeät sovellukset, joilla on mullistava vaikutus kokonaisiin toimialoihin.

Yleisesti ottaen tekoäly todennäköisesti parantaa tuottavuutta eniten siellä, missä se voi suoraan optimoida fyysisiä syötteitä, korvata ihmisiä toistuvissa päätöksissä ja optimoida resurssien jakamista. Se menestyy myös ympäristöissä, jotka ovat riittävän monimutkaisia, etteivät ne ole vielä automatisoituneet, mutta eivät niin monimutkaisia, että edelleen vaadittaisiin korkeamman tason ihmisen älykkyyttä.

Korea Advanced Institute of Science and Technologyin ja Hana Financial Groupin (Etelä‑Korea) kahden tutkijan äskettäinen tutkimus on tarkastellut tekoälyn läpäisyasteen ja toimialatasoisen suorituskyvyn välistä yhteyttä.

Tutkimus osoitti, että vaikka tekoäly vaikuttaa merkittävästi toimialatasoiseen lisäarvoon tuotanto‑, valmistus‑ ja kuljetusaloilla, sen vahvin positiivinen vaikutus kohdistui maatalouteen.

He julkaisi tuloksensa International Review of Economics & Finance¹ -lehdessä otsikolla “Artificial intelligence and productivity gains: An empirical analysis of industry heterogeneity”.

AI & Tuottavuus

Tekoäly toimialoittain

ChatGPT:n julkisen julkaisun jälkeen tekoälyä on otettu käyttöön useilla toimialoilla toivoen, että se voi konkretisoida tuottavuusparannuksia ja luoda kilpailuetua varhaisille käyttäjille.

Kuitenkin tarkkaa omaksumisasteen ja sen vaikutuksen mittaamista voi olla vaikeaa. Historiallisesti 10 %:n lisäys tieto‑ ja viestintäteknologian investoinneissa on yhteydessä 0,5–0,6 %:n tuottavuuskasvuun. Tekoälyn osalta lopullinen luku on vielä avoin.

Toistaiseksi tekoälyä on enimmäkseen otettu käyttöön palvelurooleissa: reaaliaikainen asiakastuki, terveydenhuollon diagnostiikka ja seuranta ym.

Fyysisissä rooleissa tärkeimmät sovellukset ovat valmistusteollisuudessa, jossa tekoälypohjaiset älytehtaat tukevat ennakoivaa kunnossapitoa ja operatiivista optimointia, mikä vähentää kustannuksia ja lisää tehokkuutta.

Perinteisillä toimialoilla, kuten kemian- ja paperiteollisuudessa, tekoälyn käyttöönotto on tähän mennessä ollut paljon hitaampaa. Syitä ovat selkeiden digitaalisten strategioiden puute, osaajapula, kulttuurinen vastarinta, kuluttajien vähäinen luottamus ja sääntelyyn liittyvä epävarmuus.

Tekoälyn tuottavuusdata

Tutkijat keräsivät dataa 103 maasta vuosilta 2010–2019, poissulkien maita pääosin puutteellisen tiedon vuoksi.

Bruttokansantuotteen lisäarvot (GVA) taloudellisen toiminnan tyypeittäin hankittiin UN Data -lähteestä, ja niitä käytettiin päämuuttujana taloudellisen suorituskyvyn mittaamiseen sektoreittain ja maittain.

Suoramaisia ulkomaisia investointeja, bruttokansankulutusta, inflaatiota, työvoiman osallistumisastetta ja kauppaa koskevat tiedot saatiin World Development Indicators (WDI) -tietokannasta. He myös keräsivät ihmisoikeusindeksin pisteet Our World in Data -sivustolta.

Tekoälyyn liittyvien startup-yritysten lukumäärä kerättiin Crunchbase‑palvelusta, ja se osoitti, että tekoälystartupien perustamiskärki oli vuonna 2017, mikä heijastaa laajaa tekoälyyn liittyvän yrittäjyysaktiivisuuden kiihtymistä 2010‑luvun puolivälissä.

