スマート農業の導入で収量は平均12〜18%向上するが、現場で成果が出るのは「道具を入れる」ではなく「どのデータをいつ見るか」を決めた農家だけだ。
主要データ
- スマート農業実証プロジェクト数：217地区（農林水産省、2023年度）
- 水田センサー導入による労働時間削減率：23.4%（農研機構、2024年報告）
- ドローン農薬散布の作業時間：10aあたり約7分（従来の手散布は約60分、農水省調査2025年）
- 環境制御装置導入トマト農家の収量増加率：平均16.8%（高知県農業技術センター、2024年）
「データを取るだけ」で終わる農家が8割という現実
現場で最初に行き詰まるのは何か。
必ずといっていいほど「データを見ても何をすればいいかわからない」という段階であり、土壌センサーを10本刺して毎日スマホでグラフを眺めても収量が上がらない農家を何軒も見てきたが、この状況は機械の性能不足ではなく、データと営農判断の紐付けができていないことに起因している。
数字が物語る。
農林水産省のスマート農業実証プロジェクト（2023年度、217地区）の中間報告を見ると、導入初年度で「期待した効果が出ていない」と回答した農家は全体の62%に達しているが、この数値はプロジェクト参加農家のみで、補助金を使わず自費導入した農家の挫折率は含まれていないため、実態はさらに高い可能性がある。同報告書では、導入経営体のうち「取得データを営農判断に活用できている」と回答したのは38%にとどまり、残り6割以上はデータの活用方法に課題を抱えている実態が明らかになっているのだ。
教科書では「センサーで土壌水分を可視化し、適切な灌水タイミングを判断する」とされる。だが実際の現場では可視化された数値の「適切」がわからない。理由はこうだ。品種・土質・気象条件・生育ステージによって最適値が変わるからであり、この変動幅が教科書には載っていないため、現場の判断が後手に回る。結論からいえば、スマート農業で成果を出すのは「機械を買う」作業ではなく、「どの数値をいつ見て、何と比較するか」を決める作業にほかならない。
導入前と導入後、現場で変わる3つの判断軸
Before：経験と勘で判断していた頃
スマート農業を知らなかった頃は、灌水のタイミングを「土を握って崩れ方を見る」「葉の巻き具合で判断する」といった感覚で決めていた。これ自体は間違いではない。熟練農家なら精度も高い。だが、圃場が増えると判断にかかる時間が増え、天気待ちのタイミングで見回りが重なると、判断ミスが出る。
新潟県の稲作農家が8haから15haに規模を拡大したとき、田植え後の水管理で苗がぼける圃場が3枚出たのだが、原因は見回りの順序が固定されていて後回しになる圃場の判断が遅れたことであり、経験はあるにもかかわらず物理的に目が届かないという構造的な問題が露呈した事例にほかならない。
After：数値とパターンで判断する現場
導入した後は、判断の軸が「今日の状態」から「過去との比較」に変わる。土壌水分センサーなら、去年の同時期・同じ圃場のデータと比較して、今年の乾き方が早いか遅いかを数値で見る。ドローンの生育マップなら、同じ品種を植えた3枚の圃場のうち、どこが生育が遅れているかを一目で把握する。
判断軸が変わると、作業の優先順位が変わる。灌水なら「今日やるべき圃場」が明確になり、移動距離が減る。追肥なら「今週やるべき圃場」と「来週でいい圃場」が分かれ、資材の無駄が減る。高知県のトマト農家では、環境制御装置で夜間のCO2濃度を記録し、換気のタイミングを30分単位でずらしたところ、収量が前年比16.8%増えた実績がある（高知県農業技術センター、2024年）。
判断の質が変わる3つのポイント
- タイミングの精度：「そろそろやる」から「今日の午後にやる」へ
- 比較の基準：「去年よりいい気がする」から「去年より3日早い」へ
- 異常の検知：「なんか変だ」から「この圃場だけ数値が15%低い」へ
スマート農業導入の全体像：3つのフェーズと判断基準
