---
title: "スマート農業とは？定義・仕組み・IoT/AI/ロボットの要素技術を発注判断者向けに解説"
url: "https://www.issoh.co.jp/column/details/15334/"
published: 2026-07-18
updated: 2026-09-27
categories: ["物流・製造"]
publisher: "株式会社一創"
---

# スマート農業とは？定義・仕組み・IoT/AI/ロボットの要素技術を発注判断者向けに解説

スマート農業とは、ロボット技術・AI・IoTといった先端技術で、農作業の省力化と農産物の高品質生産を実現する新しい農業を指します。2024年10月には通称スマート農業法が施行され、認定を受けた生産者・開発企業への税制・融資支援が始まりました。本記事では、農林水産省の定義、IoTセンサー・AI・ロボット農機という要素技術の役割分担、圃場のデータが意思決定に変わる仕組みまでを順に整理します。あわせて、市販の機器やサービスの導入で足りる場面と、独自システム開発を選ぶべき条件を、発注判断の視点から言い切りで解説します。数値は2026年9月時点で確認できる一次情報に差し替えました。

## まとめ：スマート農業の定義と導入判断の要点

スマート農業は「先端技術で農作業の作業と判断を高度化する農業の総称」で、要素技術はIoTセンサー（計測）・AI（判断）・ロボット農機（作業）の3つに大別できます。国の実証事業では、水田作の総労働時間が平均9%減、単収が平均9%増という結果でした（令和6年度食料・農業・農村白書）。2024年10月施行のスマート農業法により、計画認定を受けた生産者・開発企業は特別償却や長期低利融資の対象です。[令和7年度食料・農業・農村白書（2026年5月公表・第2章第4節）](https://www.maff.go.jp/j/wpaper/w%5Fmaff/r7/pdf/1-2-04.pdf)では、2026年3月末時点で生産方式革新実施計画が120件、開発供給実施計画が50件認定されたと報告されています。

導入判断の結論を先に示します。水管理や農薬散布など単一作業の省力化が目的なら、市販の機器・農業支援サービスで十分です。複数のデータ源をまたいで統合したい場合や、産地・法人固有の栽培ノウハウをシステムに落とし込みたい場合に限り、独自開発が選択肢に入ります。本文で採用条件と見送るべき場面を具体的に示しました。あわせて、見積り依頼の前に固めておくデータ項目も記述例つきで示しています。

## スマート農業の定義と従来農業・精密農業との違い・普及が進む背景

最初に言葉の整理です。「スマート農業」は特定の製品名ではなく、先端技術で農業の作業・判断を高度化する取り組みの総称で、行政・法律・現場でそれぞれ少しずつ違う文脈で使われています。

### 農林水産省による定義とスマート農業法（2024年10月施行）の位置づけ

農林水産省は、ロボット技術やICT（情報通信技術）などの先端技術により、超省力化や高品質生産を実現する新しい農業をスマート農業と位置づけています（[農林水産省「スマート農業」](https://www.maff.go.jp/j/kanbo/smart/)）。人の手と経験に頼ってきた「作業」と「判断」を、機械とデータで置き換える点が定義の核です。

2024年10月1日には、スマート農業技術の導入と開発を後押しする法律（通称スマート農業法）が施行されました。[同法の制度解説ページ](https://www.maff.go.jp/j/kanbo/smart/houritsu.html)のとおり、生産者向けの「生産方式革新実施計画」と、開発企業向けの「開発供給実施計画」という2つの認定制度が設けられています。認定件数は制度開始から着実に積み上がり、2026年3月末時点で前者が120件、後者が50件です（令和7年度白書）。開始年度の22件・8件からの伸びを見ると、制度は試行段階を抜けたと判断できます。法制度に接続されたことで、スマート農業は補助・税制の対象として明確な輪郭を持つ用語になりました。

### 精密農業・農業DXとの違いと重なり：データ起点という共通の考え方

似た言葉との関係は次の通りです。精密農業（プレシジョンアグリカルチャー）は、圃場内のばらつきをデータで捉えて肥料や水を場所ごとに調整する手法で、1990年代から研究が続く比較的古い概念です。スマート農業はこれを包含しつつ、ロボット農機やAIによる作業自動化まで範囲を広げた総称にあたります。

