ПРОДОВОЛЬСТВЕННАЯ ПОЛИТИКА И БЕЗОПАСНОСТЬ
Том 8 • Номер 2 • Апрель-июнь 2021 ISSN 2499-9431 Food Policy and Security
>
Первое
экономическое издательство
Интеграция инструментов искусственного интеллекта в систему стратегического менеджмента агробизнеса
Пантелеева Т.А. 1
1 Институт мировых цивилизаций, Москва, Россия АННОТАЦИЯ:
Предмет/тема. Статья посвящена изучению интеграции инструментов искусственного интеллекта в систему стратегического менеджмента предприятий сферы АПК и оценке роста делового потенциала, а также возможных рисков и угроз устойчивому развитию агробизнеса.
Методология. В процессе написания статьи применялись общенаучные и философские методы познания, а также основанные на них специальные экономические методы. Для изучения процесса интеграции искусственного интеллекта в бизнес-модель стратегического менеджмента использовался проблемно-хронологический и историко-генети-ческий методы научного познания. Для рассмотрения практических аспектов применения инструмента искусственного интеллекта в стратегическом менеджменте использовались методы SWOT и PEST-анализа, а также экспертные методы. Результаты. Основными глобальными вызовами и угрозами, мотивирующими к переходу сферы АПК на цифровую бизнес-модель управления с применением искусственного интеллекта, являются: критическая импортозависимость национальной системы АПК по таким позициям, как сельскохозяйственные технологии, функциональные биодобавки, семенной фонд; нерациональность организации использования банка земель ввиду их расположения в зоне рискованного земледелия; активизация международных требований и правил на соответствие стандартам устойчивого развития; низкий уровень проникновения цифровых технологий в сферу АПК. Методологической основой и картой реализации процессов интеллектуализации АПК в РФ является ведомственный проект «Цифровое сельское хозяйство» на период 201 9-2024 гг., в рамках которого закреплен ряд самостоятельных направлений цифровизации сферы АПК: «Умная ферма»; «Умное поле»; «Умное стадо»; «Умная теплица»; «Умная переработка»; «Умный склад»; «Умный агро-офис». Основные продукты внедрения механизма искусственного интеллекта в управление сферой АПК в соответствии с ведомственной программой «Цифровое сельское хозяйство» включают в себя создание Единой федеральной информационной системы земель сельскохозяйственного назначения; сервиса «Умный гектар»; сервиса смарт-контрактов на основе технологии блокчейн; сервиса «Агроэкспорт от поля до порта». Выводы/значимость. Основными глобальными вызовами и угрозами, мотивирующими к переходу сферы АПК на цифровую бизнес-модель управления с применением искусственного интеллекта, являются: критическая импортозависимость национальной системы АПК по таким позициям, как сельскохозяйственные технологии, функциональные биодобавки, семенной фонд; нерациональность организации использования банка земель ввиду их расположения в зоне рискованного земледелия; активизация международных требований и правил на соответствие стандартам устойчивого развития; низкий уровень проникновения цифровых технологий в сферу АПК. Методологической основой и картой реализации процессов интеллектуализации АПК в РФ является ведомственный проект «Цифровое сельское хозяйство» на период 201 9-2024 гг., в рамках которого закреплен ряд самостоятельных направлений цифровизации сферы АПК: «Умная ферма»; «Умное поле»; «Умное стадо»; «Умная теплица»; «Умная переработка»; «Умный склад»; «Умный агроофис». В соответствии с рекомендациями специалистов консалтингового агентства PWC СНГ агробизнесу в РФ рекомендуется обратить внимание на следующие направления умного развития сферы АПК, основанные на использовании механизма искусственного интеллекта: точное земледелие; умные фермы; умные теплицы. Основные продукты внедрения механизма искусственного интеллекта в управление сферой АПК в соответствии с ведомственной программой «Цифровое сельское хозяйство» включают в себя создание Единой федеральной информационной системы земель сельскохозяйственного назначения; сервис «Умный гектар»; сервис смарт-контрактов на основе технологии блокчейн; сервис «Агроэкспорт от поля до порта». Применение. Результаты научного исследования будут полезны как в образовательных целях для студентов и читателей, интересующихся вопросами применения искусственного интеллекта в стратегическом управлении бизнесами сферы АПК, так и специалистам-практикам, которые планируют использование искусственного интеллекта в стратегическом менеджменте предприятий сферы АПК.
КЛЮЧЕВЫЕ СЛОВА: стратегический менеджмент, искусственный интеллект, предиктивная аналитика, риски, деловой потенциал, точное земледелие, цепочка создания стоимости, портфельное управление, индустрия 4.0
Integration of artificial intelligence tools into agribusiness strategic management system
Panteleeva T.A. 1
1 Institute of World Civilizations, Russia
Введение
Цифровизация сферы АПК является объективным фактором успешного строительства новой, цифровой экономики в России и формирования траектории умного роста таких базовых, «земных» подотраслей, как растениеводство и животноводство. Указанные базовые подотрасли не только являются платформой всей сферы АПК, но и прямо влияют на пищевую, демографическую и экономическую безопасность страны. Сегодня бизнесы в сфере АПК стоят перед новой точкой выбора: «сохранять традиционную бизнес-модель персональной ответственности управления портфелем» сельскохозяйственных видов деятельности (функционально-видовые
ABSTRACT:_
Subject/Topic. The article is devoted to the study of the integration of artificial intelligence tools into the strategic management system of agribusiness enterprises and the assessment of the growth of business potential, as well as possible risks and threats to the sustainable development of agribusiness. Methodology. In the process of writing the article, general scientific and philosophical methods of knowledge, as well as special economic methods based on them, were used. To study the process of integrating artificial intelligence into the business model of strategic management, problem-chronological and historical-genetic methods of scientific cognition were used. SWOT and PEST analysis methods, as well as expert methods, were used in strategic management to consider practical aspects of the application of the artificial intelligence tool. Results. The main global challenges and threats motivating the transition of the agro-industrial sector to a digital business model of management using artificial intelligence are as follows: (1) critical import dependence of the national agricultural system on such items as agricultural technologies, functional bioadditives, seed stock; (2) irrationality of the organization of the use of the land bank due to their location in the zone of risky agriculture; (3) activation of international requirements and rules for compliance with sustainable development standards; (4) low level of penetration of digital technologies in the field of agriculture. The methodological basis and map of the implementation of the processes of agro-industrial complex inteüectualization in the Russian Federation is the departmental project «Digital Agriculture» for the period 2019-2024, within the framework of which a number of independent areas of agro-industrial complex digital privatization are fixed: Smart Farm; Smart Field; Smart Herd; Smart Greenhouse; Smart processing; Smart Warehouse; Smart Agro Office. The main products of introducing the artificial intelligence mechanism into the management of the agro-industrial complex in accordance with the departmental program «Digital Agriculture» include the creation of a Unified Federal Information System of Agricultural Lands; service «Smart hectare»; blockchain-based smart contract service; service «Agroexport from field to port». Application. The results of the scientific study will be useful both for educational purposes for students and readers interested in the application of artificial intelligence in the strategic management of agribusiness businesses, and for specialists and practitioners who plan to use artificial intelligence in the strategic management of agribusiness enterprises.
