당신의 위성은 스트레스 받은 옥수수를 봅니다. 하지만 '왜'인지는 알려주지 못합니다 — 그리고 잘못된 추측은 에이커당 $29를 잃게 합니다
몇 해 전 봄, 나는 나보다 수십 년 경력이 많은 한 농학자와 함께 200헥타르 옥수수 구획의 가장자리에 서서, 둘 다 태블릿 위의 똑같은 호박색 얼룩을 바라보고 있었다. 밭의 북동쪽 사분면이 NDVI 지도 위에서 환하게 표시되어 있었다 — 모든 위성 모니터링 서비스가 계산하는 표준 "식생 건강" 지수 말이다. 저 밖에서 무언가 잘못되고 있었다. 지도는 적어도 그 사실만큼은 확신하고 있었다.
그것이 우리에게 알려주지 못한 것은 정작 가장 중요한 한 가지였다: 바로 '왜'였다.
살아 있는 가능성은 세 가지였고, 그것들은 서로 정반대되는 세 방향을 가리켰다. 질소 결핍일 수 있었는데, 그렇다면 답은 요소 비료의 변량 살포였다. 수분 스트레스일 수도 있었는데, 그 경우 질소를 쏟아붓는 것은 아무 소용이 없고 진짜 해법은 관개였다. 아니면 초기 타르반점일 수도 있었다 — Phyllachora maydis, 미국 옥수수 지대를 조용히 갉아먹고 있던 곰팡이인데 — 그 경우에는 살균제를 뿌릴 수 있는 좁은 기회의 창이 있었고, 망설이는 하루하루가 수확량을 대가로 치르게 했다.
세 가지 진단, 세 가지 정반대의 대응. 그리고 잘못된 대응은 중립적이지 않았다 — 어느 방향으로든 비쌌다. 수분 스트레스를 받은 구획에 질소를 주면, 식물이 흡수조차 하지 못하는 비료로 에이커당 $15에서 $25를 낭비하게 된다. 타르반점의 살균제 살포 시기를 놓치면 2024년 일리노이에서 에이커당 최대 $29.75가 들었다. 그날 내가 배운 가장 불편한 사실은 이것이다: 모호한 경보에 대한 잘못된 대응은 흔히 아무 대응도 하지 않는 것보다 더 나쁘다는 것이다.
그 밭이 바로 우리가 정밀 농업을 위한 초분광 AI를 만든 이유다 — 스트레스를 표시하는 데 그치지 않고, 조치를 취할 수 있을 만큼 일찍 그 원인을 진단하는 맞춤형 스펙트럼 모델이다. 이것은 우리가 어떻게 거기에 이르렀는지에 대한 이야기이며, 처음에 만들었다가 작동하지 않았던 버전까지 포함한다.
아무도 알려주지 않는 한계
내가 체득하는 데 부끄러울 만큼 오래 걸린 사실이 하나 있다: 모두가 이미 쓰고 있는 위성들은 설계된 그대로 정확히 작동하고 있다는 것이다. 다만 그것들은 우리가 던지던 질문에 답하도록 설계되지 않았을 뿐이다.
Planet의 PlanetScope 위성군은 3미터 해상도로 8개 스펙트럼 밴드와 일일 전 지구 커버리지를 제공하며, FarmQA를 통하면 연간 에이커당 약 $0.85다. Sentinel-2는 13개 밴드를 무료로 제공한다. 둘 다 NDVI, EVI, NDRE를 계산한다 — 일반적인 캐노피 건강을 아름답게 추적하는 광대역 식생지수다. 어느 밭에 사람이 직접 나가 봐야 하는지 판단하는 데는 이들이 탁월하고 터무니없이 저렴하다. 나는 여러분에게 이들을 그만 쓰라고 말하려는 게 아니다.