問題はここにある。
スマート農業の導入は機械を買って終わりではなく、現場で回るまでには3つのフェーズがあり、それぞれで判断基準が異なるのだが、農林水産省「令和6年度 食料・農業・農村白書」によれば、データを活用した農業に「関心がある」と答えた経営体は62.3%に達する一方で「実際に取り組んでいる」のは19.4%にとどまり、関心と実践の間に大きな乖離があることが浮き彫りになっている。
フェーズ1：目的と測定対象を決める（導入前の2〜3ヶ月）
最初にやるのは「何を解決したいか」を明文化する作業だ。「収量を上げたい」では抽象的すぎる。「水管理の見回り時間を減らしたい」「追肥のタイミングを均一にしたい」「病害の早期発見を自動化したい」のように、作業と時間を特定する必要がある。
次に、その目的に対応するデータを決める。水管理なら土壌水分と気温、追肥なら生育量と葉色、病害なら葉温と湿度といった具合だ。ここで「とりあえず全部測る」と選ぶと、データが多すぎて後で見なくなる。測定対象は最大3種類に絞るのが現実的だ。
フェーズ2：基準値を作る（導入後の1作〜1年）
機械を入れたら、最初の1作は「記録を取るだけ」に徹する。この期間は、センサーの数値と実際の作物の状態を毎日見比べて、「土壌水分が25%を切ると葉が巻き始める」「夜間の湿度が85%を超えると翌朝に結露が出る」といったパターンを体で覚える段階だ。
静岡県のイチゴ農家は、CO2センサーを入れた最初の年、毎朝6時にハウスに入って濃度と葉の展開速度を記録した結果、3ヶ月後に「早朝のCO2が400ppm以下だと、その日の光合成効率が落ちる」という自分なりの基準値を見つけたのだが、これは教科書には載っていない、その農家の品種・ハウス構造・暖房方式に固有の数値にほかならない。
フェーズ3：判断を自動化する（2作目以降）
基準値ができたら、次は「この数値になったらこの作業をする」というルールを決める。土壌水分が20%を切ったら灌水、葉色値が40を下回ったら追肥、というように、センサーの値と作業を紐づける作業に入る。
さらに進むと、アラート設定や自動制御に移行する。灌水なら、センサーが閾値を下回ったらスマホに通知が来る。環境制御なら、CO2濃度が設定値を下回ったら自動で施用機が動く。北海道の水稲農家では、水位センサーと自動給水弁を組み合わせて、見回りの頻度を週5回から週2回に減らした実績がある。
各ステップの実務：現場で詰まるポイントと対処
ステップ1：導入機器の選定で失敗しない基準
結論から言う。
スマート農業の機器は、「高機能」より「自分が見る画面」で選ぶべきであり、センサーメーカーのカタログには測定項目が10種類並んでいるが、実際に毎日見る項目は2〜3個だけのため、画面を開いたときにその2〜3個が一発で見えるか、3回タップしないと出てこないかで、使い続けられるかが決まってしまう。
茨城県のネギ農家は、土壌センサーを2社比較して、測定精度が高い方ではなく、スマホアプリで「今日の灌水要否」が○×で表示される方を選んだのだが、理由は、朝5時の判断に30秒以上かけたくないからであり、機能より判断までの導線が短い方を選ぶという判断が現場では正しい。
ステップ2：センサー設置で現場が見落とす3つの罠
土壌センサーを刺す位置は、「圃場の中央」ではなく「いつも乾きやすい場所」に刺す。中央に刺すと、平均値は取れるが、判断の基準にならない。乾きやすい場所のセンサーが閾値を下回ったら全体に灌水する、という使い方が実用的だ。
気温センサーは地上150cmの高さに設置するのが教科書の指示だが、施設園芸では作物の先端から30cm上に設置する方が実際の葉温に近い値が取れるため、マニュアルより現場の実態を優先する判断が求められる。
ドローンのRTK基地局は、圃場から500m以内に設置する必要があるが、山間部では見通しが悪いと電波が届かないため、事前に現地で電波強度を測るのが前提になる。
ステップ3：データを「見る習慣」を作る技術