KEYWORDS: strategic management, artificial intelligence, predictive analytics, risks, business potential, precision farming, cost chain, portfolio management, Industry 4.0
JEL Classification: Received: 20.01.2021 / Published: 30.06.2021
© Author(s) / Publication: PRIMEC Publishers
For correspondence: Panteleeva T.A. (tatata070707@mail.ru )
CITATION:_
Panteleeva T.A. (2021) Integratsiya instrumentov iskusstvennogo intellekta v sistemu strategicheskogo menedzhmenta agrobiznesa [Integration of artificial intelligence tools into agribusiness strategic management system]. Prodovolstvennaya politika ibezopasnost. 8. (2). - 145-166. doi: 10.18334/ppib.8.2.111548
центры ответственности конкретных лиц) или перейти к новому формату организации и управления операционными бизнес-процессами и стратегией работы агробизнеса с применением новейших технологий, основанных на принципах искусственного интеллекта [1, с. 59] (Aytpaeva, 2019, р. 59).
По оценке Альфии Каюмовой (вице-президент по корпоративному развитию и инвестициям Cognitive Technologies), не более 5,0% агробизнесов действительно активно используют цифровые технологии, а по внедрению искусственного интеллекта российские агробизнесы отстают от стран ЕС (ФРГ, Франция) в 3 раза, а от США - более чем в 4 раза1. Кроме прямых потерь в конкурентной позиции на рынке технологичного производства сельскохозяйственной продукции следует отметить и масштабный рост проблемы конфликтов целей, возникающих у фермеров в случае повышения экстенсивной производительности агроресурсов (эрозия почв, загрязнение водоемов, вырубка лесов). Основной эффект цифровизации бизнес-процессов в АПК состоит именно в «ослаблении целевых конфликтов за счет узкоспециализированного и целенаправленного применения соответствующих индивидуальных ресурсов» для роста производства продукции, что не только снижает расходы на ликвидацию природно-климатических катаклизмов на микроуровне, но и повышает экономическую отдачу всех агроресурсов хозяйства [2, 13, 14] (Afonina, 2018, Tsvetkov, Shutkov, Dudin, Lyasnikov, 2018; Shutkov, Dudin, Lyasnikov, 2019).
Обзор литературы и исследований
Интерес к умной организации бизнес-процессов в сфере АПК возник сравнительно недавно - в 1970-1980 гг., что связано как с технической сложностью внедрения информационных систем в столь многофакторную и трудно прогнозируемую с позиции поведения биологических активов сферу, как АПК2, хотя идеи организации сельского хозяйства с применением высоких технологий была заложена в начале XX века (ориентировочно в 1920-1930 гг.). Первым практическим применением информаци-
Сельское хозяйство высокой точности: как технологии меняют российский АПК (23.04.2020). [Электронный ресурс]. - URL: https://sber.pro/publication/selskoe-khoziaistvo-vysokoi-tochnosti-kak-tekhnologii-meniaiut-rossiiskii-apk (дата обращения: 10.01.2021) История развития и освоения точного (координатного) земледелия (30.09.2014). [Электронный ресурс]. - URL: https://svetich.info/publikacii/tochnoe-zemledelie/istorija-razvitija-i-osvoenija-tochnogo-.html (дата обращения: 10.01.2021)
ОБ АВТОРЕ:
Пантелеева Татьяна Александровна, кандидат филологических наук, доцент, заведующая кафедрой менеджмента [tatataO7O7O70mai1.ru )
ЦИТИРОВАТЬ СТАТЬЮ:
Пантелеева Т.А. Интеграция инструментов искусственного интеллекта в систему стратегического менеджмента агробизнеса // Продовольственная политика и безопасность. - 2021. - Том 8. - № 2. - С. 145-166.
Сог 10.18334/ррЛз.8.2.111548
2
онных технологий в АПК было использование системы 1РБ при формировании карты внесения удобрений в штате Техас в 1988 г. Реально же масштабное распространение решений цифровизации бизнес-моделей агробизнесов пришлось на 2002-2010 гг. с развитием широколистного интернета, сети ШьИ, развитием системы 1РБ [3] (Volodin) Nadkina) 2019). Кроме этого, спрос на развитие умного развития сферы АПК был продиктован и чисто прагматическими и социальными причинами, которые структурированно представлены ниже на рисунке 1.
В научной литературе также большое внимание уделяется и анализу глобальных вызовов и угроз для человечества в части обеспечения пищевой безопасности, которые в структурированном виде представлены в таблице 1.
СОЦИАЛЬНО-ЭКОНОМИЧЕСКИЕ
вызовы
Урбанизация (более 45,7% всего мира будут жить в городах уже к 2025 г.)
Неравномерный рост доходов (согласно данным МВФ и ООН к 2025 г. ожидается рост доходов на 3,0 — 10,0% в зависимости от региона)
Ценности-драйверы перемен от поколения
- быстрота и оперативность решения потребностей;
спрос на
информационную прозрачность;
- интерес к краудсорсингу; -экологически ответственное поведение
ЦЕННОСТНЫЕ ТРЕНДЫ СОЦИУМА
ТЕХНОЛОГИЧЕСКИЕ РЕШЕНИЯ
- спрос на полуфабрикаты и продукцию НоЯеСа;
- популяризация здорового питания, персональных диет;
- интерес к халяльной продукции;
персонализация и кастомизация сервисов
производства и продажи продуктов питания;
- ужесточение стандартов производства пищевой продукции;
- популяризация идей этичности, ответственности и справедливости ведения сельского хозяйства
Урбанистические
фермерские
(сити-фсрмсрство)
хозяйства
Фуд-дизайн и фуд-инжиниринг (включая
генстичсскис модификации продуктов питания)
Новые бизнес-модели
организации производства и реализации продукции
(домашние фермы,
краудфарминг, 1Ъос1-шеринг, онлайн сервисы для заказа производства и доставки еды)
Новые формы доставки и хранения еды (экоупаковка)
Рисунок 1. Причинно-следственная цепь «социально-экономические вызовы - ценностные тренды социума - технологические решения» в объяснении интереса к интеллектуализации
сферы АПК 3,4
Население мира будет расти, стареть, дольше жить и меньше мигрировать (дата обращения: 04.09.2013) [Электронный ресурс]. - URL: https://iq.hse.ru/news/177669242.html (дата обращения: 06.01.2021)
Свежий прогноз от МВФ: Перспективы мировой экономики на 2020-2025 гг. (14.10.2020) [Электронный ресурс]. - URL: https://www.alfa-quant.ru/2020/10/mvf.html (дата обращения: 06.01.2021)
3
Таблица 1
Характеристика глобальных вызовов и угроз, мотивирующих к переходу сферы АПК на цифровую бизнес-модель управления
Характеристика вызова / угрозы (мировое понимание) Характеристика вызова / угрозы (трактовка в РФ)
1. Опережающий темп роста спроса на продукцию АПК над ресурсно-производственным потенциалом агробизнесов приводит к росту цен и дефициту продуктов питания в мире (спрос на продовольствие, по оценке NIC, к 2030 г. возрастет на 35% вследствие роста мирового населения по сравнению с 2012 г5. 1. Критическая импортозависимость национальной системы АПК по таким позициям, как сельскохозяйственные технологии (более 80,0%), функциональные биодобавки (более 95,0%6)
2. Рост покупательской способности населения (по данным World Data Lab, к 2030 г. численность мирового среднего класса достигнет 5,3 млрд человек, при этом на страны Юго-Восточной Азии придется более 65,0% мирового среднего класса)7 2. Нерациональность организации использования банка земель ввиду их расположения в зоне рискованного земледелия (97 млн га, или 44% земель фактически законсервированы для оборота8)
3. Исчерпание долгосрочного эффекта т.н. зеленой революции (уровень использованного потенциала по ключевым сельскохозяйственным культурам составляет по состоянию на 2016 г., по мнению экспертов, 85-90%9) 3. Активизация международных требований и правил на соответствие стандартам устойчивого развития (биоэкономика, безотходное производство) [4] (Voronin et al., 2019)
4. Проблема продовольственных потерь, биологических отходов и нерационального земледелия (согласно расчетам FAO, примерно 54% потерь происходит в процессе сбора и хранения продукции, 46% - на этапах переработки, распределения и потребления10) 4. Низкий уровень проникновения цифровых технологий в сферу АПК: - по данным Минсельхозпрода, удельный вес прода ж продукции АП К на электронных площадках составил менее 10,0%; - по данным Skolkovo Ventures, удельный вес агробизнесов, использующих продвинутые цифровые технологии, составил менее 1,0%; - проникновение агротех-стартап-проектов в сферу АПК и их массовизация в использовании составила менее 3,0%11
5 Global Trends 2030: Alternative Worlds: A Publication of the National Intelligence Council. 2012 (December). NIC 2012-001. P. 31-38.