문제는 이런 지수 중 하나에게 질소와 수분과 곰팡이를 구분하라고 요구할 때 벌어지는 일이다. 그것은 해내지 못하는데, 소프트웨어가 나빠서가 아니다. NDVI는 전체 적색광과 근적외선 영역 — 잎이 모든 파장에서 빛을 어떻게 반사하는지를 나타내는 연속적인 곡선 — 을 취해 두 개의 숫자로 뭉개 버린다. 한 스트레스를 다른 스트레스와 구별해 줄 모든 진단적 특징은 당신이 데이터를 보기도 전에 평균화되어 사라진다.
NDVI가 작물 스트레스의 원인을 진단하지 못하는 것은 설계가 형편없어서가 아니다. 진단의 열쇠를 쥔 바로 그 정보를 두 개의 광대역 값으로 압축해 버리기 때문에 실패하는 것이다.
그리고 그 세 가지 스트레스는 진짜로 실제로 스펙트럼의 서로 다른 영역에 존재한다 — 나에게는 아직도 조금 신비롭게 느껴지는 부분이다. 질소 결핍은 670~680나노미터 부근에서 엽록소 흡수가 떨어지는 것으로 나타나고, 반사율 곡선의 "레드 에지" 변곡점이 청색 쪽으로 3~5나노미터 이동한다. 수분 스트레스는 심각해지기 전까지는 가시광선 밴드를 거의 건드리지 않는다; 그 지문은 단파적외선, 즉 1400에서 1900나노미터 사이에 있으며, 기공이 닫히면서 잎의 수분 흡수 특징이 평탄해지는 곳이다. 타르반점은 더욱 교묘하다 — 곰팡이 군집화가 531나노미터에서 감지되는 크산토필 회로 반응을 유발하는데, 이는 잎에 눈에 보이는 반점이 나타나기 전에 일어난다.
전체 곡선을 읽어낼 수 있다면, 그 세 가지는 서로 다른 세 사람의 필적 표본만큼이나 뚜렷하게 구별된다. NDVI만 가지고 있다면, 그것들은 똑같아 보인다.
우리가 처음 만든 버전 — 그리고 그것이 왜 무너졌는가
나는 이 부분에 대해 솔직하고 싶다. 이 이야기의 깔끔한 버전("우리는 문제를 봤고, 초분광 모델을 만들었고, 그것이 작동했다")은 생략에 의한 거짓말이기 때문이다.
우리의 첫 번째 실제 결과물은 타르반점 검출기였다. 우리에게는 초분광 영상 — 135개의 좁은 밴드 — 이 있었고, 우리는 3D 합성곱 신경망을 훈련시켰다. 이는 이미지를 평평한 RGB로 다루는 대신 모든 픽셀 하나하나에서 스펙트럼 곡선을 읽어내는 모델 구조다. 공개 데이터셋과 홀드아웃 테스트 영상에서 그것은 훌륭했다. 정확도 수치는 슬라이드에 올릴 만한 종류였다. 나는 그것이 진심으로 자랑스러웠던 기억이 난다.
그런 다음 우리는 그것을 실제 재배자의 밭, 실제 작물 품종, 실제 지역에 적용했고, 그것은 무너져 내렸다.
그 모델은 자신이 훈련받은 데이터에 나타난 방식대로 타르반점을 인식하는 법을 배운 것이었다. 하지만 스펙트럼 시그니처는 작물 품종, 생육 단계, 토양 배경, 심지어 태양의 각도에 따라 달라진다. 우리가 실제로 만든 것은 과거에 대해서는 아름답게 작동하고 현재에 대해서는 어깨를 으쓱하는 검출기였다. 값비싸고 화려하지 않은 진실은, 모델이 결코 어려운 부분이 아니었다는 것이다. 어려운 부분은 지상 실측 자료(ground truth)였다 — 즉 현장에서 검증된 라벨이다. 사람이 직접 잎을 채취해 무엇이 잘못됐는지 확인함으로써, 모델이 바로 이 작물의 타르반점이 바로 이 밭에서 어떻게 나타나는지 배우도록 하는 것이다.
