Как наука и ИИ помогают управлять урожаем в Костанайской области
Профессиональный путь Елены Симанчук связан с прикладной наукой, агрохимическими исследованиями и анализом данных. Опыт работы в лаборатории, участие в научных проектах и преподавание в вузе сформировали ее подход к сельскому хозяйству как к системе, требующей точных расчетов и обоснованных решений. Как научный бэкграунд используется при разработке цифровых инструментов для аграриев — читайте в интервью корреспондента агентства Kazinform.
— Елена, Вы пришли в разработку цифровых инструментов для аграриев из науки. С чего начался ваш профессиональный путь?
— Я магистр естественных наук. Мой путь начинался с работы в региональном Smart-центре КРУ имени Ахмет Байтұрсынұлы, затем я работала экологом и руководила агрохимической лабораторией. На данный момент я работаю в smart-центре нашего ВУЗа. Этот опыт сформировал понимание того, как научные данные могут применяться на практике.
— В чем была Ваша научная специализация?
— Я занималась вопросами продуктивности земли и цифровым анализом данных. В бакалавриате — оценкой экосистемных услуг, в магистратуре — влиянием микроэлементов на качество зерна и факторами урожайности в условиях Костанайской области. Во всех исследованиях использовала ГИС-технологии.
— Получается перешли к более практической части. Над чем работаете сейчас?
— Сейчас я соискатель степени PhD в области геоботаники и рекультивации посттехногенных земель. Исследую процессы естественного восстановления нарушенных территорий и проблемы неэффективного землепользования. Плюс руковожу проектом DeepDala. Здесь я отвечаю за связь между ИИ-разработкой и аграрной наукой. Моя задача — обеспечить научную достоверность алгоритмов и перевести данные дистанционного зондирования в понятные и прикладные решения для аграриев. В проекте я выполняю роль Scientific Communication Lead — выступаю связующим звеном между ИИ-разработчиками и аграрной наукой. Мой научный бэкграунд позволяет смотреть на DeepDala не как на IT-продукт, а как на инструмент работы с агроландшафтом.
— Что это за проект?
— DeepDala — цифровая платформа для агропромышленного комплекса, направленная на повышение эффективности землепользования и работы с данными. Приложение предоставляет полевой мониторинг по NDVI на основе спутника Sentinel-2, метеоданные и аналитические отчёты. Система на базе искусственного интеллекта позволяет прогнозировать урожайность за 3–4 месяца до уборки и отслеживать состояние посевов. Проект прошёл инкубационную программу Startup Garage 1.4 от Astana Hub (TOP-40) и имеет рабочий MVP. Команда — победитель и призёр профильных конкурсов, ведёт подготовку к пилотным запускам весной 2026 года и разработке следующей версии приложения с расширенными ИИ-модулями.
— Почему появилась идея создать такой проект и с какой конкретной проблемой аграриев вы столкнулись при образовании платформы?
— Главная боль, которую мы увидели — это работа «вслепую». Когда я руководила агрохимической лабораторией, я часто наблюдала ситуацию: данные о почве есть, но они лежат мертвым грузом, потому что фермеру некогда их анализировать. В итоге решения принимаются на ходу. DeepDala меняет это. Мы превращаем сложные спутниковые снимки в простую и понятную инструкцию. Платформа помогает увидеть проблему на поле — будь то нехватка азота или очаг болезни — еще до того, как она станет заметна невооруженным глазом.
— Как работает прогнозирование урожайности на базе ИИ?
— Мы используем временные ряды данных Sentinel-2 и ИИ-модели, которые анализируют динамику развития посевов, а не один снимок. Прогноз строится на основе: темпов вегетации, реакции культуры на погодные условия, неоднородности внутри поля, отклонений от эталонных сценариев прошлых сезонов. За счёт этого уже в середине сезона становится понятно: какое поле «не дотягивает», где потенциал снижается и где ещё есть окно для управленческих решений. Это не «угадывание», а ранний сценарный прогноз, который можно корректировать по мере поступления новых данных.
— Чем еще примечательна платформа?
— Благодаря внедрению проекта, рост урожайности может достичь до 1,7 т/га, а увеличение дохода поднимется на 14–26%. Эти цифры — прогноз, основанный на мировом опыте внедрения точного земледелия. Для Костанайской области показатели могут варьироваться, но сам механизм получения прибыли строится на трех решениях: точечное внесение (VRA) — это говоря простым языком, мы уходим от «уравниловки». Удобрения вносятся только там, где они дадут отдачу. Это резко снижает себестоимость и исключает перерасход химии. Упреждающий контроль: ИИ видит стресс растений (болезни, дефицит питания) на 2 недели раньше агронома. Это позволяет устранить проблему локально, сохранив объем урожая. Умная логистика: точный прогноз за 3 месяца дает возможность заранее законтрактовать элеваторы и транспорт по лучшим ценам, избегая авралов при уборке.
— На каком этапе сейчас находится проект?
— Программа уже вышла из стадии идеи: у нас есть рабочая платформа и протестированные модели, которые подтвердили свою жизнеспособность в лабораторных условиях. Сейчас мы находимся на этапе активной подготовки к масштабному выходу в поля. Пилотные запуски весной 2026 года — это наш «момент истины». Здесь мы увидим подтверждение точности прогнозов в условиях реальных хозяйств «на земле», по факту отработаем модель под специфику разных культур и почвенно-климатические особенности регионов. Наша цель — выйти к сезону уборки не просто с перспективной технологией, а с доказанным экономическим эффектом, который фермер сможет увидеть в своем амбаре и на банковском счете.
Ранее Минсельхоз РК определил формирование «е-АПК» ключевой задачей 2026 года.
