בינה מלאכותית מצילה: כיצד סטארט-אפ ישראלי מפחית בזבוז מזון של מיליארדי דולרים ברשתות השיווק בארה"ב

ארבע מיליון טונות של מזון מתבזבזות מדי שנה ברשתות השיווק בארה"ב – בעיקר מוצרי מזון טריים כמו תותים, בשר וחלב. הסיבה העיקרית היא הקושי של מנהלי הרשתות לחזות במדויק כמה מוצרים להזמין כדי לענות על הביקוש בפועל. עד לאחרונה, תהליך ההזמנה התבסס בעיקר על ניחושים ועל גיליונות אלקטרוניים מודפסים.

סטארט-אפ ישראלי בשם Afresh מציע פתרון חדשני באמצעות בינה מלאכותית. המערכת מצליחה להפחית את הבזבוז ב-25%, ובכך לחסוך לרשתות מיליוני דולרים מדי שנה. החברה הודיעה היום על גיוס של 34 מיליון דולר להרחבת הפעילות, בהובלת קרנות Just Climate ו-High Sage Ventures.

הבעיה: ניהול ידני ומורכב של מלאי מזון טרי

מייסדי Afresh, מאט שוורץ וניית'ן פנר, היו סטודנטים לתואר שני במנהל עסקים באוניברסיטת סטנפורד לפני עשור. כשבחנו את בעיית בזבוז המזון, הם גילו כי מנהלי מחלקות הפירות והירקות ברשתות המזון עדיין משתמשים בשיטות מיושנות: גיליונות נייר, הערכות ידניות ותהליכים לא מדויקים. "זה היה בסופו של דבר תהליך של עט ונייר", אמר שוורץ.

הבעיה מורכבת עוד יותר בשל מאפיינים ייחודיים של מוצרי מזון טריים: מוצרים הנמכרים לפי משקל מאבדים מנפחם עם הזמן, לקוחות יכולים לשלם בטעות עבור מוצר לא אורגני במקום אורגני, ומוצרים מתקלקלים על המדפים מבלי להיספר במדויק בעת השלכתם.

הפתרון: בינה מלאכותית לחיזוי מדויק ולהפחתת בזבוז

המערכת של Afresh מנתחת נתונים ממאות מיליארדי עסקאות ברשתות שונות, תוך התחשבות בגורמים כמו מחירים, מבצעים, מקור המשלוח ותנאי האחסון. המודלים של החברה משתמשים בלמידת מכונה עמוקה כדי לחזות את הביקוש בהתבסס על מגוון רחב של נתונים, החל מתזמון קבלת תלושי מזון ועד לתחזיות מזג האוויר.

לאחר מכן, אלגוריתם אופטימיזציה מציע לרשתות כמה יחידות של כל מוצר להזמין. המערכת ממשיכה ללמוד ולהשתפר לאורך זמן. Afresh מתחילה בדרך כלל בבדיקת המערכת ב-10 עד 20 סניפים ברשת אחת, ולאחר מכן משווה את התוצאות לקבוצת ביקורת של סניפים שלא השתמשו במערכת.

"בדרך כלל אנו רואים הפחתה של 20% עד 25% בזבוז כאשר המערכת נכנסת לפעולה", אמר שוורץ.

כיום המערכת פועלת ביותר מ-12,500 מחלקות מזון ברשתות בארצות הברית, כולל רשתות מובילות כמו Safeway ו-Albertsons. בנוסף להפחתת הבזבוז, המערכת מספקת לרשתות נתונים נוספים שיכולים לשפר את היעילות: למשל, זיהוי מדפים גדולים מדי של פירות וירקות המאפשרים הקטנתם או שימוש בתצוגות דמה כדי ליצור אשליה של שפע עם פחות מוצרים בפועל.

הרשתות יכולות גם לנצל מוצרים העומדים להיפסל למוצרים מוכנים, כמו שימוש באבוקדו להכנת גוואקמולי. לאחרונה השיקה Afresh כלי נוסף לחיזוי מדויק של הביקוש למזון מוכן במחלקות הדליקטסנס.

השפעה רחבה יותר: הפחתת בזבוז לאורך שרשרת האספקה

השיפור בניהול המלאי ברשתות הקמעונאיות משפיע גם על שרשרת האספקה. "כאשר מנקים את תהליך ההזמנה ברשתות, קל יותר למרכזי ההפצה לרכוש את הכמות הנכונה", הסביר שוורץ. "אם מרכזי ההפצה מזמינים את הכמות הנכונה, הספקים יכולים לייצר פחות עודפים, ובכך להפחית את הבזבוז עוד יותר לאורך השרשרת."

החברה ממשיכה להתרחב ולפתח כלים נוספים שיסייעו לרשתות המזון להפחית את הבזבוז ולהגדיל את הרווחיות, תוך שימוש בטכנולוגיות מתקדמות של בינה מלאכותית וניתוח נתונים.