畑から人が減る速度、AIが畑に入る速度。担い手100万人割れの夏に、無人農機と相談チャットを数えた

7月の畑は、草が伸び、水を見回る季節です。農林水産省の資料でも、草刈りと水管理は営農上の負担の代表格として名指しされています。その負担を引き受けてきた人の数が、今年、節目を越えました。

農業を主な仕事とする「基幹的農業従事者」（＊1）は、2020年の136.3万人から2025年に103.6万人へ減り、2026年の調査では98.7万人と、はじめて100万人を下回りました。2026年の値は標本調査にもとづく推定値なので、全数調査だった前の2つの数字と厳密に比べることには農林水産省自身が留意を促しています。それでも、6年間で4分の1あまりが減ったという傾向まで否定する材料はありません。しかも減り方の主因は、流出というより年齢です。98.7万人のうち65歳以上が69.3万人と、およそ7割を占めます。平均年齢は67.7歳で、この6年ほとんど動いていません。若い世代が入らないまま、同じ世代が畑とともに歳を重ねている姿が、そのまま数字になっています。

農業がめずらしいのは、「AIが仕事を奪うのか」と心配する前に、仕事のほうが先に担い手を失っていくと分かっているところです。この空白にAIと機械はどこまで来ているのか。日米の農機メーカー、日本の認定制度、当サイトが日々収集している研究データベース、海外の相談チャットの順に見ていきます。

論点1: 人が乗らないコンバインは、もう値札が付いて売られている

クボタは2017年にトラクタ・田植機・コンバインの3機種で自動運転技術を公開し、同年に自動運転トラクタを市場投入しました。そして2023年6月、人が搭乗せずに自動運転でコメ・麦の収穫作業ができるコンバイン「アグリロボコンバインDRH1200A-A」を発表します（発売は2024年1月）。同社はこれを世界初としており（2023年6月14日時点・クボタ調べ）、この発売で主要3機種のすべてに無人仕様がそろいました。

仕組みの説明は具体的です。最初にほ場の最外周を1周だけ人が運転して刈り取ると、その走行から機械が最適な刈り取りルートを作り、2周目からは、ほ場のわきで人が監視する条件のもと無人で刈り進めます。機体の前後左右に付けたAIカメラとミリ波レーダが周囲を監視し、人や障害物を検知すると自動で停止します。希望小売価格は無人仕様で税込およそ2,204万〜2,332万円です。安い買い物ではありません。それでも、これは実証実験の話ではなく、値札の付いたカタログの話です。もうそういう段階まで来ています。

米国のJohn Deereも同じ方向へ進んでいます。同社はCES 2022で自律走行トラクタを初公開し、CES 2025では第2世代の自律走行キットを発表しました。ポッド状に配置した16台のカメラで機体の周囲360度を捉え、遠距離の深度計算を改善したことで、より多くの作業機を牽引しながらより速く走れるとしています。対象も広がりました。大規模農場の耕うんを担う自律9RXトラクタに加えて、果樹園の農薬散布向けには、生い茂った樹冠の下でも周囲を捉えられるようLiDARセンサーを足した自律5MLトラクタが発表されています。

なぜ無人にするのか。理由の説明は日米でそろっています。クボタはリリースの冒頭で「人手不足や作業効率化など、担い手農家が抱える経営課題」を挙げ、John Deereは米国の農業団体American Farm Bureau Federationの推計として、米国では毎年およそ240万件の農作業の働き口が埋まらない、との数字を引いています。特定の作物を高く売るためではなく、作業者の空白を埋めるための自動化だという位置づけは、両社で一致しています。

論点2: 国のお墨付きは、水田とロボットに集まっている

日本は2024年、この流れに法律の枠を用意しました。スマート農業技術活用促進法です（2024年6月14日成立・10月1日施行）。認定制度が2つあり、農業者の取り組みを認める「生産方式革新実施計画」と、技術を開発・供給する企業側の「開発供給実施計画」のどちらも、認定されると税制や金融の支援を受けられます。

