L'agricoltura sta vivendo una delle sue trasformazioni più complesse in quanto deve affrontare la sfida di produrre cibo di qualità per una popolazione crescente, ma con la consapevolezza, forse per la prima volta nella sua storia, non solo di avere risorse limitate, ma anche di avere vincoli non più aggirabili come, ad esempio, quelli di natura ambientale.
Come spesso è avvenuto in passato nelle situazioni di crisi e di difficoltà, l'uomo ha avuto la capacità di sviluppare strumenti a suo supporto come, ad esempio, la costruzione di utensili e macchine per potenziare le proprie capacità fisiche. In seguito ha sviluppato anche strumenti in grado di potenziare le proprie capacità sensoriali, fino allo sviluppo dei moderni sensori. Ma era ovvio che prima o poi saremmo riusciti anche a potenziare le nostre capacità intellettive. Questo è successo con i computer, ai quali addirittura attribuiamo una caratteristica tipicamente nostra che è quella della "memoria". Perché stupirci, quindi, se uno degli strumenti sviluppati più recentemente si chiama "intelligenza", seppur artificiale?
L'intelligenza artificiale, coniugata in moltissimi campi applicativi diversi, è infatti uno strumento in grado di imitare il comportamento del cervello umano, ma in tempi molto più rapidi, prendendo in considerazione una mole di dati enorme e in condizioni operative difficili per la mente umana. Ad esempio, riconoscere un patogeno della vite da un frammento incompleto di un'immagine fotografica potrebbe essere difficile anche per uno specialista oppure richiedergli molto tempo; se, invece, una macchina viene istruita a riconoscere milioni di immagini di quel patogeno ed è dotata degli algoritmi in grado di analizzarle e della potenza di calcolo necessaria, potrà fornire rapidamente un suggerimento al fitopatologo e metterlo sulla strada giusta per la diagnosi corretta, eventualmente da verificare in campo, e di operare successivamente con macchine irroratrici intelligenti in grado di trattare autonomamente solo dove la patologia è stata diagnosticata (Fig. 1).
Da questo semplice esempio si può anche capire che il ruolo dell'essere umano non è assolutamente messo in discussione e che, anzi, richiederà di innalzare il livello di formazione e di competenze professionali richieste, lasciando i compiti più fisici alle macchine.
Questo ci porta ad un'altra considerazione: cosa succede se combiniamo in una sola macchina le capacità fisiche, sensoriali ed intellettuali "ispirate" al pensiero umano? Probabilmente otterremo un robot o un trattore autonomo, con le relative attrezzature autonome, che potrebbero essere in grado di svolgere operazioni ripetitive, con più precisione di un lavoratore, senza vincoli di orario e con la possibilità di prendere, entro certi limiti, delle decisioni.
In definitiva, è esattamente quello che stiamo vedendo accadere in agricoltura e che potrebbe essere disponibile in larga scala entro 8-10 anni, anche se con declinazioni diverse a seconda dei Paesi.
In Italia, ad esempio, dove le informazioni agronomiche di base e i principali dati (economici, meteorologici, fitopatologici, ecc.) su cui prendere decisioni sono generalmente disponibili, l'intelligenza artificiale può essere molto utile come strumento per aiutare l'agricoltore proprio nel fare le scelte più appropriate tenendo conto di un'enorme quantità ed eterogeneità di informazioni. Infatti, se un agricoltore dispone di dati affidabili (ad esempio sui suoli, sulle condizioni meteorologiche, sulle produzioni, sulle patologie, ecc.) e li mette a disposizione di specifici sistemi di intelligenza artificiale potrà ricevere consigli personalizzati sulla propria azienda. Ovviamente tale supporto sarà tanto più significativo quanto più le aziende operano in settori ad alto valore aggiunto (un esempio tra tutti: il settore vitivinicolo), ma la situazione sta velocemente evolvendo anche verso la sostenibilità ambientale (sempre più necessaria) e la riduzione delle incertezze (non solo metereologiche, ma anche di mercato).
Inoltre, questi "suggerimenti" sono in grado di diventare sempre più precisi nel tempo, in quanto l'intelligenza artificiale è in grado, entro certi limiti, di auto-apprendere e personalizzare le informazioni. Si tratta ovviamente di molto di più rispetto a quanto già molti stanno sperimentando consultando i "chatbot" (robot per le chat) come, ad esempio, ChatGPT. Infatti, i costruttori di macchine agricole stanno integrando sistemi di intelligenza artificiale specifici sulle proprie attrezzature per analizzare grandi quantità di dati che utilizzano per personalizzare le proprie prestazioni operative (Machine Learning). Oppure, stanno sviluppando sistemi in grado di riconoscere anomalie di ogni genere su piante, animali e macchine per anticipare e predire situazioni critiche (Computer Vision). Oppure, ancora, hanno sviluppato reti di sensori a terra (proxinmal sensing) e a bordo di satellitar (remote sensing)i che, raccogliendo informazioni continue su moltissimi parametri di interesse agricolo, sono in grado di inviarli a sistemi di intelligenza artificiale che non solo li analizzano, ma sono sempre più in grado di combinare le diverse fonti di informazione per supportare le scelte operative quotidiane.
Da qui si intuisce anche l'importanza fondamentale che avranno i dati da analizzare e del perché si stia oggi parlando di "un'economia del dato": l'intelligenza artificiale, infatti, nonostante il suo nome, funziona bene solo se dispone di dati accurati, ben rilevati e affidabili.
Da quanto sinteticamente accennato si capisce che gli investimenti iniziali per dotarsi di nuovi programmi, nuove macchine, nuove competenze non sono pochi e quindi non facilmente disponibili e accessibili.
Inoltre, vi è la necessità di creare infrastrutture digitali diffuse e di dotarsi di una buona connettività anche in ambito rurale. Purtroppo, l'interoperabilità tra macchine, software, sensori, ecc. si è già visto essere un potenziale limite applicativo e andrà affrontato.
Infine, l'aspetto più importante: il fattore umano. Ben lungi dallo sparire per lasciare posto ai robot, gli operatori assumeranno un ruolo sempre più decisivo per governare un'agricoltura sempre più predittiva e automatizzata nelle operazioni fisiche e applicative per la quale sarà strategica la formazione continua.
Relativamente a quest'ultimo aspetto, si potrebbe iniziare semplicemente "curiosando" nelle fiere di settore, partecipando a qualche seminario o leggendo qualche breve articolo sul tema: quanto prima ci faremo un'idea dell'importanza di operare in modo diverso e proattivo, quanto prima saremo disponili a riconsiderare che è tempo di cambiamenti nonostante si sia "sempre fatto così".
Carlo Bisaglia
CREA-IT, Treviglio (BG)
PianetaPSR numero 145 novembre 2025
