農林水産 / 農業技術サービス
Bayer Crop Science：農業相談を担う従業員の支援
- 企業
- Bayer Crop Science
- 国
- ドイツ
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
米国のBayerの営業チームと作物の専門家は、農家が尋ねる農学と製品の質問に素早く正確に答える必要があった。審査を担ったAgTech Breakthroughは、正確な農学の知識が生産者にとって最も価値ある道具だが、必要な瞬間にいつも手が届くわけではないと指摘した。特定の時期と場所、季節に合った情報がとくに重要だと説明した。
使った技術とデータ
E.L.Y.は、エージェント型の生成AIの構造の上にフロンティアの大規模言語モデルを載せたシステムである。ここにBayerの農学データ、圃場試験の結果、製品ラベルの指示を結び付けて、文脈に合った答えを作る。検索拡張生成（RAG）の手法を使い、地域と作物、規制の要件に合わせて答えを整える。従業員はモバイルとウェブで使うクラウドの道具に、自然な言葉で尋ねる。モジュール構造なので利用者の体験を変えながら使え、モデルが小さいのでエッジ機器にも載せられる。
成果
Bayerは内部の基準で、顧客の質問への応答時間が60%改善したと述べた。従業員は週あたり最大4時間を節約したと報告した。Bayerは、AIの同僚と仕事を分けたおかげで、現場の従業員が毎週数千時間をより価値のある顧客サービスと活動に使い直せると説明した。E.L.Y.はAgTech Breakthrough AwardsでAI-based AgTech Solution of the Yearに選ばれた。
限界と残る課題
60%と週あたりの節約時間は、Bayer内部の基準と従業員の自己申告である。作物の収穫量が増えたという検証ではない。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。