6 Инновационное развитие агропромышленного комплекса в России. Agriculture 4.0 [Текст] : докл. к XXI Апр. междунар. науч. конф. - С. 59
7 Kharas H. The Unprecedented Expansion of the Global Middle Class: An Update: Global Economy & Development Working Paper 100. 2017 (February). Brookings Institution, 14. UN World Population Prospects. P. 14
8 Инновационное развитие агропромышленного комплекса в России. Agriculture 4.0 [Текст] : докл. к XXI Апр. междунар. науч. конф. - С. 60
9 Мир на пороге зеленой революции (05.04.2016) [Электронный ресурс]. - URL: https://www.hse. ru/news/188171386.html (дата обращения: 13.01.2021)
10 Food wastage footprint Impacts on natural resources (2019) [Электронный ресурс]. - URL: https://ec.europa.eu/food/sites/food/files/safety/docs/fw_lib_fao-2019_en.pdf (дата обращения: 13.01.2021).
11 Цифровое сельское хозяйство (2019) [Электронный ресурс]. - URL: https://ctt.hse.ru/digital
Таким образом, важность цифровизации сферы АПК в РФ является объективной потребностью, продиктованной как внешнеэкономическими глобальными вызовами и угрозами, так и внутренней потребностью обеспечения национальной продовольственной безопасности.
Результаты
Исходной точкой цифровизации сферы АПК в РФ традиционно выступают административные рычаги в форме государственных федеральных и национальных отраслевых программ. Так, согласно решению, зафиксированному в Указе Президента России «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» от 7 мая 2018 г.12, поставлена задача инкорпорации цифровых технологий и платформенных решений на базе искусственного интеллекта в сферу АПК. В последующем на основании требований Доктрины продовольственной безопасности Российской Федерации13 (утверждена Указом Президента РФ 21 января 2020 г. № 20) и Программы «Цифровая экономика Российской Федерации»14 (Распоряжение Правительства РФ от 28 июля 2017 г. №1632-Р) был разработан ведомственный проект «Цифровое сельское хозяйство» на период 2019-2024 гг.15
В рамках данного проекта закреплен ряд самостоятельных направлений цифрови-зации сферы АПК: «Умная ферма»; «Умное поле»; «Умное стадо»; «Умная теплица»; «Умная переработка»; «Умный склад»; «Умный агроофис». Для понимания важности проектов умного развития сферы АПК рассмотрим основные макроэкономические показатели развития агробизнеса в Российской Федерации за 2012-2019 гг. (табл. 2).
Указ Президента России «О национальных целях и стратегических задачах развития
Российской Федерации на период до 2024 года» от 7 мая 2018 г. (07.05.2018) [Электронный ресурс]. - URL: http://www.kremlin.ru/events/president/news/57425 (дата обращения 10.01.2021) Указ Президента РФ от 21 января 2020 г. № 20 «Об утверждении Доктрины продовольствен-
ной безопасности Российской Федерации» (22.01.2020) [Электронный ресурс]. - URL: https:// www.garant.ru/products/ipo/prime/doc/73338425/ (дата обращения 10.01.2021) Программа «Цифровая экономика Российской Федерации» (Распоряжение Правительства РФ от 28 июля 2017 г. №1632-Р) [Электронный ресурс]. - URL: http://static.government.ru/ media/files/9gFM4FHi4PsB79I5v7yLVuPgu4bvR7M0.pdf (дата обращения 10.01.2021). «Цифровое сельское хозяйство» на период 2019 - 2024 гг. [Электронный ресурс]. - URL: https://mcx.gov.ru/upload/iblock/900/900863fae06c026826a9ee43e124d058.pdf (дата обращения
10.01.2021).
12
13
14
Таблица 2
Основные макроэкономические показатели развития агробизнеса в Российской Федерации за 2012-2019 гг.16 17 18
Показатели 2014 г. 2015 г. 2016 г. 2017 г. 2018 г. 2019 г.
1. Доля сельского хозяйства в ВВП страны, % 3,9 4,3 4,3 3,9 3,5 3,7
2. Динамика роста / снижения сферы объемов деятельности АПК, % 7,9 2,4 2,3 1,5 -2,1 3,5
3. Валовая добавленная стоимость АПК - 3218 3288 3264 3529 3795
3.1 Валовая прибыль АПК, млрд руб. 371 519 525 7 8 4 345 379
4. Объем государственной поддержки АПК, млрд руб. 179 222 218 234 248 304
5. Индекс «Состояние АПК» (рассчитывается по методике PWC СНГ) - 0,58 0,19 0,48 0,59 0,59
6. Индекс «Перспективы развития АПК» (рассчитывается по методике PWC СНГ) - 0,33 0,39 0,19 0,22 0,35
7. Инвестиции в основной капитал, млрд руб. 463 519 623 706 777 814
в том числе активные инвестиции в растение- и животноводстве, млрд руб. 379 450 7 4 5 509 559 645
8. Показатели эффективности работы АПК:
8.1 Рентабельность инвестиций, коэфф. (стр.3 / стр. 7) - 1,0 0,8 0,7 0,4 0,5
8.2 Экономическая отдача инвестиций и субсидий по ВДС, коэфф. - 4,3 3,9 3,5 3,4 3,4
8.3 Рентабельность продукции, % 20,7 25,8 21,9 16,0 17,0 15,4
Сравнительный анализ операционной эффективности сельскохозяйственной отрасли России [Электронный ресурс]. - URL: https://www.pwc.ru/ru/agricuIture/operational-efficiency.pdf (дата обращения 10.01.2021).
Food wastage footprint Impacts on natural resources (2019) [Электронный ресурс]. - URL: https://ec.europa.eu/food/sites/food/files/safety/docs/fw lib fao-2019 en.pdf (дата обращения: 13.01.2021).
