Как агрономы учатся доверять ИИ — и что из этого выходит

Минус 18 миллионов рублей — результат запоздалого решения в хозяйстве. И это не единственная история. В этой статье покажу, как разные подходы к данным приводят к разным результатам и как агрономы переходят в цифру.

Привет! Меня зовут Николай Голобурдин, я основатель сервиса AgroField, который помогает фермерам сохранить урожай. Рассказываю, как мы с командой погрузились в мир аграриев, сделали сервис для обработки агроданных с помощью ИИ и что у нас получилось.

Глубоко прониклись аграрными проблемами мы в конце 24 года. До этого команда несколько лет занималась разработкой софта для беспилотников сначала в лаборатории РАН, а потом уже как стартап — делали симуляторы, работали с аэрофотосъёмкой. Сельское хозяйство мы тогда видели только со стороны: поле, комбайн, дрон, который делает снимки или вносит удобрения.

Всё изменилось, когда мы начали работать над проектами, связанными с агроотраслью. Сначала это были разовые задачи: посчитать что-то по снимкам, сшить ортофотоплан (это точная карта, составленная из аэрофотоснимков, где каждый пиксель имеет реальные координаты и масштабы), оптимизировать маршруты беспилотников для десикации подсолнечника. Но чем глубже мы погружались, тем больше вопросов появлялось: у хозяйств — море данных из разных источников, на рынке есть бесплатные агросервисы, а результат один и тот же — урожай всё равно теряется.

Почему при таком объёме информации решения по-прежнему принимаются слишком поздно? Мы решили нырнуть с головой в эту сферу, разобраться, что в ней происходит и как проходит цифровизация российского АПК в 2025 году.

Совместно с ФРИИ мы провели большое исследование: общались с агрономами, руководителями хозяйств, смотрели, как реально принимаются решения. И тут стало понятно — данные есть, но они разрознены, не интерпретируются, не доходят до момента, когда могут что-то изменить.

Когда мы начали погружаться в агросферу, мы чуть не сошли с ума обнаружили первую проблему: в России главный дефицит — это не технологии, а люди. В большинстве хозяйств не хватает агрономов, которые умеют и хотят работать с цифровыми данными. Да, многие агрономы отлично «чувствуют» поле. Они знают, где на склоне почва суше, а где задерживается влага, помнят, как в прошлом году повела себя культура на конкретном участке, умеют определить проблему по цвету листьев или определяют проблемы по визуальным признакам растений. Этот опыт — огромная ценность, накопленная годами.

Но «чувствовать» и работать с большими данными — разные навыки. Интуиция помогает, пока всё идёт по привычному сценарию. Когда же подключаются вегетативные индексы, данные с датчиков, прогнозы и сотни отчетов, нужны другие инструменты и подход.

Агроном, который полагается только на опыт, рискует упустить скрытые проблемы, которые видны только в данных. Таких специалистов, кто умеет сочетать интуицию с аналитикой, крайне мало. Те, кто есть, часто перегружены рутиной — поездками по полям, бумажной отчётностью, бесконечными звонками.

В итоге данные копятся, но остаются неиспользованными, а решения принимаются не на основе фактов, а «как обычно».

В итоге информация устаревает, а решения приходят слишком поздно, когда потери уже неизбежны.

Когда я с командой общался с людьми из отрасли, мы слышали много печальных историй, но две из них были грустнее того самого короткого рассказа Хемингуэя.

Кейс 1. Кукуруза: сигнал пришёл, но слишком поздно

В одном хозяйстве нам рассказали историю, от которой становится не по себе. Поле кукурузы — 250 гектаров. Все данные были под рукой: спутниковые снимки, температурные графики, отчёты агрономов. Но когда заметили изменения на NDVI, было уже поздно.

Проволочник успел уничтожить почти всё поле.

Собрали только края — 40 гектаров. Остальные 210 гектаров пришлось списать.

Убытки — около 18 миллионов рублей.

Вывод: данные сами по себе ничего не решают. Если нет системы, которая вовремя сигналит и помогает действовать, урожай не спасти.

Кейс 2. Пшеница: весна, которую упустили

В другом хозяйстве история была ещё масштабнее. Весна тогда продлилась всего пару дней: снег сошёл, и сразу ударила жара. Для шведской мухи это оказались идеальные условия, а для агрономов — скрытая ловушка.

Пшеница на 7 тысячах гектаров сначала выглядела отлично, поэтому обработки от вредителей не сделали. Но вскоре начали отмирать стебли. Когда вскрыли растения, личинки уже сделали своё дело.

Урожайность упала до 11 ц/га вместо 50.

Потери — 40% урожая, а на части полей уборку даже не проводили — она не окупалась. По нашей оценке потери составили 30 милионов рублей

Вывод: данные были, но они не помогли, потому что не связаны в единую систему и не подсказали, когда действовать. А в агро, как мы знаем, время решает всё.

В процессе исследования мы с командой обнаружили, что в АПК есть три подхода по работе с данными с полей.

Как это работает: Решения принимаются на основе опыта конкретного агронома. Вся информация — в его голове, блокнотах и на отдельных бумажных отчётах. Такой специалист часто знает поля «на ощупь», может предугадать многие процессы без цифровых инструментов. Такой подход становится все менее популярным, но порядка 30% агрономов до сих пор используют его. На основе наших интервью можно сказать, что такой подход позволяет агроному справляться с полями до 1000 гектар, и то не всегда успешно.

Плюсы:

● Просто внедрить, не требует технологий.

● Дёшево: не нужны сервисы, датчики, обучение.

Минусы:

● Полная зависимость от человека.

