Dok većina javnih rasprava o umjetnoj inteligenciji u Hrvatskoj i dalje vrti oko SaaS proizvoda, chatbotova i generativnog AI‑ja, tiho se formira nova, znatno konkretnija niša: agritech rješenja temeljena na IoT‑u, edge AI‑ju i industrijskoj automatizaciji. Umjesto da poljoprivredu promatraju kao sezonsku aktivnost ovisnu o iskustvu i vremenu, domaći timovi je počinju tretirati kao visoko optimiziran industrijski proces – s jasnim metrikama, kontrolnim sobama i digitalnim blizancima.
Od polja do servera: senzori, dronovi i algoritmi
Primjer takvog pristupa je AgrologiQ, rješenje koje kombinira mreže senzora u tlu, mikroklimatske stanice i dronove s multispektralnim kamerama. Sustav u stvarnom vremenu prati vlažnost tla, hranjiva, pojavu bolesti i stres usjeva, a podaci se agregiraju u centralnu platformu. Cilj je jednostavan: da poljoprivrednik donosi odluke na temelju podataka, a ne intuicije.
Sličan smjer zauzimaju i druge domaće tvrtke koje razvijaju preciznu primjenu pesticida i gnojiva dronovima, kao i pametno navodnjavanje temeljeno na vlasničkim senzorima vlage tla. Ti sustavi više nisu laboratorijski eksperimenti – dio rješenja već se nudi kroz međunarodne mreže poslovne suradnje i pilotira na gospodarstvima u Slavoniji, Baranji i Dalmaciji.
U praksi to znači da se tradicionalni obilazak polja zamjenjuje digitalnim nadzorom. Dron s multispektralnom kamerom u jednom preletu pokriva stotine hektara, a algoritmi na rubnim uređajima (edge AI) odmah označavaju zone stresa biljaka. Umjesto „špricanja cijelog polja za svaki slučaj“, poljoprivrednik može tretirati samo kritične dijelove, čime se smanjuje potrošnja sredstava i utjecaj na okoliš.
Edge AI na terenu: zašto obrada podataka ide bliže polju
Ključna promjena koju donosi edge AI u poljoprivredi jest pomicanje obrade podataka s centralnog servera na samu lokaciju – u traktor, dron ili kutiju s IoT senzorima. To je posebno važno u ruralnim područjima gdje je mobilna mreža nestabilna ili prespora za kontinuirani prijenos velikih količina podataka.
U praksi, uređaji na polju danas već mogu lokalno obraditi slike, detektirati štetnike, izračunati indeks vegetacije (NDVI) ili predvidjeti rizik od bolesti na temelju kombinacije temperature, vlage i povijesnih obrazaca. U oblak se šalje samo sažetak ili alarm, što smanjuje troškove i ubrzava reakciju.
„Ako odluku donosimo tek kad podaci stignu u cloud i vrate se natrag, već smo izgubili pola dana. Edge AI nam omogućuje da reagiramo dok je traktor još na parceli“, opisuje jedan domaći integrator koji radi na rješenjima za preciznu sjetvu i gnojidbu u suradnji s proizvođačima poljoprivredne mehanizacije.
Digitalni blizanci silosa i skriveni dio lanca
Dok se javnost najčešće fokusira na ono što se događa na polju, jednako važan, a često nevidljiv dio lanca je skladištenje i logistika. Hrvatski SME‑ovi posljednjih godina razvijaju AI‑em vođene sustave za automatizaciju silosa koji kombiniraju IoT senzore, prediktivnu analitiku i strojno učenje.
Ti sustavi prate temperaturu i vlagu zrna u realnom vremenu, stanje ventilacijskih sustava, kvarove opreme, pa čak i pojavu štetnika u skladištenju žitarica i uljarica. Podaci se vizualiziraju kroz digitalne blizance silosa – virtualne modele koji prikazuju stvarno stanje u svakom segmentu skladišta.
Cilj je jasan: smanjiti gubitke, potrošnju energije i potrebu za ručnim nadzorom. Prema podacima Hrvatske poljoprivredne komore, gubici u skladištenju zbog nepravilnih uvjeta i štetnika i dalje se mjere u milijunima eura godišnje. Svako smanjenje tih gubitaka kroz automatizaciju i AI izravno povećava maržu proizvođača i otkupljivača.
Važan detalj je i integracija s postojećim sustavima. Novi AI moduli moraju se povezati s ERP‑ovima, SCADA rješenjima i industrijskim kontrolerima koji u silosima rade već desetljećima. Upravo tu domaći integratori, naviknuti na kombiniranje „starih“ PLC‑a i novih cloud servisa, imaju kompetitivnu prednost.