현장에서 검증된 초분광 표본은 하나당 $50에서 $200이 든다. 대부분의 작물과 대부분의 지역에 대해서는 그런 표본의 크고 깨끗한 공개 라이브러리가 존재하지 않는다. 바로 그 병목이 기성 플랫폼들이 이 문제를 풀지 못하는 정확한 이유다: 특정 작물과 지역에 맞는 스펙트럼 질병 라이브러리를 구축하는 것은 모두에게 배포할 수 있는 소프트웨어 기능이 아니다. 그것은 컨설팅 작업이다 — 도메인 전문성에 더해 라벨을 수집할 농학적 파트너십까지 — 하나의 운영을 위해 한 번 수행되며, 내가 더 저렴한 접근법들이 조용히 포기하는 것을 지켜본 지점이 바로 여기다.
그 실패가 우리가 일하는 방식을 바꾼 이유다. 우리는 모델을 파는 것을 그만두고, 안착할 곳을 찾는 사전 훈련된 분류기가 아니라 재배자 자신의 밭과 그 농학자의 지식에서 출발하는 파이프라인을 구축하기 시작했다.
왜 더 이른 탐지가 승부의 전부인가?
진단이 정확할 때, 두 번째 상은 시간이며, 작물 병해에서 시간은 거의 모든 것이다.
표준 RGB 및 다중분광 모니터링은 보통 피해를 10~15일 지난 뒤, 즉 발병 후에야 포착하는 경향이 있다 — 다시 말해 식물이 이미 병들어 보이는 시점이다. 그때쯤이면 수확량 손실의 상당 부분은 이미 확정되어 되돌릴 수 없다. 이러한 생화학적 변화를 읽어내는 초분광 모델은 스트레스를 7~14일 먼저, 가시적 증상이 나타나기 전에 포착한다. 이 둘을 합치면 개입의 창을 2주에서 4주 앞당긴 셈이다. 그것이 아직 이득이 되는 창 안에서 뿌리는 것과 곰팡이가 이미 이긴 뒤에 뿌리는 것의 차이다.
여기서의 경제학은 미묘하지 않다. 2024년 미국 옥수수는 병해로 9억 6,300만 부셸을 잃었는데 — 작물의 약 6% — 이 중 2억 8,000만 부셸이 타르반점 하나 때문이었다. 대두는 추가로 2억 5,000만 부셸을 잃었다. 이런 배경에서, AI 기반 조기 탐지는 수확량 손실의 15%에서 40% 사이를 막아 주는 것으로 나타났으며, ROI는 150%를 웃돈다. 그리고 타이밍은 단지 일찍 포착하는 것에만 관한 것이 아니다; 그것은 뿌리지 말아야 할 때는 뿌리지 않는 것에 관한 것이기도 하다 — 의사결정 지원 방식은 달력에 맞춰 살포하는 것에 비해 살균제 사용량을 절반으로 줄일 수 있으며, 이는 해가 갈수록 더 중요해진다.
탐지는 "무언가 잘못되었는가"에 답한다. 진단은 "무엇이, 그리고 오늘 내가 조치해야 하는가"에 답한다. 그 둘 중 오직 하나만이 내일 아침 당신이 하는 일을 바꾼다.
살균제 계산 속에는 엄격한 마감 시한도 숨어 있다. 아이오와 주립대의 병리학 데이터에 따르면, 옥수수가 R3 생육 단계를 지나고 나면 살균제 ROI는 거의 0으로 떨어진다. R3 이전에 뿌리면 이득이 되고; 이후에 뿌리면 약제와 경유를 헛되이 태운 셈이다. 원인도 없고 생육 단계 인식도 없는 "스트레스" 경보는 당신이 그 선의 어느 쪽에 있는지 알려줄 수 없다. 당신의 작물로 훈련된 스펙트럼 모델은 알려줄 수 있다.
라스트 마일, 대부분이 죽는 곳
진단은 하나의 문장이고; 처방 지도는 기계 명령이다. 거의 모든 엔지니어링은 그 둘 사이의 번역에 있다 — 스펙트럼 진단과 트랙터가 실제로 다르게 움직이는 것 사이의 모든 것 말이다.
