訂閱/取消電子報
歡迎填寫您的電子郵件，日後若有農企業的相關活動或資訊，我們將會以電子郵件通知您，謝謝。
日本農業面臨的挑戰與數位轉型
- 作者簡介日本流通經濟研究所 執行董事 折笠俊輔
出生於福島縣郡山市。畢業於早稻田大學商學部，並在筑波大學研究生院商學研究科獲得碩士學位。曾在精密設備製造商工作，2010年加入流通經濟研究所。現任流通經濟研究所高級研究員兼常務董事，專精農產品行銷、物流標準化及區域品牌推動。具豐富政府專案與企業顧問經驗，曾任農林水產省專案經理，並致力於農業數據平台發展。著有《農民的未來在於行銷思維》等書，積極推動農業供應鏈數位轉型與創新。 - 類別產業報導
- 作者日本流通經濟研究所 執行董事 折笠俊輔
瀏覽數26
#智慧農業 #機械農業技術 #農業監測設備及控制系統
日本農業面臨的挑戰與數位轉型
日本流通經濟研究所
執行董事
折笠俊輔
1. 聚焦農業數位轉型與智慧農業
在日本，作為國家農業戰略藍圖的《食品、農業及農村基本法》於2024年5月進行了25年來的首次修訂。該法旨在因應全球糧食情勢的變化及國內農業勞動力短缺，強化糧食安全。值得注意的是，此次修訂首次明確提出透過運用智慧科技來提升生產力的目標。
推動這項修訂的關鍵因素在於農業勞動力短缺。根據日本政府的調查，日本核心農業勞動者的平均年齡已上升約5.5歲，從2000年的62.2歲上升至2025年的67.7歲（資料來源https://www.maff.go.jp/j/tokei/census/afc/）。
此外，隨著農業勞動力老化，在2005年至2025年的20年間，農業經營戶數減少了約60%，而這些經營戶管理的耕地面積也減少了17.5%（表1）。耕地面積的減少幅度小於農業經營單位數量的減少，這是因為每個經營單位的平均農場規模從1.9公頃增加到3.7公頃，翻了一倍。這表明，除非每個經營單位管理的面積增加，否則日本的農業生產很快將難以持續。我們必須實現以更少的人力進行更大規模的耕作。因此，農業的數位化和機械化正被推廣為「智慧農業」。
表１.日本的農業經營主體數量與農業經營面積
而表2.呈現了美國、歐盟及日本的農業生產力數據比較。表2.中的數據摘自世界銀行、聯合國糧農組織（FAO）及美國農業部（USDA）等來源。該數據為 2023 年的數據。
表２.世界與日本的農業生產力
(原文)
.png)
(中文)
勞動生產率的計算方式，是將農業增加值（亦指農業產值，其包含勞動力成本）——即農業銷售額減去生產成本（如種子與肥料成本）——除以勞動人口數。日本在這方面的數值最低。在美國，每位勞動者的農業增加值為76,613美元——約合1,150萬日圓——是日本的3.25倍。歐盟的數值則比日本高出約5,000美元。土地生產力定義為每公頃的（穀物）產量。美國以7.48噸的產量位居首位，而日本的產量為6.63噸，高於歐盟。全要素生產率（TFP）是衡量整體效率的指標，涵蓋勞動力、土地與資本，其計算方式是以1961年的生產率水平為100。換言之，美國的生產率是1961年的2.84倍。日本的生產力約為1961年的1.5倍，低於歐盟約2倍的水平。
這項數據顯示，雖然日本農業在土地生產力方面與其他已開發國家不相上下，但在勞動生產力方面卻明顯落後。換言之，儘管日本擁有提高產量的先進技術，並維持著高水準的土地生產力，卻過度依賴勞動力。因此，若與國際相比，其整體生產力並不高。
那麼，為何美國的勞動生產力與土地生產力均處於高水平？美國農業以大規模經營為特色，包括生產出口用玉米的農場，單一農場的耕作面積往往達數百至數千公頃。這些經營模式仰賴機械化（例如GPS導航拖拉機），得以在少量勞動力下管理大規模作業。這是一種基於規模經濟的生產模式，透過大規模單一作物生產來降低成本，可被描述為積極運用高性能機械、資訊通信技術（ICT）、精準農業及生物技術的資本密集型農業。簡言之，正因農業結構的特性在於價值由資本而非勞動力所創造，故勞動力生產率與土地生產率皆能維持在高水準。
另一方面，儘管歐盟農業與日本農業有許多相似之處——包括兩者均未像美國那樣發展出同等規模的大型農業經營——但日本的土地生產力較高，而歐盟的勞動生產力則較高。其中一個原因是，歐盟（特別是法國和德國）擁有許多中大型企業化農業經營，且由於全職農民構成勞動力核心，因此更容易提高僱用勞動力和生產的效率。在日本，雖然農業公司化正逐步推進，但仍有許多小規模、兼職的個人經營模式。除了勞動密集型特徵外，勞動力老化更形成了一種難以提升勞動生產力的結構。
