AIの病害虫予測で実証段階の収量15%増、農協が挑む営農ノウハウの属人化

予測の設計で効いているのは、過去20年分の気象データという長い蓄積と、利用者から日々上がってくる発生履歴という現在進行の情報を掛け合わせた点です。気象条件だけでは、その年その地域で実際に虫や病気が出ているかまでは分かりませんし、現場の報告だけでは、これから危険度が上がるのかどうかの見通しが立ちません。過去の傾向で先を読み、足元の報告で補正するこの二層構造が、経験則の揺らぐ状況でも判断の拠り所になったと考えられます。

予測を地図上のリアルタイムな共有という形で現場に返した設計も見逃せません。予報を文書で配る方式であれば、受け取った側は自分の畑に当てはめ直す作業を求められますが、地域の発生報告がそのまま地図に載っていれば、近隣で何が起きているかが直接の判断材料になります。報告を入れる人と予測を使う人が同じ画面を見る構造には、データを出す動機が仕組みの内側に組み込まれている強さがあります。危険度が高まっている病害虫に絞って手を打てるようにした割り切りも、限られた人手で防除を回す現実に沿ったものでした。

開発の進め方そのものも、この仕組みが現場に根づいた要因でしょう。2022年から複数の農協と連携し、約50軒の農家で実証を重ねて現場の声を反映させるやり方は、予測の精度と使い勝手を同時に磨く経路をつくります。アプリを提供するミライ菜園が予測の仕組みを担い、農協の側が現場での検証と運用を受け持つ役割分担があったからこそ、日常的に使われる道具として形になったと見ています。