Lähde: International Review of Economics & Finance

Tekoälypohjainen tuottavuus toimialoittain

Tutkijat havaitsivat, että tekoälyllä oli vahvin positiivinen yhteys maatalouden suorituskykyyn, kun taas rakennusalalla yhteys ei ollut tilastollisesti merkittävä.

Muita toimialoja, joilla tekoälyllä oli mitattavissa oleva vaikutus, olivat valmistus, tuotanto ja kuljetus.

(On myös syytä huomata, että sama analyysi dataa kattavalla ajanjaksolla 2019–2025 olisi mielenkiintoinen, ottaen huomioon tekoälyteknologian nopean kehityksen)

Todennäköinen syy maatalouden vaikutukseen on se, että se on jo osittain voimakkaasti automatisoitu ala. Verrattuna vuoteen 1920, maatalous on merkittävästi mekaanisempaa, traktorit, automaattinen kastelu, lypsäysjärjestelmät ja muu kalusto vähentävät tarvittavan manuaalisen työn määrää.

Samanaikaisesti monet näistä maataloustöistä kuuluvat kategorioihin, joita tekoäly jo hallitsee: ajo, ruiskutus, rikkaruohojen torjunta ym.

Toinen tekijä on se, että maatalous on viimeisen kahden vuosikymmenen aikana siirtynyt uusiin menetelmiin, tuottanut paljon enemmän dataa ja oppinut toimimaan sen perusteella: monispektriset satelliittikuvat, maaperän kemiallinen koostumus, torjunta‑aineiden optimointi, laitteiden käyttöaste, työvoiman hallinta ym.

Näin ollen tekoäly saapui juuri oikeaan aikaan hyödyntämään näitä dataa ja muuntamaan ne toiminnaksi kahden mekanismin kautta:

• Auttaa viljelijöitä ymmärtämään dataansa paremmin ja käyttämään sitä tehokkaasti.
• Tarjota suoraa apua maatiloilla tietokonevision, autonomisen ajon, rikkaruohojen tunnistuksen, dronejen ja robottijärjestelmien avulla.

Sijoittajien johtopäätökset

Monien nykyisten sijoitusstrategioiden on otettava huomioon tekoälyvallankumouksen tulevat vaikutukset. Usein tämä tarkoittaa varovaisuutta tekoälyn mahdollisen vahingon suhteen tiettyyn toimintaan tai liiketoimintamalliin, mutta se voi myös merkittävästi lisätä tuottavuutta. Ja ilmeisesti missään tämä ei ole totta kuin maataloudessa.

Tämä tarjoaa hyvän esimerkin nousevasta fyysisen tekoälyn sijoituslähestymistavasta, jossa tekoälyn käyttöönotto todellisissa sovelluksissa vaikuttaa suoraan koko taloussektorin tuottavuuteen.

Tämä tarkoittaa, että sijoittajien tulisi odottaa koko sektorin tulevan tuottavammaksi ja mahdollisesti kannattavammaksi, ainakin tekoälyjärjestelmiä tälle alalle sovittaville myyjille ja koneille, jotka pystyvät tuomaan tekoälyajattelua pellolle.

Tällainen sovellus vaatii syvällistä alakohtaista asiantuntemusta sekä vankan jakeluverkon, joka on jo yhteydessä viljelijöihin. Siksi todennäköisesti hyötyvät laitevalmistajat, jotka pystyvät integroimaan tekoälyn koneisiinsa ja tekemään ne tehokkaiksi todellisissa olosuhteissa, erityisesti kun toimet vähentävät kalliita syötteitä.

Sijoittaminen maatalouden tekoälyyn

Deere & Company

John Deere on parhaiten tunnettu ikonisten vihreiden ja keltaisten traktoreiden, kombi- ja muiden maatalouskoneiden valmistajana.

