『かっこよく稼げるスマート農業ラジオ』のカバーアート

かっこよく稼げるスマート農業ラジオ

かっこよく稼げるスマート農業ラジオ

著者： デジタルトランスフォーマー 渡邊智之
無料で聴く

農業をデジタル技術で、かっこよく・稼げて・感動があるものに！ 本番組は、スマート農業の専門家・渡邊智之（元農林水産省職員／スマートアグリコンサルタンツ代表）が、 現場・行政・企業・研究の最前線で起きている「スマート農業の今」をわかりやすく語る番組です。 センサー、ドローン、AI、データ連携などの最新技術から、補助金・政策・現場事例まで、 農業の未来を動かす“リアルな声”をお届けします。 ▶︎ こんな方におすすめ ・スマート農業に興味がある農業者・企業担当者 ・地域で農業DXを進めたい行政職員 ・農業をかっこよくしたい次世代の挑戦者たち — 農業のアップデートは、あなたの耳から始まる。デジタルトランスフォーマー 渡邊智之
エピソード
  • ベテラン退職で現場が止まる？フィジカルAIと技能伝承の未来

    ベテラン退職で現場が止まる？フィジカルAIと技能伝承の未来
    2026/08/31
    あなたの職場にも、「あの人がいなくなったら仕事が止まる」というベテランはいませんか？機械のわずかな異音、材料の手触り、作物の小さな変化――。熟練者は、長年の経験から一瞬で異常や対応方法を判断します。しかし、その判断は言葉やマニュアルになっておらず、本人の退職とともに失われてしまう可能性があります。今回のテーマは、こうした熟練者の「暗黙知」を、AIやロボットによってどのように未来へつないでいくかです。2026年8月28日に開催された「Physical AI Nexus Japan #3―現場知を未来へつなぐ、技能伝承とスマートファクトリー―」の内容をもとに、技能伝承とフィジカルAIの現在地を深掘りします。今回取り上げる主なテーマは次のとおりです。・生成AIとフィジカルAIは何が違うのか・熟練者が一瞬で行う「1秒の壁」とは・重要な作業ほど記録されない「安全のパラドックス」・退職直前に引継書を作る方法では、なぜ遅いのか・AIによる継続的なヒアリングで暗黙知を残す方法・熟練者の「武勇伝」を技能伝承につなげる仕組み・作業を止めない15秒以内の音声支援・自然物のばらつきにAIで対応するツムラの事例・VRで記録した身体技能をロボットへ移植する方法・「大谷翔平選手」ではなく「草野球のエース」を目指す考え方・ロボット単体ではなく、作業空間全体を賢くする環境知能・技能伝承で最後に立ちはだかる人間の誇りと感情・伝統工芸をロボットが再現したとき、職人の価値はどうなるのかフィジカルAI導入の出発点は、最新のロボットを選ぶことではありません。まず現場の仕事を観察し、熟練者が何を見て、何を感じ、どの条件で、なぜその判断をしているのかを理解することが必要です。技能伝承とは、単なるデータの移行ではなく、熟練者が積み重ねてきた誇りのバトンタッチでもあります。製造業だけでなく、栽培判断、剪定、収穫、選果、農業機械の操作など、スマート農業における技能伝承にもつながる内容です。▼詳しい参加レポート熟練の技はAIに移せるか――「Physical AI Nexus Japan #3」で見えた技能伝承の現在地━━━━━━━━━━━━━━━━━━■タイムスタンプ━━━━━━━━━━━━━━━━━━00:00 ベテランがいなくなったら仕事は回るのか01:14 老朽化するインフラと減少する働き手02:11 Physical AI Nexus Japan #3参加レポート02:50 生成AIとフィジカルAIの違い03:42 最新ロボットを導入するだけでは解決しない04:40 荏原製作所が示した「1秒の壁」05:55 重要な作業ほど記録されない安全のパラドックス06:43 見えない技能と暗黙知をどう抽出するか07:31 Kikuviによる継続的なAIヒアリング08:28 熟練者はAIに本音を話してくれるのか08:58 「武勇伝」が技能伝承を変える09:38 抽出した知識を若手へどう伝えるか09:48 LOOVIC「TASK+al」と認知負荷の軽減11:02 暗黙知をフィジカルAIへ移す方法11:15 ツムラが熟練者の調整をAI化した事例12:28 イマクリエイトがVRで身体技能を記録13:21 けん玉の技能をロボットへ移植14:02 ロボットに完璧さは必要なのか14:24 大谷翔平選手か、草野球のエースか15:02 HuRoCが進める課題起点の小さな実証15:29 ロート製薬が考える環境知能16:08 技能伝承における最大の壁は人間の感情17:35 技能伝承は「誇りのバトンタッチ」18:22 フィジカルAI導入の本当の出発点19:30 伝統工芸をAIが再現したら価値はどうなる？20:40 エンディング━━━━━━━━━━━━━━━━━━■参考URL━━━━━━━━━━━━━━━━━━Physical AI Nexus Japan公式サイトhttps://painexusjapan.com/イベント案内「Physical AI Nexus Japan #3」https://peatix.com/event/5073777ロート製薬「フィジカルAIを活用した『ヒューマノイド開発プロジェクト』を始動」https://www.rohto.co.jp/news/release/2026/0331_01Kikuvi「暗黙知の見える化」https://kikuvi.com/use-cases/%E6%9A%97%E9%BB%99%E7%9F%A5%E3%81%AE%E8%A6%8B%E3%81%88%E3%82%8B%E5%8C%96BrainPad AAA「COROKO」https://coroko.jp/LOOVIC「TASK+al（タスカル）」https://www.loovic.co.jp/イマクリエイト「WeldNext」https://ima-create.com/weldnext/※本エピソードは、イベントでの講演、パネルディスカッションおよび参加記録をもとに内容を要約・再構成したものです。登壇者の発言をそのまま収録した...
    続きを読む 一部表示
    21 分
  • 「スマート農業40％」は本当か？ 実は“本格活用”はわずか3％だった