農業DXは、生産現場の技術導入にとどまらず、販売・経営管理・組織まで含めた変革を指す、さらに一段広い言葉です。農業DXの定義と着手順序、市販サービスと独自開発の使い分けは[農業DXとは？スマート農業との違いと進め方](https://www.issoh.co.jp/column/details/16127/)で詳しく整理しました。DXという言葉自体の定義や進め方は[DXの定義とデジタル化との違いを受託開発の実務目線で整理した解説](https://www.issoh.co.jp/column/details/12819/)で扱っています。本記事は、その土台となる「現場技術としてのスマート農業」に絞って解説します。

### 基幹的農業従事者98.7万人・平均67.7歳：100万人割れが迫る現実

普及を後押しする最大の要因は労働力の減少です。[農林水産省「農業労働力に関する統計」](https://www.maff.go.jp/j/tokei/sihyo/data/08.html)によると、個人経営体の基幹的農業従事者は令和2年の136.3万人から令和7年に103.6万人へ減り、標本調査による令和8年の推定値は98.7万人です。平均年齢は67.7歳、65歳以上が69.3万人で全体の約7割を占めます。令和8年の値は全数調査ではない推定であるため、令和2年・令和7年との単純比較には注意が必要と同統計が明記しています。

減少幅そのものも大きく、[2025年農林業センサス結果の概要（確定値・2026年3月公表）](https://www.maff.go.jp/j/press/tokei/census/260331.html)では5年間で32万7千人（24.0%）の減少が確定しました。同じ調査で農業経営体は83万6千経営体まで減った一方、法人経営体は3万4千経営体へ10.1%増え、1経営体当たりの経営耕地面積は3.6haへ0.5ha広がっています。担い手が減る一方、残る経営体には農地が集まる構図です。人手を前提にした従来のやり方では回らない規模の圃場を少人数で管理する手段として、スマート農業技術が求められているのが実情です。技術ありきではなく労働力の制約から出発した必然と捉えると、後述の導入判断も現実的に考えられます。

## スマート農業を支える要素技術：IoTセンサー・AI・ロボット農機の役割分担

要素技術は「計測（IoT）」「判断（AI）」「作業（ロボット）」の3つの役割と、それらをつなぐデータ連携基盤に整理できます。どの役割を機械に任せたいかで、必要な技術と投資規模が変わります。

### IoTセンサーによる環境モニタリング：自動水管理80%短縮の実測値

IoTセンサーは、圃場やハウスの温湿度・水位・地温・日射量・土壌水分などを常時計測し、通信経由でクラウドへ送る「計測」の担い手です。国の実証プロジェクトでは、水田の自動水管理システムで水管理の作業時間が80%短縮されたという実測結果が報告されています（令和6年度食料・農業・農村白書）。見回りの移動時間がそのまま消える領域のため、効果が数字に表れやすい分野です。

センサーやデバイスを含むIoT全体の基礎は[IoTの仕組み・身近な例・AIとの組み合わせの解説](https://www.issoh.co.jp/column/details/12931/)で整理しています。農業では屋外・泥・電源なしという条件が加わるため、防水性能と省電力通信（LPWAなど）が機器選定の論点になります。国も自動走行農機を前提とした農地整備やICT水管理施設の整備、パイプライン化を進めており、機器単体ではなく圃場側の条件整備とセットで検討する流れができています（令和7年度白書）。

### 画像認識と需要予測：AIが担う生育診断・病害虫検知・出荷計画

AIの役割は、集めたデータにもとづく「判断」です。代表例は2系統あります。ひとつは画像認識で、ドローンや定点カメラの画像からの生育のむら・病害虫の兆候・果実の熟度の検出が代表的な用途です。仕組みと開発の進め方は[画像認識AIの仕組みとできることの解説](https://www.issoh.co.jp/column/details/12928/)で述べている通り、学習データの質が精度を左右します。

もうひとつが予測系です。気象データと過去の収量・出荷実績から収穫時期や収量を予測し、出荷計画や販売交渉の材料に使います。手法の詳細は[AI・機械学習による需要予測の手法と導入の進め方](https://www.issoh.co.jp/column/details/12930/)に譲りますが、農業は天候という外部変数が大きい点が製造業や小売との違いです。予測を完全に当てることよりも、予測の幅を前提にした作業計画づくりに価値が出ます。画像認識と予測それぞれの用途の切り分けと、学習データの集め方からPoCの進め方までは[農業AIとは？画像認識・収量予測の用途整理と学習データ整備](https://www.issoh.co.jp/column/details/16887/)で詳しく扱っています。なお農研機構は、施設栽培の環境制御や普及指導員の指導業務を支える対話型生成AIなど、農業特化型の基本AIモデルの開発・実証にも取り組んでいます（令和7年度白書）。汎用モデルをそのまま持ち込む前に、公的機関の成果物で足りる範囲を確かめる価値があります。

