Waarom landbouw de grootste productiviteitswinst voor AI zou kunnen worden

Bij het bespreken van de impact van AI op de economie richt de publieke discussie zich meestal op IT‑gerelateerde banen (programmeren, digitale kunstenaars, enz.), witte‑kollar beroepen (advocaten, artsen) of wetenschappelijk onderzoek. Dit kan echter belangrijke toepassingen missen die transformatieve effecten op hele sectoren zullen hebben.

In het algemeen zal AI de productiviteit waarschijnlijk het meest verbeteren op plaatsen waar het fysieke inputs direct kan optimaliseren, mensen kan vervangen bij repetitieve beslissingen en de toewijzing van middelen kan optimaliseren. Het zal ook gedijen in omgevingen die complex genoeg zijn om nog niet geautomatiseerd te zijn, maar niet zo complex dat een hoger niveau van menselijke intelligentie nog steeds nodig is.

Een recente studie van twee onderzoekers van het Korea Advanced Institute of Science and Technology en de Hana Financial Group (Zuid‑Korea) heeft de relatie onderzocht tussen AI‑penetratie en prestaties op industrieniveau.

De studie wees uit dat, hoewel AI een significante invloed heeft op de meerwaarde‑prestaties op industrieniveau in de productie‑, fabricage‑ en transportsectoren, de sterkste positieve impact werd gezien in de landbouw.

Ze publiceerden hun bevindingen in het tijdschrift International Review of Economics & Finance¹, onder de titel “Artificial intelligence and productivity gains: An empirical analysis of industry heterogeneity”.

AI & Productiviteit

AI per sector

Sinds de publieke release van ChatGPT wordt AI door meerdere sectoren geadopteerd in de hoop dat het productiviteitswinst kan opleveren en een concurrentievoordeel voor vroege gebruikers kan creëren.

Het kan echter moeilijk zijn om de adoptiesnelheid en de impact precies te meten. Historisch gezien wordt een stijging van 10 % in investeringen in informatie‑ en communicatietechnologie geassocieerd met een stijging van 0,5–0,6 % in productiviteit. Maar de uiteindelijke cijfers voor AI blijven nog onduidelijk.

Tot nu toe is AI voornamelijk ingezet in dienstverlenende rollen: realtime klantondersteuning, diagnostiek en monitoring in de gezondheidszorg, enzovoort.

Voor fysieke rollen zijn de belangrijkste toepassingen te vinden in de fabricage, waar AI‑gestuurde slimme fabrieken voorspellend onderhoud en operationele optimalisatie ondersteunen, wat leidt tot kostenreducties en efficiëntiewinst.

In traditionele sectoren zoals chemie en papier verloopt de AI‑adoptie tot nu toe veel trager. Dit kan worden toegeschreven aan een gebrek aan duidelijke digitale strategieën, tekorten aan vaardigheden, culturele weerstand, laag consumentenvertrouwen en regelgevende onzekerheid.

AI‑productiviteitsdataset

De onderzoekers verzamelden gegevens van een panel van 103 landen over de periode 2010‑2019, waarbij sommige landen werden uitgesloten vanwege onvoldoende data.

Gegevens over bruto toegevoegde waarde (GVA) per economische activiteit werden verkregen van UN Data en gebruikt als de belangrijkste variabele om economische prestaties over sectoren en landen te meten.

Gegevens over directe buitenlandse investeringen, bruto nationale uitgaven, inflatie, arbeidsparticipatie en handel werden verkregen uit de World Development Indicators (WDI). Ze verzamelden ook scores voor de mensenrechtenindex van Our World in Data.

Gegevens over het aantal AI‑gerelateerde startups werden verzameld via Crunchbase, en toonden aan dat de piek in AI‑startup‑oprichtingen in deze dataset werd bereikt in 2017, wat een brede versnelling van AI‑gerelateerde ondernemingsactiviteit in het midden van de jaren 2010 weerspiegelt.

Source: International Review of Economics & Finance

AI‑gedreven productiviteit per sector

De onderzoekers ontdekten dat AI de sterkste positieve relatie had met prestaties in de landbouw, terwijl de relatie in de bouwsector niet statistisch significant was.

Andere sectoren waar AI een meetbare impact had, waren fabricage, productie en transport.

(Het is ook vermeldenswaard dat eenzelfde analyse met data over de periode 2019‑2025 interessant zou zijn, gezien de snelle vooruitgang van AI‑technologie)

Een waarschijnlijke reden voor de impact op landbouw is dat deze sector al tot op zekere hoogte sterk geautomatiseerd is. Vergeleken met een eeuw geleden is de landbouw aanzienlijk meer gemotoriseerd, met tractoren, geautomatiseerde irrigatie, melksystemen en andere apparatuur die de hoeveelheid handarbeid verminderen.

Tegelijkertijd vallen veel van deze landbouwtaken in categorieën die AI al kan uitvoeren: besturen, spuiten, wieden, enzovoort.

Een andere factor is dat de landbouw de afgelopen twee decennia is overgestapt op nieuwe methoden, waardoor veel meer data worden gegenereerd en er geleerd wordt om hierop te acteren: multispectrale satellietbeelden, bodemchemische samenstelling, optimalisatie van pesticiden en herbiciden, apparatuurbenutting, arbeidsbeheer, enzovoort.

