Två livsmedelsföretag om hur de använder AI: “Skapar bättre business”

Med AI kan man automatisera tjänster där man efterliknar den mänskliga hjärnan och på så vis få fram ett intelligent beteende. För även om den mänskliga hjärnan är bra på många saker så har den svårt att hantera stora datamängder och att analysera i många dimensioner.
– När vi människor skapar diagram kan vi förhålla oss till två eller möjligen tre olika dimensioner medan en AI kan hantera hur många dimensioner som helst. Den räknar och ser mönster oavsett hur mycket information den matas med: regnmängd, temperatur, jordmån, gödning, utsädeskvalitet, säger Mikael Åstrand, vd för Cgrain – ett dotterbolag till Lantmännen som utvecklar och säljer instrument för optisk kvalitetskontroll av spannmål.

AI är en del av deras produkt Cgrain Value, ett analysinstrument som ersätter den visuella inspektionen av spannmål som vete, korn, havre och ris, ett annars ganska mödosamt arbete som görs manuellt med lampa och lupp. Instrumentet består av två delar: en hårdvara som tar bilder runt om hela fröet och en mjukvara som sedan analyserar resultatet av dessa bilder.
– Fördelen är att den är helt objektiv – och aldrig blir trött. Den analyserar alltså på samma sätt om och om igen.
Produkten säljs till kvarnbolag, mälterier och andra typer av livsmedelsföretag som processar spannmål på den globala marknaden.
– Det här är en ung bransch så man kan säga att vi konkurrerar mer med det traditionella sättet att göra kvalitetsbedömningar än med andra företag som arbetar med AI, säger Mikael Åstrand.

På Arla Foods använder man AI för att göra mer träffsäkra analyser genom hela värdekedjan.
– Utvecklingen inom området går just nu väldigt snabbt, säger Magnus Cohen, som ansvarar för kund- och konsumentservice, orderflöde och prognostiseringar på Arla Foods.

Ada är en AI-driven rekommendationsmotor som Arla använder för att hjälpa sina kunder att bygga en mer säljande mejerihylla. Här finns all samlad försäljning för alla butiker lagrad, såväl vad gäller portfölj som volym, geografiskt läge och storlek på butik. Utifrån denna information skickas sedan automatiska rekommendationer till kunderna kring hur de kan vässa sin försäljning genom att ta in produkter som de hittills missat.
– Vi vill hjälpa kunderna att göra bättre business.
Prediktiva analyser är ett annat område som Arla just nu utvecklar med hjälp av AI, inte minst för att minska matsvinnet. Det handlar om att med hjälp av historisk data, produktion och lagersaldo göra bättre prognoser kunna producera exakt det som behövs – och slippa att kassera produkter.
– Tanken är att vi i god tid ska få en ”waste-varning” där vi kan välja att dra ned på produktionen eller göra aktiviteter för att öka försäljningen, säger Magnus Coehn, och förklarar att de senaste årens volatilitet skyndat på utvecklingen.
Ytterligare ett område man kikar på just nu är om AI kan förutse produktionsstörningar och på så vis minimera risken för ”hål i hyllan”.
– Det ger oss möjlighet att fördela tillgängliga produkter ut på ett mer optimalt sätt.
En förutsättning för att kunna driva utvecklingen av smart och prediktiv analys är tillgången och delandet av data mellan aktörer inom värdekedjan.
– Ju mer kundunik data vi kan få, desto mer värde kan vi skapa tillsammans i värdekedjan genom mer specifikt riktade insatser och aktiviteter.