Come tutti i settori, anche quello agroalimentare – tra i più grandi e antichi nella storia dell’uomo – si trova ad affrontare una fase di importante cambiamento. Le sfide a cui deve rispondere sono molteplici, legate ai costi dei fattori produttivi come manodopera, materia prima ed energia; alla qualità e tracciabilità del prodotto; alla sua sicurezza e salubrità e, in maniera sempre più marcata, alla sua sostenibilità ambientale, sociale ed economica.
In un contesto competitivo come quello attuale, in un mercato globale in costante cambiamento e in una fase storica di elevatissima consapevolezza da parte del consumatore finale, le aziende che operano nell’industria del Food & Beverage sono pienamente consapevoli che la Trasformazione Digitale sia la direttrice da seguire per mantenere o addirittura migliorare la propria leva competitiva e sviluppare la resilienza necessaria a raggiungere gli obiettivi di business.
E sebbene il report “Agri-food 4.0: A survey of the supply chains and technologies for the future agriculture” pubblicato nel 2020 sottolinei ancora una marcata frammentazione tecnologica che non permette la piena realizzazione di un’Industry 4.0 integrata, è ormai evidente che tra le tecnologie che più rappresentano un’opportunità per incrementare la qualità della produzione, renderla più sostenibile e ottimizzarne i costi, vi siano quelle di apprendimento automatico (Machine Learning).
Nel settore Food & Beverage, il potenziale dell’Intelligenza Artificiale è enorme e le aziende lo sanno bene: grazie all’AI, è infatti possibile automatizzare i processi ed efficientare la filiera produttiva in tutte le sue fasi, dalla materia prima alla distribuzione finale sulla tavola del consumatore. In particolare, questa tecnologia può supportare l’importante processo di evoluzione dell’industria agroalimentare ottimizzando quattro ambiti per loro natura complessi: gestione della qualità, sostenibilità, processi decisionali, sicurezza.
AI per l’agroalimentare: come supporta la gestione della qualità
Tra le operazioni più onerose e articolate per il settore Food & Beverage vi è senza dubbio la gestione della qualità del prodotto, intesa come sua corretta classificazione e confezionamento. Si tratta inoltre di un processo ripetitivo che beneficerebbe enormemente dell’automazione e, non a caso, siamo di fronte a un costante affinamento delle reti neurali applicate allo smistamento e al packaging dei prodotti alimentari: si tratta della cosiddetta “detection”, e utilizza proprio l’Intelligenza Artificiale.
Un esempio pratico di applicazione dell’AI nella gestione della qualità nell’agroalimentare è rappresentato dai sistemi TOMRA, soluzioni basate su sensori ottici e videocamere HD che permettono una riduzione sensibile dell’impiego di energia così come degli sprechi, garantendo al contempo l’elevata qualità dell’operazione. L’Intelligenza Artificiale assicura inoltre un grado di accuratezza superiore addirittura al 95% nella selezione autonoma di prodotti diversi per dimensione, peso, colore e forma, con un maggiore recupero del prodotto rispetto all’impiego di tecniche tradizionali (ad esempio nella selezione di patate a partire da zolle di terriccio e pietre).
L’Intelligenza Alimentare al servizio della sostenibilità nel settore Food
Come già indicato, la sostenibilità deve essere considerata la direttrice al cuore dell’innovazione di tutti i settori industriali, e il Food & Beverage non fa differenza.
In quest’ambito, l’Artificial Intelligence può contribuire a ridurre l’impatto ambientale della fase produttiva degli alimenti raccogliendo e analizzando i Big Data di tutta la filiera.
Le ottimizzazioni che l’AI può favorire sono molteplici: lo spreco di risorse, ad esempio, è una delle principali criticità dell’industria agroalimentare e deve quindi essere abbattuto in modo netto. In tal senso, l’Intelligenza Artificiale può fornire insight utili in merito alle performance delle attività di allevamento e agricoltura – che potranno di conseguenza essere ottimizzate a seguito dell’individuazione dei cosiddetti “sprechi evitabili”.
Nelle coltivazioni, ad esempio, l’Artificial Intelligence può sfruttare le reti neurali per analizzare i dati provenienti da sensori che misurano i parametri che influenzano la produzione, come irraggiamento solare, umidità, temperatura e presenza di sostanze chimiche nel terreno. Il suolo coltivato potrà di riflesso essere gestito al meglio nella piantumazione, nella concimazione e nell’irrigazione, assicurando un risparmio ingente di risorse. Allo stesso tempo, i dati generati dall’AI potranno essere utilizzati in ottica preventiva e predittiva per massimizzare la resa del terreno e la qualità del prodotto.
L’AI a supporto dei processi decisionali nel settore Food
Anche per quanto riguarda le strategie decisionali – molto complesse nel settore agroalimentare per la molteplicità di fattori che possono influenzarle – l’Intelligenza Artificiale può fornire un valido supporto. Un puntuale ed efficiente decision-making è al cuore del successo di qualunque impresa, e la sua difficoltà tende ad aumentare tanto più grandi sono le dimensioni dell’industria in cui l’organizzazione opera. In questo senso, l’AI offre a manager e amministratori d’impresa uno strumento di analisi non sono rapido, ma anche estremamente preciso.
Un esempio pratico è l’applicazione della Fuzzy Logic (un metodo di Machine Learning che simula il funzionamento del ragionamento umano) nel settore del caffè per ottimizzare la filiera di tostatura del chicco, una fase della supply chain cruciale per la qualità del prodotto finito ma influenzata da una miriade di fattori (l’ambiente con tutte le sue variabili, ma anche discriminanti specifiche legate al chicco stesso come forma, peso, dimensione e umidità). L’impiego dell’automazione in quest’ambito ha già permesso di tagliare i costi di impostazione dei corretti parametri di lavorazione e di ridurre, contestualmente, anche i suoi tempi.
