Hvorfor landbruk kan bli AI sin største produktivitetsvinner

Når man diskuterer AI sin påvirkning på økonomien, fokuserer den offentlige debatten ofte på IT‑relaterte jobber (programmering, digitale kunstnere osv.), hvit‑kollergyrker (advokater, leger) eller vitenskapelig forskning. Dette kan imidlertid gå glipp av viktige anvendelser som vil ha transformative effekter på hele bransjer.

Generelt vil AI sannsynligvis øke produktiviteten mest der den kan optimalisere fysiske innsatsfaktorer direkte, erstatte mennesker i repeterende beslutninger og optimalisere ressursallokering. Den vil også trives i miljøer som er komplekse nok til å ikke allerede være automatisert, men ikke så komplekse at et høyere nivå av menneskelig intelligens fortsatt er nødvendig.

En nylig studie av to forskere ved Korea Advanced Institute of Science and Technology og Hana Financial Group (Sør‑Korea) har undersøkt sammenhengen mellom AI‑gjennomslag og ytelse på bransjenivå.

Den fant at selv om AI påvirker verdiskapingsytelsen på bransjenivå betydelig i produksjons‑, fremstillings‑ og transportsektoren, hadde den den sterkeste positive virkningen på landbruket.

De publiserte funnene sine i tidsskriftet International Review of Economics & Finance¹, under tittelen “Artificial intelligence and productivity gains: An empirical analysis of industry heterogeneity”.

AI & Produktivitet

AI etter bransje

Siden den offentlige lanseringen av ChatGPT, blir AI tatt i bruk av flere bransjer i håp om at den kan bidra til produktivitetsgevinster og skape konkurransefortrinn for tidlige brukere.

Det kan imidlertid være vanskelig å nøyaktig måle adopsjonsraten og dens påvirkning. Historisk sett er en 10 % økning i investeringer i informasjon- og kommunikasjonsteknologi forbundet med en 0,5–0,6 % økning i produktivitet. Men dommen er fortsatt ute på hva det endelige tallet vil bli for AI spesielt.

Hittil har AI for det meste blitt brukt i tjenesteroller: sanntids kundestøtte, helsediagnostikk og -overvåking osv.

For fysiske roller har hovedapplikasjonene vært i produksjon, hvor AI‑drevede smarte fabrikker støtter prediktivt vedlikehold og operasjonell optimalisering, noe som gir kostnadsreduksjoner og effektivitetsgevinster.

I tradisjonelle industrier som kjemikalier og papir er AI‑adopsjon fortsatt langt saktere. Dette kan tilskrives mangel på klare digitale strategier, kompetansemangel, kulturell motstand, lav forbrukertillit og regulatorisk usikkerhet.

AI‑produktivitet datasett

Forskerne samlet inn data fra et panel på 103 land i perioden 2010–2019, og ekskluderte land hovedsakelig på grunn av utilstrekkelige data.

Data om brutto verdiskapning (GVA) etter type økonomisk aktivitet ble hentet fra UN Data og brukt som hovedvariabel for å måle økonomisk ytelse på tvers av sektorer og land.

Data for utenlandske direkteinvesteringer, brutto nasjonalutgifter, inflasjon, arbeidsstyrkedeltakelse og handel ble hentet fra World Development Indicators (WDI). De samlet også inn menneskerettighetsindekspoeng fra Our World in Data.

Data om antall AI‑relaterte oppstartsbedrifter ble samlet fra Crunchbase, og viste at toppunktet for oppstart av AI‑bedrifter i dette datasettet ble nådd i 2017, og generelt viser en bred akselerasjon av AI‑relatert entreprenørskap i midten av 2010‑årene.

Kilde: International Review of Economics & Finance

AI‑drevet produktivitet etter bransje

Forskerne fant at AI hadde den sterkeste positive sammenhengen med ytelse i landbruket, mens sammenhengen i bygg- og anleggssektoren ikke var statistisk signifikant.

Andre bransjer hvor AI hadde en målbar påvirkning var produksjon, fremstilling og transport.

(Det bør også bemerkes at den samme analysen med data som dekker perioden 2019‑2025 ville vært interessant, gitt den raske utviklingen av AI‑teknologi)

En sannsynlig årsak til påvirkningen på landbruket er at det allerede, i noen grad, er en sterkt automatisert industri. Sammenlignet med for et århundre siden er landbruket betydelig mer mekanisert, med traktorer, automatisert irrigasjon, melkemaskiner og annet utstyr som reduserer behovet for manuelt arbeid.

Samtidig faller mange av disse landbruksoppgavene inn i kategorier AI allerede kan håndtere: kjøring, sprøyting, luking osv.

En annen faktor er at landbruket har de siste to tiårene gått over til nye metoder, generert mye mer data og lært å handle på den: multispektrale satellittbilder, jordens kjemiske sammensetning, optimalisering av pesticider og herbicider, utstyrsutnyttelse, arbeidsstyring osv.

