Hampir tiga tahun lalu, ketika Unilever mengembangkan kubus kaldu tanpa garam untuk merek Knorr perusahaan itu, harus merancang formulasi baru tanpa bahan kunci yang merupakan kontributor besar pada rasa dan memberikan struktur kritis pada kaldu dehidrasi.
Untuk memprediksi kombinasi dan konsentrasi bahan terbaik untuk kubus kaldu baru tanpa garam, Unilever mengandalkan kecerdasan buatan.
“Membuat kubus kaldu tanpa garam yang masih memiliki rasa yang dapat diterima oleh konsumen adalah di mana pemodelan prediktif telah sangat, sangat membantu,” kata Carla Hilhorst, chief research and development officer untuk bisnis nutrisi Unilever. AI membantu merancang formulasi kubus kaldu tanpa garam, serta cara produksi di garis manufaktur perusahaan.
Perusahaan makanan terbesar di dunia selama beberapa dekade telah mengandalkan AI, dan dalam beberapa tahun terakhir mereka telah mempercepat penerimaan teknologi tersebut, termasuk kasus penggunaan baru untuk generative AI. “CPG [consumer packaged goods] dan ritel telah menggunakan AI untuk melakukan sejumlah hal, termasuk kemampuan untuk lebih baik memprediksi permintaan,” kata Michelle McGuire Christian, chief commercial officer ConvergeConsumer, sebuah inisiatif kolaboratif antara Deloitte dan Google Cloud. “Mereka telah menggunakannya untuk mengoptimalkan rantai pasokan selama waktu yang lama,” tambahnya, termasuk penataan dan penempatan produk di dalam toko.
Model AI Unilever digunakan untuk membantu memprediksi rasa, preferensi konsumen, dan stabilitas mikrobiologis, serta menentukan apakah produk dapat berjalan di garis pabrik. Dengan menggunakan AI, waktu yang diperlukan untuk pengembangan produk dapat berkurang dari bulan menjadi hanya beberapa hari. “Keputusan berbasis data memungkinkan Anda menemukan lebih banyak titik manis,” kata Hilhorst. “Anda bisa lebih tepat.”
Inovasi AI lainnya termasuk mayones vegan Hellmann’s, di mana Unilever menggunakan pemodelan canggih untuk memprediksi rasa, tekstur, dan stabilitas produk yang akan menghilangkan telur. AI telah membantu mengurangi pemborosan makanan Unilever. Untuk botol squeeze Hellmann’s, lapisan tipis minyak ditambahkan ke bagian dalam kemasan sehingga hanya satu hingga dua sajian mayones yang tersisa di wadah, dibandingkan dengan rata-rata sekitar lima sebelum model prediksi formulasi AI digunakan.
AI juga membantu Unilever bergerak cepat setelah Rusia menyerbu Ukraina dan perusahaan harus segera mengonfigurasi formulasi alternatif untuk bahan baku yang sulit didapat, termasuk minyak bunga matahari.
Athina Kanioura, chief strategy and transformation officer PepsiCo, mengatakan raksasa camilan telah menggunakan bentuk AI yang lebih “tradisional” selama bertahun-tahun, mulai dari inovasi, hingga perencanaan dengan pemasok, hingga rute optimal yang harus diambil pengemudi saat mengirimkan produk. Perusahaan juga mulai menguji generative AI untuk beberapa bagian bisnis PepsiCo, termasuk pengembangan perangkat lunak, penanganan pertanyaan ke pusat panggilan, dan formulasi makanan.
PepsiCo telah mengembangkan standar internal untuk memastikan semua orang yang menggunakan AI melakukannya dengan aman. “Kami memiliki infrastruktur yang berada di lingkungan kami di mana kami dapat memberikan akses ke sandbox AI untuk orang menguji berbagai kemampuan,” kata Kanioura.
Dan dengan dunia camilan terus berkembang, PepsiCo mengatakan AI dapat membantu mensintesis apa yang diinginkan konsumen dengan lebih cepat, sambil juga memecahkan jalur terbaik untuk mengembangkan makanan dan minuman tersebut di seluruh rantai pasokan. Di tengah keputusan pengembangan rasa tersebut, PepsiCo menekankan, adalah wawasan manusia. “Hal baru selanjutnya tidak datang dari teknologi, itu datang dari konsumen,” kata Kanioura.
PepsiCo mengatakan upaya AI perusahaan difokuskan pada efisiensi dan pertumbuhan, bukan biaya. “Saya tidak terburu-buru untuk mengoptimalkan biaya dari gen AI,” kata Kanioura.