    「スマート農業40％」は本当か？ 実は“本格活用”はわずか3％だった
    2026/08/23
    導入して終わりではない。AI・DXを「意思決定」に変えるために必要なこと「日本の農業経営体の約40％がデータを活用している」この数字だけを見ると、日本の農業は一気にデジタル化・スマート化が進んでいるように感じます。しかし、その中身を詳しく見ていくと、私たちがイメージする「スマート農業」とは少し違った景色が見えてきます。今回のテーマは、2025年農林業センサスから見えてきたスマート農業の“導入”と“活用”のギャップ。天気や市場価格などの外部情報を見る段階から、作業を記録する、自らデータを取得・分析する、そして経営判断や改善につなげる――。データ活用にはいくつもの段階があります。そして本当に重要なのは、ドローンやセンサー、AIを「導入したか」ではありません。そのデータによって、農業者の判断や行動が変わったか。そして、経営が良くなったか。高価なシステムを導入しても、画面に数字やグラフが表示されるだけでは現場は変わりません。「湿度85％」というデータを見て、だから次に何をするのか。そこまで翻訳し、意思決定につなげてこそ、初めてデータは価値を持ちます。さらに今回は、・なぜスマート農業は「導入して終わり」になりやすいのか・自治体のKPIは「導入台数」で本当にいいのか・必要なのは機械よりも“使える人”なのではないか・すべての農家がスマート農業を導入する必要はあるのか・AI・DXを「あえて使わない」という判断も正解なのではないかといった、農業だけにとどまらない「DXの本質」まで掘り下げます。これは農業の話であると同時に、企業のAI導入やDXにもそのまま当てはまる話です。あなたの会社で導入したAIやクラウドサービスは、本当に仕事のやり方や意思決定を変えているでしょうか？最後には、「AIの分析結果と、人間の経験や直感が正反対だったとき、あなたはどちらを信じるのか？」という、これからのAI時代に避けて通れない問いについても考えます。00:00 SFのような「スマート農業」のイメージ00:32 農業経営体の約40％がデータを活用？02:21 「40％」の中身を見てみる03:21 作業記録12％、外部サービス4％、本格活用は約3％04:32 農家のITリテラシーだけの問題ではない05:19 データ活用を5つのステップで考える06:29 なぜデータを見ても行動につながらないのか07:11 「湿度85％」から何を判断する？08:15 データの目的は「集めること」ではない08:44 最大のボトルネックは機械ではなく“人”09:02 自治体のスマート農業KPIの問題09:29 F1カーを配るだけではレースには勝てない10:22 「導入台数」から「行動変容」へ10:51 農業×経営×IT×データを翻訳できる人材11:38 40％という数字を見る際の統計上の注意点12:35 2020年と2025年では調査方法が違う13:17 「データを使わない農家＝遅れている」は間違い13:50 投資対効果が合わなければ導入しないのも正解14:22 スマート農業は目的ではなく手段15:22 市町村別・経営規模別データへの期待16:20 地域ごとに違う「スマート農業の処方箋」16:55 この話は企業のAI・DXにもそのまま当てはまる17:22 あなたの会社は「導入して満足」していないか？18:19 テクノロジーが価値を生む条件18:45 データと人間の意思決定19:12 AIと人間の直感が対立したら？20:02 あなたなら、データと直感どちらを選ぶ？#スマート農業#農業DX#農業データ#AI#DX#データ活用#農業経営#農林業センサス#スマートファーマー#デジタル農業#アグリテック#AgriTech#自治体DX#地域DX#データドリブン#意思決定#生成AI#農業#テクノロジー#渡邊智之
    続きを読む 一部表示
    20 分
  • 農業AIはなぜ失敗する？生成AI導入で見落とされる「業務・データ・責任」の正体

