スマート農業は「導入」から「運用」へ｜9社で読む事業機会

スマート農業の本当の課題は「分散」をつなぐこと

スマート農業という言葉から、自動運転トラクターや農薬散布ドローンを思い浮かべる人は多いでしょう。しかし、日本の農業が抱える問題は、機械を高性能にするだけでは解けません。

担い手へ農地が集まっても、圃場は一か所にまとまるとは限りません。むしろ、離れた場所に小さな圃場が点在します。

しかも、保有する農機のメーカーや年式もそろっていません。そのうえ、繁忙期には、限られた人員と機械を、天候に合わせて動かす必要があります。

つまり、現場が必要としているのは「一台の賢い機械」だけではありません。農地、農機、作業員、栽培データ、販売計画を一つの運用にする仕組みです。

本記事の結論は、機器の性能だけでなく、現場で安全に使い続けられる運用と採算を確認するということです。国内外9社の取り組みを見ながら、産業構造と新規事業の入口を整理します。

まず押さえたいスマート農業とは

農林水産省は、スマート農業を、ロボットやAIなどの先端技術で作業効率や品質の向上を目指す取り組みと説明しています。対象は農機だけではありません。

圃場の状態を測るセンサー、衛星画像による生育確認、作業記録のアプリ、水門の遠隔操作、出荷量の予測も含まれます。機械を共同利用するサービスや、農薬散布を代行する事業もスマート農業を支えます。

技術は、次の四つの仕事に分けると理解しやすくなります。

見る・考える技術だけでも、巡回や記録の負担を減らせる場合があります。一方、自動で動く機械を導入しても、故障時の代替や手動への切り替えがなければ繁忙期に止まります。

四つすべての導入を前提にせず、対象の作業と、そこに必要な機能を選びます。

農林水産省の令和5年度白書（2024年5月公表）が紹介する実証では、水田作の実証農場の平均で総労働時間が9%減り、単収が9%増えました。技術別では、農薬散布ドローンの対象作業で平均61%、自動水管理の対象作業で平均80%の時間短縮が報告されています。

全国すべての農家の平均や、農場全体で80%省力化できるという数値ではありません。

省力化の割合と、投資を回収できるかは別に確認します。機器代だけでなく、設定・通信・保守、現地確認の時間も含めて比べます。

収量や品質には気象や栽培条件も関わるため、導入前後の差を技術だけの効果と決めつけません。

スマート農業市場455億円の見込みと、データ活用の実態

スマート農業では、市場の成長率だけでなく、少ない人数で経営を続けるために、どの作業へ費用を払えるかを考えます。情報を見る利用と、計測・分析や営農サービスの利用を分けて実態を確認しましょう。

矢野経済研究所が2026年4月24日に公表した調査は、国内市場を2025年度455億200万円の見込み、2031年度969億400万円の予測としています。調査期間は2025年6月～2026年3月です。

事業者売上高ベースの推計で、栽培・販売・経営の支援、精密農業、衛星、ドローンを使うサービス、農業用ロボットなどを対象とします。農機・ドローン本体や農業向けPOSシステムは含みません。

農機本体の販売計画へ、この市場規模をそのまま使わないことが重要です。

2025年農林業センサスの確報（概要7頁）では、2025年2月1日時点でデータを活用した農業を行う経営体は33万4千、農業経営体全体の39.9%です。団体経営体では62.7%でした。

気象や市況の情報を見る利用も含まれ、ロボットや有料サービスの普及率ではありません。

内訳を見ると、気象・市況などを見る経営体は36.1%に対し、機器・センサーで計測・取得したデータを分析する経営体は2.9%、データ分析を使う営農サービス等の利用は4.1%でした（全農業経営体に対する複数回答）。「データ活用が約4割」を高度な自動化の普及と読まず、顧客が今どの使い方をしているかから、必要な支援を選びます。