### ロボット農機とドローン：自動走行のレベル区分と公道走行の解禁範囲

「作業」を担うのがロボット農機とドローンです。直進アシスト田植機で作業時間18%短縮、農薬散布ドローンで散布作業61%短縮という実測が公表されており（令和6年度白書）、[農業用ドローン](https://www.maff.go.jp/j/kanbo/smart/drone.html)による農薬等の散布面積は令和6年度に119.6万haへ拡大しました（令和7年度白書）。散布面積は数年で倍近くに伸びており、市販技術として定着した領域と見てよい水準です。

自動走行の到達段階は、農林水産省が[農業機械の安全性確保の自動化レベル](https://www.maff.go.jp/j/kanbo/smart/g%5Fsmart%5Fnougyo/attach/pdf/kenkyu%5Fkai06-10.pdf)としてレベル0から3で区分しています。レベル1は使用者が搭乗した状態でハンドル操作の一部を自動化するもので、市販化済みと明記されています。レベル2は圃場内や圃場周辺からの監視下での無人自動走行、レベル3は遠隔監視下での無人自動走行です。2026年9月時点で購入できる中心はレベル1から2で、レベル3は実証段階の技術も残ります。

制度面では前進がありました。[農業機械の自動走行に関する安全性確保ガイドライン（令和8年3月改正）](https://www.maff.go.jp/j/kanbo/smart/attach/pdf/index-307.pdf)によれば、2025年2月の道路運送車両の保安基準改正で、自動運行装置を備えることができる自動車に大型特殊自動車・小型特殊自動車が追加されました。これにより、保安基準に適合する自動運行装置を備えたロボット農機は、都道府県公安委員会の特定自動運行許可を得て公道を走行できます。遠隔操作型小型車に該当する機体（最高速度6km毎時以下・長さ120cm・幅70cm・高さ120cm以下などの構造基準）は、公安委員会への届出で公道通行が可能です。圃場が分散していて格納庫から圃場までの移動が課題だった経営体には、この制度変更が導入計画の前提を変える要素になります。

### 農業データ連携基盤WAGRIと気象・土壌データの共通利用の仕組み

個々の機器やアプリがばらばらにデータを抱えると、機器の乗り換えやシステム連携のたびに行き詰まります。この課題に対しては、農研機構が運営する農業データ連携基盤[WAGRI](https://wagri.naro.go.jp/)が2019年4月から本格運用されており、気象・農地・生育予測・市況・農薬肥料・病虫害診断・農機・農業経営・地図などのカテゴリでデータとプログラムがAPI経由で共通利用できます（2026年9月時点の[API一覧](https://wagri.naro.go.jp/wagri%5Fapi/)）。

発注者の視点では、WAGRI対応の有無がベンダーロックインを避ける判断材料になります。独自システムを開発する場合も、気象データなどを自前で整備せずAPIで取得できるため、開発範囲を圃場固有の部分に絞れる利点があります。設計上の制約も先に押さえておくとよく、たとえば[1kmメッシュ農業気象データ取得APIの認証キー](https://wagri.naro.go.jp/wagri%5Fapi/1kmmesh%5Fapiauthenticationkey/)は発行から30分で失効する仕様です。取得したキーを保持し続ける前提でバッチを組むと動かなくなるため、キーの再取得を含む設計が要件に入ります。

## スマート農業の仕組み：センシングからAI解析・自動制御までのデータの流れ

技術を個別に並べるより、データが一巡する流れで見た方が全体像をつかめます。仕組みは3つの層に分けて説明できます。

### センシング・解析・制御の3層構造：圃場データが意思決定に変わる流れ

第1層がセンシングで、センサー・ドローン・農機が圃場の状態と作業記録を集めます。第2層が解析で、クラウドに蓄積したデータをAIや統計モデルが処理し、「どの区画に、いつ、何をすべきか」という判断に変換します。第3層が制御・実行で、潅水バルブや換気窓の自動制御、農機への作業指示として現場に戻る構造です。

