Big Data in Agriculture: Land O’Lakes’ Teddy Bekele
21:12 Share

你可能用过“孤注一掷”这个词。

但如果你不从事农业工作，你可能无法完全理解这意味着什么。在今天的节目中，我们将了解技术如何支持成功的农场生产。我是来自Land O'Lakes的Teddy Bucheli，您正在收听《我和AI》。欢迎收听《我和AI》，这是一档关于人工智能和商业的播客。在每一期节目中，我们都会向您介绍一位在人工智能领域进行创新的人。我是萨姆·兰斯博瑟姆，波士顿学院分析学教授。

我同时也是麻省理工学院斯隆管理评论的AI和商业战略客座编辑。

我是谢尔文·科多班德，BCG的高级合伙人，我与人共同领导BCG在北美的AI业务。麻省理工学院SMR和BCG合作研究和发表关于AI的成果已有六年时间，采访了数百名从业者，并对数千家公司进行了调查，了解构建、部署和扩展AI能力以及真正改变组织运营方式需要什么。

特雷弗和我今天与Land O'Lakes的首席技术官Teddy Wicheli进行对话。Teddy，感谢你的加入。欢迎。感谢你们的邀请，我很高兴来到这里。我想我们第一次见面是在2018年，当时你在Winfield United，我们一起做了一个关于数据和分析的网络研讨会。现在你在母公司Land O'Lakes工作。你能告诉我们你目前的角色吗？

是的，当然。我是Land O'Lakes的首席技术官，它是一个农民拥有的合作社，我称之为从农场到餐桌的合作社。我们涵盖了从种子播种到作物收获的整个过程，作物变成谷物，对吧？然后谷物被用来制作动物饲料，而普丽娜也是Land O'Lakes的一个品牌，因此谷物被用来为动物创造饲料配方。所以我们是

然后这些乳制品生产商是合作社的一部分。我们从这些生产商那里购买牛奶，并将其制成黄油和奶酪等增值产品，你可以在商店里找到这些产品。所以当我们谈到从农场到餐桌时，你确实以一种非常大的方式涵盖了整个范围。而我作为首席技术官的责任显然是管理我们组织的内部系统，企业规划ERP网站、CRM等等。

但另一个令人兴奋的领域是数据和分析领域，以及许多实际用于我们业务的软件，与我们的客户合作，无论是支持现有业务模式还是帮助开发新的基于技术的业务模式，并与这些业务领导者一起定义它是什么。然后与内部资源或外部第三方合作来开发

一些非常棒的解决方案。合作社的构成是什么？这真的很有趣。合作社由两类成员组成。我刚才提到的一个，他们是乳制品生产商，这就是公司成立的方式。就在101年前，明尼苏达州的乳制品生产商走到一起，说，我们想把我们的产品运到东部。因此，他们创建了这条合作社路线，以便能够更好地整合所有产品。

另一类成员是农业零售商。这些是在农村社区中独立运营的企业。他们主要为这些社区的粮食作物种植者服务。所以玉米、大豆、小麦、油菜籽等等。

我们为他们做的事情是，作为一个供应合作社，我们从大型制造商那里购买大量的种子作物保护产品，然后卖给他们，然后他们再卖给他们的客户。在很多情况下，这些农业零售商本身也是合作社。因此，他们的董事会由他们服务的农民组成。因此，我们的董事会由一半的乳制品生产商和另一半的农业零售商组成。这种组合就是Land O'Lakes合作社。

作为首席技术官，你对合作社的授权是什么？

我们在这里为成员服务，一直到粮食作物种植者，确保我们让他们在农场门口保持竞争力，无论他们每天需要做什么来保持竞争力。特别是作为首席技术官，我们如何跟上最新的趋势？我们如何确保将这些技术趋势应用到我们为他们提供的解决方案中？我们如何提高供应链效率？实际上，我会在这里待上100年，以确保我们能够成功。