● Нет аналитики, истории данных, прозрачности.

● При болезни, увольнении или ошибке агронома хозяйство теряет критическую информацию.

Пример из жизни: В одном хозяйстве агроном, который годами вёл поля, ушёл. С ним ушли и знания: где какие зоны риска, как себя ведут культуры на разных участках. Новая команда несколько сезонов «училась с нуля», допуская ошибки и теряя урожай. Совокупные потери хозяйство оценило в 10 миллионов рублей.

Как это работает: В компании используют набор разрозненных инструментов: в одном сервисе смотрят вегетативные индексы (например, OneSoil), в другом — спутниковые снимки (EOBrowser), погодные данные проверяют в отдельном приложении, учёт работ ведут в Excel, а фото и комментарии агрономов приходят в WhatsApp или Telegram. Нормы внесения химикатов и информацию о растениях такие агрономы часто спрашивают у DeepSeek.

Информации становится больше, но она не связана в единую картину. В итоге всё держится на таком современном агрономе, который вручную собирает данные из разных источников, сопоставляет их и принимает решения. Но это занимает время и повышает риск ошибок. При таком подходе агроном может работать с 6-8 тысячами гектар поля.

Плюсы:

● Минимальный контроль за состоянием полей.

● Бесплатно

● Легко начать

Минусы:

● Данные не интегрированы, картину приходится собирать вручную.

● Анализ занимает время, решения запаздывают.

● Много ручной работы → велик риск упустить момент.

● Получается «лечение симптомов вместо постановки диагноза».

● Ограниченность в масшатабе поля (Возможно только с малыми хозяйствами)

Пример из жизни: В хозяйстве начали внедрять цифровые инструменты: подключили спутниковый мониторинг, стали собирать фото и отчёты агрономов в мессенджерах. Когда NDVI показал первые отклонения, специалисты смогли заметить проблему раньше, чем обычно. Однако данные из разных источников приходилось сводить вручную. Пока собирали полную картину — болезнь успела распространиться, и вместо точечной обработки пришлось проводить массовую. Цифра помогла увидеть проблему, но отсутствие единой системы не позволило среагировать вовремя.

Сегодня хозяйства всё чаще переходят от хаоса Excel и мессенджеров к интегрированным решениям. На рынке уже есть платформы, которые позволяют работать с данными системно: АссистАгро, Агросигнал, ExactFarming и другие. Они не просто собирают информацию, а помогают видеть полную картину и действовать вовремя.

Как это работает: Вместо десятка разрозненных инструментов все данные — спутниковые снимки, показатели техники, результаты скаутинга, метеоинформация — поступают в единую платформу. Система анализирует изменения, подсвечивает проблемные участки и сигналит о рисках, когда они только появляются. Агроном сразу видит понятный дашборд с рекомендациями, а не набор разрозненных графиков и таблиц.

Почему это важно:

● Полная прозрачность: можно открыть историю любого поля и увидеть все события по сезонам.

● Реакция без задержек: проблемы выявляются на ранней стадии, ещё до критического момента.

● Экономия ресурсов: точечное внесение СЗР и удобрений, никаких лишних затрат.

● Экономия времени: система берёт на себя рутину, снижает зависимость от одного человека.

Что нужно учитывать:

● Переход требует внедрения и инвестиций.

● Команда должна быть готова работать с системой и доверять аналитике.

Пример из жизни: В одном хозяйстве подключили систему мониторинга, которая автоматически отслеживает состояние посевов и присылает уведомления. Когда NDVI на одном из полей начал снижаться в динамике, агроному сразу пришёл сигнал. Он выехал, подтвердил очаг и провёл точечную обработку только проблемной зоны.

Итог: урожай спасён, расходы на удобрения снизились на 18%, а система окупила себя уже в первый сезон.

Системный подход делает данные не отчётностью, а инструментом управления.

На основе всего, что мы увидели в хозяйствах, мы разработали AgroField. Мы поставили себ цель — не просто собрать данные в одном месте, а сделать инструмент, который думает вместе с агрономом и руководителем.

Что делает AgroField:

● Собирает данные со спутников, техники, метеостанций, дронов и скаутинга;

● Анализирует их с ИИ и находит отклонения, которые могут стать проблемой;

● Помогает не просто смотреть на графики, а понимать, что они означают и что делать дальше.

Мы сознательно ушли от концепции «ещё одного дашборда». Вместо этого строим интеллектуального помощника, который умеет:

● Подсказать, когда стоит выехать на поле;

● Предложить оптимальные действия;

● Объяснить, что происходит и какие риски впереди.

Почему это важно: Агроном получает не поток цифр, а ответы на вопросы: что сейчас происходит, где риски, что предпринять. Руководитель видит ясную картину хозяйства, может быстро оценить эффективность и принять управленческое решение.

AgroField превращает агроданные из «массива информации» в реальный инструмент экономии и роста урожайности.

Мы написали эту статью, потому что хотим услышать живые истории и мнение аграриев.

● Сталкивались ли вы с похожими проблемами при работе с данными?

● Какие решения реально помогли, а какие — нет?

● Что, по-вашему, должно делать идеальное агроприложение?

Пишите в комментариях — обсудим, поделимся опытом, возможно, вместе найдём новые идеи.

Сейчас мы активно запускаем пилоты AgroField в хозяйствах разного масштаба. Если хотите посмотреть, как система работает на ваших данных, и протестировать интеллектуального помощника — напишите нам.

🌱 agrofield.pro – мы открыты к диалогу и новым пилотам.Попробуйте — и убедитесь, что цифры могут работать на урожай!