Обзор рынка сельского хозяйства - 2019 [Электронный ресурс]. - URL: https://ru.investinrussia. com/data/fiIe/obzor-rynka-selskogo-hozyajstva-2019.pdf (дата обращения 10.01.2021)
16
17
Как видно из данных таблицы, сфера АПК занимала в 2014-2019 гг. от максимального 4,3% в ВВП страны в 2016 г. до экстремального низкого 3,5% в 2018 г., начиная с 2019 г. отмечен новый этап роста (3,7%), в 2020 г., по прогнозам экспертов, ожидается рост удельного веса до 4,8%19, даже несмотря на стресс-факторы в виде пандемии коронавируса и нового витка политических санкций в отношении российских агробизнесов. Кроме этого, несмотря на увеличивающиеся объемы государственной поддержки со 179 млрд руб. в 2014 г. до 304 млрд руб. в 2019 г., имеются внутриотраслевые проблемы в части настроений бизнесов: индекс «Состояние АПК» в 2015-2019 гг. составил в среднем 0,49, а индекс «Перспективы развития АПК» - 0,3, что свидетельствует о консерватизме менеджмента агробизнесов, которые считают, что положение их компаний устойчиво и мотивации к цифровому реформированию и умному росту не испытывают (рис. 2).
1,2 1
0,8 0,6 0,4 0,2
0 О
2014 г. 2015 г. 2016 г. 2017 г. 2018 г. 2019 г.
• Индекс «Состояние АПК» (рассчитывается по методике Р\Л/С СНГ)
• Индекс «Перспективы развития АПК» (рассчитывается по методике Р\Л/С СНГ)
.........Полиномиальная (Индекс «Состояние АПК» (рассчитывается по методике Р\Л/С СНГ))
.........Полиномиальная (Индекс «Перспективы развития АПК» (рассчитывается по методике
Р\Л/С СНГ))
Рисунок 2. Динамика индексов «Состояние АПК» и «Перспективы развития АПК» за 2014-2019 гг. и прогноз на 2020 г.
Источник: составлено автором.
Вместе с тем такой консервативный пессимизм ведет к сокращению объемов АПК в масштабе ВВП страны: так, в 2018 г. его темп роста составил -2,1 п.п., и только адми-
АПК под влиянием. Стресс-факторы 2020 года [Электронный ресурс]. - URL: https://www. agroinvestor.ru/analytics/article/33642-apk-pod-vliyaniem-stress-faktory-2020-goda-mogut-otritsatelno-skazatsya-ne-tolko-na-agrariyakh-no-i/ (дата обращения: 11.01.2021 г)
нистративные решения со стороны Президента и Правительства РФ позволили в 2019 г. снова выйти в плюс (+3,5 п.п.).
Интересными для исследования масштаба проблем являются результаты оценки инновационного развития сферы АПК РФ за 2015-2019 гг. специалистами PWC, согласно которым российский агробизнес среди мировых стран - лидеров в области АПК занимает базовый уровень (рис. 3).
Новая Зеландия
_ ----•
Ж'''
Финляндия - США
%г / Великобритания
Швеция / /
Индия „ РФ Перу / Германия / • /
..Л.АЛ ✓ У Турция Уровень развития АПК
Базовый уровень: Развитие передовых Цифровое сельское
— стратегия повышения бизнес-практик: хозяйство:
операционной — интегрированная - бизнес-модель
э ф ф ективности; система планирования управления агробизнесом
- краткосрочные производства и продажи с помощью
инвестиции в наращивание (Б&ОР); искусственного
производственных - бизнес-модель интеллекта;
мощностей АПК; бережливого — умные машины,
- механизация и общая 3 праизводства; фянкционирующие в 1оТ-
автоматизация — портфельные стратегии сети;
Для Российской Федерации, находящейся критически близко к переходу к уровню развития передовых бизнес-практик, следует четко определиться с целями и направлениями развития АПК, основанного на цифровых технологиях, по утверждениям экспертов в области АПК. Так, специалисты AgFunder выделяют три основные группы инновационных технологий, которые обеспечивают скорейший переход от традиционных, физических бизнес-моделей агробизнесов к цифровым решениям:
1. Промышленные технологии «от фермы до прилавка» - группа цифровых техно-
Сравнительный анализ операционной эффективности сельскохозяйственной отрасли России [Электронный ресурс]. - URL: https://www.pwc.ru/ru/agriculture/operational-efficiency.pdf (дата обращения: 12.01.2021)
логий, которая отвечает за качество и сохранность сельскохозяйственной продукции в процессе ее выращивания, сбора, хранения и транспортировки к местам реализации.
2. Потребительские технологии «от прилавка до тарелки» - группа цифровых технологий, отвечающая за минимизацию физико-химических и биологических потерь ценности сельскохозяйственной продукции в процессе хранения и реализации конечному потребителю.
3. Переходные (инфраструктурные) - группа физических и цифровых технологий, обеспечивающая наиболее эффективное воплощение цифровых практик организации и управления бизнес-процессами в сфере АПК.
Для понимания актуальности и направлений развития практик цифровизации и перевода агробизнеса на механизм искусственного интеллекта рассмотрим состояние рынка инвестиций в агротехнологические проекты (включая стартапы) в мире и РФ в 2014-2019 гг. (табл. 3).
Таблица 3
Инвестиции в агротехнологические проекты (включая стартапы) в мире и РФ в 2014-2019 гг. 21 22 23 24
Показатели 2014 г. 2015 г. 2016 г. 2017 г. 2018 г. 2019 г.
1. Совокупные инвестиции в агротехнологические проекты (включая стартап-проекты) в мире, млн долл. США в том числе: 5700 8800 8600 11500 20800 19800
1.1 Промышленные технологии «от фермы до прилавка» 2800 5800 5100 6500 13200 12000
1.2 Потребительские технологии «от прилавка до тарелки» 2900 3000 3400 4800 7500 7800
Индикаторы инновационной деятельности: 2018 : статистический сборник / Н.В. Городникова, Л.М. Гохберг, К.А. Дитковский и др.; Нац. исслед. ун-т «Высшая школа экономики». -М.: НИУ ВШЭ, 2018. - С. 21, 63, 64, 103.
Индикаторы инновационной деятельности: 2019 : статистический сборник / Л.М. Гохберг, К.А. Дитковский, И. А. Кузнецова и др.; Нац. исслед. ун-т «Высшая школа экономики». -М.: НИУ ВШЭ, 2019. - С. 18, 28, 61.
