Cách AI Tăng Tốc R&D Thực Phẩm & Đồ Uống, Mà Không Thay Thế Nhà Khoa Học Thực Phẩm

Ngành công nghiệp thực phẩm và đồ uống (F&B) chưa bao giờ phải đối mặt với nhiều áp lực cạnh tranh như hiện nay. Người tiêu dùng mong đợi các sản phẩm lành mạnh hơn, nhãn mác trong sạch hơn và nguyên liệu bền vững hơn. Các nhà bán lẻ muốn chu kỳ đổi mới nhanh hơn. Các yêu cầu pháp lý tiếp tục phát triển trên các thị trường toàn cầu. Trong khi đó, chi phí nguyên liệu và chuỗi cung ứng vẫn khó dự đoán.

Đối với các đội ngũ nghiên cứu và phát triển (R&D), những thách thức này hiếm khi tồn tại riêng lẻ. Các quyết định phát triển sản phẩm mới (NPD) đòi hỏi cân bằng hàng chục yếu tố, từ dinh dưỡng, hương vị và chức năng đến chi phí, nguồn cung, nhãn mác và tuân thủ quy định. Kết quả là quy trình phát triển sản phẩm ngày càng phức tạp, trong đó ngay cả những thay đổi nhỏ cũng có thể kéo dài thêm hàng tuần công việc.

AI đang bắt đầu thay đổi phương trình này. Trong khi phần lớn cuộc trò chuyện về AI tập trung vào tạo nội dung hoặc năng suất văn phòng, cơ hội lớn nhất cho các thương hiệu F&B có thể nằm ở việc hỗ trợ các nhà khoa học thực phẩm đưa ra quyết định tốt hơn và sớm hơn về việc đưa sản phẩm ra thị trường. Thay vì thay thế chuyên môn khoa học, AI có tiềm năng tăng tốc quá trình phát triển sản phẩm bằng cách giải phóng thời gian cho các đội R&D để dành nhiều thời gian hơn cho việc giải quyết các vấn đề mà phán đoán của con người không thể thay thế bằng công nghệ.

Từ Việc Tìm Kiếm Thông Tin Đến Đánh Giá Các Khả Năng

Đối với những người trong ngành, chúng ta biết phần lớn công việc công thức vẫn liên quan đến việc tìm kiếm thông tin. Các nhà khoa học thường phải chuyển đổi giữa các thông số nguyên liệu, tài liệu nhà cung cấp, cơ sở dữ liệu dinh dưỡng, tài liệu pháp lý, các công thức trước đây và ghi chú nội bộ chỉ để trả lời các câu hỏi tương đối đơn giản. Nguyên liệu này có thể thay thế được không? Sản phẩm này có vẫn đáp ứng mục tiêu dinh dưỡng không? Việc loại bỏ đường sẽ ảnh hưởng như thế nào đến kết cấu? Có nhà cung cấp thay thế nào không? Việc tìm câu trả lời thường đòi hỏi tham khảo nhiều hệ thống và chuyên gia trước khi bắt đầu thí nghiệm thực tế. AI có khả năng rút ngắn quá trình này một cách đáng kể.

Thay vì dành hàng giờ để thu thập thông tin, các nhà khoa học có thể đánh giá nhiều kịch bản trong vài phút. Thay vì so sánh thủ công hàng chục thuộc tính của nguyên liệu, họ có thể nhanh chóng hiểu các đánh đổi giữa các phương pháp khác nhau và tập trung vào việc xác định lựa chọn nào đáp ứng tốt nhất mục tiêu của sản phẩm. Giá trị lớn nhất xuất hiện khi AI dựa trên dữ liệu nội bộ của tổ chức, không chỉ thông tin công khai. Khi được kết nối với các thông số nguyên liệu, công thức, kết quả thí nghiệm, mạng lưới nhà cung cấp, quy trình vận hành tiêu chuẩn và dữ liệu lịch sử của công ty, AI có thể đánh giá các khả năng trong bối cảnh doanh nghiệp thực sự phát triển sản phẩm. Sự chuyển đổi này, từ việc tìm kiếm thông tin sang đánh giá các khả năng, có thể là một trong những đóng góp lớn nhất của AI cho đổi mới thực phẩm.

Đưa Ra Các Quyết Định Tốt Hơn Sớm Hơn

Một trong những thực tế tốn kém nhất của NPD là thời gian để phát hiện các hạn chế. Một sản phẩm mới đầy hứa hẹn cuối cùng có thể thất bại vì một nguyên liệu không có sẵn trên thị trường, không đáp ứng yêu cầu nhãn mác, vượt quá mục tiêu chi phí, hoặc tạo ra những thách thức sản xuất không lường trước. Khi những vấn đề này xuất hiện, các đội có thể đã đầu tư đáng kể thời gian và nguồn lực phòng thí nghiệm. AI có thể giúp xác định nhiều hạn chế này sớm hơn rất nhiều. Nghiên cứu gần đây của McKinsey phát hiện một công ty F&B tăng gấp bốn lần tốc độ ra mắt các sáng kiến và giảm 70% chi phí trung bình cho mỗi dự án sau khi chuyển đổi cách tiếp cận R&D bằng AI.

Bằng cách đồng thời xem xét mục tiêu cuối cùng của sản phẩm cùng với dinh dưỡng, các lo ngại về dị ứng, chức năng của nguyên liệu, các yếu tố nguồn cung và yêu cầu pháp lý, AI có thể giúp các đội nhận ra các rào cản tiềm năng trước khi chúng trở thành những vấn đề tốn kém và mất thời gian. Vì những đề xuất này dựa trên mối quan hệ với nhà cung cấp, nguyên liệu đã được phê duyệt và các công thức trước đây của công ty, các nhà khoa học có thể khám phá những ý tưởng mới với sự tự tin cao hơn.