同じ確報では、農業経営体は83万6千で2020年より22.3%減少し、耕地のある経営体の平均面積は3.6haへ拡大しています。経営体数と働く人数は別の指標です。

新規事業では、顧客の件数が増える前提を置かず、一つの経営体のどの作業を改善するかを考えます。

利用の少ない機能に、必ず未開拓需要があるとは限りません。対象作物に合わない、費用を回収できない、通信や人員が足りないなど、導入しない理由を先に確かめます。

そのうえで、作業時間、品質、収量、販売のどれを改善する商品なのかを定めます。

スマート農業の産業構造は4層で動く

業界は、ハードウェア、現場データ、意思決定、支援サービスの4層で捉えられます。

複数の層をつなぐと改善できる作業が増える可能性がありますが、接続費用や障害時の調整も増えます。参入位置は、自社が保守まで担える範囲から決めます。

新規参入で魅力があるのは、層と層の間です。例えば、農機の位置が分かっても、明日の作業順は自動では決まりません。

衛星画像で生育差が見えても、肥料の量を変えるには農機との連携が必要です。

異なるメーカーのデータをそろえる仕事も残ります。WAGRIは、農業データやプログラムを組み合わせ、サービス開発へ使える連携基盤です。

また、農機OpenAPIも整備されています。

ただし、APIがあるだけでデータが自由に使えるわけではありません。というのも、機器ごとの契約、利用者の同意、項目の違いを扱う必要があるからです。

つまり、データ連携は技術課題であると同時に、契約と運用の課題です。

スマート農業を進める企業9社の現在地

ここからは9社を、製品名の一覧ではなく、現場のどの分断を解くかで見ます。商用サービスと、開発中または実証中の機能を分けることが大切です。

同じ「スマート農業」でも、各社の顧客、提供価値、責任範囲は異なります。以下では、個別の取り組みを解説します。

クボタは、農機と営農データを一つの体系にする

クボタは、自動運転農機「アグリロボ」と営農支援システム「KSAS」を展開しています。トラクター、田植機、コンバインなどの作業を、圃場地図や収量データと結びます。

強みは、機械を作る力だけではありません。むしろ、販売店と整備網、農機から取れるデータ、栽培管理を一体で持つことです。

スマート農業共創サービスでは、自治体や企業の実証企画も支援しています。

この事例には、機械の提供に加えて、営農管理やプロジェクトを支援する役割があります。新規参入者は、同じ農機を作るより、既存基盤に不足する作物別運用や地域サービスを探すほうが現実的です。

ヤンマーは、稼働監視を外部の営農管理へ開く

ヤンマーのSMARTASSISTは、農機の位置や稼働情報を使い、機械を見守るサービスです。作業の見える化や、収穫量の把握にも使われます。

2022年3月の営農API提供開始発表では、国内の営農管理システム提供者向けに、SA-Rの契約者が自己利用するデータを連携する条件などを示しています。利用者が農機のデータを他社の営農管理システムで使える仕組みを用意しています。

農家は一社の機械だけを使うとは限りません。メーカーが接続を開くほど、データをまとめて作業計画へ変える事業が生まれます。

一方、障害時の切り分けは難しくなります。機械、通信、外部アプリのどこに原因があるかを明確にする運用が必要です。

アグリノートは、農機のデータを営農管理へつなぐ

営農支援アプリ「アグリノート」を運営するウォーターセルは、2026年4月1日にアグリノート株式会社へ社名を変更しました。同年3月2日の農機連携機能の発表は、当時のウォーターセル、井関農機、農研機構の3者によるものです。

井関の対応農機の位置・稼働時間を使い、記録の下書きやマップ・一覧を作る機能を公開しています。

下書きは生産者が内容を確認して保存する設計です。2026年3月24日の発表では、全国35,000以上の経営体などで利用されていると説明されていますが、有料契約数や利益改善を達成した経営体数ではありません。

記録の集約自体にも、提出書類の作成や引継ぎの負担を減らす価値があります。導入時は、自動取得できる機種・項目と、人が補正する作業を確認し、入力時間の削減が確認・修正時間の増加で相殺されないかを測ります。