Индикаторы инновационной деятельности: 2020 : статистический сборник / Л.М. Гохберг, К.А. Дитковский, Е.И. Евневич и др.; Нац. исслед. ун-т «Высшая школа экономики». -М.: НИУ ВШЭ, 2020. - С. 20, 31, 39, 42
Инновационное развитие АПК в России. Agriculture 4.0 [Электронный ресурс]. - URL: https:// www.hse.ru/data/2020/06/01/1604078726/Инновационное развитие АПК в России-сайт^£ (дата обращения: 12.01.2021)
21
22
23
Окончание табл. 3
2. Совокупные инвестиции в агротехнологические проекты (включая стартап-проекты) в РФ, млн долл. США в том числе: - - 149,6 150,7 159,4 220,3
2.1 Приобретение машин и оборудования - - 93,4 117,7 105,7 151,9
2.2 Приобретение программных решений - - 22,3 13,6 10,0 22,2
2.3 R&D-проекты узкой специализации - - 31,4 12,2 19,6 30,4
2.4 Инжиниринг - - 16,5 11,5 13,7 20,0
3. Инновационная активность организаций АПК
3.1 В мире (средняя оценка) 7,7 10,6 12,4 14,2 15,6 17,1
3.2 В РФ - - 4,0 3,7 5,4 5,8
Как видно из данных таблицы, в РФ имеется значительное отставание от мирового уровня инновационной активности сферы АПК, что свидетельствует о необходимости принятия незамедлительных мер по активизации построения инновационной траектории развития агробизнесов [5] (Ganieva, 2019). Так, в соответствии с рекомендациями специалистов консалтингового агентства РШС СНГ, агробизнесу в РФ рекомендуется обратить внимание на следующие направления умного развития сферы АПК, основанные на использовании механизма искусственного интеллекта:
1. Точное земледелие - комплекс мер, направленный на организацию рациональной эксплуатации земельного банка агробизнеса путем составления интерактивной карты рельефа территории и особенностей структуры почвы, ее категории и балла плодородности с использованием легких беспилотных летательных аппаратов (БПЛА), что позволяет в интерактивной форме формировать технологические ландшафтные карты севооборота и определения наиболее подходящих культур в режиме реального времени (ускоренное землеобращение за счет недопущения простоев земельного фонда) [6] (Orlova, Serova et al., 2020). По мнению автора, данное направление критически актуально для территорий со смешанным ландшафтом или для предприятий с географически распределенным банком земель не только в границах одной административной единицы, но и даже разных субъектов Федерации (например, ПАО «Черкизово» владеет земельным банком, распределенным в 7 различных административных единицах и 3 климатических зонах). Согласно исследованиям В. Якушева, точное земледелие в РФ применяют порядка 50 крупных холдингов страны, а объем
сельхозземель, охваченных координатным земледелием, составляет не более 5-7%25.
По данным рэнкинга регионов по использованию элементов точного земледелия и точного животноводства за 2018 г., проведенного Центром прогнозирования и мониторинга и Департаментом научно-технологической политики и образования Минсельхоза России, лидерами выступили агробизнесы Краснодарского края - 189 ед., Воронежская область - 182, Нижегородская область - 14426. Осведомленность российских фермеров об инструментах умного земледелия в рамках цифровизации сферы АПК и использования механизма искусственного интеллекта по результатам социологического опроса представителями Kleffmann Group стейкхолдеров из российских агробизнесов показала следующее (рис. 4).
датчики и сенсоры анализа состояния растений
использование БПЛА в процессах посевов, орошения, удобрения
автопилотирование сельскохозяйственных работ
спутниковый мониторинг состояния посевов геолокация размещения технических средств
подруливание
параллельное вождение 2-х и более единиц техники
i 51 45 j
г *
5 59 36 J
w -
14 58 29 I
* *
14 58 28
w -
17 60 24
г -
17 55 27
г -
19 54 27 j
¡чистое знание
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%100% ответ с подсказкой ■ незнание ответа
Рисунок 4. Осведомленность российских фермеров об инструментах умного земледелия в рамках цифровизации сферы АПК и использования механизма искусственного интеллекта за 2018 г.
(возможно более 1 ответа), %27
Как видно по данным рисунка, наиболее известным инструментом использования механизмов искусственного интеллекта в АПК является параллельное вождение 2 и более единиц сельхозтехники (19,0%), на втором месте - геолокация сельхозтехники
26 27
В. Якушев К 2020 году рынок точного земледелия в РФ придет в каждое хозяйство (09.12.2016)
[Электронный ресурс]. - URL:https://www.dairynews.ru/news/k-2020-godu-rynok-tochnogo-zemledeliya-v-rf-pridet.html (дата обращения 13.01.2021 г) Там же.
Южанинова Л. Что знают о точном земледелии в России? (03.04.2019) [Электронный ресурс]. -URL: https://www.agroxxi.ru/gazeta-zaschita-rastenii/zrast/chto-znayut-o-tochnom-zemledelii-v-rossii.html (дата обращения: 11.01.2021).
25
(17,0%), на третьем - автопилотирование сельскохозяйственных работ - 14,0%, при этом использование передовых решений в части использования БПЛА и умных датчиков для оценки состояния растений получило только 5,0 и 3,0% ответов без подсказок, а 36,0 и 45,0% не знают о таких решениях.
Примеры успешного запуска проектов умного земледелия, основанного на механизме управления с помощью искусственного интеллекта, и их ожидаемый экономический эффект представлены на примере реализованного проекта «Умный комбайн»28, который подготовила проектная команда Cognitive Agro Pilot при финансовой поддержке ПАО «Сбербанк».
Характеристика проекта: система автономного управления сельскохозяйственной техникой - зерноуборочным комбайном, трактором, опрыскивателем - с функцией удаленного мониторинга. Экономический эффект: снижение себестоимости производства зерна на 3,0-5,0% и двукратное сокращение потерь при его уборке.
2. Умные фермы - частично или полностью автоматизированные комплексы по выращиванию птицы, КРС, свинины, где бизнес-процессы выращивания животных управляются удаленно оператором с помощью систем искусственного интеллекта. В таком комплексе контроль за состоянием основного и ремонтного скота или поголовья птицы ведется дистанционно на основе датчиков о состоянии их здоровья, а также камер фото-, видеофиксации и различных бесконтактных систем подачи корма, водоснабжения, пропускной системы для беспривязного содержания.
По использованию элементов точного животноводства по количеству хозяйств регионами-лидерами стали: Свердловская область - 83, Республика Башкортостан -68, Удмуртская республика - 6729.
Первым примером успешной реализации такого формата фермы является строительство ПАО «Черкизово» роботизированного комплекса по выращиванию индейки в г. Тамбове совместно с испанским инвестором Grupo Fuertes (проект «Тамбовская индейка»30). Целью проекта является максимальная автоматизация процесса выращивания и отслеживания показателей жизнедеятельности индеек с помощью систем Neuromation (система компьютерного зрения анализирует прирост в весе индеек, оценивает показатели тела по бесконтактным датчикам, и затем формируется сценарий дальнейшего рациона и режима дня для большинства поголовья) [10] (Liu, 2020).
Сбербанк и Cognitive Pilot запускают умный комбайн на полях агрокомплексов России (16.07.2020) Электронный ресурс]. - URL: https://cognitivepilot.com/breaking-news/ sberbank-i-cognitive-pilot-zapuskayut-umnyi-kombain-na-polyah-vedushhih-otechestvennyh-agrokompleksov-rossii/ (дата обращения 12.01.2021)
Использование элементов точного сельского хозяйства в России (20.11.2019) [Электронный ресурс]. - https://agriecomission.com/base/ispolzovanie-elementov-tochnogo-selskogo-hozyaistva-v-rossii (дата обращения: 13.01.2021)
В 2017 году были запущены продажи продукции из мяса индейки под новой торговой маркой «Пава-Пава» [Электронный ресурс]. - URL: https://cherkizovo.com/company/#/company/about/ turkey/ (дата обращения: 12.01.2021)
28
29
3. Умные теплицы - революционная технология гибридных технико-организационных решений в части строительства малых тепличных форм в границах городов или создание масштабных тепличных комплексов с интеллектуальной системой управления параметрами жизнеобеспечения растений с функцией зонирования климатических, подкормочных и водоснабженческих схем в режиме реального времени [11] (Misra, Dixit, Al-Mallahi, Bhullar, Upadhyay, Martynenko, 2020). В мировой практике примерами успешной коллаборации урбанистического менеджмента и АПК являются бизнес-модели вертикальных ферм, управляемых искусственным интеллектом в рамках проектов «умных (адаптивных) городских пространств» (AeroFarm (США), TokyoSalad (Яопния), РусЭКО (Москва, 2019 г.), АгроТехФарм (Екатеринбург, 2020 г.), ИлиОтек (Петропавловск-Камчатский, 2019 г.).