E anche Coca-Cola ha impiegato l’AI a supporto dei propri processi decisionali, utilizzando il Deep Learning per analizzare i dati raccolti da macchinette self-service che servivano bevande che il consumatore poteva personalizzare a proprio piacimento combinando diversi aromi. Va da sé che l’analisi di questi Big Data si è rivelata cruciale per migliorare i prodotti esistenti così come per crearne di nuovi (un esempio è la Sprite Cherry, ancora poco nota nel nostro Paese).
Sicurezza nel settore agroalimentare e Intelligenza Artificiale
L’Intelligenza Artificiale può infine fornire il proprio fondamentale contributo nell’ambito della safety di prodotto, per ovvie ragioni essenziale per qualunque impresa operi in ambito agroalimentare. Mai come in questa fase storica è infatti importante che gli alimenti rispettino le sempre più stringenti normative di settore così come le procedure di sicurezza sanitaria lungo l’intera catena di produzione, che non deve subire alcuna contaminazione per non mettere a rischio la salute del consumatore.
In questo contesto, l’AI può agire su più fronti: rilevando il corretto utilizzo dei DPI da parte dei dipendenti attraverso un monitoraggio in real time; garantendo l’efficace (e più rapida!) sanificazione di macchinari e attrezzature con apparecchiature come sistemi di visione ottica, sensori, ultrasuoni e laser AI-powered e con sistemi di Machine Learning che elaborano le informazioni raccolte per determinare la quantità e qualità di detriti alimentari e microbici rimasti nelle macchine.
Innovazione tecnologica in ambito alimentare: l’Italia a che punto è?
Chiariti i numerosi aspetti in cui l’Intelligenza Artificiale e, più ad ampio spettro, l’innovazione tecnologica può supportare l’evoluzione del settore agroalimentare, scopriamo che l’Italia ha ancora ampi margini di miglioramento.
Nel gennaio 2023 è stato infatti pubblicato il report “Investimenti nell’agrifood-tech in Italia 2022”, elaborato da TheFoodCons in collaborazione con Agrifood-Tech Italia, il quale evidenzia una situazione non propriamente rosea. Gli investimenti italiani nel settore delle nuove tecnologie in ambito alimentare hanno, nel 2022, superato i 156 milioni di euro: una cifra che potrebbe sembrare imponente, ma che di fatto rappresenta soltanto lo 0,30% degli investimenti mondiali nel settore, pari a circa 52 miliardi di dollari (di cui 10 miliardi di euro solo in Europa).
Inoltre, tali risorse sono state dedicate prevalentemente (circa il 41% del totale) all’ultima fase della filiera del Food, ossia ai modelli di consumo D2C (dal produttore al consumatore), all’E-Grocery, al Marketplace e al Delivery. Nell’Agritech è stato invece investito il 38,9% delle risorse, in particolare in ambito Farm Management, Novel Farming e Indoor Farming. In terza posizione si trova infine l’ambito tecnologico dedicato all’Ho.Re.Ca., con investimenti pari all’11,3% del totale.
Al momento attuale, il nostro Paese – che si trova al terzo posto in Europa per produzione lorda vendibile di alimenti – necessita ancora di un approccio più agile e collaborativo al settore: è questa l’unica strada percorribile perché l’industria agroalimentare italiana diventi realmente resiliente e possa affrontare con successo le sfide future.
Intelligenza Artificiale al servizio del Food & Beverage: alcuni esempi virtuosi da tutto il mondo
Concludiamo questo excursus con una breve lista di esempi virtuosi di applicazione dell’Intelligenza Artificiale in ambito agroalimentare provenienti da tutto il mondo, per evidenziare in quali e quanti modi questa tecnologia possa contribuire all’innovazione di un settore che non è in condizione di smettere di evolvere.
- Valio: questa azienda lattiero-casearia finlandese ha utilizzato l’AI (che ha analizzato i dati provenienti da “chocolate-lovers” a livello mondiale) per progettare un cioccolato al latte a basso contenuto di zuccheri.
- Rio Bravo Brewing Company: è un’azienda di produzione di birra del Nuovo Messico che ha utilizzato ChatGPT per formulare la ricetta della sua nuova birra, Alegorithm.
- Sapporo Holdings: in collaborazione con IBM Japan, ha creato un sistema AI che realizza cocktail preconfezionati a partire dalla generazione di cento possibili formulazioni. La generazione delle ricette avviene in pochi secondi.
- Lunchbox: è una startup specializzata in tecnologia alimentare che utilizza l’Intelligenza Alimentare per migliorare i menu dei ristoranti, incrementando le vendite dei propri clienti.
- Nestlé: il gigante del Food & Beverage stanzia da tempo importanti investimenti nell’Artificial Intelligence e nel Machine Learning, in particolare per migliorare il proprio processo di Ricerca e Sviluppo. Dal 2016 ad oggi, ha registrato un’accelerazione di processo pari al 60%.
Quelli appena riportati sono soltanto alcuni dei numerosi esempi di implementazione che questa tecnologia può apportare a un settore che non è fatto solo di mera produzione di alimenti e bevande, ma di un ecosistema complesso che include anche marketing, acquisti, controllo qualità, gestione ottimale della supply chain, packaging, logistica, trasporti.
Una tendenza destinata ad aumentare anche nei prossimi anni, specialmente in considerazione della rapidità con cui i sistemi di Intelligenza Artificiale evolvono.
Comments are closed.
