АПК
Цифровизация АПК против климатических рисков: как ИИ меняет планирование
Смещение зон земледелия и рост числа опасных природных явлений (до 500 в год) заставляют агробизнес пересматривать подходы к планированию. Классические агромодели всё хуже справляются с неопределённостью. На их место приходят цифровые двойники агрохозяйств, прогнозные модели, ИИ-агенты и ассистенты. Технологии позволяют не просто предсказывать ущерб, а максимизировать прибыль в условиях неопределённости.
Содержание:
Климатический вызов: почему старые модели не работают
Изменение климата стало определяющим фактором неопределённости в российском АПК. Планирование усложняется, а риски прямо влияют на инвестиционную привлекательность отрасли.
Планирование усложняется из-за нескольких ключевых факторов.
1. Сдвиг климатических зон земледелия и влияние на структуру посевов
По данным Росгидромета за 2024 год, в России наблюдается потепление, рост осадков, особенно весенних, а также на горизонте 50 лет прогнозируется рост засушливости. Это меняет климатические зоны и, соответственно, ареалы выращивания культур.
За последние 30 лет климатические зоны сместились на 200–400 км к северу. В результате посевные площади под зерновые в Сибири и на Дальнем Востоке выросли на 15–20%, до 14,5 млн га в 2024 году. Площади под подсолнечником впервые могут превысить посевы яровой пшеницы, тогда как посевы кукурузы, чувствительной к температуре и влаге на этапе всходов, за последние 10 лет сократились на 32%.
2. Рост частоты экстремальных погодных явлений
Климатические изменения увеличивают количество негативных погодных явлений, что становится фактором неопределённости для агробизнеса. Частота засух увеличилась в 2,5 раза: до 4–5 раз в 2020 году против 1–2 в 1990-м. Паводки становятся регулярными: в 2007–2024 годах произошло не менее 38 чрезвычайных ситуаций федерального масштаба.
Если в 1980–1990 годах наблюдалось примерно по 100–150 опасных природных явлений, которые оказывали влияние на экономику, то сейчас 450–500 в год, и их число продолжает расти.
Распределение опасных гидрометеорологических явлений за 1996—2024 годы
Источник: meteorf.gov.ru
Всё это напрямую сказывается на урожайности и требует адаптации культур (посева районированных сортов) и активного применения химических средств защиты растений (СЗР) от последствий заморозков.
Экстремальная погода повышает себестоимость за счёт расходов на ирригацию, дополнительные удобрения, средства защиты растений (СЗР) и страхование. В неурожайные годы маржинальность падает, а сроки окупаемости техники и мощностей растягиваются.
3. Нестабильность урожайности по ключевым культурам
Российский рынок зерновых демонстрирует противоречивую динамику с колебаниями урожайности основных культур в зависимости от погодных условий. Например, в 2024 году из-за заморозков весной, засухи летом и обильных осадков в период уборки урожайность озимой и яровой пшеницы в хозяйствах всех категорий составила 29,4 центнера с гектара (ц/га) против 31,8 центнера с гектара в 2023 году. Средняя урожайность снизилась на 7,7%. В 2025 году урожайность пшеницы выросла до 34,3 ц/га с 29,4 ц/га (рост на 16,7%).
4. Расширение зон рискованного земледелия
В 2025 году в зону высокого риска из-за температурных рекордов вошли главные житницы страны: Краснодарский край, Ставрополье и Ростовская область. На Кубани снижение урожайности в прошлом сезоне достигло 30%, а страховые выплаты агропредприятиям составили около 2 млрд рублей.
Традиционные агротехнологические карты, основанные на данных XX века, игнорируют хаотичность этих изменений. Климатический сдвиг благоприятных для земледелия зон на север не означает, что там можно сеять ту же пшеницу, которая чувствительна к составу почв, уровню влаги, инсоляции и другим, не только температурным, факторам.
Как отметил управляющий департамента развития корпоративного бизнеса Сбера Дмитрий Трофимов на конференции «Прикладные цифровые решения в АПК — 2025», бизнесу необходимы адаптивные сценарии, где ИИ учитывает не только температуру, но и изменение ареала вредителей, влажность и инсоляцию в конкретном квадрате поля.
Владимир Волков
руководитель отдела агрономических исследований ГК «Геомир»
Непредсказуемости не стоит бояться — её нужно переводить в расчётные риски. Речь о том, чтобы бережно относиться к потенциалу почвы, формировавшемуся тысячелетиями. Здесь наряду с компетенциями агрономов и руководителей помогают современные технологии прогнозирования, в том числе решения на основе искусственного интеллекта.
Цифровые двойники и дистанционный мониторинг: основа адаптации
Переход к цифровым двойникам полей и хозяйств позволяет объединить данные в единую среду. Это даёт возможность отслеживать болевые точки бизнеса — от влагообеспеченности почвы до эффективности производственных линий на заводах.
В основе современной агростратегии лежит создание точной виртуальной копии реальных активов. Это динамическая модель, работающая в реальном времени.