テラスマイルは、個人ではなく産地の経営を支える

テラスマイルは、農業データをまとめ、分析する「RightARM」を提供しています。WAGRI掲載の公式事例では、自治体やJAの指導者向けの「RightARM for Ex」で生産者とデータを共有し、営農指導へ活かす仕組みを説明しています。

農家一戸への販売に加え、産地を支える組織の仕事を改善する考え方です。ただし、顧客をJAや自治体に変えれば採算が良くなるとは限りません。

生産者の入力負担、共有範囲、指導者が使う頻度、契約を更新する予算の担当を確認します。

サグリは、農地調査を行政DXの入口にする

サグリは、衛星データとAIを使い、農地を見える化します。アクタバは耕作放棄地の確認、デタバは作付け調査、ニナタバは農地の所有者と担い手のマッチングを支えます。

農地調査は、自治体や農業委員会が続けて行う業務です。調査や転記の負担を減らせるかに加え、AIの推定を現地で確認する工数も評価対象になります。

そして、調査データがたまると、次は農地集約や企業参入の支援へ進めます。

この事例の要点は、農家へ直接アプリを売るだけがアグリテックではないことです。制度上必要な行政業務を入口にし、農地の流動化へ価値を広げています。

笑農和は、水田の見回りを遠隔操作へ変える

笑農和のpaditchは、水田の給排水をスマートフォンやPCから操作する仕組みです。水位や水温を確認し、タイマーや異常通知も使えます。

水管理は単純に見えますが、稲の生育へ影響します。夜間や早朝を含む見回りを減らせるため、課題と効果が分かりやすい領域です。

一方、通信が切れた場合や、水門が物理的に動かない場合への備えが必要です。つまり、クラウドの稼働率だけでは品質を測れません。

むしろ、現地保守と手動操作へ戻せる仕組みが商品価値になります。

レグミンは、ロボットを売らずに作業を請け負う

レグミンは、自社開発のロボットとアプリを使い、露地野菜の農薬散布を代行しています。公式サイトは2025年度の散布実績を520ha、2026年の予定を1,122haと公表しています。

後者は完了した実績ではなく、面積だけで収益性も判断できません。

遠隔操作や自律走行には開発中の機能もあります。そのため、現在の価値は「完全自動」ではありません。

むしろ、ロボット、作業者、農薬調製、記録を一つのサービスとして提供することです。

このモデルでは、顧客は高価な機械を買わず、必要な作業だけを費用化できます。一方、提供側は機械の稼働率を高める必要があります。

特に、地域ごとの繁忙期が重なるため、配車と人員配置が収益を左右します。

レグミンの公式説明には、ガス会社と組むFC展開もあります。ガス配送の繁忙期は冬、散布は夏という違いに着目し、地域の拠点・人員・トラックを活用する構成です。

提携先の資産が使える場合も、農薬の取扱教育や安全管理、実際の人員余力を確認してから受託面積を増やします。

BASFは、農薬販売から栽培判断へ接点を広げる

BASFのxarvio FIELD MANAGERは、栽培データ、気象、衛星画像、病害リスクなどを分析し、圃場ごとの作業を提案します。2021年の国内提供開始発表では水稲と大豆を対象としていました。

現在の対応作物や料金は利用時に確認します。

重要なのは、同社が「自社の農薬だけを推奨しない」と説明している点です。資材販売のための閉じたアプリに見えると、判断支援への信頼が下がります。

資材メーカーがデータ事業へ進むと、商品販売と助言の利益相反が生まれます。推奨の根拠、選択肢、データ利用目的を説明できることが競争力になります。

John Deereは、認識してから必要な場所だけ動かす

John Deereは、自律トラクターや「See & Spray」を展開しています。カメラとAIで作物と雑草を見分け、必要な場所へ除草剤を散布します。

自律トラクターの走行・耕うんと、See & Sprayの選択散布は別の機能です。選択散布は、画像で認識した対象に応じて散布することで、資材使用を抑える仕組みです。

