农业人工智能还需要了解的不仅仅是客户属性；它需要了解土地：GPS 坐标、农场边界、田块以及单个土地上的土壤变化。您在哪里施肥，施肥量是多少，以及在农场的哪个特定区域？并不是一个领域的所有部分都是相同的，而将它们视为相同的人工智能系统将产生的建议充其量是不精确的，而最坏的则是具有破坏性的。
由于所涉及的化学品和责任，还存在合规性问题。与低风险环境中相比，农业中的运营人工智能需要更多的检查和治理。当一项有缺陷的建议在现场得到执行时，后果可能会很严重。
数据就绪在实践中意味着什么
数据准备程度是人工智能兑现其承诺与“垃圾进、垃圾出”场景之间的区别。从根本上来说，为人工智能做好准备意味着拥有一个能够准确反映业务运营方式的数据模型。
对于像 Wilbur-Ellis 这样拥有 104 年历史的家族农业经销商这样的公司来说，这意味着了解您的客户是谁，他们耕种哪些田地，他们需要哪些投入品，这些投入品来自哪些供应商，他们上一季支付的费用以及所有这些与利润有何联系。这些信息需要在整个组织中保持最新、一致且可访问，而不是锁定在从未设计为相互通信的单独系统中。
同样，对于农业作业本身来说，数据准备意味着对每个田地正在发生的事情有一个可靠的、相互关联的图片：土壤健康记录、输入应用历史、前几个季节的产量数据、设备性能以及灌溉系统的实时传感器读数。
治理与结构一样重要。价格变化，关系发展，供应商来来去去。人工智能系统利用六个月前准确但尚未维护的数据，将根据不再存在的业务版本提出建议。
奠定人工智能值得信赖的基础
好消息是数据就绪的途径是可行的。它始于强大的数据模型：单一的、受管控的事实来源，以反映组织运营方式的方式连接客户、供应商、产品、定价、订单和利润。
从那里开始，它需要足够快的数据管道，以便在需要做出决策时提供见解，需要使数据随着时间的推移保持可信的治理框架，以及确保敏感的商业信息在适当的条件下可供适当的人访问的安全控制。
#农业已为人工智能做好准备但其数据还没有