Dermed kom AI akkurat på rett tidspunkt for å bruke disse dataene og utnytte dem videre i handling gjennom to mekanismer:

• Hjelper bønder med å forstå dataene sine bedre og bruke dem effektivt.
• Hjelper direkte på gårder gjennom datamaskinsyn, autonom kjøring, lukingidentifikasjon, droner og robotsystemer.

Investorinnsikter

Mange investeringsstrategier i dag må ta hensyn til de kommende effektene av AI‑revolusjonen. I mange tilfeller betyr dette å være forsiktig med den potensielle skaden AI kan påføre en spesifikk aktivitet eller forretningsmodell, men den kan også øke produktiviteten dramatisk. Og tydeligvis er dette spesielt sant i landbruket.

Dette gir et godt eksempel på en fremvoksende fysisk AI‑investeringshypotese, hvor implementering av AI i virkelige applikasjoner har en direkte effekt på produktiviteten i en hel økonomisk sektor.

Dette betyr at investorer bør forvente at hele sektoren blir mer produktiv, og potensielt mer lønnsom, i hvert fall for leverandører av AI‑systemer tilpasset denne industrien og maskiner som kan bringe AI‑tenkning til feltene.

Denne typen applikasjon krever dyp domenespesifikk ekspertise, samt et solid distribusjonsnettverk som allerede er i kontakt med bønder. Derfor vil den sannsynligvis komme utstyrprodusenter til gode som kan integrere AI i sine maskiner og gjøre dem effektive under reelle forhold, spesielt når disse handlingene reduserer dyre innsatsfaktorer.

Investere i AI for landbruk

Deere & Company

John Deere er mest kjent som produsent av de ikoniske grønne og gule traktorene, kombinasjonshøsterne og annet landbruksmaskineri.

Mindre kjent for allmennheten er John Deere også et teknologiselskap, med en lang historie med investeringer i sensorer og programvare, samt pilotprogrammer for å implementere AI, robotikk, droner og maskinsyn i landbruket.

Startet for nesten to århundrer siden (i 1837) har selskapet alltid drevet frem den nyeste innovasjonen innen landbruk, fra den første forbedrede plogbladen til de første traktorene. Nylig har selskapet økt sine FoU‑utgifter med fokus på noen teknologiske akser: sensorer, tilkobling, autonomi og alternativ energi.

Kilde: John Deere

For eksempel bruker See & Spray Ultimate‑systemet, lansert i 2021, 36 kameraer for å skille avlingsplanter fra ugress og optimalisere herbicidbruk gjennom datamaskinsyn og maskinlæring.

Eller John Deere Operations Center, en digital tvilling av en gård, som gjør det mulig for forhandlere å utføre fjerndiagnostikk, programmering og over‑luft‑oppdateringer.

Kilde: John Deere

På autonomiområdet jobber John Deere også med å gjøre de automatiserte kombinasjonshøsterne fra science‑fiction‑filmen Interstellar til virkelighet.  John Deere lanserte i 2022 sin første fullt autonome traktor, en førerløs versjon av sin 8R radavlingstraktor. Den orienterte seg ved hjelp av GPS og seks par stereokameraer for 360‑grad hindringsdeteksjon og navigasjon. Denne lanseringen fulgte John Deeres oppkjøp av oppstartsbedriften Bear Flag Robotics for $250 M.

Til slutt presser selskapet også på elektrifisering, spesielt ved å lansere en elektrisk gravemaskin som bruker et Kreisel‑batteri, et østerriksk selskap som Deere kjøpte majoritetsandel i i 2022. Deere jobber også med å utvikle en etanol‑driven 9‑liters motor for å bruke biodrivstoff i tungt maskineri som kombinasjonshøstere.

Etter hvert som AI og maskinsyn blir stadig mer effektive og intelligente, vil selskaper som John Deere kunne forbedre effektiviteten til sine kamera‑ og sensor‑tunge traktorer ytterligere.

John Deeres fordel over generiske AI‑selskaper er deres forhandlernettverk og dype jordbrukserfaring, som hjelper dem med å implementere denne teknologien i nyttige, kostnadseffektive applikasjoner ved å utnytte eksisterende relasjoner med bønder.

Like bør investorer huske at Deere fortsatt er en syklisk utstyrsprodusent. AI‑adopsjon kan styrke deres konkurranseposisjon og øke teknologirelaterte inntekter som programvareabonnementer, men gårdsinntekter, avlingspriser, rentenivåer og maskinbytte‑sykluser vil fortsatt påvirke resultatene.

Det er også mulig at mindre, mer smidige oppstartsbedrifter eller utenlandsk konkurranse kan bruke den pågående AI‑ og robotrevolusjonen i landbruket til å utfordre posisjonen til veletablerte aktører som John Deere.

Siste Deere & Company (DE) aksjenyheter og utviklinger

Studie referert

^{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. Artikkel: 105726. 10.1016/j.iref.2026.105726}