HDG Survey Group prevede che l'intelligenza artificiale (IA) avrà un ruolo sempre più centrale nel controllo qualità. Tuttavia, molti utenti non sono ancora pronti a compiere questo passo e la qualità dell'IA non è ancora sufficientemente elevata. "Abbiamo riscontrato che le applicazioni disponibili non sono in grado di registrare la qualità in modo adeguato e corretto. Inoltre, la digitalizzazione non è avanzata ovunque nel mondo quanto in Europa. Per sensibilizzare altri Paesi, può essere necessario un passaggio intermedio nel processo di digitalizzazione dei coltivatori", esordisce il direttore innovazione e analisi di HDG, Bas Lok.
Ecco perché questa azienda europea pone grande attenzione alla corretta progettazione del primo passaggio: la raccolta dei dati, dove la qualità è fondamentale. "La raccolta dati è cruciale. Se viene eseguita in modo errato, i dati perdono valore, compromettendo l'affidabilità delle previsioni generate da un'applicazione di IA. È quindi essenziale garantire che gli operatori sul campo sappiano utilizzare il software in modo corretto".
Pertanto, HDG Survey Group inizialmente si concentra su analisi di base come punto di partenza verso soluzioni più avanzate. "Il dashboarding sta diventando sempre più importante per i coltivatori per avere una visione chiara dello sviluppo di un prodotto nel tempo. Tuttavia, non tutti i coltivatori possono permettersi i software di analisi più costosi", sottolinea Bas.
"Offrendo analisi di base, suddivisibili per parametri come punteggio di qualità, varietà, coltivatore e origine, ci aspettiamo che i coltivatori si avvicinino progressivamente verso uno sviluppo tecnologico più avanzato. Questo rappresenta il primo passo verso analisi più approfondite e una base solida per migliorare la qualità e la sicurezza alimentare".
Raccolta di foto
Bas spiega che l'azienda si concentra anche sulla preparazione all'introduzione della tecnologia IA. "Prendiamo, ad esempio, la valutazione di una banana per stabilire se è verde o gialla. Bisogna fare molti scatti per insegnare al sistema IA a determinare il colore esatto basandosi su una foto. Attualmente stiamo catalogando tutte queste immagini in base alle diverse osservazioni. Una volta che sarà disponibile la giusta tecnologia, si potranno caricare migliaia di foto direttamente nel sistema che potrà essere attivato immediatamente. I nostri ispettori hanno oltre 40 anni di esperienza e, pertanto, abbiamo gli esperti giusti in azienda per insegnare l'IA senza errori", continua Bas.
Evitare gli errori è cruciale, poiché il margine di errore influisce direttamente sulla fiducia nell'IA. Bas spiega: "L'IA è ancora nelle sue fasi iniziali, quindi è difficile fidarsi. Al momento, esistono pochi strumenti sul campo in grado di adattarsi a condizioni variabili e di fare previsioni corrette con una certezza dell'80-90%. Per questo motivo, le operazioni vengono eseguite in modo tale da permettere eventuali correzioni, affinché il report rimanga comunque accurato. Idealmente, però, si punta ad avere report sempre accurati al 100%".
Intervenire con un adeguato know-how
Modificare un sistema IA è rischioso. Lok sottolinea: "Servono persone con un adeguato know-how per intervenire nel sistema. Se si apportano correzioni errate, e questo accade troppo di frequente, il sistema inizia a sviluppare ipotesi errate. E questo non fa che peggiorare il sistema IA". Pertanto, è fondamentale possedere la competenza adeguata per insegnare o correggere un sistema IA. "Se non vengono utilizzate le giuste competenze, c'è il rischio che i report generati dal sistema diventino sempre più inaffidabili. E se i report dell'IA non vengono più considerati affidabili a causa di errori frequenti, si rischia di compromettere l'intera filiera di frutta e verdura", spiega Bas.
"Quello che ancora manca all'IA sono competenze sufficienti integrate nelle sue funzionalità, che permettano agli operatori di utilizzarla direttamente in modo efficace. Se uno strumento genera un report negativo, gli utenti potrebbero non fidarsi della tecnologia IA. La cosa più importante al momento è quindi costruire questa fiducia, sia nella tecnologia che nei fornitori di software che la offrono", condivide Bas.
Coordinamento nella catena interna
Per questo motivo, Bas ritiene che le aziende che controllano ampie parti della catena di approvvigionamento siano quelle più inclini ad adottare l'IA per il controllo qualità, almeno nel breve periodo. "Un'azienda che, ad esempio, coltiva e importa, può applicare questa tecnologia molto più rapidamente. Utilizzare l'IA per il controllo qualità a livello interno favorisce la fiducia reciproca. Credo che questa modalità di utilizzo prenderà piede nei prossimi due anni, ma probabilmente ci vorrà molto più tempo per il resto del mercato. Penso che ci vorranno circa cinque anni, o forse anche di più, prima che singoli coltivatori, importatori e rivenditori individuali adottino su larga scala la tecnologia IA".
Bas ritiene sia necessario migliorare la comunicazione lungo tutta la filiera che considera una questione distinta dall'IA, ad esempio per monitorare le conseguenze della continua riduzione del pacchetto di prodotti fitosanitari e per garantire la qualità e la sicurezza alimentare nel lungo periodo. Anche i margini finanziari dovrebbero essere parte di questa discussione.
"I margini bassi potrebbero non avere un impatto nel breve periodo, ma significa che i coltivatori non saranno in grado di investire in ciò che sarà necessario, ad esempio, tra cinque anni. Questo potrebbe compromettere la qualità e la sicurezza alimentare. In definitiva, è necessaria molta più comunicazione lungo tutta la filiera per garantire che la qualità e la sicurezza del cibo possano essere mantenute al livello che tutti desideriamo nel lungo periodo", conclude Bas.
Per maggiori informazioni:
HDG Survey Group
Marconistraat 33
3029 AG Rotterdam - Paesi Bassi
+31 10 2441414
lok@hdg-surveygroup.com
www.hdg-surveygroup.com