※本稿は2026年8月時点の技術、農業政策、気候変動、農業経営の動向をもとにした未来分析である。AIとロボットによって、一人の農業者がすべての農地を管理できる、あるいは小規模農家が必ず失われると断言するものではない。農業者が減る社会で、技術によって何を維持でき、何が失われる可能性があるのかを考える。
2029年。
一人の農家が、四つの集落にまたがる87枚の田畑を管理している。
朝5時12分。
本人が起きる前に、農業AIエージェントは、その日の作業計画を組み直している。
夜中に降った雨。
土壌水分。
田んぼごとの水位。
作物の生育状況。
病害虫の発生予測。
ロボットトラクターの充電状態。
農業支援サービス会社のドローンが空いている時間。
三日後の最高気温。
来週の市場価格。
AIは、それらをまとめて判断する。
午前中に予定していた畑の防除は、風が強くなるため翌日へ延期する。
代わりに、遠隔操作できる水門を開き、三枚の田んぼへ給水する。
隣町のロボットトラクターへ、耕起作業を予約する。
収穫時期が近い圃場は、衛星画像と過去の収量データから順番を並べ替える。
農家本人が畑へ着くころには、複数の機械とサービスがすでに動き始めている。
しかし、午前9時。
山際にある一枚の田んぼから、異常通知が届く。
昨夜の雨で畦が崩れ、水が隣の土地へ流れ始めている。
AIは、修復費用と今後の収益を計算し、
「この圃場は面積が小さく、機械が入りにくく、今後5年間の採算性が低いため、耕作を終了する方が合理的です」
と提案する。
数字だけを見れば正しい。
ただ、その田んぼを放棄すると、下にある二枚の田んぼへの水路も管理されなくなる。
雑草が増える。
イノシシが里へ下りやすくなる。
隣の農家も、同じ水路を使っている。
その土地は、単独では採算が合わなくても、集落全体の農業を支える一部になっている。
農家は、AIの提案を却下する。
「今日は、まず畦を直す」
AIは作業計画を組み直す。
ここに、AI時代の農業が抱える問いがある。
最も利益の出る農地を選ぶことと、地域の農地を守ることは同じではない。
AIは、どの圃場で何を作れば効率がよいかを計算できる。
しかし、どの土地を残すべきかは、収益だけでは決められない。
日本の農業は、成長する前に「維持できるか」を問われている
日本の農業では、すでに人が足りない。
農林水産省の統計では、個人経営体の基幹的農業従事者は、2025年の農林業センサスで103万6千人。そのうち65歳以上が72万1千人を占めている。
2026年の標本調査による推計では98万7千人まで減っているが、全数調査と標本調査のため、単純比較には注意が必要とされている。いずれにしても、農業を主な仕事とする人の約7割が65歳以上という構造は変わらない。
農業者が減るということは、単に農産物を作る人数が減ることではない。
田んぼの水を見る人。
畦を直す人。
草を刈る人。
農道を維持する人。
地域の天候や土の癖を知る人。
機械が入れない小さな農地を引き受ける人。
災害が起きたときに、水路やため池を確認する人。
も減る。
農業には、作物を販売して得られる売上だけでは測れない仕事がある。
農業者が減ることで失われるのは、生産量だけではない。
土地を土地として維持してきた人間の手である。
だから、日本におけるAI農業の中心的な問いは、
「一人でどれだけ多く作れるか」
だけではない。
減っていく人間の人数で、どこまで農地と食料供給を維持できるか。
になる。
農業は、畑で作業する仕事だけではない
農業というと、トラクターを運転し、種をまき、収穫する姿が思い浮かぶ。
しかし、実際には多くの意思決定がある。
| 領域 |
農家が行ってきたこと |
| 経営計画 |
どの作物を、どの面積で、どれだけ作るか決める |
| 作付け |
品種、播種日、栽培方法を決める |
| 水管理 |
天候と生育に合わせて水量を調整する |
| 施肥 |
土壌と作物の状態を見て、肥料の種類と量を決める |
| 病害虫管理 |
病気や虫の兆候を見つけ、防除の時期を決める |
| 機械作業 |
耕起、播種、移植、除草、収穫を行う |
| 人員配置 |
天候と作物の状態に合わせて作業者を動かす |
| 資材調達 |
種、苗、肥料、農薬、燃料を購入する |
| 販売 |
市場、直販、契約、加工などの売り先を選ぶ |
| 記録・申請 |
作業記録、認証、補助金、税務、出荷書類を処理する |
| 地域管理 |
