全球食品饮料行业正在经历重大变革,这种变革不仅由顶级厨师和各类营销人员推动,还受到基于AI系统的影响。在这种情况下,技术对食品公司来说不再是未来主义的现实,因为它影响着该行业的众多领域,包括配方开发、减少浪费、可持续发展倡议以及预测供应链中断的方法。
雀巢在其众多业务领域使用生成式AI也不例外。但尽管背后有着巨大的热情,任何突破性技术都无法创造奇迹,非常有前景的用例也存在过度扩张或犯严重错误的风险,特别是在数据道德使用或自动化方面。
对于IT和技术决策者来说,挑战并不在于首先认识到AI的附加价值,而更多的是他们必须培养能够负责任地扩展该技术的文化、技能和系统。
雀巢通过AI优化的领域
食品行业一直需要应对不确定性,比如收成波动、物流瓶颈以及不断变化的消费者偏好,这些都让规划变得困难。雀巢现在越来越多地使用AI来比以前更好、更准确地预测需求模式,并动态调整生产和库存水平。具体而言,该技术用于预测集装箱到达目的港的时间、创建统计预测以及提高需求规划的准确性。
除此之外,AI还用于配方开发。为了加速创意生成和产品开发,机器学习模型分析历史研发数据。这些不是实验或试点项目,而是已经产生结果的生产性管道。
但仅有运营效率是不够的。要让AI产生真正的影响,它还必须支持包括可持续发展在内的总体目标,这是食品行业面临的最大挑战之一,再生农业和创新包装在其中发挥着关键作用。通过AI,可以进一步放大这些效果。
雀巢集团全球技术创新和企业架构负责人卢卡·德洛莱塔表示:"我们目前正在探索AI模型如何在复杂的农业供应链中优化碳追踪,以实现更智能的采购决策并大规模减少排放。在制造业中,AI驱动的视觉系统可以最大限度地减少浪费并改善能源使用,这也有助于雀巢实现其环境承诺。"
但即使AI被整合到运营的核心结构中,公司也不会忽视技术不应该取代或削弱定义高品质食品工艺和人性化的价值观。
AI没有免费通行证
生成式AI最诱人的特点之一是其速度,能够几乎瞬间生成营销内容、文案或产品概念。但更快并不一定意味着更好。食品受文化影响并唤起情感,在一个地区引起共鸣的东西在另一个地区可能完全适得其反。这就是为什么雀巢拥有人机协作系统,使本地团队能够调整全球解决方案。德洛莱塔说:"我们只能警告不要让算法在没有监督的情况下管理创意任务。"
除此之外,在产品测试和消费者研究方面还存在偏见担忧,特别是当数据集不能完全反映全球消费者多样性时。对于像雀巢这样的跨国食品公司来说,负责任地扩展AI还应该包括在数据层面对多样性的承诺。
在这个新时代,IT决策者不再只是技术合作伙伴,而是协调各种转型推动者的增长驱动者和数据守护者。因此,AI的成功不取决于部署最新模型,而是获得人才、治理,并以符合品牌目标和风险承担的方式鼓励实验。这涉及一个一致地扩展到所有职能领域、部门和整个业务价值流的综合层面。
他说:"我们相信将AI作为核心竞争力而非附加功能的食品公司最终会获胜。这不是关于谁自动化得最快,而是重新思考事物并拥抱新工作方式的能力。"
Q&A
Q1:雀巢如何使用AI优化其业务运营?
A:雀巢使用AI预测需求模式并动态调整生产和库存水平,预测集装箱到达目的港时间,创建统计预测,提高需求规划准确性。在配方开发方面,机器学习模型分析历史研发数据来加速创意生成和产品开发。
Q2:雀巢在使用生成式AI时面临哪些挑战?
A:主要挑战包括文化适应性问题,因为食品受文化影响且在不同地区反应不同;数据偏见问题,特别是在产品测试和消费者研究中;以及需要人工监督,避免算法在没有监督的情况下管理创意任务。
Q3:AI如何帮助雀巢实现可持续发展目标?
A:AI模型优化复杂农业供应链中的碳追踪,实现更智能的采购决策并大规模减少排放。在制造业中,AI驱动的视觉系统最大限度减少浪费并改善能源使用,帮助雀巢实现环境承诺。
好文章,需要你的鼓励
思科推出8223路由系统和Silicon One P200芯片,用于满足企业日益增长的AI工作负载需求。该系统提供51.2 Tbps以太网固定路由器,P200芯片实现超过3艾比特每秒的互连带宽规模。新设备采用深缓冲设计,相比前代产品节能65%,支持跨数据中心AI集群分布式部署,解决物理空间和电力容量限制问题。
这项由EleutherAI和英国AI安全研究所合作完成的研究提出了革命性的AI安全解决方案——通过在训练阶段过滤危险内容来构建本质安全的AI模型。研究团队开发了高效的数据过滤系统,成功训练出能够抵抗强力对抗攻击的AI模型,在保持通用能力的同时实现了前所未有的安全性,为开源AI模型的安全发展提供了切实可行的技术路径。
智能AI代理正成为软件开发的新宠,企业高管希望通过AI代理提升效率。尽管开发者对AI生成代码的质量存在担忧,但其潜在价值巨大。调查显示三分之二企业正在或计划使用多个AI代理进行软件测试,72%认为到2027年智能AI可实现自主测试。专业化的精简测试代理比大型模型更适合特定任务,需要建立负责任的信任框架来管理AI代理行为,但人工测试仍不可替代。
这项由格拉斯哥大学等顶尖高校联合开展的突破性研究,首次系统性提出了"自进化AI智能体"概念框架,将AI发展划分为四个阶段并提出三定律指导原则。研究详细阐述了从单智能体到多智能体系统的优化方法,涵盖思维能力、记忆管理、工具使用等多个维度,并分析了生物医学、编程、金融法律等专业领域的定制化应用,为构建能够持续学习和自我改进的下一代AI系统提供了理论基础和实践指导。