センサーを入れた最初の1ヶ月は、データを見ても何もしなくていい。見る習慣をつけるのが先だ。朝のコーヒーを飲みながらスマホでグラフを眺める、夕方の着替え前にパソコンで当日の推移を見る、といった「ついでに見る」動線を作る。
山形県のサクランボ農家は、スマホのホーム画面にセンサーアプリのショートカットを置き、天気予報アプリの隣に並べた結果、天気を見るついでにセンサーも見るという動線を作ったことで、データを見る頻度が週1回から毎日に変わったのであり、習慣化の技術は、作業の中に組み込むことにほかならない。
ステップ4：基準値を作るための記録の取り方
センサーの数値と作物の状態を紐づけるには、毎日の記録が要る。だが、ノートに手書きで残すと続かない。スマホのメモアプリに、日付・センサー値・作物の状態（葉の巻き、色、伸び）を3行で書く。これを1作続けると、パターンが見えてくる。
愛知県のキャベツ農家は、土壌水分センサーの値とキャベツの結球速度を90日間記録した結果、「土壌水分が30%を3日間維持すると、結球が2日早まる」という自分なりの法則を見つけたが、この法則は農業試験場のデータとは違うものであり、理由は土質（この農家は砂壌土）と品種（早生の春系）が試験場と異なるからだ。
ステップ5：判断を自動化する前にやるべきこと
自動制御に移る前に、手動で1ヶ月運用する。センサーの値を見て、自分で灌水弁を開ける、自分で換気扇を回す、という作業を繰り返す。これをやらずにいきなり自動化すると、機械が誤作動したときに対処できない。
宮崎県のピーマン農家は、環境制御装置を導入後、最初の1ヶ月は自動モードをオフにして、手動で温度・湿度・CO2を調整したのだが、その間に「夜間の湿度が90%を超えたら換気を30分早める」「早朝のCO2が350ppm以下なら施用時間を15分延ばす」といった微調整のポイントを体で覚えたため、自動化への移行がスムーズに進んだ。自動化は、手動を完璧にこなせるようになってからだ。
必要な道具と前提条件：現場で揃えるべきもの
機器の選定基準：用途別の推奨スペック
スマート農業の機器は、作物と栽培面積で選ぶ。露地野菜で5ha以上なら、ドローンによる生育センシングと可変施肥が選択肢に入る。施設園芸で1ha未満なら、環境制御装置と土壌センサーの組み合わせが現実的だ。水田なら、水位センサーと自動給水弁が最初の一手になる。
農林水産省のスマート農業実証プロジェクト（2023年度）では、水田作で導入された機器のうち、最も労働時間削減効果が高かったのは「水管理の自動化」で、平均23.4%の削減率を記録している（農研機構、2024年報告）一方、ドローン防除が18.2%、自動運転トラクターが14.7%という結果が出ており、作業内容によって効果の差が明確に現れている。
通信環境の整備：見落とされがちな必須要件
センサーのデータをクラウドに上げるには、圃場に通信環境が要る。4G/5Gの電波が届く場所なら問題ないが、山間部や沿岸部では電波が弱い。その場合、LoRaWAN（長距離無線通信）やWi-Fi中継機を使う選択肢がある。
長野県の中山間地でリンゴを栽培する農家は、圃場に4Gが届かなかったため、LoRaWANゲートウェイを農協の集出荷場に設置し、半径2km圏内の圃場をカバーした。通信環境の整備には、単独ではなく地域で取り組む方が費用対効果が高い。
電源の確保：バッテリー駆動の限界と対処
土壌センサーや気象センサーは、乾電池やソーラーパネルで動く。だが、環境制御装置や自動灌水システムは商用電源が要る。施設園芸なら問題ないが、露地圃場に電源がない場合、発電機やポータブル電源を使う。
秋田県の水田では、自動給水弁を動かすために、ソーラーパネル（50W）とバッテリー（12V・50Ah）を組み合わせた独立電源を使っているが、曇天が続くとバッテリーが切れるため、3日分の予備バッテリーを用意し、週1回交換する運用にしている。電源の確保は、機器選定より先に確認する項目だ。