水路、農道、共同設備、周辺農地を維持する |
農家は、現場作業者であると同時に、
気象予報士。
生物観察者。
機械担当者。
経営者。
購買担当者。
物流担当者。
地域インフラの管理者。
でもある。
AIエージェントが農業へ入ると、これらを別々に支援するのではなく、一つにつなぎ始める。
農業AIは、「答える先生」から「農場の運営担当者」へ変わる
従来の農業AIは、主に情報を返すものだった。
葉の写真から病気の候補を示す。
天気予報を知らせる。
収穫時期を予測する。
土壌診断を行う。
AIエージェントは、その先へ進む。
| 従来の農業AI |
農業AIエージェント |
| 明日は雨だと知らせる |
散布作業を延期し、別の作業を割り当てる |
| 土壌水分が低いと知らせる |
水門や灌水設備を操作する |
| 病害虫の可能性を示す |
対象圃場を特定し、防除サービスを予約する |
| 収穫時期を予測する |
人員、機械、出荷先をまとめて調整する |
| 肥料量を提案する |
圃場ごとの施肥マップを作り、機械へ送る |
| 市場価格を表示する |
作付け、契約、保管、出荷の選択肢を比較する |
| 作業記録を残す |
認証や環境負荷の算定、申請書類まで作成する |
農林水産省は、農業データ連携基盤WAGRI、オープンAPI、フードチェーンのデータ基盤などを通じ、気象、農地、機械、流通に関する情報を組み合わせる環境を整備している。2026年7月時点でも、農業データの連携はスマート農業政策の主要な柱になっている。
AIエージェントの実際の能力は、
モデルの知能 × 農場データ × 接続された機械 × 与えられた権限
で決まる。
どれだけAIが賢くても、今日の水位が分からなければ水管理はできない。
病害虫を予測できても、ドローンや作業者を手配できなければ防除は間に合わない。
作付けを提案できても、地域の水利や出荷契約を知らなければ、実行可能な計画にはならない。
農業AIの進化は、チャット画面の性能だけでは測れない。
農場の現実へ、どこまで接続されているか。
で測る必要がある。
スマート農業は、すでに労働時間を減らしている
スマート農業は、まだ未来の構想だけではない。
農研機構の水田作実証では、自動操舵農機、ドローン、自動水管理などを組み合わせることで、中山間地の事例でも労働時間が27％削減された。
大規模水田作の事例では、水稲と大豆の労働時間を約2〜3割減らし、大豆の作付面積を22％増やしながら、単収も13％増加した。
別の事例では、水稲作の労働時間を28.8％削減し、浮いた時間をトマトの管理へ回したことで、トマト部門の収入が1.5倍になった。
ここには、第3章で考えた「余剰」の構造が、そのまま現れている。
AIと機械によって時間を減らす。
その時間を、人員削減へ使うこともできる。
作付面積を増やすこともできる。
別の作物の品質向上へ使うこともできる。
農家自身の休息へ戻すこともできる。
農業の生産性向上とは、同じ面積を少ない人で作ることだけではない。
少ない人で、より多くの農地を引き受けられるようにすることでもある。
日本の農業では、この違いが大きい。
最初から人が余っているわけではない。
農地を引き受ける人がいない。
適期に作業できない。
作付けを諦める。
という状況に対して、AIとロボットが不足を埋める。
技術を入れるだけでは、農業は変わらない
ただし、農機を買い、センサーを置けば、すぐに生産性が上がるわけではない。
静岡県のブロッコリー生産の実証では、自動操舵トラクターや収穫機によって、全体の作業時間を55％削減した。
一方、従来の品種と栽培方法のまま自動収穫機を使うと、花蕾を傷つけたり、大きさのばらつきによって歩留まりが下がったりする問題が起きた。
そこで、機械収穫に合う品種を選び、生育の早い株だけ先に手作業で収穫するなど、生産方式そのものを見直している。
これは、かなり重要な事例だ。
人間向けに作られてきた農業へ機械を追加するだけでは、技術の力は十分に出ない。
作物の形。
畝の間隔。
農地の区画。
作業の順番。
収穫時期。
出荷規格。
まで変える必要がある。
2024年に施行されたスマート農業技術活用促進法も、機械を導入するだけではなく、その技術に適した新しい生産方式を一緒に導入する計画を支援する構造になっている。
AIエージェント時代に必要なのは、
人間がやっていた作業を、そのままロボットへ移すこと
ではない。
