Ученые представили проект на X Международной конференции «Конвергентные когнитивно-информационные технологии» в МГУ в ноябре 2025 года при поддержке Российского научного фонда. Разработка иркутских исследователей вписывается в более широкую волну цифровизации российского сельхоза, где искусственный интеллект становится ключевым инструментом повышения эффективности.

Аграрное производство сильно зависит от внешних условий: засухи, ливни, паводки, атаки вредителей и другие экстремальные факторы резко влияют на урожайность. Созданный в Иркутском ГАУ программный комплекс использует нейронные сети, чтобы моделировать урожайность пшеницы, ячменя, овса, картофеля, капусты и моркови в трех вариантах: при усредненных, неблагоприятных и благоприятных условиях.

По словам профессора университета, доктора технических наук Ярослава Иваньо, алгоритм моделирует экстремальные события — ситуации, когда комплекс позитивных или негативных факторов приводит к очень высокой или очень низкой урожайности. Система поддерживает краткосрочные прогнозы (на текущий год) и долгосрочные (на 3–5 лет вперед), опираясь на многолетние данные об урожайности с 1996 года по настоящее время, а также на суточные температуры и осадки из метеорологических пунктов наблюдений.

В России искусственный интеллект постепенно становится стандартным инструментом в аграрном секторе. Сейчас применением ИИ занимаются 12% аграрных компаний, при этом 37% планируют начать внедрение в ближайшей перспективе. По прогнозам, экономический эффект от внедрения ИИ-технологий может привести к дополнительной операционной прибыли свыше $6 миллиардов ежегодно.​

В российском аграрном секторе преобладают инвестиции в направления, которые дают быстрый и очевидный результат. Компании развивают цифровые платформы управления агробизнесом, интегрирующие данные из разных источников учета, включая IoT-датчики, большие массивы данных и предиктивную аналитику. Широко внедряются беспилотные летательные аппараты для мониторинга сельскохозяйственных угодий, а также технологии аналитики спутниковых снимков дистанционного зондирования земли. На животноводческих фермах ИИ помогает повышать эффективность содержания скота и контролировать здоровье животных. Параллельно растет спрос на автономную сельскохозяйственную технику, которая может работать без оператора. Однако при этом в меньшей степени развиваются специализированные агрофинтех решения и биотехнологии с применением ИИ, что указывает на определенные пробелы в финансировании и приоритизации этих направлений.

Разработка Иркутского ГАУ показывает, что российская аграрная наука активно формирует новые инструменты для повышения эффективности сельского хозяйства. Применение ИИ в прогнозировании урожайности и управлении хозяйством становится не просто перспективным направлением, а практической необходимостью в условиях растущих климатических рисков и необходимости повысить конкурентоспособность аграрного сектора.