しかも、価値は人手の削減だけではありません。たとえば、投入資材を減らし、作業記録を残せます。

ただし、製品や機能の提供地域は異なります。そのため、日本で同じ事業を考える場合、小区画、農道、作物、農薬登録、保守体制に合わせた設計が必要です。

つまり、海外製品の性能を、そのまま国内の事業性と見なしてはいけません。

スマート農業9社を比較する、接続・保守・提供方法・顧客

当研究所では、9社を比べる際に次の四つを確認します。すべての企業が四つを備えるという意味ではなく、自社が担う範囲と不足する機能を見つけるための観点です。

一つ目は、接続の中立性です。複数メーカーの農機、センサー、衛星、販売データを扱えるほど、経営全体を見やすくなります。

二つ目は、現場保守です。播種、散布、収穫の時期は待ってくれません。

故障時の訪問、代替機、手動への切り替えが必要です。

三つ目は、サービス化です。具体的には、機械を販売する代わりに、散布、収穫、分析などの成果を提供します。

この方法では、導入費を抑えられますが、提供側は稼働率と人員を管理します。

四つ目は、顧客を産地へ広げることです。具体的には、農家一戸だけでなく、JA、自治体、食品企業、農地バンクを顧客にします。

そのため、収量や作業だけでなく、出荷、農地集約、環境情報まで価値が広がります。

この四つを見ると、スマート農業は「農業向けIT」の市場ではありません。むしろ、現場の機械と人を持つ産業へ、ソフトウェアを組み込む市場です。

自動運転の記事と同じく、AIの精度だけでなく、例外時の運用と責任が事業を左右します。

スマート農業へ参入する四つのルート

新規参入では、農機メーカーと正面から競う必要はありません。既存資産を使いやすい四つのルートがあります。

四つのルートは、使う技術より、誰の予算で何を改善するかが違います。自社の顧客接点と現場網から選びます。

分散圃場の運行管理は、機械より移動を最適化する

農地が点在すると移動時間が増える場合があるため、圃場内の作業と移動を分けて測ります。複数の農機、トラック、作業員を、天候と圃場の状態に合わせて割り当てます。

物流、配車、地図の技術を持つ企業が参入しやすい領域です。ただし、一般道路の最短経路だけでは足りません。

農道の幅、重量制限、出入口、泥の状態まで扱う必要があります。

月額利用料だけでなく、燃料や作業時間の削減に連動する成果報酬も考えられます。成果の基準値を合意できない場合、採算の説明が難しくなります。

作業受託は、農機の初期投資を変動費へ変える

ドローン散布、除草、収穫、センシングなどを、面積や作業量で請け負います。農家は機械を買わずに技術を使えます。

参入企業に必要なのは、機械だけではありません。作業者の教育、農薬や安全の管理、日程調整、故障時の代替、報告書までが商品です。

地域の農機販売店、JA、ガス会社、物流会社などとの提携が有効です。というのも、既存の拠点と人員を使えるからです。

そのうえで、繁忙期以外の仕事を組み合わせ、年間稼働率を設計する必要があります。

農地行政・集約DXは、制度業務を入口にできる

自治体や農業委員会は、農地の利用状況や作付けを確認します。衛星、GIS、現地アプリで調査を効率化し、農地台帳へつなぎます。

その先に、農地所有者と担い手のマッチングがあります。農地の面積だけでなく、日照、傾斜、排水、アクセスを見える化できれば、企業の農業参入にも使えます。

ただし、AIの推定を権利判断へ直結させてはいけません。最終確認の主体、誤判定の修正、地権者の同意を業務へ入れます。

環境価値・調達連携は、記録を新しい収益へ変える

水管理、施肥、農薬、燃料の記録を、食品企業の調達や環境情報へつなぐ事業です。農家の省力化の記録を、買い手のサプライチェーン排出量（Scope 3）の確認にも活かせるか検討します。