人間、AI、ロボットがいる前提で、農業の流れを作り直すこと
である。
農業には、五つの時計がある
農業の難しさは、すべての作業を好きな時間に行えないことにある。
少なくとも五つの時計が同時に動いている。
1．天候の時計
雨。
風。
気温。
日照。
台風。
天候によって、できる作業が変わる。
2．作物の時計
発芽。
開花。
成熟。
病気。
作物は、人間の都合を待ってくれない。
3．人間の時計
働ける人数。
勤務時間。
休日。
熱中症や身体負担。
4．機械の時計
充電。
燃料。
故障。
他の圃場での利用予定。
5．市場の時計
価格。
出荷日。
契約。
物流。
需要。
農家は、これらを毎日重ね合わせている。
AIエージェントの大きな価値は、一つの作業を自動化することより、
五つの時計を同時に見て、作業の順番を組み直すこと
にある。
雨が降る前に、どの圃場を優先するか。
収穫機が一台しかないとき、どの品種から収穫するか。
人手が足りない日に、どの作業を延期できるか。
高温が予想される時間帯を避け、どの作業を遠隔化するか。
これは、まさにAIエージェントが得意とする連続的な調整である。
気候変動によって、過去の経験だけでは農業を続けにくくなる
農業者は、長年の経験から地域の気候を知っている。
この時期には雨が降る。
この風が吹けば天候が崩れる。
この土なら、これくらい水を入れる。
しかし、気候そのものが変わると、過去の経験と未来の条件がずれ始める。
2025年夏の日本の平均気温偏差は、平年比プラス2.36度となり、1898年の統計開始以降で最も高かった。
水稲では高温耐性品種の作付面積が24万8千ヘクタールまで増え、主食用米に占める割合も18.2％になっている。
AIは、過去の平均だけでなく、
現在の土壌水分。
数時間後の局地的な気温。
作物の生育段階。
衛星画像。
過去の高温障害。
を組み合わせ、対応を更新できる。
水を入れる時間を変える。
収穫を前倒しする。
日射を遮る。
病害虫の発生予測に合わせて観察地点を増やす。
高温に強い品種へ作付けを変える。
農業AIの価値は、最適な農法を一度教えることではない。
最適な農法が毎年変わる世界で、判断を更新し続けること
にある。
ただし、AIは天候を支配できない。
正確に予測できても、水がなければ灌水できない。
高温耐性品種へ変えるには、種と販売先が必要になる。
農業AIは、気候変動の影響を消す技術ではない。
変化へ対応するまでの時間を短くする技術
である。
農薬や肥料を減らしながら、収量を保てる可能性がある
従来の農業では、広い圃場へ同じ量の肥料や農薬をまくことが多かった。
しかし、同じ圃場の中でも、
土壌の状態。
作物の生育。
雑草。
病害虫。
水分。
は均一ではない。
ドローンや衛星、センサーによって状態を細かく把握し、AIが必要な場所と量を判断すれば、
生育の悪い場所だけに肥料を増やす。
病害虫が発生している場所だけを防除する。
水分が不足している区画だけ灌水する。
ことができる。
これは、資材費と環境負荷を減らしながら、収量を維持する可能性を持つ。
一方、センサーで測れるものだけを最適化すると、
土壌の長期的な健康。
生物多様性。
地下水。
周辺生態系。
数年後の病害虫耐性。
などが見落とされる可能性がある。
肥料を今日最も効率的に使うことと、土を10年後まで健康に保つことは同じではない。
精密農業に必要なのは、投入量を最小化することではない。
長期的な生産力と環境を含め、必要な場所へ必要なものを使うことだ。
AIは、ベテラン農家の知識を残せるか
農業には、文章化されていない知識が多い。
葉の色が少し違う。
土を握った感触が違う。
風の匂いが変わった。
鳥や虫の動きがいつもと違う。
機械の音が少し重い。
ベテラン農家は、それらを見て、問題が大きくなる前に気づく。
AIは、センサー、画像、作業記録と、ベテランの判断を組み合わせることで、暗黙知の一部を残せる。
「この画像では病気が出ていない」と記録するだけではない。
なぜその圃場を見に行ったのか。
どの変化を危険だと感じたのか。
どの条件なら様子を見るのか。
いつ人間の経験を優先したのか。
まで残せれば、次の農業者へ判断の型を渡せる。
新規就農者は、AIへ聞きながら農業を始められる。
過去の作業履歴を見る。
地域の農家が経験した失敗を調べる。
目の前の作物と、過去の似た状況を比較する。
これは、農業への入口を広げる可能性がある。