“AI akan membantu kami mendapatkan tingkat akurasi dan kecepatan yang belum pernah kami miliki sebelumnya,” kata Anton Vincent, presiden Mars Wrigley North America. “Kami berharap bahwa saat kami mulai memikirkan menghilangkan kompleksitas, AI akan menjadi penggerak besar bagi kami.”
Perusahaan permen mengatakan telah menggunakan AI selama beberapa tahun untuk membantu dalam pengadaan, manufaktur, dan memahami data industri untuk menentukan tren dalam industri makanan. Mengenai model bahasa besar, Vincent mengatakan, “kami mencoba menggunakannya untuk mendorong produktivitas di semua bagian rantai nilai kami. Kami masih dalam tahap awal dalam hal itu.”
Untuk mempercepat perjalanan tersebut, Mars membuka laboratorium AI pada kuartal pertama 2024 di kantor korporat Newark perusahaan. “Laboratorium AI menawarkan kesempatan bagi setiap karyawan untuk datang dengan ide dan semoga keluar dengan rencana tindakan,” kata Gabrielle Wesley, chief marketing officer Mars Wrigley North America.
Marie Wright, chief global flavorist di perusahaan pengolahan makanan ADM, mengingat waktu ketika flavorist menulis rumus di buku “indah,” yang akan menjadi dasar rasa yang diproduksi di pabrik. Tetapi perpindahan ke komputer, dan baru-baru ini AI, telah mengubah cara industri menangani formulasi dan data.
“Sudah ada kemajuan besar dalam beberapa tahun terakhir dalam platform AI,” kata Wright. “Dan kemudian seperti, bagaimana kita menerapkannya pada keterampilan kreatif seperti menciptakan rasa?” Dia mengakui bahwa “banyak flavorist takut pada AI. Dan saya akan mengatakan kebanyakan orang kreatif takut pada AI.”
ADM mengatakan menggunakan AI bukan untuk mengambil alih pekerjaan pengembangan rasa, tetapi untuk meningkatkan proses tersebut. Wright mengatakan penting bahwa kelompok teknologi tidak hanya mewajibkan penggunaan alat AI. Sebaliknya, flavorist harus didorong untuk menjadi bagian dari perjalanan AI.
“AI harus turut bermain karena kita sebagai manusia tidak dapat memproses data tersebut,” kata Wright. “AI memiliki keuntungan besar karena dapat memproses data dengan cepat untuk dipelajari dan pada akhirnya mulai melakukan pembelajaran mesin dan kemudian semoga dapat melakukan hal-hal yang lebih prediktif dalam hal formula baru, cara kerja baru, dan mungkin menurut pendapat saya, kita harus menjadi lebih baik dalam kreativitas.”
Bayer mengatakan telah menjadi pengguna awal alat AI seperti machine learning. Ambil contoh jagung: Sebelum pemuliaan tanaman, sekitar 20 hingga 30 gantang ditanam di satu acre tanah. Hari ini, hasil jagung rata-rata adalah 175 gantang. Sebagian dari peningkatan tersebut berasal dari bagaimana pertanian mengembangkan pupuk dan praktik agronomi mereka, tetapi sebagian besar berasal dari perbaikan genetika berkat AI.
AI membantu Bayer mengolah data untuk menentukan kandidat induk terbaik yang dapat disilangkan oleh pemulia untuk menciptakan keturunan jagung yang paling sukses di lapangan. Ada miliaran kombinasi yang mungkin untuk gen-gen jagung yang bertanggung jawab terhadap hasil.
“Jelas bahwa pikiran manusia tidak mampu menyerap semua data besar yang sekarang kami kumpulkan dan membuat cukup makna darinya,” kata Bob Reiter, kepala riset dan pengembangan global bidang sains tanaman di Bayer. “Sangat besar untuk mencapai terobosan dan dapat membuka lebih banyak potensi genetik daripada yang pernah bisa kita lakukan di masa lalu tanpa alat AI.”
Algoritma prediktif tentang induk mana yang harus disilangkan dan kombinasi genetik mana yang harus diciptakan telah menjadi sangat canggih sehingga Bayer dapat menjalani proses tersebut tiga hingga empat kali setahun dibandingkan dengan beberapa tahun sebelum AI. “Benar-benar akan menjadi akselerator besar di masa depan untuk terus meningkatkan produktivitas bagi petani di lahan yang mereka tanami,” kata Reiter.
Dan dengan populasi dunia diproyeksikan mencapai 8,5 miliar pada tahun 2030 dan meningkat menjadi 9,7 miliar pada tahun 2050, petani harus semakin menjadi lebih efisien.
“Ini adalah dasar untuk membantu memberi makan populasi global yang berkembang,” kata Reiter.