省力化と排出削減が常に同時に起きるとは限りません。

収益は、利用料、流通マージン、検証手数料、環境価値の売却益などが考えられます。しかし、削減量の測り方や追加性が曖昧なら、信頼を失います。

ただし、センサーを置くだけでは足りません。むしろ、作業記録、例外処理、第三者確認を含む仕組みが必要です。

CCUSの記事で扱ったように、環境価値は測定・報告・検証まで含めて商品になります。

事業化で先に決めたい責任分界

スマート農業は、ソフトウェアの不具合が物理的な損失へつながります。散布量を誤る、水門が開かない、農機が止まると、収量や安全に影響します。

「AIが決めました」では責任を説明できません。推奨を誰が確認し、どの条件で自動実行し、どこで止めるかを決めます。

表は運用の分担を決める目安で、事故時の法的責任を一社へ限定するものではありません。機器の使用条件や適用される安全・農薬のルールを確認し、異常時には誰が作業を止めるかを具体的に決めます。

データの所有権だけを議論するのも不十分です。というのも、現場では、誰が閲覧できるか、他のサービスへ移せるか、解約時に何が残るかが重要だからです。

顧客デジタルツインの記事で示したように、データの利用目的と更新責任を先に決める必要があります。

スマート農業への関わり方を4つに分けて考える

参入：顧客の作業と費用を測れる

一つの作物・地域・作業へ絞り、有償利用まで設計します。

提携：現場網または技術が足りない

JA、農機販売店、地域企業、農業法人と責任を分けます。

待機：接続条件や制度が整っていない

大型開発を始めず、データ項目と運用原価を確認します。

見直し：運用費や現場対応を説明できない

有償更新、現場保守、投資回収を説明できない構想は見直します。

スマート農業の参入・提携・待機・見送りを分ける

参入判断は、市場が伸びるかだけでは決まりません。自社が現場責任を持てるかで分けます。

参入は、顧客の作業課題が具体的で、現場へ入り、効果を測れる場合です。農機、物流、地図、金融、自治体システムなどの既存資産があれば有利です。

提携は、ソフトウェアは作れるが、農業者との接点や保守網がない場合です。その場合は、JA、農機販売店、地域企業、農業法人と組みます。

ただし、提携先へ責任を丸投げせず、品質の統括者を決めます。

待機は、顧客課題はあるものの、データ接続や制度が整っていない場合です。大型開発を始めず、業務設計と接続条件を確認します。

構想を見直すのは、顧客への価値、費用回収、現場対応を説明できない場合です。補助金の利用自体を見送り理由にはしません。

初期導入の負担が下がった後も、保守・更新を含む運用が続くかを確認します。次の項目は数で採点せず、とくに安全や適法性の未解決事項があれば、その作業を始める前に解消します。

• 顧客が「便利そう」と言うだけで、減らしたい時間や費用が決まっていない
• 利用面積と頻度が小さく、投資回収の見通しがない
• 繁忙期の故障や通信断に対応する人と代替手段がない
• 他社農機や既存台帳と接続できず、二重入力が残る
• AIの誤判定を誰が確認するか決まっていない
• 補助金終了後の価格と契約更新を説明できない

この判断を曖昧にすると、実証は成功しても事業が続きません。無料の実証件数ではなく、有償更新、利用面積、作業原価、問い合わせ対応時間を見ます。

架空例：水管理が80%省力化しても、農場全体の削減率は別

以下は割合の分母を理解するための架空例で、自動水管理の効果予測ではありません。年間の総作業時間が1,000時間、そのうち水管理が200時間の農場を考えます。

水管理だけを仮に80%減らせても、減るのは160時間です。

減った作業だけでなく、新たな設定・点検・対応の時間も足して評価します。空いた時間がそのまま現金支出の削減になるとも限りません。

外注費や残業が減るのか、面積を増やせるのか、負担を軽くするのかを分け、利用料・保守費に見合う価値を確認します。

専門家へ相談する前に整理したい五つの論点

スマート農業の相談先には、技術だけでなく事業運営を聞く必要があります。次の五つを整理すると、相談の質が上がります。

1. 誰の、どの作業を、何時間または何円減らすのか
2. 対象となる作物、地域、経営規模はどこか
3. 既存の農機、センサー、台帳とどうつなぐか
4. 故障、誤判定、通信断のときに誰が対応するか
5. 機器販売、月額、作業課金、成果報酬のどれで回収するか