스펙트럼 진단은 살포기가 실제로 실행할 수 있는 변량 처방 지도가 될 때에만 유용하다 — 붐 폭, 노즐 간격, 그리고 장비가 물리적으로 뿌릴 수 있는 최소 살포량을 존중하는 지도 말이다. 좁고 작은 폴리곤에 정밀한 요소 비료 용량을 처방하는 지도는, 기계의 가장 작은 제어 가능 구역이 그 폴리곤보다 크다면 아무 쓸모가 없다. 나는 진짜로 훌륭한 분석이 바로 이 인계 지점에서 죽는 것을 지켜봤는데, 모델을 만든 사람들이 장비 옆에 한 번도 서 본 적이 없었기 때문이다.
대부분의 팀은 모델을 제품으로 취급한다. 농업에서 모델은 쉬운 부분이다 — 실제 살포기가 받아들일 처방 지도가 곧 제품이다.
그 인계가 제대로 작동하면, 변량 쪽이 이득을 낸다. 잘만 하면 VRT는 수확량을 유지하면서 비료 사용량을 최대 25%까지 줄일 수 있고, USDA 소속 경제학자들은 정밀 농법이 옥수수에서 에이커당 생산비의 3.7~3.9%를 절감한다고 본다. 하지만 "잘만 하면"이 핵심을 떠받친다 — 옥수수 지대 연구들은 변량 질소가 잘못 맞물릴 때 헥타르당 마이너스 $410에서 잘 맞물릴 때 플러스 $350까지 오간다는 것을 보여준다. 그 두 결과 사이의 격차가 바로 분석 계층이다. 그것이 우리가 만드는 부분이다.
그리고 2026년 1월부터, 많은 운영자가 과소평가하고 있다고 생각하는 두 번째 라스트 마일 문제가 있다: 규제 준수다. EU의 Farm to Fork 규정은 이제 지리공간 데이터를 포함한 전자 살포 기록을 30일 이내에 갱신하고, 종합적 병해충 관리 하에서 인증 농학자의 서명을 받도록 요구한다. 무엇이 어디에, 언제 살포되었는지를 이미 알고 있는 스펙트럼 모니터링 시스템은 그 기록을 자동으로 생성하는 길의 대부분을 이미 온 셈이다. 내가 이야기하는 대부분의 재배자는 이것을 서류 작업 부담으로 본다. 나는 이것을 스펙트럼 파이프라인이 자기 몫을 두 번 해내는 이유로 본다.
그렇다면 이것을 실제로 만드는 이는 누구인가?
이것이 다음번 공급업체 미팅에서 내가 화면에 띄우고 싶은 질문인데, 솔직한 답이 사람들을 놀라게 하기 때문이다: 당신에게 실제로 필요한 계층을 만드는 이는 거의 없다.
Pixxel은 135개 밴드를 갖춘 운영 중인 초분광 위성 6기를 운용하며 UP42와 SkyFi를 통해 데이터를 판매한다 — 그리고 2026년으로 예정된 이들의 Honeybee Zero 위성은 수분 스트레스에 필요한 단파적외선 밴드를 마침내 추가한다. 하지만 Pixxel이 파는 것은 데이터이지, 작물별 모델이 아니며, 현재 최소 14일인 촬영 요청 주기로는 빠르게 번지는 병해 사건을 놓칠 수 있다. Planet의 Tanager-1은 400~2500nm 전 범위를 포괄하지만, 농학이 아니라 메탄과 탄소 모니터링을 위해 만들어졌다. Bayer의 Climate FieldView는 업계에서 가장 연결성이 뛰어난 플랫폼으로 — 1억 5,000만 에이커 이상이 구독 중이다 — 그러나 영상을 수집할 뿐 자체적인 스펙트럼 분석은 전혀 수행하지 않는다; 처방을 실행할 뿐, 처방을 만들지는 않는다. 드론 센서 공급업체들 — Headwall, Specim, Resonon — 은 $50,000에서 $150,000짜리 근사한 장비를 팔고는 모델 없는 원시 데이터 큐브를 건네준다. 그리고 대형 컨설팅 회사들은? Accenture는 2025년 초에 유럽의 정밀 농업 분석 기업을 인수했지만, 전략 자문 계약은 $500,000에서 수백만 달러에 이르고도 결국 실제 파이프라인은 다른 누군가가 만들어야 하는 것으로 끝난다.