По словам Владимира Волкова, цифровой двойник поля — это система, которая объединяет результаты агрохимического обследования, данные о рельефе и почвенной неоднородности, историю севооборота и всех технологических операций. В модель интегрируются погодные наблюдения, показатели влажности и температуры почвы, а также результаты дистанционного мониторинга. Это позволяет уйти от субъективных оценок и точнее планировать агротехнические мероприятия, повышая устойчивость производства в меняющихся климатических условиях.
Интеграция всех физических процессов в сеть меняет саму логику руководства предприятием.
Антон Грачевников, директор по стратегическому развитию инновационных продуктов для бизнеса СберМобайл AIoT, отметил, что цифровые двойники формируют «тепловую карту» всей компании. Она подсвечивает узкие места и даёт чёткие рекомендации, что именно нужно изменить для достижения максимальной эффективности.
По словам Дмитрия Трофимова, традиционно агробизнес управляется по ретроспективным данным (аналитика за день, неделю или квартал). Подключение оборудования и полей к сети позволяет видеть ситуацию по факту и реагировать на риски ещё до того, как они критически скажутся на будущем урожае.
Директор направления прикладного ИИ и больших данных «Эвотор» (группы Сбер)
ИИ существенно дополняет человеческие компетенции в многофакторном анализе. Если опытный агроном оперирует 5–8 признаками при расчёте формулы урожайности, то модель обучается на данных за пять лет, учитывая десятки параметров одновременно: от предшественников культуры до точных дат внесения удобрений. Можно не только прогнозировать, но и максимизировать урожайность через ряд факторов: удобрения, СЗР и т. д. ИИ может посчитать, как максимизировать урожайность через эти факторы, давая ощутимый эффект.
ИИ-агенты в операционной модели агробизнеса
Внедрение прикладного ИИ в агрохолдингах сегодня идёт по трём ключевым векторам.
Особенно эффективно сочетание этих инструментов. Компьютерное зрение и IoT-сенсоры (от англ. internet of things — «интернет вещей») собирают данные (например, микроклимат в теплице), ИИ интерпретирует их и переводит на естественный язык, предоставляя специалисту готовую рекомендацию.
Максим Шпилькин, директор по ИИ-продуктам для бизнеса СберБизнесСофт, привёл пример автоматизации в теплицах: камеры устанавливаются на тележках, перемещающихся вдоль рядов. ИИ-модель анализирует фото- и видеопоток, находит отклонения в росте растений и передаёт информацию агроному через удобный интерфейс. Подобные программно-аппаратные комплексы позволяют оперативно реагировать на изменения, не допуская потерь продукции.
Топ-6 технологий, которые уже помогают российскому агробизнесу повышать эффективность, в том числе с учётом климатической нестабильности:
Экономический эффект и барьеры: как масштабировать пилоты
Цифровизация в АПК сегодня — это инструмент прямого влияния на EBITDA (от англ. earnings before interest, taxes, depreciation and amortization — «прибыль до вычета процентов, налогов, износа и амортизации»). Интеграция видеоаналитики и машинного обучения, например, в тепличном хозяйстве уже позволяет увеличивать сбор урожая на 20%, отметил Максим Шпилькин.
Максим Шпилькин
директор по ИИ-продуктам для бизнеса СберБизнесСофт
Машинное обучение помогает прогнозировать, например, урожайность. С помощью видеоаналитики собираются данные о росте растений, степень зрелости плодов, на основе чего делается прогноз. Пакет для ИИ-модели можно обогатить историческими ретроданными, в том числе такими факторами, влияющими на урожай, как температура, влажность и т. д. Вносим эти важные признаки, обучаем модель, и компания может пользоваться этим в дальнейшем без дополнительного обучения.
Несмотря на наличие зрелых отечественных решений, массовое масштабирование упирается в системные ограничения:
Главный сдвиг в российском АПК к 2026 году происходит не столько в самих алгоритмах, сколько в логике управления: бизнес уходит от ретроспективного анализа к проактивному управлению рисками. Цифровые двойники, ИИ и интернет вещей формируют единую среду, в которой решения принимаются быстрее и точнее.
генеральный директор АО «Агропромцифра», заместитель председателя ИЦК «Сельское хозяйство»
Цифровизация не самоцель, это инструменты, которые должны позволить нам повысить объёмы производства и снизить себестоимость. Сегодня цифровые технологии используют около 40% агропредприятий, и к 2030 году цель — чтобы порядка 90% агропредприятий использовали цифровые инструменты.
Главное по тексту
Цифровые двойники и ИИ-модели становятся ответом агробизнеса на растущую климатическую неопределённость. В условиях, когда погодные факторы напрямую влияют на урожайность, себестоимость и инвестиционные риски, классические методы планирования теряют предсказуемость. Ключевой эффект цифровизации здесь связан не только с точностью прогнозов, но и с переходом к управлению в реальном времени на основе данных, сценариев и адаптивных моделей.
Что это значит для отрасли
Редакция СберПро
Автор