Рассмотрим работу бизнес-модели умной теплицы на примере AeroFarm (США).
AeroFarm (США) - крупнейшая в мире вертикальная ферма 365-дневного цикла производства свежих салатов, луковичных и клубневых продуктов общей площадью более 6410 м2. Бизнес-модель организации: система искусственного интеллекта с платформой для принятия заявок от потребителей на выращивание отдельных культур под заказ или методом анализа спроса в формате Big Data Analyses (потребитель имеет возможность голосовать за понравившийся ему продуктовый портфель, что позволяет снижать операционные издержки в среднем на 19-23%, а также повысить конверсию продаж на 11-15%). Начиная с 2018 г. командой вертикальной фермы запущено мобильное приложение, которое позволяет сделать удаленный заказ на готовую продукцию на конкретную дату и даже время [7, 8] (Mironova, 2020; Revenko, Revenko, 2019).
Основные стратегические выгоды:
- локально произведенные продукты в строгом соответствии со стандартами пищевой безопасности (за внесение удобрений и контроль за усвояемостью несет искусственный интеллект, а также применяется система блокчейн для хранения технологических инструкций по выращиванию каждой конкретной культуры, что практически исключает вмешательство со стороны третьих лиц в процесс выращивания продуктов);
- эколейблы - развитие сегмента АПК по производству и реализации сельскохозяйственной продукции для людей с особенностями развития (например, генетические заболевания, сложные неоперабельные болезни (рак)), когда с помощью искусственного интеллекта будут подбираться и выращиваться продукты с определенным содержанием полезных веществ и сравнительно низким или полным отсутствием компонентов, не усваиваемых человеком (продвинутые генномодифицированные продукты);
- обратная связь с внешней средой - умные фермы (вертикальные в том числе) активно взаимодействуют с внешней средой и реагируют на ее изменение по принципу компенсации, например, рост количества солнечных дней сокращает потребление электроэнергии из традиционных источников, излишки воды и испарение
аккумулируются и используются для полива прилегающих зеленых территорий или используется как техническая вода [12] (Talaviya, Shah, Patel, Yagnik, Shah, 2020).
Оценка инвестиций в развитие умных теплиц в 2014-2019 гг. в мире и РФ (оценочные показатели на основе публичных данных отдельных агробизнесов сферы вертикального земледелия) представлена на рисунке 5.
»4^96
\R2 = 0,8806
• 78 R2
- 0,9867
2014 г. 2015 г. 2016 г. 2017 г. 2018 г. 2019 г.
Рынок умных теплиц в мире, млн долл. США Рынок умных теплиц в РФ, млн долл. США Полиномиальная (Рынок умных теплиц в мире, млн долл. США) Полиномиальная (Рынок умных теплиц в РФ, млн долл. США) и РФ в 2014-2019 гг/1 "
Согласно представленным расчетам, в мировой практике вплоть до 2019 г. имел место активный рост инвестиций в сегмент умных теплиц, однако они имеют высокую стоимость (от 1,2 до 10 млн долл. США) и длительность окупаемости (3,5-5 лет).
Одним из успешных примеров реализации умных теплиц в РФ является проект 1Багш, созданный в г. Новосибирске в 2017 г. В настоящее время под руководством команды функционируют три светопроницаемые и четыре вертикальные фермы сово-
An indoor vertical farming deliver exceptional returns for the planet, consumers, and investors? [Электронный ресурс]. - URL: https://www.globalaginvesting.com/contributed-content-new-report-can-indoor-vertical-farming-deliver-exceptional-returns-planet-consumers-investors/ (дата обращения: 12.01.2021)
Все в сад: где и зачем могут пригодиться вертикальные фермы [Электронный ресурс]. - URL: https://trends.rbc.ru/trends/innovation/5f02f4409a79476f5be697d3 (дата обращения: 12.01.2021) Теплицы оказались самым рентабельным направлением сельского хозяйства в России [Электронный ресурс]. - URL: https://www.vedomosti.ru/business/articles/2020/02/18/823344-teplitsi-okazalis (дата обращения 12.01.2021)
31
32
купной площадью более 1750 м2. Ориентировочная стоимость теплицы составляет 10 млн руб. (полностью оборудованная многоярусная вертикальная теплица площадью 200 м2), окупаемость проекта - в среднем 3 года.
В заключение рассмотрим основные продукты внедрения механизма искусственного интеллекта в управление сферой АПК в соответствии с ведомственной программой «Цифровое сельское хозяйство» (табл. 4).
Таблица 4
Основные продукты (сервисы) внедрения механизма искусственного интеллекта в управление сферой АПК в соответствии с ведомственной программой «Цифровое сельское хозяйство»34 35 36 37
Наименование продукта / сервиса Характеристика продукта / сервиса
1. Единая федеральная информационная система земель сельскохозяйственного назначения Инициатор проекта - Управление мониторинга земель сельскохозяйственного назначения Минсельхоза РФ. Характеристика продукта - формирование единой федеральной базы, отражающей структуру посевных площадей, состав правообладателей земельных ресурсов, неиспользуемых сельхозугодий, уровень почвенного плодородия в режиме реального времени. Технология реализации: проведение аэрофотосъемки территорий сельхозугодий с помощью БПЛА (планируется использовать более 700 ед. БПЛА), привлечение к мониторингу состояния сельскохозяйственных земель подразделение Роскосмоса в части организации взаимодействия спутников низкой орбиты для анализа и обновления данных в режиме реального времени и передачу в Аналитический центр Минсельхоза РФ. Бюджет проекта - 1 18 082,0 млн руб. (нарастающим итогом на конец 2024 г.)
Прогноз научно-технологического развития агропромышленного комплекса России (2019) [Электронный ресурс]. - URL: http://biotech2030.ru/wp-content/uploads/2016/06/PNTR-APK kratko-1.pdf (дата обращения: 13.01.2021).
Ганиева Н.А. Ведомственный проект «Цифровое сельское хозяйство» (2018) [Электронный ресурс]. - URL: https://www.mcxac.ru/upload/medialibrary/04c/04cf3968669675d0b9ecc106ad04 a1a7.pdf (дата обращения: 14.01.2021).
