農業・アグテック

農業AIは実験圃場（デモ区）では成果を上げても、土壌、天候、農機が多様に変化する10,000エーカーの現場では頓挫します。プラットフォーム自体の技術は優れていても、インセンティブの不一致、システム統合の配管（データ連携）、そして規制リスクこそが、実際の導入において破綻が生じる要因です。当社のアプローチは、農機具の統合、施用推奨の検証、LB525対応のデータガバナンス、そして第三者検証に耐えうるMRVパイプラインなど、現実の農業経営との接触に耐えうるベンダー中立のシステムを構築することです。

アグテックの墓場：なぜベンダーの存続が買い手のリスクとなるのか

2025年には21社のアグテック企業が破産または清算に追い込まれ、失われたのは $2.8 billion ものベンチャーキャピタルでした。 Gro Intelligenceは$120 millionを調達したものの、データ製品の十分な買い手を見出せず閉鎖に追い込まれました。 PlentyはSoftBankやBezosからほぼ$1 billionの支援を受けていましたが、破産申請を行ったのは 2025年3月 であり、主要施設を閉鎖して単一作物へ事業転換することで辛うじて再建を果たしました。パターンは一貫しています。技術を先行させ、農業への理解を後回しにした企業は、実際の農業経済に直面した際に生き残れませんでした。今日選ぶベンダーは、3年後も存在していなければ意味がありません。

事業規模の大きさは、利害の一致を保証するものではありません。精密農業における主要5社—— Deere、AGCO/Trimble、Bayer Climate、CNH、Raven ——がおよそ 43% の世界売上を握っており、その導入実績はプレゼン資料上の数字ではなく本物です：

• John Deere See and Spray は2025年に500万エーカー（5 million acres）に適用され、農家の除草剤散布液を3,100万ガロン（31 million gallons）削減しました。
• Syngenta Cropwise は30か国で7,000万ヘクタール（70 million hectares）を管理しています。

しかし、規模はそれ自体の問題を生み出します。これらのプラットフォームは、自社のエコシステム、自社の投入資材製品、そして自社の農機に合わせて最適化されているのです。AI自体は優れていますが、利害の一致（インセンティブのアライメント）は図られていません。

農業AIの導入において実際に何が破綻するのか

当社が支援するプロジェクトでは、共通して次の3つの失敗モードが見られます：

1. データのサイロ化。 一般的な農業経営では、収量データを John Deere Operations Centerで処理し、農薬・肥料の散布記録を Bayer Climate FieldViewで管理し、土壌分析は独立系検査機関に委託しており、これらは自動的に連携していません。ISOBUS標準化はトラクターとインプルメント（作業機）を網羅していますが、分析レイヤーには及んでいません。可変播種の処方データ（プレスクリプション）は、クラウドプラットフォームからUSBドライブやBluetooth接続を経由してレートコントローラーへと送る必要がありますが、そのコントローラーがタスクファイルを正しく解釈できるとは限りません。
2. 実験圃場から実圃場への精度の劣化。 アイオワ州中部の試験圃場画像で学習されたモデルは、ミシシッピ・デルタの粘土質土壌において窒素欠乏と硫黄欠乏を確実に識別することはできません。そこではスペクトルシグネチャの重複の仕方が異なるためです（詳細は 作物分析のためのハイパースペクトル深層学習に関する技術ホワイトペーパーを参照）。
3. 未解決の法的責任。 もしAIシステムが、 EPA FIFRA Section 3 のラベル記載要件に違反する農薬散布量を推奨したり、あるいは USDA RMA の査定人が標準的な慣行とみなさない投入資材を推奨した場合、農家が財務リスクを負う一方で、ソフトウェアベンダーは利用規約を盾に免責を主張します。

自律走行農機：確かな実力と現実のギャップ

その実力は本物です。 John Deere autonomous 9RX トラクターには360度の圃場認識を提供する16基のカメラ認識アレイが搭載されており、耕起の自律作業は現在すでに利用可能で、2026年にかけて完全な自律運用へと拡大しています。

同様に、ギャップも厳然として存在します。 GPSスプーフィング や無線通信の脆弱性により、攻撃者が不正な位置データを注入し、自律走行農機が誤った投入量や誤った場所で資材を施用する恐れがあります。また、 FBI は農業協同組合について、ダウンタイムのコストが最大となる播種期や収穫期を狙ったランサムウェア攻撃に特に脆弱であると警告しています。ほとんどの農場経営には専従のITスタッフがおらず、セルラー回線やクラウドプラットフォームに接続された$500,000の自律走行トラクターのサイバーセキュリティ対策は、農場の電子メールアカウントよりも精査されていないのが実情です。

規制もさらなる課題を突きつけています。農産物をEUに輸出したり農機を現地で販売したりする場合、 EU AI Act は農機具のAI安全コンポーネントを高リスクに分類しており、適合性評価が義務付けられるのは 2026年8月より前です。自律走行トラクター、収穫ロボット、衝突回避システムはいずれもこの分類に該当します。

