気象・衛星・圃場・調達のデータをつなぎ、AIエージェントが圃場とサプライチェーンの「今」と、次にやるべきことを示します。
モデルは自社で検証したデータで学習・テストしています。AIワークフローは、貴社の業務に合わせて構築します。
2017年から実運用 · 日本・タイ・ラオス・ベトナム・コロンビア
要対応 木曜：受入能力を38 t超過（112%）
グループBの登熟が早まり、24時間で24 t増えました。期限まで残り3日。この96 tを土曜に移すと、木曜は262 t、土曜は306 tになります。
工場の日別受入量（t）· 受入能力は工場仕様、計画は契約に基づく · 本日は月曜
日別受入量: 月 284 t (受入実績), 火 296 t, 水 312 t, 木 358 t, 金 301 t, 土 210 t, 日 188 t, 月 276 t, 火 290 t, 水 335 t, 木 300 t, 金 270 t, 土 240 t, 日 205 t
| グループ | 収穫可能日・量 | 状態 | 圃場データ | 次の対応 |
|---|---|---|---|---|
| グループB | 木曜 · 96 t ±10 | 要対応日 | 本日 06:10 | 土曜へ移動 |
| グループD | 来週水曜 · 88 t ±12 | 注意日（105%） | 3日前 | 確認 |
| グループC | 予測なし | データなし | 8日間未確認 | 圃場確認を依頼 |
なぜ木曜は受入能力を超えるのですか？
3件のデータを確認気象 · 衛星 · 圃場報告
グループBの登熟が早まり、木曜の予測が24時間で24 t増えました。木曜は5グループで計358 t、受入能力は320 tです。
グループBを土曜に移すと、どうなりますか？
2件のデータを確認入荷計画 · 受入能力
木曜は262 t（受入能力の82%）、土曜は306 t（96%）になります。来週水曜は105%のままなので、グループDを引き続き見ていきます。
圃場データがないグループは？
1件のデータを確認圃場確認の記録
グループCは8日間圃場確認がなく、まだ予測が出せません。圃場チームへの確認依頼を下書きしました。
2017年から自社で収集・検証してきた圃場データに、1980年からの気象記録と衛星データを組み合わせています。これが、サプライチェーンの生産計画をつくる土台です。
ListenFieldは貴社のビジネス目標を把握し、危機になる前にリスクを検知して、次の行動案を期限付きで用意します。
データは一か所に集め、行動は現場に任せます。データの準備と分析は自動で行い、判断と実行は業務に関わる人が担います。
お客様の一部をご紹介します
パートナー
一つの目標に対して3つのAIサブシステムが稼働します。データの準備と分析は自動で行い、判断と実行は業務に関わる人が担います。
AIが毎日340以上の圃場を評価。地域全体レベルから微細なプロット単位までの収量モデルを展開し、最大21日前に収穫時期と潜在的リスクを予測します。
サプライチェーン全体の鳥瞰図を集約・分析し、地域・作物種・調達源を横断した供給見通しを工場の生産目標と直接結び付けます。
エージェントがタスクとスケジュールの案を作成し、貴社のチームが承認して送信します。農家、農学者、フィールドワーカー、請負業者は、それぞれのモバイル端末でタスクを受け取ります。
Unilever
Livelihoods VenturesおよびKasetsart大学との再生農業米プロジェクト — 農家へのフィードバックループを改善するためのデータと分析。
Sun Sweet
予測可能な生産計画、精度の高い予測結果、作付け計算機を含むリスク低減ツール。
Sapporo Beers
成長モニタリング、成熟予測、倒伏検知 — 研究チームと農家の双方から高い評価。
ListenFieldのAIプラットフォームは、衛星画像、気候モデル、土壌データを統合し、サプライネットワーク全体を継続的に監視します。供給不足が発生してから対応するのではなく、リスクシグナルを早期に検知し、先行的な再調達を可能にします。2017年以来、5カ国の実際の食品・農業サプライチェーンの中で稼働しています。
まずはシーズン全体の見通しから始めます。季節予報を使い、3〜6か月先の供給見通しをお出しします。生産・物流・調達の計画に間に合うタイミングです。最初の数字は見通しであり、確定値ではありません。シーズンが進み、圃場データや衛星データが加わるにつれて予測を更新し、精度が高まっていきます。最も確かなのは収穫前の数週間です。リスクシグナルと収穫時期のアラートは、栽培期間を通じてお届けします。
スイートコーン、大麦、ばれいしょ、野菜、サトウキビ、稲、キャッサバ、ハーブの実証済みモデルを、日本、タイ、ラオス、ベトナム、コロンビアで展開しています。新しい作物への対応は、データの利用可能性や栽培サイクルに応じて30〜90日で構築・運用開始が可能です。AIはシーズンごとにお客様の圃場と条件から学習します。精度は作物・地域・季節・圃場データの量によって変わるため、お客様ごとに率直にご説明します。
SAPやOracleなどのERPシステムは、工場側の生産データ（発注、生産、出荷実績）に焦点を当てています。ListenFieldは、原材料が工場に届く前に圃場で何が起きているかに焦点を当てます。土壌状態、気候パターン、作物の生育段階などの環境データを取り込み、AIモデルがこれらの条件と供給リスク・収量変動・収穫時期との関連を学習します。ERPは過去を記録し、ListenFieldは未来を予測して圃場の状況を工場計画に結びつけます。
従来のBIツールはグラフやレポートを提供しますが、データパイプラインの構築、数値の解釈、アクションの決定はユーザー自身が行う必要があります。ListenFieldは、圃場データと衛星画像・気象モデル・土壌調査を接続するデータパイプラインを構築し、お客様固有のワークフローを学習します。汎用的なダッシュボードではなく、各関係者に合わせた実行可能なインテリジェンスを提供します。工場長には供給予測、農学者には圃場レベルのリスクアラート、物流チームには収穫スケジュールが届きます。データの準備と分析は自動で行い、判断と実行は業務に関わる人が担います。
先進的な食品・農業企業に選ばれ、5カ国で稼働しています。お客様の一部をご紹介します。Sun Sweet（タイ、スイートコーン）、Eastern Sugar & Canes（タイ、サトウキビ）、サッポロビール（日本、大麦）、Unilever（再生型農業米）、PepsiCo（ジャガイモのサプライチェーン）、味の素（キャッサバ）、住友化学、East West Seeds、VSC Food。クボタには戦略的投資家として参画いただいています。ADB、IFC、JICA、UNDPの開発プログラムにも取り組んでおり、その一つがADBの大メコン圏（GMS）における気候変動対応型農業プロジェクトです。