Een paar weken geleden waren we op het Bloembollencongres in de Keukenhof. De gesprekken daar waren typerend voor wat we in allerlei sectoren horen, van akkerbouw tot tuinbouw en speciale teelten. Telers, adviseurs en brancheorganisaties worstelen allemaal met dezelfde vraag: hoe serieus moeten we AI nemen, en hoe snel komt het er daadwerkelijk aan?

Het eerlijke antwoord is dat het afhangt van waar je naar kijkt op de tijdlijn. De korte termijn ziet er heel anders uit dan de middellange termijn, die weer heel anders is dan hoe de sector er over twintig jaar uit zou kunnen zien. Het is belangrijk om die verschillen te begrijpen, want de maatregelen die vandaag de moeite waard zijn, zijn niet noodzakelijkerwijs dezelfde als die welke de scenario's voor over twintig jaar vereisen.

De komende vijf jaar: AI als ondersteuning bij besluitvorming

Hoewel discussies over de toekomst van de landbouw vaak de nadruk leggen op ambitieuze langetermijnmogelijkheden – van autonome operaties en versnelde gewasontwikkeling tot volledig traceerbare toeleveringsketens – zullen de komende vijf jaar waarschijnlijk worden gekenmerkt door meer praktische toepassingen. AI zal voornamelijk functioneren als een hulpmiddel bij besluitvorming, dat boeren en landbouwbedrijven helpt beter geïnformeerde beslissingen te nemen, in plaats van menselijke expertise te vervangen.

Door gegevens van sensoren, weersvoorspellingen, satellietbeelden, machines en historische prestatiegegevens te combineren, zullen AI-systemen aanbevelingen doen over het beheer van hulpbronnen, gewasbescherming, productieplanning en oogsten. Tegelijkertijd zal automatisering administratieve processen zoals nalevingsrapportage, documentatie en traceerbaarheidseisen steeds verder stroomlijnen.

De belangrijkste verandering zal niet de technologie zelf zijn, maar de manier waarop mensen ermee werken. Succes zal afhangen van het ontwikkelen van het vermogen om gegevens te interpreteren, aanbevelingen te evalueren en AI-inzichten te integreren met praktische ervaring. Hoewel de visie van een zeer autonome landbouw een vooruitzicht op langere termijn blijft, is de transitie al aan de gang door geleidelijke acceptatie en groeiend vertrouwen in AI-ondersteunde besluitvorming.

De komende tien jaar: van advies naar uitvoering

De verschuiving die zich rond de tienjarige horizon voltrekt, is ingrijpender. AI houdt op met voornamelijk adviseren en begint met uitvoeren.

Robots zullen planten, zieke planten verwijderen, variabele bemesting toepassen en individuele rijen irrigeren op basis van realtime behoefte — niet op basis van veldgemiddelden. Het concept van landbouw op plantniveau wordt praktisch: elke rij, elke zone, elke plant anders behandelen op basis van wat de data er daadwerkelijk over zeggen.

De productieplanning zal in realtime worden gekoppeld aan signalen van de vraag — prognoses van de detailhandel, exportgegevens, voorraadniveaus. De vraag zal verschuiven van “wat heb ik vorig jaar verbouwd?” naar “wat heeft de markt nodig, en hoe kan ik daarop inspelen?” Elk veld krijgt een digitale tweeling: een simulatie waarmee telers scenario's kunnen testen voordat ze ermee aan de slag gaan. Wat gebeurt er als ik twee weken eerder oogst? Hoe beïnvloedt dat de grootte en kwaliteit? Wat is het financiële resultaat?

De rol van de teler verdwijnt niet in deze wereld. Maar deze verandert wel ingrijpend. Het bedrijf wordt een door AI ondersteunde onderneming en de teler wordt de manager ervan.

De horizon van twintig jaar: structurele verandering

Als we verder vooruitkijken, worden de veranderingen fundamenteler. Sommige landbouwbedrijven zullen draaien met minimale menselijke arbeid — een manager, AI-systemen en autonome machines. In sectoren met sterke genetische programma’s zal AI de veredelingscycli drastisch versnellen door middel van genomica, voorspellende modellen en simulatie. Wat nu tien jaar duurt, kan straks in twee jaar.

