Система Cropwise AI Machine Manager кардинально меняет процесс управления парком техники, используя искусственный интеллект для распределения ресурсов. На основе анализа сезонных и ежедневных данных система выявляет недостатки использования оборудования, прогнозирует потребности в аренде и автоматически генерирует оптимизированные задачи.

Цифровой сервис AI Machine Manager умеет:

• планировать задачи и ресурсы с учетом местонахождения оборудования в режиме реального времени;
• обрабатывать операционные данные из нескольких источников (система управления агропредприятием и платформы поставщиков оборудования);
• корректировать задачи с учетом погодных условий, техобслуживания, доступности операторов;
• оповещать о необходимости профилактического осмотра техники для предотвращения простоев;
• учитывать агрономические данные о стадиях роста культур для принятия более обоснованных решений по планированию сельхоз операций.

Результатом является повышение производительности, снижение эксплуатационных расходов и принятие более обоснованных решений, что помогает сельхозпроизводителям с уверенностью управлять все более сложными операциями.

Константин Дубина, менеджер по развитию цифровых сервисов Syngenta и руководитель команды ИИ-разработчиков, пояснил: «При создании сервиса мы постарались решить сразу две проблемы хозяйств — стратегическую и оперативную. С одной стороны, помочь увидеть реальные узкие места в загрузке техники и понять, где возникают нехватки. С другой — упростить ежедневное планирование, когда машин много, задач много, а условия постоянно меняются. Наша роль была в том, чтобы собрать работающий прототип, проверить его на практике и передать команде прозрачный, устойчивый фундамент для дальнейшего развития. Приятно видеть, что эта работа стала частью продукта, который действительно облегчит принятие решений в поле».

Российская цифровая команда «Сингенты» полностью закрыла весь MVP-контур.

• Сформулировала проблему и задачу, провела исследование текущих процессов управления техникой и совместного использования.
• Сделала концепт решения: описание логики ИИ, сценариев использования, ключевых метрик и ограничений.
• Подобрала технологический стек, протестировала разные варианты архитектуры и библиотек для планирования, оптимизаций и сопоставления техники.
• Провела пилотирование на двух холдингах: снятие операционных данных, тест нагрузки, проверка корректности прогнозов и расписаний.
• Собрала полноценный MVP на API, включая все сервисы, алгоритмы и основные маршруты данных.
• После успешного пилота передала работающий прототип в core-команду Cropwise для финальной промышленной сборки и интеграции в Operations.

Таким образом, российская команда разработчиков сделала весь фундамент — от идеи до работающего API-продукта, который лег в основу финального решения.