Điều này không loại bỏ nhu cầu thử nghiệm trên bàn, đánh giá cảm quan, hay rà soát pháp lý. Những bước này vẫn là thiết yếu. Tuy nhiên, khi bước vào các giai đoạn này với những phát triển ban đầu vững chắc hơn, có thể giảm bớt các vòng lặp không cần thiết và cho phép các đội tập trung nguồn lực vào những nơi mang lại giá trị lớn nhất.

Bảo Tồn Kiến Thức Tổ Chức

Các nhà khoa học có kinh nghiệm tích lũy một lượng kiến thức thực tiễn khổng lồ trong suốt sự nghiệp, hiểu tại sao một sự thay thế cụ thể thất bại, những điều kiện xử lý nào mang lại kết quả tốt hơn, hoặc cách các nỗ lực tái công thức trước đây đã vượt qua các thách thức pháp lý. Thường xuyên, kiến thức này chỉ tồn tại trong sổ tay, bảng tính hoặc kinh nghiệm cá nhân. Khi các tổ chức phát triển và những nhân viên có kinh nghiệm nghỉ hưu hoặc chuyển sang vai trò khác, phần lớn kiến thức đó trở nên khó tiếp cận hoặc hoàn toàn mất đi.

Các hệ thống AI có khả năng ghi lại công thức cuối cùng và lý do đằng sau các quyết định phát triển có tiềm năng tạo ra một bộ nhớ tổ chức sống động. Các đội dự án trong tương lai có thể dựa trên công việc đã có thay vì vô tình lặp lại các phương pháp không thành công hoặc bắt đầu lại phân tích từ đầu. Kiến thức tổ chức này càng trở nên quý giá hơn khi được áp dụng vào công việc mới. Thay vì chỉ dựa vào kiến thức AI chung, các đội có thể tận dụng các hệ thống sử dụng bối cảnh tổ chức vượt xa khả năng của một nhà khoa học hay quản lý mua sắm duy nhất. Trong một ngành mà thời gian phát triển sản phẩm ảnh hưởng trực tiếp đến tính cạnh tranh, việc bảo tồn và tái sử dụng kiến thức tổ chức có thể trở nên quan trọng ngang mức việc tạo ra những ý tưởng mới.

Đổi Mới Trong Các Hạn Chế Thực Tế

Một hiểu lầm về AI là nó chỉ giới hạn ở việc tạo ra ý tưởng. Nhưng ý tưởng một mình không có giá trị đáng kể trong khoa học thực phẩm. Đổi mới thành công đòi hỏi cân bằng giữa sáng tạo và tính thực tiễn. Một sản phẩm mới sẽ có ít giá trị nếu nguyên liệu không thể được cung cấp một cách ổn định, chi phí vượt quá mục tiêu thương mại hoặc các yêu cầu pháp lý ngăn cản việc đưa sản phẩm ra thị trường.

Thực tế, lời hứa lớn nhất của AI là giúp các nhà khoa học khám phá nhiều khả năng khả thi hơn, không chỉ nhiều khả năng hơn. Bằng cách đánh giá đồng thời nhiều hạn chế, AI có thể khuyến khích thử nghiệm rộng rãi hơn trong khi vẫn dựa trên thực tế thương mại. Các nhà khoa học có thể phát hiện ra các kết hợp nguyên liệu hoặc chiến lược tái công thức mà họ chưa từng nghĩ tới, đồng thời vẫn tin tưởng rằng những lựa chọn đó có thể thực tế tiến tới thương mại hóa. Sự cân bằng giữa sáng tạo và khả thi đang ngày càng quan trọng khi các nhà sản xuất theo đuổi công thức lành mạnh hơn, protein thay thế, giảm đường và lựa chọn nguyên liệu bền vững hơn.

Chuyên Môn Con Người Vẫn Là Lợi Thế Cạnh Tranh

Mặc dù AI đang tiến nhanh, việc phát triển sản phẩm thực phẩm vẫn sẽ dựa vào chuyên môn con người. Không có thuật toán nào có thể thay thế đánh giá cảm quan, hiểu biết người tiêu dùng, sáng tạo hay phán đoán thực tiễn mà các nhà khoa học thực phẩm có kinh nghiệm mang lại cho các quyết định công thức. AI cũng không thể hoàn toàn tính đến những đánh đổi tinh vi phát sinh trong quá trình thương mại hoá và sản xuất.

Thay vào đó, AI đang nhanh chóng trở thành công cụ hỗ trợ quyết định, giúp các nhà khoa học đánh giá các lựa chọn nhanh hơn, nhận diện rủi ro sớm hơn và giảm thời gian thu thập thông tin. Những thương hiệu thành công trong AI sẽ là những thương hiệu coi AI không phải là sự thay thế tự động cho chuyên môn khoa học, mà là sự mở rộng của nó.

Tương lai của R&D trong ngành F&B sẽ không được định hình bởi các máy móc tự phát triển sản phẩm một cách độc lập. Nó sẽ được định hình bởi các nhà khoa học được trang bị công cụ, thông tin và thời gian tốt hơn để tập trung vào những gì họ giỏi nhất: giải quyết các vấn đề phức tạp đưa các sản phẩm đổi mới ra thị trường nhanh hơn.