鑒於這些情況，顯而易見的是，透過智慧農業提高每位勞動者的生產力，對日本而言至關重要。
2. 日本的智慧農業技術
日本的智慧農業大致可分為以下三項功能：
① 作業自動化
這包括透過使用機器人拖拉機及智慧型手機控制的水田灌溉系統來實現作業自動化，旨在緩解勞動力短缺並提升勞動生產力
② 簡化資訊共享
除了農業營運內的內部資訊共享——例如連結位置資料的管理應用程式，可將作業紀錄數位化與自動化，使非專業人員也能主導生產活動——目前亦正在開發跨企業的資料整合平台。
③ 資料運用
透過人工智慧分析來自無人機與衛星的感測資料以及氣象資料，得以預測作物生長狀況與病蟲害爆發，從而促進先進的農業管理。
此外，圖1.呈現了一張圖表，將特定日本私營企業所提供的系統與農業機械硬體，從管理與現場作業的角度出發，分類為硬體與軟體。
(原文)
(中文)
圖 1.日本農業數位轉型相關的硬體與軟體
硬體的典型例子包括配備人工智慧及其他技術的自動駕駛拖拉機（由久保田、洋馬等農業機械製造商提供）以及用於播種和噴灑農藥的無人機。這些設備與管理軟體協同運作以自動執行任務，操作紀錄也會自動儲存至資料庫中。久保田正致力於開發「KSAS（https://agriculture.kubota.co.jp/ksas/）」，這是一款能與農業機械整合的綜合農業支援軟體套件。此外，由德國巴斯夫（BASF）提供的AI驅動作物管理支援系統「xarvio（https://www.xarvio-japan.jp/）」，近期用戶數持續增長，主要用戶群為稻米生產者。Xarvio 結合衛星影像、氣象數據與 AI 分析，針對每塊田地提出施肥與病蟲害防治的最佳時機，藉此協助簡化農務作業，並提升產量與品質。
目前在日本逐漸普及的這些智慧農業技術，其主要目標在於提升生產力，具體包括以下幾點：
- 減少農業作業所需的人力。
- 提高農業作業的精準度，並避免人為錯誤。
- 蒐集以往無法取得的數據，並分析過去無法察覺的田間狀況。
- 減少依賴個人技能的任務，使任何人（包括兼職人員）都能執行相同的任務。
- 記錄農業作業及農地狀況以蒐集數據。
在日本，為推動智慧農業的發展，政府不僅提供技術研發補助，更設立補助措施以降低生產者的導入成本，從而促進技術的廣泛採用。
此外，由於透過更多訓練資料（特別是運用人工智慧時）能達到更高的精準度，目前正致力於建立農業資料共享平台，例如農事作業資訊、田間狀況以及農產品的供應鏈文件等。作為數據整合平台，「農業數據整合平台（WAGRI）」是共享智慧農業所需數據的基礎；而「智慧食品鏈平台（ukabis）」已建立並作為服務提供，旨在促進從生產、加工、分裝流通、銷售到消費的整個供應鏈數據整合。
3. 智慧農業面臨的挑戰
可以說，數位化與數位轉型（DX）的真正目的，並非單純地「以機器取代人力」或「將手寫紀錄轉為數位格式」，而是作為識別並解決業務挑戰的一種手段。我們需要的是以「引進機械以提升員工生產力」及「透過數位化即時識別業務挑戰」為核心的思維。從根本上說，透過採用智慧農業來提升每位農業從業人員的生產力，其最大效益在於能夠重新配置勞動力成本及人力等管理資源。
換言之，僅將類比任務數位化並不足夠；除非這能帶動整個業務與管理層面的決策與轉型，否則無法實現最大效益。因此，在導入智慧農業技術時，務必檢視企業內部營運與工作流程，並致力於找出現場面臨的挑戰。
此外，推動與擴展智慧農業所面臨的最大挑戰，在於招募及培訓能夠操作配備人工智慧的農業機械與系統的人員以及相關的實施成本。特別是引進與運作資訊科技的成本，必須審慎考量。在美國，肉類加工廠採用加工機器人的進程曾一度有所推進，但一旦發現使用人力——其成本低於安裝與維護費用——能使整體成本更低，加工機器人的採用便陷入停滯。
此外，能否充分運用資訊科技與智慧農業技術，在某種程度上取決於使用者的能力。雖然資料的蒐集與分析可以自動化，但最終仍需由人來審閱結果，並據此做出決策。正因為當今資訊科技與人工智慧技術日新月異，日本各界預期，無論是農業管理人員還是現場作業人員，都將需要提升自身技能。