据我了解，技术一直在改变农业业务。你能向我们的听众简单介绍一下，让他们了解技术是如何真正改变农业和农业业务的吗？

它是世界上最古老的行业之一。几百年，甚至几千年来，它一直以同样的方式进行。在过去的百年里，你经历了一些巨大的变化，从拖拉机开始。现在，突然之间，事情变得更加自动化了。当作物保护被引入时，这是一件大事。

你做了所有这些工作，所有这些都可能因为田间发生的某种瘟疫而消失。接下来的部分是生物技术革命。所以现在，你知道，有很多研究和更多技术被应用到播种的种子中。它能抗旱吗？在太湿的时候它还能从地里出来吗？它能抵抗某些疾病吗？这是一个巨大的改变。所以你称之为第三次革命。但是农业的第四次革命是

现在是技术的应用，特别是软件技术在农业中的应用。从简单的描述性分析到各种人工智能组件。但是，这第四次革命让农业进入了超速发展阶段。

因为突然之间，你开始看到所有这些复杂的环境，这些环境实际上是靠直觉来管理的。现在你的生产力提高了。现在数据和技术正在真正帮助你做到这一点。因此，你越来越依赖来自田间的数据，然后做出决策。这确实是当今农业正在发生的变化。而这些数据确实非常庞大，对吧？我的意思是，许多不同的来源，许多不同的来源。

排列组合，对吧？从天气开始，有很多事情会发生，天气是农业的一个重要组成部分。总的来说，我们可能在预测天气方面做得更好。但是当你考虑一个农场时，我的意思是，你需要精确到三米乘三米的像素。比如，在这个特定的地方会下雨吗？

现在，你能以100%的准确率预测吗？你能告诉我确切的降雨量和时间吗？所以在这个超本地化的水平上，我们还没有达到。所以你拥有所有这些会发生的变化。但是想象一下，你可以捕捉到的所有海量天气数据，这些数据都用于弄清楚这一点。土壤成分是另一个重要的部分。

然后是选择合适的种子类型。你必须考虑到这一点。然后我们谈到了施用养分和作物保护。什么时候是合适的时机？我应该怎么做？农民在一个田地上必须做出40个宏观决策，以及180个次级决策。所有这些都可能以各种方式影响最终的结果，以及所有不可预测的气候变化和可能发生的事件。

实际上是数百万甚至数十亿种可能性，对吧？数十亿，甚至可能是数万亿。是的。当你描述这一点时，你使用了“整合”和“合作”这两个词。我喜欢这些词。它们是伟大的想法，它们具有战略意义，但在你的语境中并不明显。

我实际上在每学期的课堂上都会用你的一个例子，当我们谈到数据和战略定位时。也许你能描述一下这个测试和实验是如何进行的吗？是的，当然。我们还会深入探讨我们在人工智能方面所做的工作，顺便说一句，这非常令人兴奋。但是我们合作社的一部分角色是如何帮助农民提高田间的生产力，如何为他们提供更好的情报。我们所做的方法是，因为我们是一种聚集实体，

让我们与所有制造商合作，在种子上市之前就获得所有种子。我们过去在我们的业务区域内拥有大约200个应用研究地块。在各种气候类型、土壤类型和不同的耕作方式下，我们会种植所有这些种子，然后在这些英亩的应用研究地块上进行施用。然后我们想能够说，看，我们已经重复了足够多次，我们可以说，我们确切地知道它在这种特定气候类型下的表现如何，等等。

我们过去有200个这样的地块。我想，萨姆，上次我们谈话时，大约是210个左右。我们现在减少到实际上只有115个地点，而不是250个，尽管我们覆盖的地理范围更广。主要是因为很多工作是我们试图弄清楚，比如，

