AI kan halvere fødevarespild i amerikanske supermarkeder

Hvert år smider amerikanske supermarkeder omkring fire millioner tons mad ud – hovedsageligt friske varer som frugt, grøntsager og kød. Årsagen er simpel: Det er svært for butikschefer at forudsige, hvor mange poser med jordbær eller pakker med oksekød de skal have på lager for at dække efterspørgslen.

Indtil for nylig foregik denne planlægning manuelt, men nu hjælper AI-værktøjer fra startupet Afresh butikkerne med at reducere spildet med op til 25%. Virksomheden annoncerede i dag en ny finansieringsrunde på 34 millioner dollars, ledet af investeringsfirmaerne Just Climate og High Sage Ventures.

Fra Excel-ark til AI-drevet præcision

For ti år siden, da Afresh’ grundlæggere Matt Schwartz og Nathan Fenner var MBA-studerende på Stanford, begyndte de at undersøge fødevareindustriens spildudfordring. De besøgte supermarkeder og observerede, hvordan ansatte brugte trykte regneark til at estimere lagerbeholdning og bestille varer. Mens nogle butikker anvendte software til at styre og bestille emballerede varer, var friske varer stadig afhængige af simple metoder og erfaringsbaserede gæt.

"Det var i bund og grund en pen-og-papir-proces," fortæller Schwartz. Han og Fenner begyndte derfor at udvikle et værktøj, der kunne estimere lagerbeholdningen mere præcist – en kompleks opgave. Frugt og grøntsager, der sælges efter vægt, mister eksempelvis vand over tid, og kunder i selvbetjeningskasserne kan utilsigtet blive opkrævet for konventionelle æbler, når de egentlig køber økologiske. Desuden bliver mad, der bliver dårlig på hylden – fra hindbær til laksestykker – sjældent registreret korrekt, når det smides ud.

Sådan fungerer AI’en

Afresh’ software analyserer data fra hver butik – i nogle tilfælde milliarder af transaktioner – og tager højde for faktorer som priser, kampagner, oprindelsessted og produktets holdbarhed. Dybdegående læringsmodeller forudsiger desuden efterspørgslen ud fra en række andre parametre, herunder tidspunktet for fødevarekuponer og vejrforhold. Herefter foreslår en optimeringsalgoritme, hvor mange af hver vare butikken bør bestille. Over tid bliver modellerne ved med at lære og forbedre sig.

Virksomheden starter typisk med en test i 10-20 butikker i en kæde og sammenligner resultaterne med en kontrolgruppe af butikker i samme periode. "Vi ser typisk en reduktion i spild på 20-25%, når vi implementerer vores system," siger Schwartz. Løsningen er nu i brug i mere end 12.500 afdeling i amerikanske supermarkeder, herunder Safeway og Albertsons.

Ud over spildreduktion

Men Afresh’ værktøjer kan også bruges på andre måder. I nogle butikker har løsningen eksempelvis vist, at frugt- og grøntsagsdisplays er for store, hvilket gør det muligt at justere størrelsen eller bruge "dummy-displays" for at få varerne til at se mere fyldige ud med mindre frugt. Desuden kan butikker bruge frugt og grøntsager, der er på vej til at blive dårlige, til at fremstille færdigretter, eksempelvis ved at omdanne avocadoer til guacamole. (Afresh har for nylig lanceret et nyt værktøj, der hjælper butikker med at forudsige efterspørgslen efter færdigretter i delikatesseafdelinger.)

"Når du optimerer bestillingerne i butikken, bliver det lettere for distributionscentrene at købe den rigtige mængde," forklarer Schwartz. "På den måde kan vi reducere spild i hele forsyningskæden."