AI kwam dus op het juiste moment om deze data te benutten en verder om te zetten in actie via twee mechanismen:

• Boeren helpen hun data beter te begrijpen en efficiënt te gebruiken.
• Direct helpen op het veld via computervisie, autonoom rijden, onkruidentherkenning, drones en robotsystemen.

Belangrijke inzichten voor beleggers

Veel beleggingsstrategieën moeten tegenwoordig rekening houden met de komende effecten van de AI‑revolutie. In veel gevallen betekent dit voorzichtig zijn voor de potentiële schade die AI kan toebrengen aan een specifieke activiteit of bedrijfsmodel, maar het kan ook de productiviteit drastisch verhogen. En duidelijk is dit vooral waar in de landbouw.

Dit biedt een goed voorbeeld van een opkomende fysieke AI‑beleggingsthesis, waarbij het inzetten van AI in real‑world toepassingen een direct effect heeft op de productiviteit van een hele economische sector.

Dit betekent dat beleggers kunnen verwachten dat de gehele sector productiever en mogelijk winstgevender wordt, ten minste voor de verkopers van AI‑systemen die op deze sector zijn afgestemd en voor machines die AI‑denken naar de velden kunnen brengen.

Dit soort toepassing vereist diepe domeinspecifieke expertise, evenals een solide distributienetwerk dat al contact heeft met boeren. Het zal daarom waarschijnlijk ten goede komen aan fabrikanten van apparatuur die AI in hun machines kunnen integreren en ze efficiënt maken onder reële omstandigheden, vooral wanneer die acties dure inputs verminderen.

Investeren in AI voor de landbouw

Deere & Company

John Deere staat vooral bekend als de fabrikant van de iconische groene en gele tractoren, maaidorsers en andere landbouwmachines.

Minder bekend bij het grote publiek is dat John Deere ook een technologiebedrijf is, met een lange geschiedenis van investeringen in sensoren en software, evenals pilotprojecten om AI, robotica, drones en machine‑visie in de landbouw te implementeren.

Het bedrijf, dat bijna twee eeuwen geleden (in 1837) werd opgericht, heeft altijd de nieuwste innovaties in de landbouw voortgestuwd, van de eerste verbeterde ploeg tot de eerste tractoren. Recentelijk heeft het bedrijf zijn R&D‑uitgaven opgevoerd met een focus op enkele technologische pijlers: sensoren, connectiviteit, autonomie en alternatieve energie.

Source: John Deere

Zo gebruikt het See & Spray Ultimate‑systeem, gelanceerd in 2021, 36 camera’s om gewasplanten van onkruid te onderscheiden en herbicide‑gebruik te optimaliseren via computervisie en machine‑learning.

Of het John Deere Operations Center, een digitale tweeling van een boerderij, waarmee dealers op afstand diagnostiek, programmering en over‑the‑air‑updates kunnen uitvoeren.

Source: John Deere

Op het gebied van autonomie werkt John Deere ook aan het realiseren van de geautomatiseerde maaidorsers uit de science‑fictionfilm Interstellar. John Deere lanceerde in 2022 zijn eerste volledig autonome tractor, een bestuurderloze versie van zijn 8R‑rijstolttractor. Deze positioneerde zich dankzij GPS en zes paren stereocamera’s voor 360‑graden obstakeldetectie en navigatie. Deze lancering volgde op de overname door John Deere van startup Bear Flag Robotics voor $250 M.

Ten slotte zet het bedrijf ook in op elektrificatie, met name door een elektrische graafmachine te lanceren die een Kreisel‑batterij gebruikt, een Oostenrijks bedrijf waarin Deere een meerderheidsbelang heeft verworven in 2022. Deere werkt ook aan de ontwikkeling van een 9‑liter ethanol‑verbrandende motor om biobrandstof te gebruiken voor zware machines zoals maaidorsers.

Naarmate AI en computervisie steeds efficiënter en intelligenter worden, zullen bedrijven als John Deere de efficiëntie van hun camera‑ en sensor‑zware tractoren nog verder kunnen verbeteren.

John Deere’s voordeel ten opzichte van generieke AI‑bedrijven is zijn dealernetwerk en diepe landbouwervaring, die helpen deze technologie in bruikbare, kostenefficiënte toepassingen te implementeren door gebruik te maken van bestaande relaties met boeren.

Beleggers moeten echter ook onthouden dat Deere een cyclisch apparatuur‑producent blijft. AI‑adoptie kan de concurrentiepositie versterken en technologische inkomsten zoals software‑abonnementen verhogen, maar landbouwinkomsten, graasprijzen, rentetarieven en vervangingscycli van machines blijven de resultaten beïnvloeden.

Het is ook mogelijk dat kleinere, wendbare startups of buitenlandse concurrenten de voortschrijdende AI‑ en robotica‑revolutie in de landbouw benutten om de positie van gevestigde spelers zoals John Deere uit te dagen.

Laatste nieuws en ontwikkelingen over Deere & Company (DE) aandelen

Bestudeerde bron

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