Europski fondovi kao akcelerator domaćeg R&D‑a
Agritech i industrijski IoT savršeno se uklapaju u europske razvojne prioritete: klimatsku prilagodbu, održivu proizvodnju hrane i energetsku učinkovitost. Nije slučajno da se domaći projekti u ovom području sve češće kandidiraju za programe poput Eurostars i Horizon Europe.
Ti programi ne donose samo novac, već i pristup inozemnim partnerima. Hrvatski timovi se u konzorcijima spajaju s proizvođačima opreme iz Njemačke i Nizozemske, istraživačkim institutima iz Skandinavije i poljoprivrednim zadrugama iz Srednje Europe. Rezultat su rješenja koja od početka ciljaju međunarodno tržište, a ne samo lokalne pilot‑projekte.
Primjeri uključuju razvoj modularnih sustava za nadzor skladištenja žitarica, platformi za upravljanje navodnjavanjem na razini cijelog sustava kanala, ali i specijaliziranih AI modela za prepoznavanje bolesti na vinovoj lozi i maslinama – kulturama u kojima Hrvatska ima snažnu tradiciju i referentne lokacije za testiranje.
Akademija kao tvornica kadrova za industrijski AI
Važnu ulogu u ovom ekosustavu ima akademska zajednica. Na zagrebačkom Fakultetu elektrotehnike i računarstva već su uvedeni kolegiji fokusirani na razvoj programskih rješenja za industrijske IoT sustave, SCADA, digitalne blizance i integraciju strojnog učenja u industrijske procese. Studenti rade na konkretnim use‑caseovima industrijske automatizacije, proširene stvarnosti u postrojenjima i nadzora energetskih sustava.
Slično se događa i na drugim sveučilištima: osječki FERIT i Agronomski fakultet Sveučilišta u Zagrebu surađuju na projektima precizne poljoprivrede u Slavoniji, dok Fakultet strojarstva i brodogradnje radi na robotizaciji i autonomnim platformama za poljoprivredne zadatke.
„Poljoprivreda više nije samo agronomija; to je danas spoj elektronike, strojarstva, računarstva i data sciencea“, ističu profesori uključeni u te projekte. Ta interdisciplinarnost stvara profil stručnjaka koji je domaćim agritech tvrtkama ključan – inženjera koji razumije i senzore i PLC‑e, ali i specifičnosti tla, usjeva i regulative.
Zašto agritech i edge AI predstavljaju zrelu priliku za hrvatski IT
Za razliku od „čistog“ softvera, agritech i industrijski IoT zahtijevaju kombinaciju hardvera, softvera, domenskog znanja i regulative. Barijera ulaska je viša, ali i konkurencija manja. Dok se globalni SaaS i generativni AI tržište već guši od sličnih proizvoda, agritech rješenja koja stvarno smanjuju gubitke i potrošnju resursa još su relativno rijetka.
Hrvatska tu ima nekoliko prednosti. Zemlja je dovoljno mala da se nove tehnologije mogu brzo testirati na različitim tipovima gospodarstava – od velikih slavonskih ratara do malih dalmatinskih vinara. Istovremeno, članstvo u EU otvara pristup velikom tržištu i fondovima, a domaći integratori već desetljećima rade na industrijskim projektima u prehrambenoj, energetskoj i proizvodnoj industriji.
Trend suradnje između startupova, etabliranih integratora i fakulteta već je vidljiv. Startupi donose agilnost i nove poslovne modele, integratori znanje o terenu i postojeću bazu klijenata, a akademija istraživačku dubinu i kadrove. Ako se taj trokut suradnje uspije zadržati i skalirati, Hrvatska bi u idućih pet do deset godina mogla postati prepoznatljiv izvozni dobavljač „pametne poljoprivrede“ – ne samo kroz pojedinačne aplikacije, već kroz kompletne, industrijski robusne sustave.
Od pilot‑projekata do nove izvozne niše
Ključni izazov sada je prelazak s pilot‑projekata na sustavnu primjenu. Domaće tvrtke već imaju dokaze koncepta na poljima i u silosima, no potrebno je osigurati modele financiranja koji poljoprivrednicima i otkupljivačima omogućuju da takve sustave uvedu bez prevelikog inicijalnog troška.
Jedan od smjerova su modeli „tehnologija kao usluga“ (TaaS), u kojima poljoprivrednik ne kupuje opremu, već plaća mjesečnu naknadu za nadzor i optimizaciju. Drugi je snažnije uključivanje agritech rješenja u nacionalne i EU poticajne programe, kako bi digitalizacija poljoprivrede postala standard, a ne iznimka.
Ako se te prepreke uspješno adresiraju, hrvatski agritech i edge AI mogli bi izrasti u novu izvoznju nišu domaće IT industrije – onu koja ne prodaje samo linije koda, već vrlo opipljive rezultate: manje otpada, manju potrošnju vode i energije, veće prinose i stabilniju opskrbu hranom.
