Solo il 9% degli operatori agroalimentari ha usato un’AI nata per l’agricoltura

Cos’è successo

Dove sono le maggiori opportunità dell'intelligenza artificiale in agricoltura, e come la si usa oggi? Lo ha chiesto a quasi 2.000 professionisti del settore agroalimentare Aidan Connolly, presidente di AgriTech Capital, società specializzata in investimenti nella tecnologia agroalimentare, che si definisce "futurologo" di cibo, mangimi e agricoltura ed è autore del libro The Future of Agriculture. I risultati, che pubblica in un'analisi su Forbes, riflettono il punto di vista dell'industria, perché i rispondenti sono soprattutto dirigenti di aziende agricole e agroalimentari, consulenti, fornitori di tecnologia e ricercatori. Il 67% indica nel miglioramento delle decisioni un'opportunità importante e il 65% nella produttività, ma sulle applicazioni specifiche il quadro cambia: solo il 5% vede in mezzi autonomi e robotica l'applicazione potenzialmente più rilevante, mentre il 31% sceglie il supporto alle decisioni e le raccomandazioni. Il 29% dichiara di aver usato funzioni di AI già integrate nei software che possedeva, contro il 9% che ha usato uno strumento sviluppato apposta per l'agricoltura.

Per Connolly la questione è come passare dal riconoscere il potenziale dell'AI all'usarla per migliorare davvero le prestazioni delle imprese, e la risposta ha meno a che fare con la scelta della tecnologia giusta che con l'individuare le decisioni da migliorare. Cita l'indagine 2026 di McKinsey, secondo cui l'80% dei partecipanti dice che l'AI ha migliorato la produttività individuale e il 37% le attribuisce almeno un po' di impatto sull'Ebit: solo il 6% è classificato come "alto performer", ma quasi il 75% di questi ha ridisegnato in profondità i processi di lavoro, contro il 25% degli altri. In tre mesi di panel moderati in Cina, Regno Unito e Stati Uniti, racconta, pochissimi hanno risposto di aver cambiato un compito o una decisione grazie all'AI.

Perché conta

• La parte facile è l'ufficio, quella difficile è il campo: secondo l'autore la maggiore opportunità per le aziende agricole oggi potrebbe stare in acquisti, scorte, programmazione e altre decisioni commerciali. Una raccomandazione su mangimi, trattamenti o tempi di concimazione, invece, deve essere abbastanza precisa da poter essere applicata, con le informazioni giuste al momento giusto, e qualcuno deve agire e convivere con il risultato. Uno studio dell'Università del Wisconsin-Madison ha chiesto a 44 esperti indipendenti di soia di valutare piani di gestione generati dall'AI e ha rilevato che le raccomandazioni ignoravano differenze regionali importanti, concludendo che serve un'AI agricola più su misura per campo prima che gli agricoltori possano fidarsene;
• La fiducia nasce dalle prove: l'indagine Global Farmer Insights 2026 di McKinsey, su 5.500 agricoltori in 10 Paesi, ha rilevato che solo il 17% usa l'AI per attività agricole e solo il 6% indica l'AI generativa o la ricerca con AI come fonte affidabile per decidere. Nel sondaggio di Connolly l'integrazione con i sistemi esistenti e l'accuratezza preoccupano seriamente il 32% dei rispondenti, mentre la mancanza di conoscenze o formazione è l'ostacolo più serio, per il 52%. Per McKinsey l'inesattezza è il rischio più comune, e le organizzazioni più efficaci hanno definito quando le risposte dei modelli richiedono una verifica umana;
• La tesi di Connolly è che, se una raccomandazione dell'AI può incidere su un animale, un raccolto o sul bilancio, serve qualcuno che risponda della decisione. La fiducia, scrive, non dovrebbe dipendere da quanto sicura appare la raccomandazione, ma da quanto bene si comporta nel tempo rispetto alle alternative, e dalla capacità di capire quando serve ancora il giudizio umano.

Adesso

• Secondo l'autore, un'azienda agroalimentare dovrebbe partire dalle decisioni e non dal software, individuando quali scelte ricorrenti incidono di più sui margini (razioni alimentari, protocolli di trattamento, acquisti di input, programmazione della produzione), chi le prende oggi, con quali informazioni e quanto costerebbe sbagliare;
• Il consiglio è scegliere una decisione il cui esito si può valutare in tempi relativamente brevi, con informazioni ragionevolmente buone e un costo dell'errore gestibile, e testare la raccomandazione dell'AI contro il metodo esistente, stabilendo chi può accettarla o respingerla e registrando cosa è stato consigliato, cosa è stato fatto e cosa è successo;
• Occorre poi valutare i risultati: la raccomandazione era accurata, è stata usata, ha migliorato l'esito rispetto al processo esistente? Costruire fiducia, avverte Connolly, richiede test ripetuti, formazione pratica e integrazione migliore. Prima di chiedersi quale strumento comprare, conclude, bisogna chiedersi quale decisione si vuole migliorare e come si capirà, a un anno di distanza, se la raccomandazione era giusta.