Horizon Scanning

Τεχνολογική περιοχή: ΑΓΡΟΔΙΑΤΡΟΦΗ

Download

Βραζιλιάνικη Νεοφυής Επιχείρηση Τεχνητής Νοημοσύνης Αναπτύσσει Λύση για τον Έλεγχο της Σπατάλης Τροφίμων

Η Aravita, μια βραζιλιάνικη εταιρεία τεχνητής νοημοσύνης, εργάζεται πάνω στη δημιουργία μιας τεχνητής νοημοσύνης η οποία πρόκειται να χρησιμοποιηθεί στα σούπερ μάρκετ για τον έλεγχο της σπατάλης τροφίμων. Η συγκεκριμένη τεχνητή νοημοσύνη αναλύει μεταβλητές όπως το κλίμα, την εποχικότητα και τη συμπεριφορά των καταναλωτών για να βοηθήσει τα σούπερ μάρκετ να διαχειριστούν την αγορά φρέσκων τροφίμων, να μειώσουν τις χαμένες πωλήσεις και τα πλεονάζοντα είδη, και να αυξήσουν τη διαθεσιμότητα των ειδών που έχουν ζήτηση. Η Aravita στοχεύει κυρίως στα σούπερ μάρκετ, επειδή διαθέτουν δεδομένα καταναλωτών από τα σημεία πώλησης, τα οποία είναι απαραίτητα για την πρόβλεψη χαμηλής ζήτησης συγκεκριμένων προϊόντων. Η τεχνητή νοημοσύνη της Aravita βρίσκεται ακόμη σε αρχικό στάδιο, αλλά η εταιρεία έχει ξεκινήσει την πιλοτική εφαρμογή με μια μεσαίου μεγέθους αλυσίδα σούπερ μάρκετ κοντά στο Σάο Πάολο και έχει ήδη εξασφαλίσει επένδυση ύψους 2,5 εκατομμυρίων δολαρίων αυτή τη χρονιά. Η τεχνητή νοημοσύνη χρησιμοποιείται όλο και περισσότερο στη βιομηχανία τροφίμων για την πρόβλεψη της ζήτησης, τη βελτιστοποίηση των αλυσίδων εφοδιασμού και τη μείωση των αποβλήτων τροφίμων. Τα «έξυπνα ψυγεία» και το λογισμικό τεχνητής νοημοσύνης μπορούν να βοηθήσουν στην παρακολούθηση των επιπέδων των αποθεμάτων, των ημερομηνιών λήξης και των δεδομένων των πελατών για την ελαχιστοποίηση της σπατάλης στις βιομηχανίες παντοπωλείων, σουπερμάρκετ και εστιατορίων. Ο δυνητικός αντίκτυπος της τεχνητής νοημοσύνης στη βιομηχανία τροφίμων είναι ιδιαίτερα ελπιδοφόρος, αλλά υπάρχουν ακόμη αρκετές προκλήσεις που πρέπει να ξεπεραστούν. 

Πηγές:
https://www.techtimes.com/articles/289753/20230330/brazilian-ai-startup-to-develop-a-solution-for-supermarkets-to-control-food-waste.htm
https://techcrunch.com/2023/03/30/qualcomm-aravita-brazil-supermarket-food-waste/

Βαθμολογήστε την Τάση

(Πρέπει να βαθμολογήσετε και τις δύο παραμέτρους.)

Πόσο πιθανό είναι να συμβεί;

Πόση επίδραση στην περιοχή ενδιαφέροντος έχει;

Βαθμολογία κοινού μέχρι σήμερα

Βαθμολογία τάσης με βάση το πόσο πιθανό είναι να συμβεί

Βαθμολογία τάσης με βάση την επίδρασή της