冨安さんがAIを使い始めて約3年。その間のAIの進化を、本人はこう振り返ります。

それが今年に入って一変しました。

Vol.2で紹介した温度モニタリングシステム、Vol.3のAirtable × LINE連携。どちらも今のAIだからこそ実現できた仕組みです。1年前のAIでは、エラーを繰り返して何十回もやりとりし、できるものも微妙だった。

そして、冨安さんから飛び出したのがこの言葉です。

コードを書く工程はAIが劇的に短縮した。開発のボトルネックは「人間が何を作るか考え、物理的に組み立てる部分」に移行したのです。

農業にたとえるなら、種まき機が超高速になったのに、「どこにどの品種をまくか」を決める人間の判断が追いつかないような状態。道具の進化が、人間の思考力と発想力を試す時代が来ています。

Vol.1〜3を通じて、冨安さんの実践に一貫しているのは「内製化」という思想です。

既存の農業アプリを契約する（＝外注する）のではなく、自分で組み立てる。なぜか。

Vol.2では、SwitchBotのAPIを使って温度データをLINEに飛ばした。Vol.3では、AirtableのデータをLINEから出し入れし、さらにChatGPT Actionsで畑から音声操作できるようにした。

これらはすべて、自分で作っているからこそ可能な連携です。商用アプリでは「アプリの中に閉じた世界」から出られない。しかし内製なら、新しい技術が出てきたときにすぐに繋げられる。

冨安さんの内製化は「安く済ませたい」という節約志向ではありません。「自分の現場に最適な仕組みを、自分で進化させ続けられる」という、長期的な自由度への投資なのです。

冨安さんには、一般の農家にはない特別な経験があります。OpenAIの方と直接対話する機会を得たのです。

きっかけは、Vol.1で紹介した100日チャレンジの大塚亜美さん。大塚さんがOpenAI側に冨安さんを推薦してくれたことで実現しました。レポートの共有などを通じた協力関係が生まれ、冨安さんは現在ChatGPT Proプランを活用しながら、農業現場でのAI活用を実践しています。

このエピソードが示すのは、現場で手を動かしている人の実践が、AI開発側にとっても貴重なフィードバックになるということです。

Vol.2では温度データ、Vol.3では作業記録・タスク・圃場情報。冨安さんが一貫してやってきたのは、「データを数値化してログに残す仕組み」を作ることです。

なぜデータが大事なのか。冨安さんはこう語ります。

こうしたデータが蓄積されていけば、やがてAIによる意思決定支援が現実味を帯びてきます。たとえば、「今朝の温度パターンは〇月〇日と似ています。あのときはビニールの隙間チェックで解決しました」――そんな提案をAIがしてくれる未来も、データの土台があってこそ実現します。

※上記はデータ蓄積の先にある活用イメージです

順序を間違えないこと。AIツールに飛びつく前に、データの土台を作る。これが冨安さんの3年間の実践から導き出された、もっとも実用的な教訓です。

北海道の農業はすでに大規模化が進んでいます。100haの冨安さんの農場でも、人手不足は切実な問題。Vol.2の温度モニタリングやVol.3のLINE連携は、「便利だから」ではなく「人が足りないから」という切迫した背景があるのです。

そして冨安さんは、もう一つの大きな変化を予感しています。

AIで農作業が省力化されれば、農家に余白が生まれる。その余白で、別の仕事を持つ。あるいは冨安さんのように、AIツールの開発や発信活動を農業と並行して行う。

実際に冨安さんは、100haの農場経営をしながら、温度モニタリングシステムを作り、自動巻き上げ機を開発し、noteやX、TikTokで発信し続けています。農家であり、エンジニアであり、発信者でもある。

個人の学び → 個人のDIY → チームで使う仕組み → 産業全体の未来。

冨安さんの実践は、一人の農家の挑戦を超えて、日本の農業がAIとどう向き合うかのモデルケースになっています。