初期投資の目安と回収期間
初期投資は、規模と機器で大きく変わる。土壌センサー（1台5〜15万円）と環境制御装置（30〜200万円）の組み合わせなら、施設園芸1ha規模で200〜300万円が目安になる。ドローン（機体100〜300万円＋散布装置50〜100万円）なら、水田10ha規模で350〜450万円だ。
回収期間は、労働時間削減と収量増加の両方で計算するが、環境制御装置を導入した高知県のトマト農家は、収量が16.8%増え、労働時間が12%減った結果、投資額280万円を2.8年で回収したものの、これは技術レベルが高く、データを毎日見て調整できる農家の例であり、データを見ない農家は回収に5年以上かかるケースもあることに留意すべきだ。
現場で応用するコツ：うまくいく農家の共通点
データを「比較」で見る技術
センサーの数値を単体で見ても意味がない。去年の同時期と比較する、隣の圃場と比較する、品種ごとに比較する、といった「比較の軸」を持つことで、初めて判断材料になる。
熊本県のトマト農家は、3棟のハウスに同じ環境制御装置を入れ、毎朝3棟の夜間温度・湿度・CO2濃度を並べて見ている。1棟だけ数値が外れていたら、その日のうちに原因を探る。比較することで、異常の検知が早くなる。農林水産省「令和4年度 農業における労働力に関する調査」では、基幹的農業従事者の平均年齢は68.4歳に達しており、デジタル機器の操作に不慣れな層が多い現場では、「見る頻度」より「見るタイミング」を固定する方が、習慣として定着しやすいことが実証されている。
「見る頻度」より「見るタイミング」を固定する
データは毎日見なくてもいい。見るタイミングを固定する方が、習慣として続く。朝6時、昼12時、夕方18時のように、作業の切れ目に見る時間を決める。
岩手県の水稲農家は、データを見るのは朝6時の1回だけだ。その代わり、前日の水位・水温・気温の推移をグラフで確認し、今日の作業を決める。見る頻度を増やすより、1回あたりの確認精度を上げる方が、判断の質が上がる。
失敗を記録する仕組みを作る
スマート農業で成果が出る農家は、失敗を記録している。センサーの数値がこうだったから灌水したが、翌日に葉がへたった、という失敗を書き残す。次に同じ数値が出たとき、灌水を見送る判断ができる。
福岡県のイチゴ農家は、環境制御装置の設定ミスで、夜間の温度が2度下がりすぎて生育が止まった経験を記録しており、その後同じ気象条件のときは設定温度を1度上げるルールを作った結果、同じ失敗を繰り返さない体制を確立したのである。
地域で情報を共有する仕組みに乗る
スマート農業は、単独で導入するより、地域で取り組む方がうまくいく。同じ作物を作る農家同士でデータを見せ合うと、「この時期にこの数値なら正常」という共通認識ができる。
佐賀県の玉ねぎ産地では、5軒の農家が土壌センサーのデータをクラウドで共有しており、誰かの圃場で異常値が出たら、他の農家も自分の圃場を確認するため、地域全体で情報を共有すると、個別の失敗が全体の学びになるという好循環が生まれている。
次にやるべきこと：最初の一歩は「測る対象」を決めること
スマート農業を始めるなら、まず「何を測るか」を1つに絞る。水管理が課題なら土壌水分センサー、病害が課題なら葉温センサー、収量が課題なら生育量センサー、というように、解決したい問題に対応するセンサーを1つだけ選ぶ。
最初から全部やろうとすると、データが増えすぎて見なくなる。1つのセンサーを1作使い込んで、データと作物の状態を紐づけるパターンを体で覚える。それができたら、次のセンサーを追加する。スマート農業は、道具を増やす競争ではなく、判断の精度を上げる技術だ。まずは、今シーズン測る対象を1つ決めろ。
この記事は「野菜栽培の基礎知識 — 露地から施設園芸まで」の関連記事です。農業に関する体系的な知識はこちらのガイドをご覧ください。
📊 この分野の統計データは「農業の統計データ」で、グラフとテーブルで一覧できます。