認定は積み上がりつつあります。農林水産省の資料「スマート農業をめぐる情勢について」（2026年6月版）によると、生産方式革新実施計画は198件（2026年6月11日時点）、開発供給実施計画は54件（2026年5月29日現在）です。

内訳を数えると、偏りが見えてきます。生産方式革新実施計画198件の品目内訳は、資料の概要ページを数えるかぎり水稲が108件と過半を占めます。たとえば山形県の29件のうち23件が水稲です。日本の農業政策の主戦場が今も水田にあることが、認定の分布からも読み取れます。

開発供給実施計画54件の中身は、収穫ロボット・除草ロボット・ドローン・センサー・管理アプリのオンパレードです。雑草の成長点にレーザーを照射する除草・害虫防除ロボットがあり、キャベツの自動収穫機があり、トマトやイチゴの受粉ドローンと害虫吸引ロボットがあります。AIを正面に掲げるものでは、ぶどうの等級判定を行うAI選果機や、病害虫予測AIと農薬提案AIを組み合わせた防除アプリが認定されています。

ただ、54件の概要を1件ずつ見ていっても、大規模言語モデルで相談に乗るタイプの計画は見当たりませんでした（概要文からの判断です）。国のお墨付きが集まっているのは、いまのところ腕と目の自動化です。話し相手になるAIはこのリストにまだおらず、あとで見るとおり、先に立ち上がったのは海外でした。現れるかどうかは観測点にします。

論点3: 論文の世界で農業は少数派。そこに「相談にのるAI」が現れた

機械の次は、論文の側を数えます。当サイトが2026年7月16日までに収集した研究カテゴリの記事8,076本のうち、農業を主題とする研究は目視で確認できた範囲で17本、割合にして0.21%でした。

数え方を先に書いておきます。この数字は「農業・作物・病害・農地・温室・灌漑・精密農業・収穫・農家」の9語で当サイトの日本語タイトル・要約・キーワード欄を部分一致検索し、引っかかった22本をすべて開いて、主題が別の5本（金融研究への誤マッチ、ゲーム環境上のエージェント評価、洪水警報システムなど）を除外した結果です。論文の本文全文を検索したものではないので、「農業AI研究が世界に17本しかない」という意味ではありません。当サイトの収集網とこの物差しで見える範囲の数字です。

数えていておもしろかったのは、むしろ外れた語のほうです。「トラクタ」で検索すると8本が引っかかりますが、開いてみると8本すべてが力学系の用語「アトラクタ（attractor）」への誤マッチで、農業研究は1本もありませんでした。さらに「水稲」「田植」「農機」「スマート農業」は0件です。論点2で見た現場の言葉が、研究の言葉とほとんど重なっていません。当サイトの要約が英語論文から作られる際の語彙の癖という側面もあるはずですが、少なくともこのデータベースの中では、日本の水田の語彙で研究を探しても何も出てこない、というのがありのままの結果です。

17本の中身は、機械の目を作る研究が主流です。9本が畑のセンシングとロボットに関わるもので、夜間でも走れる視覚ナビゲーション、葉の茂みに隠れて安全センサーが見落とす障害物の検出、少ないデータで害虫アブラムシを見つける画像検知のように、昼夜・茂み・データ不足といった畑特有の条件と格闘しています。夜間ナビゲーションの論文が夜間作業の利点として挙げるのは、24時間の監視・収穫と、夜行性害虫の検出です。人が寝ている時間も畑を回したい。この動機は論点1の無人農機と地続きです。

そこに今年の6月末から7月にかけて、毛色の違う研究が入ってきました。大規模言語モデル（LLM）を使う研究が、17本のうち4本あります。

4本に共通するのは、答えの正しさを言いっぱなしにしない工夫です。シミュレーションで検算する、評価の型を作る、模擬試験を用意する、論理で検証する。農業の助言は間違えると農薬や収量という取り返しのつきにくい形で跳ね返るため、LLMをそのまま畑に放すのではなく、検算の仕組みごと持ち込もうとしている段階だと読めます。