一方、すべての判断をAIへ委ねれば、新しい農家は自分で作物を見る目を育てられない。
AIが農家の知識を保存することと、AIが農家の代わりに考えることは違う。
必要なのは、答えだけを返すAIではない。
「なぜそう判断したのか」
「現地で何を確認すべきか」
「判断が変わる条件は何か」
を伝えるAIである。
AIは、新規就農者を増やす可能性もある
農業へ入る壁は高い。
土地。
設備。
資金。
販路。
技術。
地域との関係。
天候への対応。
経験がなければ、何を知らないのかも分かりにくい。
デジタル技術は、重労働や健康リスクを減らし、知識共有や経営の多様化を支えることで、農業を新規参入者にとって魅力的にする可能性があるとOECDは整理している。
自動操舵によって、経験が浅くても直線的な作業ができる。
AIが作業時期を提案する。
ベテランの判断履歴を参照できる。
販売や経理の負担を減らせる。
複数の作物について、収支を事前に比較できる。
これによって、農家の家に生まれなければ農業を始めにくい構造を、少し変えられる可能性がある。
ただし、AIがあっても、
農地を借りる。
地域の水利へ参加する。
近隣農家と関係を作る。
実際に作物へ触れる。
災害や失敗を引き受ける。
ことは必要になる。
農業は、情報だけで完結する仕事ではない。
AIは、農業を簡単にはしない。
しかし、分からないまま一人で始めなければならない状態は減らせる。
小規模農家は、機械を買うのではなく「能力を借りる」
高性能な農機は高い。
一年のうち、数日しか使わない機械もある。
小さな農家が、ロボットトラクター、収穫機、ドローン、各種センサーをすべて所有することは現実的ではない。
そこで重要になるのが、農業支援サービスだ。
農林水産省は、ドローン散布の代行、スマート農機のレンタル・シェアリング、データ分析、コンサルティングなどを通じ、農機の「所有」から「利用」への転換を進めている。
2024年度の調査では、農業支援サービスを利用している担い手が2,914人、利用を希望している担い手が5,077人で、いずれも前年より増えていた。
2029年には、一人の農家がすべてのロボットを持つのではなく、
「来週の水曜までに、この20ヘクタールを防除して」
「収穫適期になった圃場から順に、収穫機を回して」
「衛星データを分析し、追加施肥が必要な場所だけ作業して」
と、農作業をサービスとして依頼する形が増えると思う。
農家が所有するのは、機械ではない。
必要な時期に、必要な作業を実行できる権利
になる。
これは、小規模農家にとって大きな機会だ。
一方、地域にサービス事業者が一社しかなければ、その会社が止まった瞬間、農作業も止まる。
繁忙期に予約が集中すれば、大規模顧客が優先されるかもしれない。
利用料が上がれば、農家は機械を持っていないため、他の手段へ戻れない。
所有コストは減る。
同時に、サービスへの依存は増える。
地域でロボットを共有するには、「誰から作業するか」を決めなければならない
同じ地域で、複数の農家が一台の収穫機を共有する。
合理的な仕組みに見える。
しかし、収穫適期は全員に同時に来ることがある。
雨が近づいている。
全員が、先に収穫してほしいと考える。
AIエージェントは、
作物の成熟度。
天候。
面積。
品質低下のリスク。
契約納期。
機械の移動時間。
を計算し、最も損失の少ない順番を出せる。
ただし、効率だけで順番を決めると、小規模農家が毎回後回しになる可能性がある。
面積が大きい農家。
売上が高い農家。
サービス利用料を多く払える農家。
を先に処理した方が、数字上の損失を抑えやすいからだ。
地域の農業支援サービスには、
- 最低限の利用枠
- 予約の公平性
- 緊急時の優先順位
- 小規模農家向けの料金
- 機械故障時の代替手段
- AIの割り当てへの異議申し立て
が必要になる。
機械を共有するとは、作業能力を共有するだけではない。
限られた能力を誰へ先に配るかというルールを共有することでもある。
スマート農業は、農地の集積をさらに進める可能性がある
農業者が減る中、日本では農地を担い手へ集める政策が進められている。
2024年度時点で、担い手へ集積された農地の割合は61.5％。農地バンクが扱う集積面積は約22万5千ヘクタールとなっている。
農地をまとめれば、機械を使いやすい。
移動時間を減らせる。
大きな区画で自動走行できる。
データ管理もしやすい。
そのため、スマート農業は農地集約と相性がいい。