Умное фермерство: может ли машина заменить агронома (24.05.2018) [Электронный ресурс]. - URL: https://ect-center.com/blog/smart farming (дата обращения 14.01.2021). Денисов П.В. Модуль работы с данными дистанционного зондирования земли в ЕФИС ЗСН [Электронный ресурс]. - URL: http://conf.rse.geosmis.ru/files/pdf/16/7300 Денисов ЕФИС%20 ЗСН.pdf (дата обращения: 14.01.2021)
34
35
36
Продолжение табл. 4
2. Сервис «Умный гектар» Инициатор проекта - Управление мониторинга земель сельскохозяйственного назначения Минсельхоза РФ. Характеристика продукта - безвозмездное предоставление земельных ресурсов размером 1 га для реализации на выделенной территории инновационных сельскохозяйственных решений с применением цифровых технологий (умный сад, умная ферма, умная теплица), причем данные об использовании выданных земель аккумулируются в федеральной базе сельскохозяйственных земель, а затем на их основе формируется библиотека прогрессивных решений в области организации агробизнеса с опцией тиражирования в рамках механизма франчайзинга. Технология реализации: предоставление земельного участка с базовым мониторингом с применением БПЛА и спутниковой системы ГЛОНАСС и последующим анализом реализации инновационных проектов в сфере агробизнеса по следующим направлениям: - эффективное растениеводство (5 приоритетных культур); - эффективное животноводство (10 направлений); - эффективные малые фермерские формы (виноградные фермы, фермы улиток, фермы аквакультур). Бюджет проекта - 22 800,0 млн руб. (нарастающим итогом на конец 2024 г.)
3. Сервис смарт- контрактов на основе технологии блокчейн Инициатор проекта - ПАО «Россельхозбанк». Характеристика продукта - формирование виртуальной платформы с личным кабинетом фермера, в котором он без посещения банков и предоставления бумажных документов сможет получать комплексные продукты, например, субсидия + страховка; льготный кредит + услуги лизинга. В дальнейшем планируется интеграция системы со службами МЧС и Росгидромета для формирования страховых резервов в регионах с учетом прогнозов о неблагоприятных природных явлениях. Технология реализации: фермер будет проходить электронную идентификацию в Единой системе идентификации и биометрии, и его уникальный Ю будет являться ключом для получения финансовых инструментов. Бюджет проекта - 5750,0 млн руб. нарастающим итогом на конец 2024 г.)
4. Сервис «Аг-роэкспорт от поля до порта» Инициатор проекта - ПАО «Россельхозбанк», Минсельхоз РФ, ПАО «РЖД» Характеристика продукта: создание платформы для интеллектуальной организации логистических потоков сельскохозяйственной продукции в формате единой цепи без промежуточных перевалочных пунктов путем подбора требуемых характеристик транспорта с учетом специфики продукции в конкретном регионе, городе и хозяйстве и требований со стороны покупателя. Технология реализации: информация о продуктовом портфеле агробизнесов будет аккумулироваться в специальных базах производителей, что позволит ПАО «РЖД» обеспечить более точные характеристики подбора подвижного состава (рефрижераторы, зерновозы, перевозка скота живым весом, специальные изотермические вагоны для овощей и фруктов) с использованием алгоритмов искусственного интеллекта, который будет анализировать состав и объем заявок покупателей и подбирать комбинированный состав и обеспечивать минимальное время доставки продукта конечному покупателю. Бюджет проекта - не разглашается (по оценочным меркам, он может составить более 5000 млн руб.)
Окончание табл. 4
5. Индустриальный РООйМЕТ
Инициатор проекта - ПАО «Россельхозбанк», Минсельхоз РФ, крупнейшие агрохолдинги РФ (ПАО «Черкизово», ПАО «РусАгро», АО «Продимекс», ГК АСБ).
Характеристика продукта: формирование федеральной сети связанных единой информационной сетью производственных роботизированных предприятий для производства узкоспециализированной продукции с учетом медицинских рекомендаций для жителей конкретного региона, что позволит снизить риски специфических заболеваний, авитаминоз и т.п., проблемы генофонда нации.
Технология реализации: данные для организации целевых производств будут обрабатываться специальными платформами искусственного интеллекта на основе данных цифровых медкарт граждан, и путем сбора ключевых болезней и отклонений платформа будет формировать сценарные продуктовые портфели для производства.
Бюджет проекта - не разглашается (по оценочным меркам, он может составить более 10 000 млн руб.)
Заключение
По итогам научного исследования возможности интеграции инструментов искусственного интеллекта в систему стратегического менеджмента агробизнеса было установлено, что для российского АПК вялость процесса цифровизации оборачивается не только потерями конкурентной позиции на рынке технологичного производства сельскохозяйственной продукции, но и масштабным ростом проблем конфликтов целей, возникающих у фермеров в случае повышения экстенсивной производительности агроресурсов, ухудшения био- и агропотенциала [9] (Chernikova, 2019).
Основными глобальными вызовами и угрозами, мотивирующими к переходу сферы АПК на цифровую бизнес-модель управления с применением искусственного интеллекта, являются: критическая импортозависимость национальной системы АПК по таким позициям, как сельскохозяйственные технологии, функциональные биодобавки, семенной фонд; нерациональность организации использования банка земель ввиду их расположения в зоне рискованного земледелия; активизация международных требований и правил на соответствие стандартам устойчивого развития; низкий уровень проникновения цифровых технологий в сферу АПК.
Методологической основой и картой реализации процессов интеллектуализации АПК в РФ является ведомственный проект «Цифровое сельское хозяйство» на период 2019-2024 гг., в рамках которого закреплен ряд самостоятельных направлений цифро-визации сферы АПК: «Умная ферма»; «Умное поле»; «Умное стадо»; «Умная теплица»; «Умная переработка»; «Умный склад»; «Умный агроофис».
Для Российской Федерации, находящейся критически близко к переходу к уровню развития передовых бизнес-практик, АдБи^ег выделяет три основные группы инновационных технологий: промышленные технологии «от фермы до прилавка»; потре-
бительские технологии «от прилавка до тарелки»; переходные (инфраструктурные) технологии, обеспечивающие наиболее эффективное воплощение цифровых практик организации и управления бизнес-процессами в сфере АПК. В соответствии с рекомендациями специалистов консалтингового агентства PWC СНГ агробизнесу в РФ рекомендуется обратить внимание на следующие направления умного развития сферы АПК, основанные на использовании механизма искусственного интеллекта: точное земледелие; умные фермы; умные теплицы.
Основные продукты внедрения механизма искусственного интеллекта в управление сферой АПК в соответствии с ведомственной программой «Цифровое сельское хозяйство» включают в себя создание Единой федеральной информационной системы земель сельскохозяйственного назначения; сервиса «Умный гектар»; сервиса смарт-контрактов на основе технологии блокчейн; сервиса «Агроэкспорт от поля до порта».
ИСТОЧНИКИ:
1. Айтпаева А.А. Цифровизация сельского хозяйства в контексте повышения конкурентоспособности отечественного АПК // Вестник Астраханского государственного технического университета. Серия: Экономика. - 2019. - № 3. - с. 56-63. -doi: 10.24143/2073-5537-2019-3-56-63.
2. Афонина В.Е. Влияние цифровизации на развитие аграрного сектора экономики // Международный сельскохозяйственный журнал. - 2018. - № 3. - с. 15-17. -doi: 10.24411/2587-6740-2018-13036.
3. Володин В.М., Надькина Н.А. Внедрение цифровых технологий на предприятиях сельского хозяйства на современном этапе развития агропромышленного комплекса России // Известия высших учебных заведений. Поволжский регион. Экономические науки. - 2019. - № 2(10). - с. 13-22. - doi: 10.21685/2309-2874-20192-2.