    農業AIはなぜ失敗する？生成AI導入で見落とされる「業務・データ・責任」の正体
    2026/07/26
    農業AIや生成AIは、人手不足や高齢化、熟練農家の技術継承を解決する救世主になるのでしょうか。今回のエピソードでは、最新のAIツールを導入しても農業現場で機能しない理由を、業務整理、データ、責任分担、人とAIの役割という視点から徹底的に掘り下げます。自治体の農政・DX担当者、JA・普及指導機関、農業法人の経営者、農業分野でAI事業を検討している企業の方におすすめです。農業分野では、生成AIを活用して、熟練農業者のノウハウを残したり、日々の事務作業を効率化したり、新規就農者を支援したりする動きが広がっています。しかし、どれほど高性能なAIを導入しても、現在の業務、データ、判断基準、責任体制が整理されていなければ、現場では使われません。高性能な自動運転トラクターを導入しても、畑が岩だらけで走れなければ意味がない。農業AIにも、これと同じことが起きています。今回のエピソードでは、次のような疑問を取り上げます。・なぜ農業で生成AIへの期待が高まっているのか・紙のマニュアルをPDF化するだけでは不十分なのはなぜか・AIが利用できる「AI-Readyなデータ」とは何か・熟練農業者の暗黙知をどう記録すればよいのか・AIに任せる仕事と、人が判断すべき仕事の違い・農薬や食品安全の判断をAI任せにしてはいけない理由・農業AIを小さく安全に始める方法・AI導入と本当の農業DXは何が違うのかAIは魔法の杖ではありません。一方で、AIを試すことによって、組織の中にある曖昧な手順、古いルール、分散したデータ、責任の所在といった問題を見つけられる可能性があります。AIを導入すること自体がDXなのではありません。AIが正しく機能するように、業務プロセス、データの持ち方、組織のルール、責任体制を再設計すること。それこそが、本当の農業DXです。00:00 最新トラクターが動かない？農業AIを表す例え01:02 今回のテーマ：農業における生成AIの現実02:04 なぜ農業でAIが救世主として求められるのか02:19 熟練農家のノウハウが失われる危機02:47 AIを導入しても現場で使われない理由03:06 古いマニュアルをAIに読ませれば十分なのか03:41 データ化とAI-Readyなデータの違い04:37 ベテラン農家の水やり判断を分解する06:00 AIが判断理由を理解できない理由06:29 データ入力の負担が増える農業AIの泥沼07:20 業務の中で自然にデータを記録する仕組み08:06 すべての判断をAIに任せるべきなのか08:22 AIは「超優秀だが責任を取れない司書」09:08 キノコ料理の例で考えるAIの責任09:50 農業で間違えると致命傷になる判断10:15 AIの誤判断で作物が全滅するリスク10:54 人間が最後の判断を握るべき領域11:29 自治体・農業法人は何から始めるべきか11:56 AI導入前に必要な業務の標準化12:28 「小さく安全に失敗する」という考え方13:00 最初にAIを試すべき低リスク業務13:38 AIの失敗が組織の矛盾を映し出す14:23 AIを組織改革の鏡として使う15:01 AI導入と本当のDXの違い15:39 農業以外の業界にも共通する教訓16:06 AI導入が人間の仕事の価値を再発見させる17:07 AIに仕事を教えることで見えてくる人間の強み17:36 岩だらけの畑を耕すことの本当の意味17:54 AIに任せる仕事と人が責任を持つ仕事18:23 まとめ農業AIを導入する際に、最初に決めるべきなのは、どのAI製品を使うかではありません。先に整理すべきなのは、・どの課題を解決するのか・どの業務をAIの対象にするのか・どのデータを利用するのか・誰が情報を更新するのか・AIにどこまで任せるのか・人が最終判断する領域はどこか・誰が結果を確認し、責任を持つのか・実証後に誰が運用費用を負担するのかという点です。AIの試行は早く始めても構いません。ただし、最初から農薬散布や食品安全、経営投資などの高リスク業務に使うのではなく、社内文書の検索、会議録の要約、問い合わせ回答案の作成など、安全に失敗できる業務から始めることが重要です。皆さんの仕事の中で、AIに任せられる「情報整理の重労働」は何でしょうか。一方で、人間が責任を持って判断し続けるべき仕事はどこにあるでしょうか。ぜひ、今回のエピソードを聞きながら考えてみてください。今後も、スマート農業、農業DX、生成...
    続きを読む 一部表示
    18 分
adbl_web_anon_alc_button_suppression_t1
まだレビューはありません