これは、農地を維持するために必要な方向でもある。
一方、技術の費用対効果が大規模農家ほど高ければ、
大規模経営体はさらに広い農地を引き受ける。
小規模農家は設備投資で不利になる。
販売、農機、データ、資金の差が広がる。
ということも起こる。
これは推測だが、スマート農業の規模の経済と、すでに進んでいる農地集積が組み合わされれば、農地と経営判断が少数の法人へ集中する圧力は強まりやすい。
農地集約そのものが悪いわけではない。
問題は、
土地を効率的に利用する主体が大きくなることと、地域から意思決定が失われることをどう分けるか
である。
自動化できる農地だけが残る可能性がある
ロボット農機は、広く平らで、形が整った農地ほど使いやすい。
一方、日本には、
小さな田んぼ。
傾斜地。
果樹園。
段々畑。
狭い農道。
不規則な形の圃場。
が多い。
スマート農業が普及しても、すべての土地が同じように自動化できるわけではない。
平地の大区画農地では、一人が広い面積を管理できるようになる。
中山間地域では、機械の移動や通信、安全性、採算が壁になる。
すると、
自動化しやすい農地は引き継がれ、
自動化しにくい農地は放棄される
という分岐が起きる可能性がある。
しかし、自動化しにくい農地にも、
土砂災害や洪水を抑える。
景観を維持する。
地域の水を管理する。
文化や生物多様性を守る。
といった役割がある。
AIが圃場ごとの収益性だけを比較すると、それらは数字に入りにくい。
農地を残すかどうかを、農産物の売上だけで決めれば、社会に必要な土地まで失われる。
農業AIの目的関数には、
収量。
利益。
労働時間。
だけでなく、
地域防災。
環境。
食料安全保障。
土地利用。
まで入れる必要がある。
農業データは、農家の新しい生産資産になる
スマート農業では、農場から大量のデータが生まれる。
どこに何を植えたか。
どれだけ収穫できたか。
どの肥料を使ったか。
病気がどこで発生したか。
機械がどう動いたか。
土壌の状態。
販売先。
原価。
これらを数年蓄積すれば、その農場の経営と生産を再現する重要な資産になる。
しかし、そのデータを誰が持つのかは簡単ではない。
農機メーカー。
センサー企業。
農業管理アプリ。
クラウド企業。
農協。
流通会社。
保険会社。
それぞれがデータへ関わる。
FAOは農業AIの普及に際し、農家の権利とデータ主権を守る制度、データガバナンス、倫理的な利用を重要課題として位置付けている。
EUでは、接続された農機から生まれる運用データへ、利用者である農家がアクセスし、第三者サービスと共有できるようにする制度が進んでいる。
農業データ協同組合など、農家側が共同でデータを管理する仕組みも選択肢として挙げられている。
AI時代の農家は、土地と農機だけを持っていればよいわけではない。
自分の農場から生まれたデータを、閲覧し、持ち出し、別のサービスへ渡せる権利
が必要になる。
農家が、自分の農場データへアクセスできなくなる未来
ある農家が、10年間同じ営農管理サービスを使う。
圃場ごとの収量。
病害虫。
肥料。
機械。
販売。
すべての履歴が蓄積される。
AIは、そのデータを使って高い精度で提案するようになる。
ところが、サービス利用料が大幅に上がる。
別のサービスへ移ろうとすると、
データ形式が違う。
過去の分析モデルを持ち出せない。
自分の圃場についてのAIの記憶を移せない。
農機も、元のサービスでなければ連携できない。
という問題が起きる。
農家は土地を所有している。
しかし、その土地をうまく運営するためのデジタルな知識は、サービス企業の中にある。
土地の所有者でありながら、自分の農場データの小作人になる。
という状態が起こり得る。
その未来を避けるには、
- データの出力形式を標準化する
- 農機メーカーをまたいで利用できる
- 生データだけでなく、設定や判断履歴も移行できる
- サービス終了時にも閲覧できる
- AI学習への二次利用を選べる
- 他の農家のデータと混ぜる場合の利益配分を明確にする
必要がある。
農業のデジタル化は、土地を守るための技術である。
同時に、農家の意思決定権をプラットフォームへ移す技術にもなり得る。
一つのAIが、多くの農家へ同じ判断を勧める危険
AIが、一つの農場へ最適な作物を提案する。
その判断だけを見れば合理的かもしれない。
しかし、地域の農家全員が同じAIを使ったらどうなるだろう。
来年は、この作物の価格が高い。