ハウス栽培なら、温湿度・CO2濃度の計測、設定条件との突き合わせ、換気・潅水の自動制御という一巡が短い間隔で回り続けます。露地の水田なら、水位センサーと水管理アプリ、給水バルブの遠隔操作という構成が該当します。どの層まで自動化するかが、そのまま投資規模の違いです。

### 導入効果の実測値：水田作で労働時間9%減・単収9%増（令和6年度白書）

国のスマート農業実証プロジェクトの集計では、水田作で総労働時間が平均9%減少し、単収は平均9%増加しました。約3割の実証地区では労働時間が10%以上減り、なかには20%以上減った事例も報告されています（令和6年度食料・農業・農村白書）。

平均9%という数字を小さいと見るかどうかが判断の分かれ目です。メリット・デメリットの詳しい比較と、採用してよい条件・見送るべき場面の判断基準は[スマート農業のメリット・デメリットとは？実証データで見る導入判断の分かれ目](https://www.issoh.co.jp/column/details/15336/)で解説しています。作業別に見ると、前述の水管理80%短縮・散布61%短縮のように、機械化に向く作業へ効果が集中します。経営全体を一度に変えるのではなく、効果が実証された作業から順に入れるのが、数字に裏づけられた進め方です。

## スマート農業の導入形態と費用感・スマート農業法による支援措置の中身

導入の入り口は大きく3つに分かれ、それぞれ初期投資と自由度が違います。公的支援とあわせて整理します。

### 導入の3形態：機器購入・農業支援サービス利用・独自システム開発

選択肢は、市販機器を購入して自前で運用する形、機械を持たず作業単位で委託する形、自社要件に合わせて開発する形の3つです。それぞれの位置づけを整理します。

| 導入形態     | 初期投資      | 向いている場面    |
| -------- | --------- | ---------- |
| 市販機器の購入  | 機器代が中心    | 単一作業の省力化   |
| 農業支援サービス | 原則不要・利用料型 | 繁忙期の作業委託   |
| 独自システム開発 | 開発費（要件次第） | データ統合・独自機能 |

機械を所有せずドローン散布などを作業ごとに委託する[農業支援サービス](https://www.maff.go.jp/j/kanbo/smart/nougyousien.html)は、供給側の裾野が広がりました。2025年のサービス事業者の経営体数は6,316経営体で、2020年から615経営体増えています（令和7年度白書）。国は標準的な作業工程や作業精度を定めた標準ガイドラインの策定も進めており、「所有」から「利用」への切り替えで初期投資を抑えつつ効果を確かめる入り口として位置づけられます。どの形態でどんな効果が出たのかは、[スマート農業の事例｜作物・規模別の実測効果と自社の経営に引き当てる読み方](https://www.issoh.co.jp/column/details/16133/)で作物別に整理しています。費用は機器・作物・規模で大きく変わるため、いずれの形態でも複数見積もりの比較を前提にしてください。

### スマート農業法の認定計画と支援措置：特別償却・低利融資の対象

スマート農業法にもとづき生産方式革新実施計画の認定を受けた生産者は、対象機械・設備の特別償却や、日本政策金融公庫による長期低利融資の対象になります（2026年9月時点）。登録免許税の税率軽減も措置されており、開発企業の側も、開発供給実施計画の認定で金融・税制の支援を受けられる仕組みです。生産方式革新実施計画は、新たな流通・販売の方式を導入する食品等事業者の取組も認定対象に含みます。

年度ごとの補助事業（機器導入への補助金など）は公募時期・要件が毎年変わるため、検討時点で農林水産省・都道府県の公表情報を確認する前提で計画を立ててください。制度の種類と申請の流れ、発注時に踏みやすい落とし穴は[スマート農業の補助金とは？制度の種類・申請の流れと導入費用の実務を解説](https://www.issoh.co.jp/column/details/16129/)で整理しています。国は営農類型ごとに重点開発目標を定め、令和12（2030）年度までの実用化を目標に開発を後押ししており、果樹・茶では収穫・運搬労働時間の60%削減が目標に掲げられています。中山間地域向けの技術開発支援も別枠で用意されており、支援の厚い領域から普及が進む構図です。

