Как ИИ решает проблему убытков в $27 млрд от отходов продуктов в США

Ежегодно американские супермаркеты выбрасывают около 4 миллионов тонн свежих продуктов, включая фрукты, овощи и мясо. Основная причина — сложность прогнозирования спроса: менеджерам магазинов сложно точно определить, сколько упаковок клубники или килограммов говядины нужно закупить. До недавнего времени процесс закупок осуществлялся вручную, что приводило к значительным потерям.

Стартап Afresh предлагает решение на основе искусственного интеллекта. Технология компании позволяет сократить потери продуктов на 20–25%. Сегодня Afresh объявил о привлечении $34 миллионов в рамках нового раунда финансирования, который возглавили компании Just Climate и High Sage Ventures.

От ручки и бумаги до глубокого обучения

Десять лет назад сооснователи Afresh Мэтт Шварц и Нейтан Феннер, будучи студентами MBA в Стэнфордском университете, начали изучать проблему пищевых отходов. Они посетили множество магазинов и обнаружили, что менеджеры по работе с овощами и фруктами используют распечатанные таблицы для оценки запасов и заказов. Некоторые магазины применяли программное обеспечение для учета и заказа упакованных товаров, но свежие продукты по-прежнему закупались на основе приблизительных расчетов и опыта.

«Это был процесс, основанный на ручке и бумаге», — отмечает Шварц.

Шварц и Феннер начали разрабатывать инструмент, способный точнее оценивать количество продуктов в магазине. Задача оказалась сложной: весовые товары, такие как фрукты и овощи, могут «испаряться» из-за потери влаги, а в зоне самообслуживания покупатели могут ошибочно оплачивать неорганические яблоки вместо органических. Кроме того, испорченные продукты, от малины до лососевых филе, часто не учитываются при списании.

Как работает технология Afresh

Программное обеспечение Afresh анализирует данные каждого магазина, включая сотни миллиардов транзакций. Система учитывает цены, акции, место происхождения продуктов и другие факторы, чтобы определить сроки годности каждого товара. Модели глубокого обучения прогнозируют спрос на основе дополнительных данных, таких как график выдачи продовольственных талонов и погодные условия. Затем алгоритм оптимизации предлагает оптимальный объем закупок для каждого продукта.

Со временем модели продолжают обучаться и совершенствоваться. Afresh обычно начинает внедрение в 10–20 магазинах сети, сравнивая результаты с контрольной группой. «После внедрения нашей системы мы обычно наблюдаем сокращение потерь на 20–25%», — говорит Шварц.

На сегодняшний день технология Afresh используется более чем в 12 500 отделах продуктовых магазинов по всей стране, включая Safeway и Albertsons. Помимо оптимизации закупок, Afresh помогает магазинам решать другие задачи:

• Сокращение размеров прилавков с фруктами и овощами для уменьшения потерь;
• Использование «демонстрационных» прилавков, создающих иллюзию изобилия при меньшем количестве продукции;
• Переработка скоропортящихся продуктов, например, приготовление гуакамоле из авокадо, срок годности которого подходит к концу.

Afresh также выпустил новый инструмент для прогнозирования спроса на готовые блюда в отделах кулинарии.

Влияние на всю цепочку поставок

Точное прогнозирование спроса в магазинах помогает сократить потери на других этапах цепочки поставок. «Когда магазины закупают нужное количество продуктов, дистрибьюторским центрам проще закупать правильные объемы», — объясняет Шварц. «В идеале, если дистрибьюторы закупают нужное количество, это снижает нагрузку на всю систему».