この品種は高温に強い。
この農薬が最も効率的。
AIは、同じデータを見て、似た提案を出す。
多くの農家が、同じ作物と品種へ切り替える。
すると、供給が増え、価格が下がる。
同じ病害虫へ弱い品種が地域全体へ広がる。
一つの判断ミスが、広い地域へ同時に影響する。
AIの普及によって、農家ごとの経験差が縮まる。
一方、判断の多様性まで失われる可能性がある。
農業の安定性は、全員が一番効率的な方法を選ぶことだけでは作れない。
異なる品種、作付け、販路、判断が残っていることにも支えられている。
農業AIには、個別農家の利益だけでなく、
地域全体の作付け集中。
品種の多様性。
市場への供給量。
病害虫リスク。
を見せる必要がある。
そして、最終的に何を作るかは、一つのAIの推薦だけで決めない方がいい。
AIは農薬や種を売る企業の販売員にもなり得る
農業AIが、
「この肥料を使うべきです」
「この品種へ切り替えるべきです」
「この農薬が最適です」
と提案する。
農家にとっては便利だ。
ただ、そのAIを誰が提供しているのか。
何を根拠に順位を付けているのか。
販売手数料を受け取っていないか。
自社製品を優先していないか。
を見る必要がある。
買い物AIの章で扱った問題が、農業でも起きる。
しかも農業では、一度選んだ資材が、収量、土壌、契約、翌年の作付けまで影響する。
AIが実質的な営農指導を行いながら、同時に資材販売で利益を得るなら、利益相反が生まれる。
農業AIには、
- 推薦と広告の区別
- 販売企業との関係
- 他製品を候補から外した理由
- 独立した研究との比較
- 長期的な土壌・環境への影響
- 農家が別の提案を選べること
が必要になる。
農家の参謀に見えて、実際には資材企業の営業担当であるAI
を作ってはいけない。
農業AIへのサイバー攻撃は、食料と土地へ直接影響する
農業AIが、単に情報を表示している間は、誤りの影響も限定される。
しかし、
水門を開く。
灌水を止める。
肥料を散布する。
農機を走らせる。
家畜の環境を制御する。
ようになると、サイバーセキュリティは物理的な安全問題になる。
OECDは、農業AIの普及において、農村部の通信環境、データ形式の分断、データ所有への不信と並び、サイバーセキュリティへの認識不足を主要課題として挙げている。
攻撃者が農業AIへ侵入すれば、
大量の水を流す。
作業時期をずらす。
誤った農薬量を指示する。
機械を停止させる。
作付けや販売に関する機密情報を盗む。
ことができる可能性がある。
一社のAIが多くの農場へ接続されていれば、一回の攻撃が地域全体へ広がる。
農業AIには、
通常時の自動化だけでなく、
通信が切れたらどうするか。
クラウドが止まったらどうするか。
不審な指示をどう検出するか。
人間が手動で引き継げるか。
を設計する必要がある。
完全自動化された農場より、AIが止まっても最低限続けられる農場の方が強い。
農家の仕事は、作業者から「農場システムの責任者」へ変わる
AIとロボットが作業を担うと、農家の役割は変わる。
自分でトラクターを運転する時間は減る。
水位を一枚ずつ見に行く時間も減る。
その代わり、
どのAIを使うか。
何を自動実行させるか。
どのデータを信頼するか。
異なる提案のどちらを選ぶか。
機械が止まったときどうするか。
どの土地を残すか。
地域の農家と何を共有するか。
を決める。
農家は、作物の生産者であると同時に、
人間、AI、ロボット、土地、地域をつなぐシステム責任者
になる。
ただし、全員が画面の前で農場を管理するだけになれば、作物と土地を見る感覚を失う。
AIが異常を検知しなければ、現地へ行かない。
センサーに表れない変化へ気づけない。
機械が作業した結果を、自分の目で確かめなくなる。
だから、農家の仕事から現場を完全に取り除いてはいけない。
現場へ行かなくても管理できることと、現場へ行く必要がないことは違う。
AIは、見るべき場所を絞る。
人間は、そこで数字に表れない現実を見る。
この分担が必要になる。
2029年までに、農業は三段階で変わる
2026〜2027年：観測と記録がつながる
最初に広がるのは、
気象。
土壌。
水位。
生育画像。
病害虫。
機械位置。
作業履歴。
原価。
の統合だ。
AIは作業を完全に自動化するより、
異常を知らせる。
作業時期を提案する。
記録と書類を作る。
ところから入る。
農業者は、どの圃場で何が起きているかを一つの画面で見られるようになる。
