В этом обзоре — международные практики применения цифровых инструментов и искусственного интеллекта для сокращения пищевых отходов и потерь. Кейсы охватывают разные этапы цепочки: производство, логистику, ритейл и потребление.
FMCG-производители: выявление и перераспределение излишков
Искусственный интеллект позволяет заранее выявлять и предотвращать образование излишков, а также эффективно перенаправлять пригодные продукты людям вместо утилизации.
Компании в Великобритании, в частности Nestlé, тестируют ИИ-систему Zest. Она в реальном времени отслеживает и анализирует производственные процессы, выявляя излишки продукции, которые не удается реализовать. Ожидается, что пилот на заводе Nestlé позволит предотвратить утилизацию до 700 тонн продукции — эквивалента около 1,5 млн приемов пищи. Также он позволит предотвратить выбросы до 1 400 тонн CO₂ и снизить операционные затраты до £14 млн.
Алгоритмы объединяют данные о работе производственных линий, объемах выпуска и отклонениях, позволяя прогнозировать появление излишков заранее и корректировать процессы до того, как продукты станут отходами. За первые две недели испытаний на одном из заводов объем «съедобных» отходов снизился на 87%.
Более того, ИИ-система сопоставляет объемы невостребованных продуктов с потребностями благотворительных организаций (совместно с сетью FareShare UK). В результате еда отправляется туда, где она действительно нужна.
Обмен данными между участниками цепочки позволяет одновременно снижать невостребованные излишки и поддерживать объем продаж.
В Японии по заказу правительства был реализован пилотный проект по снижению пищевых потерь за счет обмена данными между участниками цепочки поставок. В испытании участвовали семь организаций — производители продуктов питания, дистрибьюторы, розничная сеть Super Hosokawa, кооператив супермаркетов Kyushu CGC и исследовательский институт.
В основе проекта — совместное использование ID-POS-данных* и ИИ-прогнозирования спроса. Заказы, сформированные на основе прогнозов за два дня вперед, показали более высокую точность и снизили списания скоропортящихся товаров, таких как тофу, рыбные изделия и готовые блюда. В отдельных категориях уровень отходов снизился более чем в два раза.
Проект направлен на устранение «эффекта хлыста», когда небольшие колебания спроса у покупателей приводят к перепроизводству на более ранних этапах цепочки поставок.
*ID-POS-данные — это детализированная информация о розничных продажах, собранная в момент транзакции и привязанная к конкретному идентификатору (ID) покупателя, например, номеру карты лояльности, аккаунту в приложении или уникальному ID пользователя.
Управление качеством: оценка свежести и срока хранения
Более точная оценка спелости овощей и фруктов помогает принимать обоснованные решения о поставках и продажах, а также делать менее субъективным процесс списаний в этой категории.
Стартап из Нидерландов OneThird разработал сканер, который с помощью мультиспектральной камеры и ИИ оценивает спелость и срок сохранения качества фруктов и овощей без повреждения продукта. Технология анализирует невидимые спектры и показатели вроде содержания воды и сахара. В систему уже включены томаты, черника и авокадо, еще шесть продуктов находятся в разработке.
Сканер уже используется ритейлерами в Европе и Северной Америке и позволяет направлять продукцию в те каналы, где ее успеют продать, или заранее выводить из цепочки. По данным разработчиков, это уже снизило потери до 25%.
Ритейл: управление запасами и сроками годности
Оптимизация ротации и управление запасами открывает значительный потенциал для сокращения потерь в ритейле.
В Новой Зеландии более 80 супермаркетов Foodstuffs внедрили систему WhyWaste, которая отслеживает десятки тысяч товарных позиций и оптимизирует ротацию запасов по принципу FIFO. Алгоритмы прогнозируют спрос, выявляют рискованные позиции и подсказывают персоналу, когда уценять, перемещать или выводить товар из ассортимента.
В отдельных магазинах зафиксировано снижение пищевых отходов до 90%, значительная экономия времени сотрудников и уменьшение жалоб покупателей. Дополнительная ценность — данные для корректировки закупок, ассортимента и ценовой политики.
Прозрачность объема пищевых отходов и экономические стимулы способны существенно изменить поведение потребителей.
Южная Корея внедрила систему оплаты за фактический объем отходов с использованием RFID-контейнеров. Умные контейнеры идентифицируют пользователя, взвешивают пищевые отходы с точностью до грамма и автоматически начисляют плату. Такая прозрачность стимулирует домохозяйства сокращать отходы — например, высушивать их и выбрасывать меньшими порциями.
Страна перерабатывает около 97% пищевых отходов, а в Сеуле их объем снизился почти на четверть за последние десять лет. Исследования показывают, что возможность видеть и оплачивать точный вес выбрасываемой еды приводит к заметному снижению отходов.
Ключевые выводы
Во всех рассмотренных кейсах искусственный интеллект используется как прикладной инструмент управления излишками. Алгоритмы помогают заранее выявлять риски списаний, точнее прогнозировать спрос, оценивать фактический срок хранения продукции и принимать операционные решения — от корректировки поставок до уценки или перераспределения товаров.
Это позволяет работать не с последствиями, а с причинами потерь.