Negli ultimi anni si è passati dal ben noto concetto di “Agricoltura di Precisione” alla più ampia “Agricoltura 4.0”, associando alla prima il cosiddetto “Internet of Farming”. Grazie cioè alla diffusione di tecnologie digitali innovative come l’Internet of Things (IoT), i Big Data Analytics, l’Intelligenza Artificiale e la robotica è stato possibile ampliare l’approccio della valorizzazione dei dati a più funzioni aziendali (es. logistica, pianificazione, controllo di gestione) e, ancora più in ampio, all’intera filiera agroalimentare.
Indice degli argomenti
Cos’è l’agricoltura 4.0
L’Agricoltura 4.0, che mutua le logiche dell’Industria 4.0, è oggi un paradigma che prevede l’utilizzo armonico di diverse tecnologie finalizzate a migliorare la resa e la sostenibilità dell’attività agricola, la qualità produttiva e di trasformazione, le condizioni sociali e l’impatto ambientale dell’intera filiera. Le potenzialità dell’Agricoltura 4.0 non sono quindi a solo beneficio degli attori della produzione primaria, le aziende agricole, ma anche degli attori a monte (fornitori di input vari) e a valle della filiera agroalimentare (consumatori, distributori, trasformatori, ecc.). Per cogliere questi benefici è necessaria la valorizzazione integrata di diverse tipologie di dati tra più attori e attività della filiera, superando l’attuale gestione “a silos”, cioè a compartimenti stagni.
I dati in sé non sono però il valore, ma lo è la loro elaborazione intelligente, in grado di creare informazioni che possano essere utilizzate, queste si, per generare valore economico, ambientale e sociale. Ne è una dimostrazione il fatto che il 72% delle 415 soluzioni di Agricoltura 4.0 censite in Italia nel 2019 dall’Osservatorio Smart AgriFood – promosso dal Politecnico di Milano e dall’Università degli Studi di Brescia – utilizzano tecnologie di Big Data Analytics per raccogliere e elaborare queste informazioni. Per effettuare il passaggio da dati ad informazioni avranno nell’immediato futuro un ruolo determinante le tecnologie legate all’intelligenza artificiale (machine learning, natural language processing, robotica autonoma, ecc.).
L’agricoltura, i robot e i software
Già oggi l’agricoltura dimostra una forte innovatività in queste direzioni: i robot più diffusi al mondo sono quelli adottati dalle aziende zootecniche per la mungitura delle vacche. Altri esempi di robot che sfruttano l’intelligenza artificiale li riscontriamo tra le startup del mondo Smart AgriFood (oltre 737 quelle censite nel 2019 e finanziate negli ultimi 3 anni), quali, ad esempio, i raccoglitori di ortaggi nell’indoor farming o la difesa antiparassitaria in campo aperto come nel progetto Europeo GRAPE in cui il Politecnico di Milano si è occupato dello sviluppo di tecnologie per favorire una maggior diffusione di dissuasori biologici. Lo stesso raggiungimento degli Obiettivi di Sviluppo Sostenibile promossi dalle Nazioni Unite vede in una robotizzazione dell’agricoltura uno degli strumenti principe per affrontare alcune delle sfide proposte.
L’intelligenza artificiale non si applica però solo ai robot (che attualmente pesano per il 5% delle soluzioni complessivamente offerte in Italia), ma anche ai software di supporto alle decisioni (che rappresentano il 31% delle soluzioni offerte in Italia). Infatti, svariati software gestionali che si stanno affacciando sul mercato promettono di ridurre l’impegno degli agricoltori su attività a minor valore aggiunto per consentire loro di concentrarsi su attività più rilevanti, come, ad esempio, la valorizzazione del prodotto finale o la definizione della quantità esatta di difese antiparassitarie biologiche che garantiscono la qualità di alcune eccellenze del Made in Italy. Questi dati, seppur non siano lo strumento finale con cui viene generato il valore, sono l’ingrediente fondamentale che alimenta l’intelligenza artificiale e, come accade per gli ingredienti necessari per la ricetta di un prodotto alimentare di alta qualità, devono essere anch’essi tali. La stessa Unione Europea con l’ultima PAC (Politica Agricola Comune) ha stanziato miliardi di euro a supporto dell’innovazione nell’agrifood, che ha nella corretta gestione dei dati la propria origine.
Raccogliere e gestire i dati
È importante perciò saper raccogliere e gestire questi dati perché solo così potranno dare buoni frutti.
La raccolta dei dati può avvenire con diverse modalità. Enfatizziamo come l’Internet of Things stia oggi abilitando la raccolta di una notevole quantità dati che attende solo di essere elaborata (si pensi a tutti i sensori già presenti in campo, sulle macchine agricole e nelle stalle) e un impatto di rilevo verrà generato dall’integrazione di banche dati nate originariamente con obiettivi differenti, in particolar modo derivanti da database pubblici. La diffusione capillare della banda larga in tutto il territorio rurale, oggi ancora troppo scoperto, sarà un ulteriore volano di valore in tal senso.
La gestione dei dati invece si può distinguere in prima battuta su 3 livelli: di business, tecnologico e legale.
Il livello di business guarda al valore generato dai dati. E’ importante comprendere come i dati possano concretamente portare benefici nel conto economico delle aziende, tramite la riduzione di costi o l’aumento di ricavi. Per questo motivo l’Osservatorio Smart AgriFood ha analizzato decine di casi al fine di comprenderne gli impatti sulle aziende del settore. Emblematico il caso di una cooperativa agricola di Ravenna che è stata in grado, attraverso un utilizzo intelligente delle informazioni raccolte da macchinari connessi, di ridurre contemporaneamente i costi di produzione (circa 10 litri in meno all’ettaro di gasolio utilizzato) e l’impatto ambientale (oltre 30kg di CO2 in meno immesso nell’atmosfera per ogni ettaro lavorato).
Il livello tecnologico, in ottica strumentale, si preoccupa di far sì che i dati possano trasformarsi in valore. L’intelligenza artificiale, appena descritta, ne è uno degli esempi più importanti. Ma vi sono tecnologie altrettanto rilevanti che consentono di mettere a valore questi dati, tra cui in particolar modo l’Internet of Things, per raccogliere e monitorare i dati, e la Blockchain, per trasferirli in modo trasparente e immutabile.
La gestione legale dei dati infine si occupa di rispettare gli elementi legislativi imposti per una corretta governance sociale di tali dati, proprio alla luce del valore che possono generare. Ne sono esempi il GDPR o la PSD2 (Payment Services Directive). L’attenzione dell’Unione Europea su questi aspetti è molto alta, in particolare affinché non vi sia una eccessiva concentrazione di questo valore nelle mani di relativamente pochi attori.
Conclusioni
Lo scenario che si prospetta è certamente denso di opportunità e vede l’Italia ben posizionata, come dimostrano i dati dell’Osservatorio Smart AgriFood, che ha analizzato centinaia di soluzioni innovative di Agricoltura 4.0 offerte in Italia e svariati casi di successo portati avanti dalle aziende agricole italiane. Un punto è però indispensabile: è necessario creare e diffondere competenze adeguate che consentano soprattutto agli attori più deboli, gli agricoltori, di giocare un ruolo da protagonisti in un futuro che sarà caratterizzato da un’agricoltura sempre più digitalizzata. L’alternativa è di essere schiacciati da chi detiene o deterrà queste competenze in modo esclusivo, determinando relazioni di sudditanza