4. Воронин Б.А. и др. К вопросу о цифровизации российского сельского хозяйства (обзор информационных материалов) // Аграрный вестник Урала. - 2019. -№ 2(181). - с. 39-46. - doi: 10.32417/article_5cb0b27b458600.04669366.
5. Ганиева И.А. Цифровая трансформация сельского хозяйства России: консолидация государства и агробизнеса // Достижения науки и техники АПК. - 2019. - № 4. -с. 5-7. - doi: 10.24411/0235-2451-2019-10401.
6. Орлова Н.В., Серова Е.В. и др. Инновационное развитие агропромышленного комплекса в России. Адпсикиге 4.0. / докл. к XXI Апр. междунар. науч. конф. по проблемам развития экономики и общества. - М.: Изд. дом Высшей школы экономики, 2020. - 128 с.
7. Миронова Н.А. Применение концепции цифровой экономики в АПК // Московский экономический журнал. - 2020. - № 5. - с. 34. - doi: 10.24411/2413-046X-2020-10329.
8. Ревенко Л.С., Ревенко Н.С, Информационные цифровые платформы как фактор
повышения транспарентности аграрных рынков // Российский внешнеэкономический вестник. - 2019. - № 7. - с. 21-33.
9. Черникова С.А. Направления развития цифровой экономики в агропромышленном комплексе // Московский экономический журнал. - 2019. - № 7. - с. 31. -doi: 10.24411/2413-046X-2019-170611.
10. Liu S.Y. Artificial Intelligence (AI) in Agriculture // IT Professional. - 2020. - № 3. -p. 14-15. - doi: 10.1109/MITP.2020.2986121.
11. Misra N.N., Dixit Y., Al-Mallahi A., Bhullar M.S., Upadhyay R., Martynenko A. IoT, big data and artificial intelligence in agriculture and food industry // IEEE Internet of Things Journal. - 2020. - p. 1-1. - doi: 10.1109/jiot.2020.2998584.
12. Talaviya T., Shah D., Patel N., Yagnik H., Shah M. Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides // Artificial Intelligence in Agriculture. - 2020. - № 4. - p. 58-73. -doi: 10.1016/j.aiia.2020.04.002.
13. Цветков В.А., Шутьков А.А., Дудин М.Н., Лясников Н.В. Повышение инвестиционной привлекательности отрасли сельского хозяйства в России // Финансы: теория и практика. - 2018. - № 3(105). - c. 6-21. - doi: 10.26794/2587-5671-2018-22-3-6-21.
14. Шутьков А.А. Дудин М.Н., Лясников Н.В. Парадигма управления агропромышленным производством в условиях глобализации экономики // Проблемы теории и практики управления. - 2019. - № 2. - c. 98-107.
REFERENCES:
Afonina V.E. (2018). Vliyanie tsifrovizatsii na razvitie agrarnogo sektora ekonomiki [The impact of digitalization on the development of the agricultural sector of the economy]. International Agricultural Journal. (3). 15-17. (in Russian). doi: 10.24411/2587-6740-2018-13036.
Aytpaeva A.A. (2019). Tsifrovizatsiya selskogo khozyaystva v kontekste povysheniya konkurentosposobnosti otechestvennogo APK [Digitalization of agriculture in the context of increasing competitiveness of national agroindustrial complex]. Bulletin of the Astrakhan State Technical University. Series: economics. (3). 56-63. (in Russian). doi: 10.24143/2073-5537-2019-3-56-63.
Chernikova S.A. (2019). Napravleniya razvitiya tsifrovoi ekonomiki v agropromyshlennom komplekse [The directions of development of the digital economy in the agroindustrial complex]. Moscow Economic Journal. (7). 31. (in Russian). doi: 10.24411/2413-046X-2019-170611.
Ganieva I.A. (2019). Tsifrovaya transformatsiya selskogo khozyaystva Rossii: konsolidatsiya gosudarstva i agrobiznesa [Digital transformation of agriculture in Russia: consolidation of the state and agribusiness]. Dostizheniya nauki i tekhniki APK. 33 (4). 5-7. (in Russian). doi: 10.24411/0235-2451-2019-10401.
Liu S.Y. (2020). Artificial Intelligence (AI) in Agriculture IT Professional. 22 (3). 14-15. doi: 10.1109/MITP.2020.2986121.
Mironova N.A. (2020). Primenenie kontseptsii tsifrovoy ekonomiki v APK [Application of digital economy concept in agriculture]. Moscow Economic Journal. (5). 34. (in Russian). doi: 10.24411/2413-046X-2020-10329 .
Misra N.N., Dixit Y., Al-Mallahi A., Bhullar M.S., Upadhyay R., Martynenko A. (2020). IoT, big data and artificial intelligence in agriculture and food industry IEEE Internet of Things Journal. 1-1. doi: 10.1109/jiot.2020.2998584.
Orlova N.V., Serova E.V. i dr. (2020). Innovatsionnoe razvitie agropromyshlennogo kompleksa v Rossii. Agriculture 4.0 [Innovative development of the agro-industrial complex in Russia. Agriculture 4.0] M.: Izd. dom Vysshey shkoly ekonomiki. (in Russian).
Revenko L.S., Revenko N.S, (2019). Informatsionnye tsifrovye platformy kak faktor povysheniya transparentnosti agrarnyh rynkov [Digital information platforms as a driving force to increase agricultural markets transparency]. Russian Foreign Economic Bulletin. (7). 21-33. (in Russian).
Shutkov A.A. Dudin M.N., Lyasnikov N.V. (2019). Paradigma upravleniya agropromyshlennym proizvodstvom v usloviyakh globalizatsii ekonomiki [The paradigm of managing agro-industrial production in a globalized economy]. Theoretical and Practical Aspects of Management. (2). 98-107. (in Russian).
Talaviya T., Shah D., Patel N., Yagnik H., Shah M. (2020). Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides Artificial Intelligence in Agriculture. (4). 58-73. doi: 10.1016/j. aiia.2020.04.002.
Tsvetkov V.A., Shutkov A.A., Dudin M.N., Lyasnikov N.V. (2018). Povyshenie investitsionnoy privlekatelnosti otrasli selskogo khozyaystva v Rossii [Increasing the investment attractiveness of the agricultural sector in Russia]. Finance: Theory and Practice. 22 (3(105)). 6-21. (in Russian). doi: 10.26794/2587-5671-2018-22-36-21.
Volodin V.M., Nadkina N.A. (2019). Vnedrenie tsifrovyh tekhnologiy na predpriyatiyakh selskogo khozyaystva na sovremennom etape razvitiya agropromyshlennogo kompleksa Rossii [Introduction of digital technologies at the enterprises of agriculture at the present stage of development of agroindustrial complex of Russia]. Izvestiya vysshikh uchebnyh zavedeniy. Povolzhskiy region. Ekonomicheskie nauki. (2(10)). 13-22. (in Russian). doi: 10.21685/2309-2874-20192-2.
Voronin B.A. i dr. (2019). K voprosu o tsifrovizatsii rossiyskogo selskogo khozyaystva (obzor informatsionnyh materialov) [To the question on the digitalization of russian agriculture (review of information materials)]. Agrarian Bulletin of the Urals. (2(181)). 39-46. (in Russian). doi: 10.32417/article_5cb0b27b458600.04669366.