Jak AI urychluje výzkum a vývoj v potravinářství a nápojovém průmyslu, aniž by nahrazovala potravinového vědce

Potravinářský a nápojový průmysl (F&B) nikdy nečelil tak mnoha konkurenčním tlakům. Spotřebitelé očekávají zdravější produkty, přehlednější etikety a udržitelnější suroviny. Maloobchodníci chtějí rychlejší inovační cykly. Regulační požadavky se nadále vyvíjejí na globálních trzích. Současně zůstávají náklady na suroviny a dodavatelské řetězce nepředvídatelné.

Pro týmy výzkumu a vývoje (R&D) tyto výzvy zřídka existují samostatně. Rozhodnutí o vývoji nových produktů (NPD) vyžadují vyvážení desítek proměnných, od výživy, chuti a funkčnosti po náklady, zdroje, označování a regulační soulad. Výsledkem je stále složitější proces vývoje produktů, kde i malé změny mohou vyvolat týdny další práce.

AI začíná tuto rovnici měnit. Zatímco velká část diskuse o AI se soustředila na generování obsahu nebo kancelářskou produktivitu, největší příležitostí pro značky v oblasti F&B může být pomoci potravinovým vědcům činit lepší a dřívější rozhodnutí o uvádění produktů na trh. Místo nahrazení vědecké odbornosti má AI potenciál urychlit vývoj produktů tím, že uvolní týmy R&D, aby mohly více času věnovat řešení problémů, kde lidský úsudek nelze nahradit technologií.

Od vyhledávání informací po vyhodnocování možností

Pro nás v odvětví víme, že většina práce na formulacích stále zahrnuje vyhledávání informací. Vědci jsou často nuceni přecházet mezi specifikacemi surovin, dokumentací dodavatelů, výživovými databázemi, regulačními odkazy, předchozími formulacemi a interními poznámkami jen proto, aby odpověděli na poměrně jednoduché otázky. Lze tuto surovinu nahradit? Splní tento produkt nadále výživové cíle? Jaký vliv bude mít odstranění cukru na texturu? Je k dispozici alternativní dodavatel? Hledání těchto odpovědí často zahrnuje konzultaci více systémů a odborníků, než začne samotný experiment. AI má schopnost tento proces dramaticky zkrátit.

Místo strávení hodin shromažďováním informací mohou vědci během minut vyhodnotit několik scénářů. Místo ručního porovnávání desítek atributů surovin mohou rychle pochopit kompromisy mezi různými přístupy a soustředit se na určení, která možnost nejlépe odpovídá cílům produktu. Největší hodnota se objeví, když je AI zakotvena v datech organizace, nikoli jen ve veřejně dostupných informacích. Když je propojena se specifikacemi surovin, recepty, experimentálními výsledky, sítí dodavatelů, standardními provozními postupy a historickými daty společnosti, může AI vyhodnocovat možnosti v kontextu toho, jak daná firma skutečně vyvíjí produkty. Tento posun od vyhledávání informací k vyhodnocování možností může být jedním z největších přínosů AI pro inovace v potravinářství.

Činit lepší rozhodnutí dříve

Jednou z nejdražších realit NPD je čas potřebný k odhalení omezení. Slibný nový produkt může nakonec selhat, protože surovina není komerčně dostupná, nesplňuje požadavky na označování, překračuje cenové cíle nebo vytváří neočekávané výrobní problémy. V okamžiku, kdy se tyto problémy objeví, mohou týmy již investovat značné množství laboratorního času a zdrojů. AI může pomoci identifikovat mnoho z těchto omezení mnohem dříve. Nedávný výzkum od McKinsey zjistil, že jedna společnost v oblasti F&B čtyřnásobně zvýšila tempo uvádění inovací na trh a snížila průměrné výdaje na projekt o 70 % po transformaci svého přístupu k R&D pomocí AI.

Současným zohledněním cílů konečného produktu spolu s výživou, alergeny, funkčností surovin, otázkami zdrojování a regulačními požadavky může AI pomoci týmům rozpoznat potenciální překážky dříve, než se stanou nákladnými a časově náročnými problémy. Protože jsou tato doporučení podložena vztahy společnosti s dodavateli, schválenými surovinami a předchozími formulacemi, mohou vědci zkoumat nové nápady s větší důvěrou.

