Az Európai Bizottság Mezőgazdasági Főigazgatósága (DG AGRI) és a Digitális Gazdaság és Társadalom Főigazgatósága (DG CNECT) 2026. június 24-én online szakértői workshopot tartott a mesterséges intelligencia (MI) mezőgazdasági alkalmazásának előmozdítása és a megbízható MI-megoldások témájában. A rendezvény az uniós stratégiai infrastruktúra fejlesztésének aktuális állását foglalta össze, miközben bemutatta a terepen már működő technológiai megoldásokat és a széles körű MI-bevezetés útjában álló rendszerszintű akadályokat. A szakmai párbeszédben többek között az ITE munkatársai képviselték Magyarországot.
Stratégiai keret: adattér, MI-gyárak
A nyitóelőadásban a DG CNECT igazgatója az EU agrár-MI-ökoszisztémájának három stratégiai pillérét ismertette. Előszöris a Közös Európai Mezőgazdasági Adattér (CEADS) képezi az interoperábilis adathozzáférés alapját. Emellett a kilátásba helyezett Agrár-élelmiszeripari MI Platform lehetővé teszi majd a gazdák számára, hogy felfedezhessék az uniószerte alkalmazott MI-eszközöket. A harmadik elem pedig az MI-gyárak hálózata: a szuperszámítógépek köré épülő infrastruktúrák képesek meggyorsítani az innovációs folyamatot a kutatástól a szántóföldig.
Az adaptáció jelenlegi szintje és a rendszerszintű akadályok
A folytatásban az MI bevezetése kapcsán hallhattunk friss helyzetjelentést. A robotika és a prediktív analitika egyelőre még csak a nagy értékű kultúrákban és tőkeerős gazdaságokban terjedt el; a fejlett növény-, talaj- és állatállomány-monitoring pedig többnyire még csak pilot-programokra korlátozódik. A workshop által azonosított legfontosabb rendszerszintű akadályok a magas beruházási küszöb, a széttöredezett adatkörnyezet, az MI farmmenedzsment-rendszerekbe történő integrációjának nehézségei és a digitális készségek hiánya.
Működő megoldások a terepen
A workshop során három MI-alapú technológiai esettanulmányt is bemutattak. A gaiaTRAP egy olajbogyó-ültetvényekre fejlesztett autonóm kártevő-monitorozó rendszer, amely valós idejű képfeldolgozással és napi riporttal precízebb permetezést tesz lehetővé. A SIRTRAC mezőgazdasági gépekre szerelt képfelismerő modellel azonosítja az akadályokat, amit a fejlesztők tapasztalata szerint kis mennyiségű, de célzottan összeválogatott szántóföldi képanyaggal érdemes finomhangolni. Az AgriDataValue projekt (14 ország, 29 partner, 23 pilot) egyesített gépi tanulással kísérletezik többek között szőlőbetegségek előrejelzéséhez és döntéselőkészítéshez.
Hogyan növelhető a bizalom?
A záró kerekasztal-beszélgetésen az AgrifoodTEF, az Európai Tesztelési és Kísérleti Létesítmények (TEF) hálózatának, a CEADS és a francia Nemzeti Mezőgazdasági, Élelmiszeripari és Környezetvédelmi Kutatóintézet (INRAE) képviselői az EU digitális agrárökoszisztémájával kapcsolatos bizalom kiépítésének kihívásait járták körül. A résztvevők egyöntetűen hangsúlyozták: az unióban nem az adatok hiánya, hanem a zökkenőmentes MI-integráció és az adatszabványosítás a szűk keresztmetszet. A sikeres skálázáshoz transzparens, lépésről lépésre dokumentált utat kell kialakítani a tesztelési fázistól a nagyüzemi bevezetésig. Ehhez azonban a gazdálkodókkal kétoldalú és egyértelmű párbeszédet szükséges folytatni az érzékeny üzemi adatok kezelése kapcsán.
Közelgő esemény: EU Agri-Hackathon – 2026. október 16–18.
Az Európai Bizottság 2026. október 16–18. között versenyt szervez, melynek nem titkolt célja a technológiai fejlesztések és a gazdálkodói reálszféra összekötése. A verseny három fókuszterületre összpontosít: az adminisztratív terhek MI-vel való csökkentése, a távérzékelési és IoT-adatok innovatív felhasználása, valamint az agrár-élelmiszerellátási lánc átláthatóságát és nyomon követhetőségét erősítő digitális megoldások fejlesztése.
A regisztráció határideje 2026. augusztus 31. További részletek itt.