2027〜2028年：農作業がサービスとして連携する
ドローン散布。
収穫。
耕起。
草刈り。
土壌診断。
データ分析。
を、必要な時期だけ依頼する形が増える。
農家のAIと、農業支援サービスのAIが予約と作業順を調整する。
複数の農家が機械を共有し、圃場をまたいで運用する。
通常の発注や日程変更は自動化される。
2028〜2029年：産地単位で半自律化する
一つの農場だけではなく、地域や産地単位で、
作付け。
機械。
人員。
水。
防除。
収穫。
出荷。
が調整される。
人間は、土地利用、販売契約、災害対応、地域間の利害調整、重要な栽培判断へ残る。
2029年の本命は、
農家一人が、すべてを自分のロボットで行う未来
ではない。
農家一人が、複数のAI、地域サービス、共同機械を指揮し、以前より広い農地を管理する未来
である。
2029年、農業は四つの未来に分岐する
| 未来 |
起きること |
農業と地域への影響 |
| 地域共有型スマート農業 |
農家、農協、自治体、サービス事業者が機械とデータを共有する |
小規模農家も技術を利用でき、地域全体で農地を維持する |
| 大規模拡張型農業 |
少数の法人がAIとロボットで広い農地を管理する |
生産性と供給力は上がるが、経営判断が少数へ集中する |
| プラットフォーム小作化 |
機械、AI、データ、資材、販売が一つの企業基盤へ集約される |
農家は土地を持っていても、意思決定と利益を外部へ依存する |
| 自動化できる農地だけが残る社会 |
平地・大区画農地へ技術と資金が集中する |
中山間地や小区画農地が放棄され、地域機能が弱くなる |
最も期待したいのは、地域共有型スマート農業だ。
一軒ごとに高価な機械を買わない。
地域でロボットを共有する。
農家自身がデータのルールを決める。
AIによって、農家の人数が減っても土地を管理できる。
新規就農者は、地域の知識とAIの支援を受けながら参入できる。
一方、大規模拡張型農業も、食料供給を維持するうえでは重要になる。
少数の法人が広い農地を引き受けなければ、耕作されない土地が増える地域もある。
問題は、大規模化そのものではない。
地域の水、道路、土地利用、雇用について、誰が決めるのか。
である。
最も起きやすい危険は、プラットフォーム小作化かもしれない。
農家は土地を持っている。
作業も行っている。
しかし、
何を作るか。
どの資材を使うか。
どこへ売るか。
いくらで機械を借りるか。
を、プラットフォームのAIが事実上決める。
最悪なのは、自動化できる農地だけが残る未来だ。
日本全体の生産性は上がる。
一人あたりの耕作面積も増える。
それでも、山間部の農地と集落は消えていく。
農業の効率化に成功しながら、国土の維持には失敗する。
ということが起こり得る。
農業AIに必要な十の原則
| 原則 |
必要な設計 |
| 技術導入を目的にしない |
何の農地、食料、地域機能を守るのか先に決める |
| 所有と利用を使い分ける |
小規模農家もサービスや共同利用で技術へアクセスできるようにする |
| 農家へデータ権を残す |
閲覧、持ち出し、削除、別サービスへの移行を保障する |
| メーカーをまたいで接続する |
特定農機やプラットフォームへの固定を避ける |
| 人間の拒否権を残す |
AIの作付け、散布、土地利用の提案を農家が変更できるようにする |
| 安全とサイバー対策を組み込む |
異常停止、手動運用、ログ、権限制限を持たせる |
| 地域全体を見る |
一圃場の利益だけでなく、水路、防災、景観、周辺農地を考慮する |
| 知識継承を設計する |
ベテランの判断理由と、新人が経験する機会を残す |
| 長期的な土と環境を測る |
収量だけでなく、土壌、水、生物多様性、資材利用を評価する |
| 余剰を農家と地域へ返す |
作付け拡大だけでなく、所得、休息、安全、地域維持へ還元する |
この十の原則がなければ、スマート農業は、
農家を支える技術
ではなく、
少数の企業が農業を遠隔操作する仕組み
になる可能性がある。
確度が高いこと、まだ分からないこと
| 分類 |
予測 |
| 確度が高い |
気象、土壌、生育、機械、経営データを統合するAIが増える |
| 確度が高い |
自動操舵、ドローン、自動水管理、作業記録などの利用が広がる |
| 確度が高い |
機械の所有ではなく、作業代行、レンタル、シェアリングが重要になる |