論点4: 相談できる人が足りない国では、AIが先に相談相手になった

では、相談相手としてのAIはどこで動いているのか。先に広がっているのは、助言する人が足りない場所でした。

農家に栽培技術や市況を伝える仕組みは、普及事業（agricultural extension・＊4）と呼ばれます。OpenAIが公開している事例によると、インドには40万人を超える普及員がいます。それでも1人あたり農家650人です。手が回りません。この空白に向けて国際NGOのDigital Greenが作った生成AIチャットが「Farmer.Chat」で、同団体がインド・エチオピア・ケニアの農業省と15年かけて積み上げてきた、50を超える言語・8,000本近い農家向け実演動画の蓄積を土台に、農家や普及員の質問へヒンディー語やスワヒリ語を含む地域の言葉で答えます。ChatGPT向けの派生版なら、作物の写真を撮って病害の診断を仰ぐこともできます。

費用の試算も公開されています。従来の普及サービスが農家1人あたり35ドルかかるのに対し、生成AIを使えば0.35ドル、およそ100分の1まで下がり得るという初期の見積もりです。そのとおりに進むかはまだ分かりません。それでも、人を増やせないなら助言を安くする、という発想がこの数字には素直に表れています。取り組み自体は当サイトも2024年に収集していて、その後、運用データにもとづく研究論文も出ています。

こうして並べると、入り口の違いが見えてきます。日本の認定リストを埋めていたのは、収穫ロボットや除草ロボットのような腕と目の自動化でした。海外で先に規模が出ているのは、相談という口の仕事です。日本には都道府県の普及指導員という相談の受け皿が既にあるぶん、空白の形が違うのだろうと想像はできます。ただ、ここは資料で確かめた話ではないので、想像の域に留めておきます。

観測点

答え合わせのできる定点を3つ置きます。

その1。認定の数と、水稲の比率は動くか。起点は、生産方式革新実施計画198件（2026年6月11日時点・うち水稲108件）、開発供給実施計画54件（2026年5月29日現在）です。農林水産省の「スマート農業をめぐる情勢について」の次の版で、件数の伸びと、水稲以外の品目がどれだけ増えたかを確かめます。次に見るのは2026年12月ごろです。

その2。国の認定リストに、対話型の営農相談は現れるか（記録型）。起点は、開発供給実施計画54件の概要にLLMによる対話型営農相談が0件、という2026年5月末時点の状態です。現れた時点で記録します。確認はその1と同じ資料で行います。

その3。当サイトの研究データベースで、農業とLLMの重なりは増えるか。起点は、研究記事8,076本中の農業研究17本（0.21%）、うちLLM系4本です（2026年7月16日収集分まで）。数え方は論点3に書いた9語での部分一致検索と目視の除外で、次回も同じ物差しで数え直します。件数は当サイトの収集量に左右されるため、割合で比べます。次に見るのは2026年10月ごろです。

畑の統計は、多くの業種より先に答えが出ています。担い手が減っていくことは、もう予測ではなく集計の結果です。その空白へ向かって、2,000万円台のコンバインと、54件の認定ロボットと、0.35ドルの相談チャットが、それぞれの速度で進んでいます。間に合うのかどうかは書きません。数え続けます。

注釈

＊1 基幹的農業従事者 — 個人経営体の世帯員のうち、ふだんの主な仕事として自営農業に従事している人を指す統計上の区分。農業就業人口よりも狭く、「農業が本業の人」に近い数え方。

＊2 マルチエージェント — 役割の異なる複数のAIが、分担や相互チェックをしながらひとつの仕事を進める構成。ひとつのモデルに全部を任せるより、誤りを見つけやすくする狙いで使われる。

＊3 ファインチューニング（fine-tuning） — 汎用の学習済みモデルに、特定分野のデータで追加の学習を施し、その分野向けの受け答えに調整すること。

＊4 普及事業（agricultural extension） — 研究機関の知見を農家へ届け、栽培技術や経営の相談に乗る公的な仕組み。日本では都道府県の普及指導員がこの役割を担っている。