关键因素是什么？我们发现，有三件事。是气候，是土壤，这并不奇怪，地形是另一个。萨姆，为了补充你的问题，我们的想法是，我们进行所有这些研究，我们获得这些信息，我们获得这些分析和见解，然后这就是我们提供给农民的东西，以及你可以购买的产品，但这些是最好的选择，因为我们仍然让农民在最后做出决定，但这些是你可以期望在最后获得的最佳产出。

这太迷人了，Teddy。萨姆和我研究了很多东西，而且，你知道，我在我的工作中一直看到，分析或AI程序的成功与它允许用户、代理或负责人进行交互的程度成正比，对吧？这样你就可以理解它是如何工作的，你可以同意或不同意，并且

AI学习一些东西，人类学习一些东西，这样他们都能变得更好。这就是我们所说的组织学习。那么这在农业行业是如何运作的呢？你提供见解和决策，农民同意，太好了，或者说，不，我想覆盖这个。有没有反馈机制，或者你们正在考虑这个问题吗？这甚至有价值吗？

它绝对有价值。在这个等式中还有一个参与者对所有这一切都至关重要，那就是农艺师，在与农艺相关的任何事情上，他几乎就像农民的私人顾问。一个非常好的农艺师是农民非常强大、值得信赖的顾问。

所以，就像我说的，那些180多个次级决策，农民必须满足。从我们谈到的一些事情，土壤、气候等等，到设备，何时购买，何时不购买，如何使用设备，应有尽有。在农艺方面，这位农艺师是向他们提供这些信息的人。

我之所以提到这一点，是因为为了能够获得有效性，并确保我们提出的建议是有意义的并且是有价值的，我们需要确保这位顾问也参与其中。他们是我们反馈的机制。

太棒了。这太迷人了，因为它是一个大型数据游戏，真正的大型数据游戏。合作社的力量使它更加指数级增长，因为每个实验实际上都赋能了整个合作社。我

我假设明尼苏达州的农民与克利夫兰的农民并没有真正的竞争力。所以信息共享不应该成为问题。就像在零售业或其他行业一样，对吧？是的。是的。所以有了所有这些数据和人工智能机器学习模型，你以某种方式进入了这场第四次革命，或者第四次，我不记得你称之为第四次？革命，是的。是的，浪潮。是的。接下来是什么？

凭借一些能力，包括生物技术和软件技术组件，农民可以获得每英亩540蒲式耳的产量。

这就是潜在的产量。所以其中一部分现在正在实践中，并且一直在田间捕捉数据，进行调整。其中一部分只是改变了许多传统的做法。特别是在北平原地区，人们在冬天施用所有肥料，因为天气太冷，而且，你知道，下雪，然后保持干燥。

永远是白色的，对吧？直到融化。然后你有了所有这些，当它融化时，它会渗入地下，现在你有水分来种植作物。所以传统上，所有这些都在秋季施用，对吧？在你收获之后，你做的第一件事就是耕地，或者可能不是。然后你施肥。

现在，我们的想法是不，不，不。当你想要少量多次施肥时，你实际上应该在春天进行，就像作物播种之前，以及作物播种之后一样。

但这会造成一些后勤方面的挑战，对吧？因为现在你必须在特定时间进入田间，可能是两次，也可能是三次。还有一个调度方面的问题。谁来做？是农民吗？是与他们合作的零售商吗？所以它正在克服这个问题，并且正在学习这一点。但这些是人们现在正在学习并进行一些调整的事情。

是的，太好了。你正在谈论你提供这些平均建议，然后人们进行调整，或者甚至不是他们有意识地拒绝你的建议，而是他们以稍微不同的方式实施它。

我一直说，你知道，九年前我开始在这里工作时，我意识到当人们说你孤注一掷时，就像，你想为此孤注一掷吗？人们真的孤注一掷。在这个行业中，他们真的会这样做。因为每年，我的意思是，如果情况不妙，你对所有作物和设备的所有投资，我的意思是，你可能会完全亏损，两年后可能就不在了。所以总是有风险的方面。一部分原因是他们的创业精神很强。所以他们希望能够被赋能——

