Beyond Precision Agriculture: AI and Data-driven Information Systems as Catalysts for Sustainable Agribusiness Transformation
Timilehin Fawibe · Gbenga Samuel Ernest · Joshua Emmanuel 等 6 人
综述指出农业数字化瓶颈已从技术转向数据治理与系统集成，呼吁研究重心转向互操作与组织设计。
采用透明叙事检索与评价协议，综合十大主题领域的AI与数据驱动农业文献。
2023年后数据治理障碍而非技术障碍，成为农业信息系统集成的主要制约。
可研究农业数据互操作标准、治理机制与组织采纳路径如何影响可持续农业商业决策。
该综述指出数据治理与系统集成而非传感技术本身才是数字农业落地的关键瓶颈，观点有实质增量，但属学术综述、产业影响偏间接。
数字农业的主流叙事聚焦于各类离散技术，包括传感器、无人机、全球定位系统、遥感和机器学习，并主要依据其提高产量和改善投入品利用效率的能力加以评价。这种视角将分析视野收窄至农场大门，低估了一个更具深远意义的转变：只有当信息系统能够捕获、整合单个技术所产生的数据，并将其导入实际运营和战略决策时，这些技术才能为农业企业创造价值。本综述通过一条单一的组织路径——数据、分析、人工智能、信息系统、决策、可持续农业企业成果——批判性地审视人工智能和数据驱动的农业企业转型文献，并追问该领域的技术成就是否与系统集成和治理方面的相应进展相匹配。一项透明的叙述性检索与评价方案综合了十个主题领域的证据：农业大数据集成、预测性与规范性分析、农场管理信息系统(FMIS)、人工智能赋能的供应链分析、气候风险适应、可持续性与ESG分析、数据治理与网络安全、数字基础设施与采用、循环农业以及决策支持系统。证据表明，感知和算法能力的成熟速度快于将这些能力转化为已被采用的农业企业决策所需的组织和治理能力。在2023年以来发表的文献中，数据治理障碍而非技术障碍，已成为信息系统集成的主要制约因素。因此，研究、投资和政策关注应进一步转向数字农业的互操作性、治理和组织设计层面，而非继续主要集中于传感器精度或模型性能。