データ所有権の転換点：ネブラスカ州法LB525

ネブラスカ州の 農業データプライバシー法（LB525）は、49対0の全会一致で 2026年4月に可決され、農業生産者が自身の事業から発生するデータを所有することを定めた最初の州法です。 2027年1月以降、農業データの収集を伴うすべての新規契約には、管理者（コントローラー）がそのデータを利用または売却する前に、明示的な書面による同意条項を盛り込むことが義務付けられます。同法は州司法長官によって執行されます。

これは抽象的な政策論ではありません。自らの営農において、収量データを農業小売業者と、農機テレメトリーデータをメーカーと、土壌データをカーボンクレジット集約事業者と共有している場合、それぞれの関係において同意契約の再構築が必要となります。アメリカン・ファーム・ビューローの Ag Data Transparent 認証（John Deereやその他主要ベンダーが取得）はその一部に対応していますが、LB525は強制力を伴う法定要件を創設することでさらに踏み込んでいます。他州もこれに注目しており、今すぐデータアーキテクチャにポータビリティと同意管理を組み込む農業経営体は、同様の法律が アイオワ、イリノイ、ミネソタの各州で可決された際にも、負担の大きい後付け改修を回避できます。

炭素、持続可能性、そしてMRVの課題

カーボンファーミング市場は2025年に $1.45 billion に達し、 EU Carbon Farming Initiative が自発的認証枠組みとして2026年に開始されます。AIを活用したデジタルMRVシステムは監査人の処理能力を 2,400%向上させることが可能であり、その期待は明快です。衛星画像、土壌センサー、機械学習を活用して、被覆作物の作付け、不耕起・減耕起、そして土壌有機炭素の増加を検証することです。

しかし現実はより困難です。3つの課題が残されています：

• 何千エーカーもの広大な農地における圃場レベルの活動を、 Verra や Gold Standard のプロトコルを満たすのに十分な粒度で監視すること。
• 炭素隔離がクレジット創出期間終了後も永続することを実証すること。
• 隣接するサンプリング地点からの土壌有機炭素の測定値であっても差異が 30%以上に達することがある、農業システム本来のばらつきを管理すること。

ほとんどのAIベースのMRVプラットフォームは、社内のサステナビリティレポートを作成する程度には機能します。しかし、プレミアム炭素市場が求める厳格さで独立した第三者検証に耐えうるクレジットを生み出せるものはごくわずかです。

大手コンサルティングファームの限界

Accenture は、精密農業ポートフォリオを強化するために欧州のアグリデジタルコンサルティング会社を買収しました（ 2025年2月 ）。 McKinsey はデジタル農業トランスフォーメーション戦略を提供しています。 Deloitte はサステナビリティとESG適合をアドバイスしています。3社とも企業変革の方法論を持ち込みますが、 ISOBUS Task Controller と ISOBUS Virtual Terminalの違いを理解しておらず、 Deere 4640 ディスプレイで動作する可変処方が、2019年製ファームウェアで稼働する Raven Viper 4+ で失敗する理由も知りません。彼らが作るのは戦略スライドです。当社の焦点はパイプラインそのものにあります——センサーデータから処方マップ、レートコントローラー出力に至るまで、農学の基本原則と規制要件に基づいて設計・検証されています。

当社が構築するもの

当社の支援は、センサーや農機具のレイヤーからデータ統合、意思決定システムに至るまで、農業AIスタック全体にわたって機能するように範囲設定され、以下を生み出します：

• ベンダー中立の統合 ：農業経営を単一のエコシステムに固定（ロックイン）することなく、Deere、Case IH、Trimble、AGCO、および独立系プラットフォーム間でデータを接続するよう設計されています。
• AI検証パイプライン ：単に研究試験の学習データ上だけでなく、特定の農場の土壌タイプ、輪作体系、微気候において、施用推奨モデルが主張通りの精度で実際に機能するかをテストします（ ハイパースペクトル作物分析の実動デモを参照）。
• データガバナンスアーキテクチャ ：LB525への準拠、Ag Data Transparent原則、そして5年分の収量履歴を失うことなくプラットフォームを乗り換えることを可能にするポータビリティ要件に合わせて構築されます。
• MRVパイプラインエンジニアリング ：第三者検証に耐えうる炭素クレジットおよびサステナビリティクレジットを生成するよう設計されています。
• サイバーセキュリティ評価 ：自律走行農機および接続されたセンサーネットワーク向け。未適用のファームウェアとデフォルトの認証情報のまま放置された$500,000の自律走行トラクターは、6桁ドル（十数万ドル）規模の負債となりかねないためです。
• カスタムモデル開発 ：データセットの小さな特用作物、畜産・畑作複合経営、または地域固有の条件で学習されたモデルを必要とする複数州展開の企業など、既製品プラットフォームが適合しない農業経営向け（当社の 可視光域を超えるハイパースペクトルイメージングに関する研究に基づく）。