Traceerbaarheid wordt volledig en wordt als vanzelfsprekend beschouwd. Elk product krijgt een digitale identiteit met daarin de volledige geschiedenis: veld, bodem, watergebruik, ziekten, inputs. Detailhandelaren in de meest veeleisende markten zullen hierom vragen. Dit is geen toekomstige regelgevingslast, maar een concurrentievoordeel voor degenen die de infrastructuur vroeg opzetten.

Niet elke sector zal dit punt in hetzelfde tempo bereiken. De sectoren die het best gepositioneerd zijn voor de invoering van AI hebben bepaalde kenmerken gemeen: hoge uniformiteit en standaardisatie, reeds gemechaniseerde activiteiten die operationele gegevens genereren, zich herhalende cycli die elk seizoen leermogelijkheden bieden, meetbare omstandigheden na de oogst en geografisch geconcentreerde productie waardoor datasets vergelijkbaar zijn. De bloembollenteelt in Nederland voldoet bijvoorbeeld aan de meeste van deze criteria. Dat geldt ook voor delen van de aardappel- en uienteelt, de glastuinbouw en de intensieve fruitteelt.

Een paar weken geleden waren we op het Bloembollencongres in Keukenhof. De gesprekken daar waren representatief voor wat we horen in alle sectoren, van akkerbouw tot tuinbouw en speciale gewassen. Telers, adviseurs en brancheorganisaties proberen allemaal hetzelfde te achterhalen: hoe serieus moeten we AI nemen, en hoe snel komt het daadwerkelijk?

Het eerlijke antwoord is dat het afhangt van waar je kijkt op de tijdlijn. De korte termijn ziet er heel anders uit dan de middellange termijn, die weer heel anders is dan hoe de sector er over twintig jaar uit zou kunnen zien. Het is belangrijk om die verschillen te begrijpen, omdat de maatregelen die vandaag de moeite waard zijn, niet noodzakelijkerwijs dezelfde zijn als die welke de scenario's voor over twintig jaar vereisen.

Een routekaart met drie horizonten

Wat dit betekent voor telers vandaag

De praktische implicatie is ongemakkelijk maar belangrijk: de kloof tussen degenen die nu datacapaciteiten opbouwen en degenen die afwachten, zal steeds groter worden. AI-systemen hebben trainingsdata nodig. De modellen die de boerderijen van de toekomst zullen adviseren en uiteindelijk zullen besturen, hebben jaren aan gestructureerde, veldspecifieke data nodig om van te leren.

Vandaag de dag is grond nog steeds het belangrijkste bezit van de meeste boerderijen. Na verloop van tijd zullen data in combinatie met modellen het echte onderscheidende vermogen vormen — en bepalen wie betere teeltbeslissingen neemt, lagere kosten heeft, een hogere kwaliteit produceert en snellere leercycli doorloopt. De telers die vandaag beginnen met het verzamelen van die data, zullen jaren aan opgebouwde kennis hebben tegen de tijd dat autonome systemen de norm worden. Dat is geen klein voordeel.

Wat we in ons eigen werk zien, bevestigt dit. Telers die drie jaar geleden met twee of drie sensoren zijn begonnen, hebben nu een beeld van hun velden dat hun buren simpelweg niet hebben. Ze weten welke percelen het snelst uitdrogen. Ze weten welke bodems verschillend reageren op dezelfde hoeveelheid regen. Ze weten waar irrigatie daadwerkelijk het verschil maakt voor de opbrengst. Die kennis stapelt zich op.

Het gesprek over AI in de landbouw is het waard om serieus gevoerd te worden. Niet omdat de technologie er al volledig is – dat is niet zo – maar omdat de basis die ervoor nodig is op dit moment wordt gelegd, seizoen na seizoen, op de boerderijen die ervoor kiezen om te beginnen.

Het Keukenhof-congres bracht telers, veredelaars, handelaren en onderzoekers uit de hele sector bij elkaar. Agurotech werkt al samen met telers die vandaag de dag die gegevensbasis aan het opbouwen zijn: ze volgen de bodemgesteldheid, monitoren de gezondheid van gewassen en zetten seizoensgebonden ervaring om in gestructureerde kennis die jaar na jaar wordt doorgegeven.

Het is de moeite waard om hierover te praten. De deur staat open. De vraag is wie er als eerste doorheen stapt.