## 発注前に決めるデータ項目：スマート農業の要件定義で外せない3点

見積りが比べられない案件は、たいてい要件の粒度が揃っていません。発注側で先に決めておくと精度が上がる項目を、記述例つきで示します。

### センサー値・作業記録・判断ルールを1つの型にまとめる記述例と注意点

圃場データを扱うシステムでつまずくのは、計測値と作業記録と判断ルールが別々の台帳に散る構造です。最小構成として、区画の識別子・観測時刻・計測値・その時に行った作業・作業を起こした判断ルールを、1件のレコードに揃えておきます。次はその型の記述例です。

```
{
  "field_id": "F-2026-014",
  "observed_at": "2026-09-08T06:00:00+09:00",
  "source": "soil_moisture_sensor",
  "metrics": { "soil_moisture_pct": 28.4, "soil_temp_c": 21.2, "water_level_mm": 42 },
  "work_log": { "task": "irrigation", "actor": "auto_valve_03", "minutes": 12 },
  "decision": { "rule": "moisture_below_30_and_forecast_dry", "action": "open_valve" }
}
```

注意点は3つあります。観測時刻はタイムゾーン付きで持つこと、区画の識別子は機器メーカーの内部IDではなく自社側で採番すること、そして判断ルールの識別子を残すことです。ルール名を残していないと、収量が上下した理由をあとから追えません。気象値をWAGRIから引く場合は、認証キーの失効を前提にした再取得処理を同じ設計書に書き添えます。

### 見積り比較の前に固める3点：データ源・判断ルール・記録の自動化

ベンダーに渡す前に固めるのは、①どの機器・システムからデータを取るか（データ源と台数）、②そのデータで変える判断は何か（ルールの候補）、③現場の入力をどこまでゼロにするか（記録の自動化範囲）の3点です。この3点が空欄のまま相談すると、各社が別々の前提で見積もるため金額が比べられません。

逆に3点が埋まっていれば、市販製品の組み合わせで足りるのか、独自開発が必要なのかも自分で判断できます。進め方の全体像と選定の判断基準は[スマート農業の導入とは？失敗しない進め方の5工程とシステム選定の判断基準](https://www.issoh.co.jp/column/details/16143/)で工程順に整理しています。センサー構成や通信方式の具体は[スマート農業のIoTとは？センサー構成・通信方式の選定と内製化の判断基準](https://www.issoh.co.jp/column/details/16139/)を参照してください。

## 市販サービス導入と独自システム開発の使い分け：採用条件と見送る場面

受託開発会社の立場で、あえて「独自開発が不要な場面」から示します。判断を曖昧にしないための章です。

### 市販パッケージ・農業支援サービスで足りる場面：単一作業の省力化

目的が「水管理の見回りを減らしたい」「散布を任せたい」のように単一の作業に絞れるなら、独自開発は選ばないでください。水管理システム・散布ドローン・ハウスの環境制御装置は市販製品の完成度が高く、前述の80%・61%という短縮実績も市販技術によるものです。開発費と開発期間をかけるだけ投資回収が遅れます。

市販製品への不満が「操作画面が使いにくい」程度であれば、それも開発理由には足りません。運用の工夫や製品の乗り換えで解決する方が安く済みます。

### 独自開発を採用する条件：複数データ統合と独自ノウハウのシステム化

独自開発が合理的になるのは条件が重なったときです。具体的には、センサー・農機・販売実績など複数のデータ源を1つの管理画面や帳票に統合したい場合、産地・法人に固有の栽培基準や選果基準をAIモデルや業務ロジックとして残したい場合、販売管理・会計など既存の基幹システムや取引先システムとの連携が必須の場合、のいずれかに該当する場面を指します。市販製品は単機能では強い一方、この「またぎ」の部分が空白になりやすいためです。

この領域はセンサー選定からAIモデル構築・画面開発・既存システム連携までを一体で設計する必要があります。当社も[AI/IoTソリューションの受託開発](https://www.issoh.co.jp/service/ai/iot/)として、計測から解析・業務システム連携までを一貫して請け負う体制です。既存資産と現場運用を先に棚卸ししてから要件を固めるのが、遠回りに見えて確実な進め方になります。

### 失敗パターン：データを取るだけで終わる導入・現場が使わないシステム

見送りや再設計を勧める典型は2つです。第一に「センサーを付けてデータは貯まったが、誰も見ていない」状態です。解析と制御・作業指示につながらない計測は、通信費と保守費だけが出ていきます。導入前に「このデータで何の判断を変えるか」を1つ決められないなら、その計測は見送ってください。