그 선수들 하나하나는 자기가 하는 일에 능숙하다. 빈틈은 그것들을 잇는 연결 조직에 있다: 맞춤형 스펙트럼 모델, 현장에서 수집한 질병 라이브러리, 그리고 135개 밴드의 반사율을 살포기와 규제 당국이 모두 받아들일 수 있는 무언가로 바꾸는 처방·규제준수 통합이다. 우리는 위성을 소유하지도, 센서를 제조하지도 않는다 — 우리는 재배자가 선택한 Pixxel, Planet, 또는 드론 영상 위에 올라타, 그 빠진 계층을 만든다.
사람들은 이것이 거대한 열작 작물 운영에만 말이 되는 것 아니냐고 내게 묻는다. 사실 계산이 가장 분명해지는 곳은 고부가가치 특용작물이다. 초분광 영상과 AI를 사용한 캘리포니아의 한 포도밭은 포도 품질을 유지하면서 살균제 사용량을 22% 줄였다; 카베르네 열매가 에이커당 $10,000에서 $30,000의 가치를 지닐 수 있는 나파에서는, 모니터링에 에이커당 $50에서 $100을 쓰는 것은 설득이 어려운 일이 아니다 — 그것은 잠재적 손실에 비하면 반올림 오차다.
내가 늘 받는 또 다른 질문은 "왜 내가 또 다른 애그테크 스타트업을 믿어야 하는가?"의 어떤 변형이다. 타당한 질문이다. 2024년 애그테크의 벤처 투자는 25% 넘게 줄었고, 최소 28개의 수직 농업 기업이 문을 닫았다 — 많은 재배자가 독점 플랫폼을 약속하고는 접어 버린 창업자들에게 데었다. 내 대답은, 우리는 의도적으로 그런 회사가 아니라는 것이다. 우리는 당신에게 우리 위성이나 우리 SaaS가 살아남는 데 걸라고 요구하지 않는다. 우리는 이미 존재하고, 우리가 사라져도 당신이 계속 쓸 수 있는 인프라 위에 맞춤형 분석을 구축한다. 지난 2년간의 스타트업 무덤을 지나온 뒤라면, 그것은 한계가 아니다. 이토록 회의적인 분야에 팔 수 있는 유일하게 신뢰할 만한 방법이다.
진짜 교훈
미국 농장 중 정밀 농업을 조금이라도 사용하는 곳은 27%에 불과하며, 장벽은 결코 기술이 아니었다 — 그 기술이 답 대신 경보를 내놓았다는 것이 문제였다. 색으로 구분된 스트레스 지도는 누구의 행동도 바꾸지 못한다. 그러나 수분 스트레스다, 북동쪽 사분면에 관개하라, 질소를 낭비하지 말라고 말해주는 진단은 그렇게 한다.
나는 문제가 해상도라고 생각하며 그 옥수수밭에 들어갔다 — 우리에게 필요한 것은 그저 더 선명하고 더 잦은 이미지뿐이라고. 나는 문제가 바로 질문이었음을 이해하며 나왔다. NDVI는 재배자가 "화요일에 나는 무엇을 하나"를 묻고 있을 때 "이 밭이 건강한가"에 매우 정밀하게 답하고 있었다. 그것들은 서로 다른 질문이며, 첫 번째 질문을 아무리 쌓아도 결코 두 번째 질문에 이르지 못한다.
만약 당신이 그 호박색 얼룩의 당신만의 버전을 바라보고 있다면 — 무언가 잘못되었다고 확신하면서도 그에 대해 조치할 수는 없다면 — 그것이 바로 우리가 Veriprajna의 초분광 분석을 만들어 메우려 한 격차다. 밭이 스트레스를 받고 있다고 알려주기 위해서가 아니다. 그건 당신이 이미 안다. 무언가 조치를 취할 수 있는 시간 안에, 왜 그런지를 알려주기 위해서다.