Vähemmän tunnettu yleisölle, John Deere on myös teknologiayritys, jolla on pitkä historia sensoreihin ja ohjelmistoihin investoimisessa sekä pilottiohjelmien toteuttamisessa tekoälyn, robotiikan, dronejen ja koneenäön käyttöönotossa maataloudessa.

Alkaen lähes kahdesta vuosisadasta sitten (vuonna 1837), yritys on itse asiassa aina edistänyt viimeisimpiä innovaatioita maataloudessa, alkaen parannetusta kyntöterästä ensimmäisiin traktoreihin. Viime aikoina yritys on lisännyt T&K‑menojaan keskittyen muutamaan teknologiseen osa-alueeseen: sensorit, yhteys, autonomisuus ja vaihtoehtoinen energia.

Lähde: John Deere

Esimerkiksi vuonna 2021 lanseerattu See & Spray Ultimate -järjestelmä käyttää 36 kameraa erottaakseen viljelykasvit rikkaruohoista ja optimoidakseen herbicideiden käytön tietokonevision ja koneoppimisen avulla.

Tai John Deere Operations Center, digitaalinen kaksosmalli tilasta, jonka avulla jälleenmyyjät voivat suorittaa etädiagnostiikkaa, ohjelmointia ja ilmassa tapahtuvia päivityksiä.

Lähde: John Deere

Autonomian alalla John Deere työskentelee myös automatisoitujen kombi‑järjestelmien toteuttamiseksi tieteiskirjallisuuden elokuvasta Interstellar. John Deere lanseerasi vuonna 2022 ensimmäisen täysin autonomisen traktorinsa, ajottoman version 8R‑riviviljelytraktoristaan. Se suuntaa itseään GPS:n ja kuuden stereokameraparin avulla, jotka mahdollistavat 360‑asteen esteiden tunnistuksen ja navigoinnin. Tämä lanseeraus seurasi John Deeren yritysostoa startupilta Bear Flag Robotics 250 miljoonan dollarilla.

Lopuksi yritys edistää myös sähköistämistä, erityisesti lanseeraamalla sähkökaivinkoneen, joka käyttää Kreisel‑akkua, itäslaavilainen yritys, jossa Deere on hankkinut enemmistöosuuden vuonna 2022. Deere työskentelee myös kehittääkseen 9‑litran etanolia polttavan moottorin, jonka avulla voidaan käyttää biopolttoainetta raskaassa kalustossa, kuten kombi‑järjestelmissä.

Kun tekoäly ja koneenäkö tulevat yhä tehokkaammiksi ja älykkäämmiksi, yritykset kuten John Deere pystyvät parantamaan kamera‑ ja sensoriintensiivisten traktoriensa tehokkuutta entisestään.

John Deeren etu yleisiin tekoälyyrityksiin nähden on sen jälleenmyyjäverkosto ja syvä maatalouskokemus, jotka auttavat sitä käyttämään tätä teknologiaa hyödyllisissä, kustannustehokkaissa sovelluksissa hyödyntäen olemassa olevia suhteita viljelijöihin.

Sijoittajien tulisi kuitenkin muistaa, että Deere on edelleen syklinen laitevalmistaja. Tekoälyn omaksuminen voi vahvistaa sen kilpailuasemaa ja lisätä teknologiaan liittyviä tuloja, kuten ohjelmistotilauksia, mutta maatalouden tulot, viljatuotteiden hinnat, korot ja koneiden korvauskierron aikataulut vaikuttavat edelleen tuloksiin.

On myös mahdollista, että pienemmät, ketterämmät startup‑yritykset tai ulkomaiset kilpailijat voivat hyödyntää maataloudessa kehittyvää tekoäly‑ ja robotiikkavallankumousta haastamaan vakiintuneiden toimijoiden, kuten John Deeren, asemaa.

Viimeisimmät Deere & Company (DE) Stock News and Developments

Viitattu tutkimus

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