第二に、現場の作業者が使えない画面・入力負担の重いシステムです。基幹的農業従事者の平均年齢67.7歳・65歳以上が約7割という数字は、UI設計の前提条件でもあります。記録の自動化（手入力ゼロ）を要件の上位に置けない案件は、完成しても現場に定着しません。

## よくある質問

スマート農業の検討時に多い質問と回答をまとめました。

### スマート農業とは何か、簡単にいうとどのような農業ですか？

ロボット・AI・IoTなどの先端技術で、農作業の省力化と品質・収量の向上を図る農業の総称です。センサーで測る、AIが判断する、機械が作業するという役割分担で、人手と経験を補います。2024年10月には通称スマート農業法が施行され、認定制度と税制・融資の支援も整いました。

### スマート農業のデメリットや課題には何がありますか？

初期費用の負担、機器・アプリの習熟、屋外での通信環境の確保が代表的な課題です。導入効果は作業による差が大きく、水管理80%短縮のような領域がある一方、水田作の経営全体では労働時間平均9%減という実測です（令和6年度白書）。効果が実証済みの作業から段階的に入れることで、費用対効果の不確実性を抑えられます。

### スマート農業の導入に使える補助金・支援制度はありますか？

スマート農業法にもとづく計画認定を受けると、特別償却や日本政策金融公庫の長期低利融資、登録免許税の軽減の対象になります（2026年9月時点）。機器導入に対する補助事業は年度ごとに公募内容が変わるため、農林水産省や都道府県の最新の公表情報の確認が前提です。

### 農業DXとスマート農業はどう違いますか？

スマート農業は生産現場の技術群を指し、農業DXは販売・経営管理まで含む経営全体の変革を指す、より広い概念です。現場技術で得たデータを経営判断に接続した段階で、スマート農業の取り組みは農業DXの一部になります。両者は対立概念ではなく、範囲の違いです。

### 小規模な農家でもスマート農業を導入できますか？

できます。機械を購入せず作業単位で委託する農業支援サービスは2025年に6,316経営体まで増え、スマートフォンで使える記録・水管理アプリなど初期投資を抑えた選択肢も広がりました。全作業の自動化ではなく、負担の大きい1つの作業の置き換えから始めるのが現実的です。

### ロボット農機の自動化レベルはどこまで実用化されていますか？

農林水産省の自動化レベルはレベル0からレベル3まであり、使用者が搭乗するレベル1は市販化済みと明記されています。圃場内や周辺からの監視で無人走行するレベル2までが購入できる中心で、遠隔監視のレベル3は実証段階の技術も残ります。2025年2月の保安基準改正により、条件を満たす機体は公安委員会の許可・届出で公道走行もできるようになりました。

### データ連携基盤のWAGRIを使うと開発は楽になりますか？

気象・農地・生育予測・市況・病虫害診断など10前後のカテゴリがAPIで提供されるため、自前でデータを整備する範囲を圃場固有の部分に絞れます。一方でAPIごとに仕様の制約があり、1kmメッシュ農業気象データの認証キーは30分で失効します。キーの再取得やエラー時の扱いを設計に織り込むことが前提です。

## 関連記事

- [製造業のDXとは？課題・進め方・つまずかない導入手順を解説](https://www.issoh.co.jp/column/details/12824/)：業種特化DXの兄弟記事。現場データの統合という共通課題を扱っています。
- [医療DXとは？定義・3本柱・2026年度改定から進め方と受託開発の判断まで解説](https://www.issoh.co.jp/column/details/13779/)：制度が先導する業種DXの進め方を整理しています。
- [物流DXとは？2024年問題と改正物流効率化法を踏まえた課題と進め方を解説](https://www.issoh.co.jp/column/details/15332/)：法施行を背景に持つ業種DXとして本記事と同じ構図です。
- [スマート農業のIoTとは？センサー構成・通信方式の選定と内製化の判断基準](https://www.issoh.co.jp/column/details/16139/)：IoT基盤の4層構成・通信方式の選定・費用の内訳を実装側から確認できます。
- [スマート農業の導入とは？失敗しない進め方の5工程とシステム選定の判断基準](https://www.issoh.co.jp/column/details/16143/)：定義を押さえた次の段階として、導入の5工程と選定の判断基準を確認できます。

---

出典: [スマート農業とは？定義・仕組み・IoT/AI/ロボットの要素技術を発注判断者向けに解説](<https://www.issoh.co.jp/column/details/15334/>)（株式会社一創）