To neodstraňuje potřebu laboratorního testování, senzorické evaluace ani regulačního přezkumu. Tyto kroky zůstávají nezbytné. Ale vstup do těchto fází s pevnějšími počátečními vývoji může snížit zbytečné iterace a umožnit týmům soustředit své zdroje tam, kde mohou přinést největší hodnotu.

Zachování institucionálního know-how

Zkušení vědci během své kariéry získají obrovské množství praktických znalostí, rozumí tomu, proč konkrétní substituce selhala, které podmínky zpracování přinesly lepší výsledky, nebo jak předchozí reformulační snahy řešily regulační výzvy. Příliš často jsou tyto znalosti uloženy v poznámkových blocích, tabulkách nebo v individuální zkušenosti. Jak organizace rostou a zkušení zaměstnanci odcházejí do důchodu nebo mění role, mnoho z těchto poznatků se stává těžko dostupným či úplně ztraceným.

AI systémy schopné zachytit finální recepty a zdůvodnění vývojových rozhodnutí mají potenciál vytvořit živou institucionální paměť. Budoucí projektové týmy mohou stavět na předchozí práci místo toho, aby neúmyslně opakovali neúspěšné přístupy nebo znovu zahajovali analýzy od nuly. Tato institucionální znalost se stává ještě cennější, když se aplikuje na novou práci. Místo spoléhat se výhradně na obecné AI znalosti mohou týmy využívat systémy, které využívají organizační kontext daleko přesahující kapacitu jednoho vědce či nákupčího. V odvětví, kde termíny vývoje produktů přímo ovlivňují konkurenceschopnost, může zachování a opětovné využití organizačních znalostí být stejně cenné jako generování nových nápadů.

Inovace v rámci reálných omezení

Jedním z nedorozumění o AI je, že je omezena pouze na generování nápadů. Ale samotné nápady nejsou v potravinářské vědě příliš cenné. Úspěšná inovace vyžaduje vyvážení kreativity s praktičností. Nový produkt má malou hodnotu, pokud suroviny nelze spolehlivě získat, náklady překračují komerční cíle nebo regulační požadavky brání vstupu na trh.

Ve skutečnosti je největším slibem AI pomoci vědcům zkoumat více životaschopných možností, ne jen více možností. Vyhodnocováním několika omezení současně může AI podpořit širší experimentování a přitom zůstat zakotvena v komerční realitě. Vědci mohou objevit kombinace surovin nebo reformulační strategie, které by jinak neuvážili, a přitom si zachovat jistotu, že tyto možnosti mohou realisticky vést k komercializaci. Tento rovnováha mezi kreativitou a proveditelností se stává čím dál důležitější, jak výrobci usilují o zdravější formulace, alternativní bílkoviny, snížení cukru a udržitelnější výběr surovin.

Lidská odbornost zůstává konkurenční výhodou

Navzdory rychlému pokroku v AI bude vývoj potravinových produktů i nadále záviset na lidské odbornosti. Žádný algoritmus nemůže nahradit senzorické hodnocení, porozumění spotřebitelům, kreativitu ani praktický úsudek, který zkušení potravinoví vědci přinášejí do rozhodování o formulacích. AI také nedokáže plně zohlednit jemné kompromisy, které vznikají během komercializace a výroby.

Místo toho se AI rychle stává nástrojem pro podporu rozhodování, který pomáhá vědcům rychleji vyhodnocovat možnosti, dříve identifikovat rizika a méně času věnovat shromažďování informací. Značky, které v AI uspějí, budou ty, které AI nevidí jako automatizovanou náhradu vědecké odbornosti, ale jako její rozšíření.

Budoucnost výzkumu a vývoje v oblasti F&B nebude definována stroji, které vyvíjejí produkty zcela samostatně. Bude definována vědci vybavenými lepšími nástroji, informacemi a časem, aby se mohli soustředit na to, co dělají nejlépe: řešení složitých problémů, které přinášejí inovativní produkty na trh rychleji.