市場調査だけを受けても、事業案は決まりません。圃場の作業、支払者、現場保守、提携先を一つの設計図にします。

イノベーション総研では、技術の将来性だけでなく、自社資産、顧客課題、競争環境、収益、責任を並べて参入条件を整理します。技術起点の新規事業支援では、参入、提携、待機、見送りまで含めた判断を支援しています。

スマート農業に関するFAQ

スマート農業を調べる際によく出る疑問を、事業判断の観点から短く整理します。

Q. スマート農業とは、簡単にいうと何ですか？

A. ロボット、AI、IoT、衛星などを使い、農作業の省力化や品質向上を目指す取り組みです。農機だけでなく、営農管理、遠隔水管理、作業受託、農地調査も含みます。

Q. スマート農業の市場規模はどのくらいですか？

A. 矢野経済研究所の2026年4月公表調査は、2025年度を455億200万円の見込み、2031年度を969億400万円の予測としています。事業者売上高ベースで、農機・ドローン本体や農業向けPOSシステムは対象外です。

Q. スマート農業では、どの企業が先行していますか？

A. 農機ではクボタやヤンマー、営農管理ではアグリノート（旧ウォーターセル）やテラスマイル、農地DXではサグリ、水管理では笑農和、作業受託ではレグミンなどが展開しています。企業ごとに解いている課題が違います。

Q. 中小の農家でも導入できますか？

A. 可能です。ただし、高価な機械を単独で買うより、作業受託、共同利用、後付け機器を選ぶほうが採算に合う場合があります。作物、面積、利用頻度、保守費から判断します。

Q. 異なるメーカーの農機データは連携できますか？

A. 農機OpenAPIやWAGRIを使う連携が進んでいます。ただし、対応機種、契約、データ項目は同じではありません。導入前に、取得できる項目と外部利用の条件を確認します。

Q. スマート農業へ新規参入するなら、どこが有望ですか？

A. 分散圃場の運行管理、作業受託、農地行政・集約DX、環境価値と調達の連携が候補です。自社が持つ顧客接点や現場網から、最後まで責任を持てる仕事を選びます。

まとめ｜スマート農業は現場をつなぐ事業になる

スマート農業の市場は広がっています。しかし、伸びる市場へ農家向けアプリを出せば成功するわけではありません。

日本では、担い手が減る一方で、農地が大規模経営へ集まります。その農地は点在し、農機もデータも混在します。

必要なのは、一台の高性能な機械より、分散した農地、機械、人、データを止めずに動かす運用です。

9社の事例から見えたのは、競争が機械の外へ広がっていることです。接続、保守、作業受託、行政、産地経営が事業になります。

参入では、誰のどの作業を変えるかを先に決めます。次に、現場へ行く人、異常時の対応、既存機器との接続、補助金後の価格を設計します。

スマート農業の事業機会は、技術を農業へ持ち込むことではなく、現場で使い続けられる形へ組み直すことにあります。

情報確認日：2026年9月27日。市場の見込み・予測、統計の確報、企業公表の機能・実績・予定を区別しています。

4層・参入候補は当研究所の整理で、計算例は架空です。

主な出典

市場、制度、企業事例は、次の公表情報を中心に確認しました。

• 農林水産省「そこが知りたい“スマート農業”」
• 農林水産省「2025年農林業センサス報告書・農林業経営体調査の概要」（確報）
• 農林水産省「スマート農業技術等の活用による生産・流通現場のイノベーションの促進」
• 矢野経済研究所「スマート農業に関する調査を実施（2025年）」
• WAGRI「WAGRIとは」
• クボタ「農業ソリューション」
• ヤンマー「SMARTASSIST」
• アグリノート「農機連携機能を新たに公開」（2026年3月2日）
• テラスマイル「RightARM」
• サグリ「農地活用事業」
• 笑農和「paditch」
• レグミン「農薬散布代行サービス」
• BASF「xarvio FIELD MANAGER」
• John Deere「Innovation」