| 確度が高い |
一人の農業者が管理できる農地面積は、デジタル業務と機械化が進む品目で拡大する |
| 確度が高い |
スマート技術に合わせ、品種、畝、区画、作業順を変更する必要が生まれる |
| 確度が高い |
農業データの所有、移行、二次利用、メーカー間接続が主要問題になる |
| 確度が高い |
気候変動への対応として、AI予測、高温耐性品種、精密な水・施肥管理が重要になる |
| 変数が大きい |
収穫や果樹管理など、器用さを必要とする作業のロボット化がどこまで進むか |
| 変数が大きい |
中小・零細農家が共有サービスを利用できる価格と地域網を作れるか |
| 変数が大きい |
スマート農業が新規就農を増やすか、経営の大規模集中を加速するか |
| 変数が大きい |
AIによる精密農業が、長期的な環境負荷を本当に減らすか |
| 変数が大きい |
中山間地域や小区画農地を、採算以外の価値も含めて維持できるか |
| 期待したい未来 |
少ない人数でも農地を維持し、重労働を減らし、農家の所得と時間を増やす |
| 最悪の未来 |
農地、データ、機械、販売が少数企業へ集中し、自動化できない土地と地域が切り捨てられる |
未来の方向を判断するには、スマート農機の販売台数だけでは足りない。
これから見るべきなのは、
- 農家一人あたりの管理面積
- 作業別の労働時間
- 農作業事故と熱中症
- 休耕・荒廃農地の変化
- スマート技術を利用できる小規模農家の割合
- 農業支援サービスの地域別供給
- 機械を所有せず利用できる料金
- AI提案を農家が変更した割合
- 農家が自分のデータを持ち出せるか
- 農機メーカー間の相互運用性
- 農薬、肥料、水の使用量
- 土壌と生物多様性の長期変化
- 農業者の所得、休息、仕事への自律性
- 地域の水路や共同作業を担う人員
である。
農地を守るとは、収量を最大化することではない
AIは、どの作物を作れば利益が出るかを計算できる。
どの農地を手放せば、経営効率が上がるかも示せる。
肥料と水を最適化し、少ない人員で広い面積を管理できる。
それは、日本の食料供給を維持するうえで必要な能力になる。
ただ、農地には、売上だけでは測れない時間が積み重なっている。
地域の水。
土。
景観。
生き物。
過去の農家が改良してきた土地。
隣の農地との関係。
次の世代が農業を始められる可能性。
AIが収益性の低い一枚を切り捨てたとき、その一枚とつながっていたものまで失われることがある。
だから、
農業AIへ何を最適化させるかは、農業者だけの技術設定ではない。
どんな国土と食料システムを残すかという社会の選択である。
農家一人とAIとロボットで、以前より多くの農地を管理できるようになる。
それは十分にあり得る。
しかし、一人で管理できる面積が増えるほど、その一人が担う判断も重くなる。
どの農地を残すのか。
どの地域から撤退するのか。
どの品種を作るのか。
どの企業へデータを渡すのか。
何を自動化し、何を人間の仕事として残すのか。
AIは、それぞれの選択肢を比較できる。
最も効率的な案も出せる。
それでも最後に必要なのは、
この土地を、効率が悪くても残したい。
と言える人間である。
AIとロボットが農地を守るのではない。
AIとロボットによって生まれた力を、どの土地のために使うかを決める人間が、農地を守る。
次章
AIが使う電力は、社会を豊かにするのか、圧迫するのか
AIエージェント、データセンター、ロボット、センサーが増えるほど、必要になるのは計算資源だけではない。
電力。
送電網。
冷却水。
半導体。
蓄電池。
土地。
AIが電力需要を増やす一方で、発電、送電、需要、再生可能エネルギーを最適化するAIも広がる。
次章では、AIがエネルギーを大量に使う存在であると同時に、エネルギーシステムを効率化する存在になる未来と、その電力を誰へ優先的に配るのかという問題を考える。
主な参考資料
農林水産省「農業労働力に関する統計」。
農林水産省「スマート農業技術の活用と今後の展望」。
農研機構「スマート農業実証プロジェクト・水田作の分析結果」。
農林水産省「スマート農業技術活用促進法」。
農林水産省「令和7年地球温暖化影響調査レポート速報」。
農林水産省「農地中間管理機構の実績」。
FAO「Digital Agriculture and AI」。
OECD「AI in Agriculture」。