做出自己的决定，并赋予它自己的特色。这完全没问题。我们只是说，确保你使用数据来帮助你做到这一点。也许有一个A选项，你可以更用力地踩油门。然后还有一个B选项，可能风险没那么大，你想能够平衡这一点。所以我认为这必须存在。农民就是这样构成的。他们天生就能做到这一点。

至少让他们知道他们是在踩油门还是在松开油门。我的意思是，你正在做的是，你正在说，这是数据，它说，嘿，这是一个激进的立场，或者这是一个更保守的立场。在此之前，他们只是猜测他们在那个连续体上的位置。现在你至少让他们知道了这一点。

没错。我总是告诉他们，你知道，如果这让你感觉好一点，我说，把它叫做增强智能怎么样？就像你的智能通过数据和我们一起构建的一些模型得到了增强。它不是在做它自己的事情，你现在也不是仅仅对模型告诉你的东西做出反应。所以，Teddy，我们有一个环节，我们会问你一系列快速问答题。所以只需回答你脑海中浮现的第一件事即可。那么你在AI领域最自豪的时刻是什么？在AI领域最自豪的时刻？是的。

我会说我们正在使用这种计算机视觉来观察田间的奶牛。我们能否只通过快照来观察这些奶牛，然后说，是的，它太瘦了，它太胖了，或者体重刚刚好。但当我看到该模型的输出时，我记得我欣喜若狂。完美。AI让你担心什么？

AI让我担心的是意外后果。你运行模型，你对达到某个答案抱有最好的愿望，但在后台，因为我们不了解幕后发生了什么，因为机器正在学习，它正在编写自己的代码，然后它又学习了其他东西。突然之间，我们无法理解它为什么得到那个答案，我们也无法验证它。

但我们继续前进，因为它真正地嵌入到我们正在做的事情中，无法分析它。因此，某事的意外后果是我每天都担心的事情。你最喜欢的不用技术的活动是什么？

我最喜欢的活动是不使用技术。我试图教我的孩子们如何编写代码。这似乎是一种不使用技术的方法，但我试图以一种使用不使用技术的方式来做，他们可以享受思考能够做到这一点的心理过程的乐趣，然后说，哦，看，现在你可以做到这一点。

你想要的第一份职业是什么？你小时候想做什么？一名机械工程师。我七岁的时候，顺便说一句，我的学位是机械工程。所以意识到我在毕业一年后并不想成为一名机械工程师。是的，我和化学工程也是一样。毕业后我不想做这个。你对未来AI的最大愿望是什么？

我对未来AI的最大愿望是真正继续我们现在正在做的工作，即帮助真正识别，消除猜测。我的意思是，我想作为一个个人、一个生产者、一个农民、一个零售商、一个大型合作公司来做出决定。我想能够做出决定，但我希望能够触手可及的一切，这样我才能做出最佳的决定。

所以你能让我到达那个所有信息都被尽可能解码的地方，这样我就能得到最好的答案吗？所以我希望能够消除这一点，真正到达一个我不必担心猜测的方面的地方。现在我可以做出最佳的决定了。好的，Teddy。再次和你交谈很愉快。感谢你抽出时间。谢谢，Teddy。谢谢。保重。

在下一期节目中，Sherva和我将与诺和诺德AI和分析卓越中心负责人Tanya Sideri进行对话。请加入我们。感谢收听《我和AI》。我们相信，就像你一样，关于AI实施的对话不会始于本播客，也不会止于本播客。这就是为什么我们在LinkedIn上专门为像你这样的听众创建了一个小组。它被称为AI for Leaders。如果你加入我们，你可以与节目创建者和主持人聊天，提出你自己的问题，分享你的见解，

并获得来自麻省理工学院SMR和BCG关于AI实施的有价值的资源，你可以通过访问mitsmr.com/AIforLeaders来访问它。我们将把链接放在节目说明中，我们希望在那里见到你。