普及指導の“答え”を即時に。農業特化型生成AIで栽培マニュアルと現場Q&Aを自動生成

背景・課題

生産現場からの「この病斑は？」「今週の管理手順は？」といった質問に、普及指導員や研究者が資料検索→要点抽出→説明文作成を個別対応しており、知識の属人化と回答リードタイムが課題。高齢化・人員減のなか、正確で地域適合な栽培ノウハウを“文章”として迅速に届ける仕組みが求められていた。

AI活用ソリューション

解決策は、研究所・公設試・JA等が保有する『栽培マニュアル／栽培暦／営農指導記録／研究データ』を収集・整備し、検索拡張（RAG）対応の日本語LLMに統合した“営農文章自動生成AI”。現場の普及指導員や研究員はスマホ／PCから自然文で質問→AIが1) 作物・品種・地域条件を自動判別、2) 根拠データを参照し、3) 「今日～1週間の管理手順」「病害虫の見分け方と防除の要点」「必要資材と注意点」を箇条書き＋平易な説明文で生成、4) 参照元（章・ページ）と確認チェックリストを併記。出力は“そのまま説明に使える下書き”なので、担当者は最小限の追記で配布文書・張り紙・LINE連絡・研修資料に転用できる。学習データは国内の栽培知識に特化し、ハルシネーション抑制のためにRAG＋評価用Q&Aで精度管理。これにより『正しい内容を、誰にでも伝わる文章で、すぐに』を実現する。

AI導入前後の変化

成果・効果・ROI

・回答品質：専門領域Q&Aで汎用生成AI比＋40%の正答率向上。・スピード：作成リードタイム短縮により現場対応の即応性が向上。・伝承：高度なノウハウを誰でも使える文章に変換し、新規就農者の育成を加速。・ROI試算例（前提：指導員10名、各月20時間の調査業務→30%削減、時給4,000円、運用費月10万円）：月あたり人件費削減24万円−運用費10万円＝14万円の純効果。初期費300万円なら約22か月で回収（実データに合わせて要再試算）。

実事例

農研機構は国内初の農業特化型生成AIを開発し、2024年10月から三重県でイチゴ栽培の試験運用を開始。公設試やJAの栽培マニュアル等を学習し、RAGで根拠を示しながら栽培手順や対策の説明文を自動生成。汎用AI比で正答率40%向上、普及指導員の調査時間3割削減を目標に全国展開を見据える。

https://www.naro.go.jp/publicity_report/press/laboratory/rcait/166108.html

さらなる展開

・他作目（果菜・果樹・稲・麦）への拡張と地域別バリアントの自動生成。・現場写真やセンサーデータを添付して“画像＋テキスト一体”の診断説明文生成。・研修用に、質問傾向から弱点テーマを抽出し“自動カリキュラム”や小テスト問題文を生成。・広報／販促では、営農トピックを一般向け解説やSNS投稿に自動変換し、行政・研究成果の社会実装を加速。・水産・林業部門でも、漁期・漁法や造林・間伐手順の“現場説明文テンプレート”生成に横展開。

導入ロードマップ

1. 現状分析 - 対象作目と地域（例：三重県・イチゴ）を限定し、現場Q&Aと既存マニュアルの所在・形式・更新頻度を棚卸し。回答リードタイムと改訂フロー、権利・公開範囲を確認。
2. 費用対効果の試算 - 月間質問件数×平均調査時間×人件費で削減余地を算定。初期費（データ整備・学習・環境構築）と運用費（API/推論・保守）を見積もり、回収期間を提示。
3. PoC検証 - 限定ユーザーでRAG＋日本語LLMを構築。10〜20問の代表質問で正答性・可読性・根拠提示・再現性を評価し、閾値未満はデータ追加・プロンプト修正。出力体裁（手順、注意、根拠リンク、配布用レイアウト）を固める。
4. 社内稟議 - PoC結果（精度、工数削減、情報漏えい対策、運用体制）を提示。データ提供元（公設試・JA等）との覚書、更新責任者と改訂ルール、監査ログ設計を明記。
5. 本番導入 - 対象作目を順次拡大。FAQ自動更新、フィードバック収集、モデルの定期再学習を運用化。出力テンプレのCMS連携で“質問→配布文書化”までをワンフロー化し、KPI（回答時間、採択率、利用率）を月次可視化。