ИИ в сельском хозяйстве России: широкое применение, но низкий уровень доверия, согласно исследованию ЕвроХима
Новости
ИИ в сельском хозяйстве России: широкое применение, но низкий уровень доверия, согласно исследованию ЕвроХима
Российские аграрии активно осваивают искусственный интеллект, однако его советы пока воспринимаются с осторожностью.
Результаты опроса, проведенного компанией «ЕвроХим» среди представителей агропромышленного комплекса, показали, что более половины отечественных фермеров (54%) уже активно используют нейросети в своей работе, а применительно к профессиональной агрономической информации этот показатель достигает 63%. При этом лишь пятая часть респондентов (21%) применяет ИИ для развития своих профессиональных навыков.
Нейросети чаще всего помогают аграриям в составлении планов минерального питания растений, разъяснении сложных агрономических терминов, диагностике болезней культур по описанию или фото, а также в быстром поиске справочной информации. В числе наиболее популярных инструментов — зарубежные сервисы вроде Deepseek, ChatGPT, Gemini, Notebook LM, Perplexity, а также российские GigaChat и «Алиса AI».
Несмотря на растущую популярность, уровень доверия к ИИ остается невысоким. Многие участники исследования отмечают, что используют ответы нейросетей лишь как отправную точку, предпочитая сверять полученные рекомендации с экспертной литературой, собственным опытом или консультациями специалистов.
«Это важный сигнал для всего рынка: будущее агрономического знания нельзя просто переложить на стандартные нейросети. У фермеров есть запрос на специализированную и выверенную информацию», — подчеркнула директор департамента маркетинга «ЕвроХим» Татьяна Гребенникова.
Этот запрос стимулирует растущий интерес к специализированным цифровым агрономическим помощникам, чья база знаний формируется на основе реальных данных от фермеров из различных регионов и климатических зон. В России известны такие системы, как ассистент «Андрей Тимофеевич», способный учитывать особенности региона, почвы и культуры, а также диагностировать болезни по фото и рассчитывать нормы удобрений. Аналогичные решения, например сервис Botan AI, разработанный при участии ученых РАН, фокусируются на определении болезней растений по снимкам.
Тем не менее более 70% опрошенных по-прежнему считают обмен опытом с коллегами и посещение других хозяйств наиболее эффективными методами работы.
«На наш взгляд, это может означать, что, несмотря на все новые технологии, наиболее ценным останется кураторский подход и личное присутствие специалиста. Важно понимать, что ни одна из перечисленных технологий пока не способна заменить агрономическую квалификацию и практический опыт», — резюмировала Гребенникова.
Источник: Eqinfo.ru