AI 에이전트로 지속 가능한 축산

연사 코디 메네피는 소프트웨어 엔지니어링의 문법이나 언어보다는 AI 에이전트를 활용한 제품 구축에 집중한다고 설명했다.

코디 메네피는 내슈빌 주택가에서 칠면조 10마리를 키워 도축까지 직접 경험하며 농사로 돈을 버는 것이 매우 어렵다는 점을 깨달았다.

그는 가축 운송 시 발생하는 전기차의 주행 거리 감소와 같은 한계를 확인했으며, 가족의 생계와 운영 비용 측면에서 상업적 가축 사육이 매우 어렵다고 경험을 통해 이야기했다.

현재 소의 97%는 여전히 사육장에서 비육되며, 목초지에서 자라는 비율은 3%에 불과하다.

동물과 생태계를 위해 방목형 축산의 비중을 늘려야 하지만, 동물을 지속적으로 이동시켜야 하는 적절한 방목 과정이 막대한 노동력을 요구하는 것이 병목 현상으로 작용한다.

윤환 방목은 목초지를 여러 구획으로 나누어 각 구획에 동물들이 하루 동안 먹을 만큼의 풀을 먹게 하고, 매일 동물들을 이동시키는 방식이다.

이 방식은 휴식과 방목을 반복하여 목초지의 효율성을 높이지만, 울타리 이동 및 가축 추적에 많은 노동력이 투입되어 인력 부족이 최대 걸림돌로 지적된다.

최근 Halter, NoFence 등 GPS 목걸이 기반 가상 경계 설정 기업이 등장했으며, 피터 틸이 투자한 Halter의 기업 가치는 20억 달러 수준에 달한다.

그러나 이러한 기술에도 불구하고, 가축을 어디로, 언제 이동시켜야 하는지에 대한 과학적인 지표가 부재하여 여전히 농부의 직관에 의존하는 한계가 있다.

풀은 성장 주기에 따라 너무 짧거나 길지 않은 적절한 길이를 유지하는 것이 중요하며, 너무 짧으면 다시 자라는 데 오래 걸리고 너무 길면 늙고 쓴맛이 나 가축들이 싫어한다.

가뭄, 강우량 등 환경 요인이 풀의 성장 속도에 큰 영향을 미치므로, 농부의 직관에 의존하던 방목 결정을 데이터 기반으로 전환해야 한다.

드론 자동 비행은 높은 해상도 이미지를 제공할 수 있지만, 현재 전 세계 어느 곳에서도 이러한 용도로 자율 비행 드론을 승인한 사례가 없어 규제 및 조종 교육의 어려움이 큰 병목 현상이다.

플래닛(Planet) 위성으로 지구 전체 촬영이 가능하나 지상 정보 해석에는 한계가 있으며, 트레일 캠과 측정 장치를 이용한 잔디 높이 측정 아이디어가 대안으로 제시되었다.

코디 메네피는 GPS 데이터, 가뭄 상황, 풀 높이 등을 종합 분석하여 LLM이 특정 날짜에 동물이 어디에 있어야 할지 최적의 결정을 내리는 시스템을 구상한다.

이 시스템은 최적의 이동 시점과 장소를 결정하여 생산성을 극대화하고, 더 적은 목초지에서 더 많은 소를 키우는 규모의 경제 달성을 목표로 한다.

농부들의 실전 노하우와 언제, 왜, 어떻게 이동해야 하는지에 대한 많은 지식이 주로 유튜브 동영상에 담겨 있으며, 이를 수집하여 지식 기반을 구축할 계획이다.

Firecrawl 툴킷으로 웹 데이터와 연구 논문을 자동 수집하고, Open Pastures 프로젝트를 통해 농부들을 위한 정보 공유 저장소를 조성하여 지식 축적을 돕는다.

특정 구역의 과도한 방목은 목초지의 생물 다양성을 저해하는 문제가 발생할 수 있다.

이상적으로는 목초지의 균형 잡힌 관리를 통해 가축들이 풀 자체에서 모든 다량 영양소와 미량 영양소를 섭취하게 하여 건초나 보충제 없이 완전히 자연적으로 관리되는 시스템을 구축하는 것이 목표이다.

업계 관점에서 보면 특정 하드웨어 구매를 강제하는 지오펜싱 업체들의 폐쇄적인 기술 구조는 소프트웨어 혁신을 저해하는 골칫거리로 지적된다.

메네피는 이러한 사업 방식은 이해가 되지만 업계의 관점에서는 골칫거리이며, 소프트웨어 레이어에서 혁신을 이루기 위해 의존적인 구조를 개선해야 한다고 강조한다.

농부의 자가 수리권 및 기술 활용에 대한 높은 의지가 있으며, 기성품 구성 요소로 조립 가능한 오픈 소스 API를 제공하는 목걸이 제품이 필요하다고 말한다.

궁극적으로는 특허와 API를 공개하여 다양한 솔루션이 경쟁하고 최적화될 수 있는 개방형 생태계를 지향한다.

Pasture Bird사의 자동화 닭장 사례처럼, 반추 동물을 먼저 풀어 놓아 풀의 윗부분을 뜯어 먹게 한 뒤, 그 뒤를 따라온 닭들이 반추 동물의 배설물에서 기생충을 쪼아 먹는 다축종 혼합 방목 방식이 있다.

이러한 방식은 약품 비용 절감 및 개입 최소화를 통해 강한 종축을 확보하고 자연적인 질병 관리가 가능하도록 돕는다.

농업 현장에는 결정론적 알고리즘으로는 해결할 수 없는 다변수 문제가 많으며, 이러한 복잡한 문제에는 다변수 분석이 필요하다.

LLM 중심의 데이터 분석은 농부의 의사결정을 보완하고, 농장 운영 자동화를 통해 방목의 확장성을 확보할 수 있는 새로운 모델을 제시한다.

AI 에이전트에게 필요한 맥락을 제공하고, 데이터를 수집하며, 그 데이터를 LLM이 분석할 수 있는 방식으로 패키징하는 것이 가장 중요한 문제라고 지적한다.

Firecrawl은 AI를 위한 맥락 레이어 솔루션을 제공하며, 웹 데이터 추출을 통해 복잡한 문제를 해결할 엔지니어를 채용하고 있다고 밝혔다.