Newsletter programa de inmersión

La sinergia entre IA y la industria alimentaria

La IA se convierte en un aliado fundamental en la innovación alimentaria, ya que al complementarse con la inteligencia humana puede ampliar las innovaciones en un plazo razonable y a un costo asequible.

Si bien aún se encuentra en sus primeras etapas de adopción en esta industria, la IA ya está optimizando las operaciones de la cadena de suministro, catalizando el desarrollo de productos y creando opciones alimentarias nutritivas, saludables y sostenibles adaptadas a la demanda de los consumidores. La IA está preparada para desencadenar su propia revolución, fundamentalmente remodelando la forma en que abordamos la productividad en la industria alimentaria.

Desde el descubrimiento acelerado de fármacos y la investigación y el desarrollo acelerados hasta la mejora del servicio al cliente, la inteligencia artificial (IA) y el aprendizaje automático (ML) se están implementando en todos los campos. 

Pero ¿qué aportan a la industria alimentaria?

IA en agroalimentos: ¿una oportunidad de inversión?

Ante los crecientes desafíos, el sistema alimentario exige la integración de soluciones de inteligencia artificial para allanar el camino hacia una mayor resiliencia y sostenibilidad.

Además de presentar una oportunidad para resolver desafíos complejos en todo el sistema alimentario, la IA también está cambiando el panorama empresarial general. Las empresas están respondiendo a las tendencias de los consumidores y lanzando productos al mercado más rápido que nunca, y los consumidores están empezando a esperar esto. Para mantenerse al día con las tendencias y tener éxito en sus estrategias de comercialización, la innovación alimentaria debe acelerarse.

El papel de la IA durante todo el ciclo de desarrollo de productos

El ciclo de desarrollo de nuevos productos en las corporaciones de alimentos, desde el banco hasta el estante, tradicionalmente se vio afectado por información limitada y datos fragmentados. Esta complejidad surge de distintos departamentos que manejan diversas facetas del ciclo, incluidos marketing, I+D y ventas. Estos desafíos resultan en una toma de decisiones lenta y ciclos de innovación prolongados caracterizados por: 

  • Enfoques de prueba y error
  • Altos precios
  • Dependencia de paneles humanos que consumen mucho tiempo
  • Ajuste limitado del producto al mercado

Por tanto, no sorprende que alrededor del 80% de los lanzamientos de productos alimentarios fracasen, principalmente debido al rechazo de los consumidores. La IA aborda estos desafíos, reduciendo la necesidad de pruebas extensas y fomentando la colaboración entre departamentos utilizando redes de datos sólidas. Puede agilizar todo el proceso optimizando la formulación del producto, los parámetros del proceso y el análisis de tendencias del mercado.

IA en la aceleración de los ciclos de innovación

  1. Perspectivas del consumidor y generación de ideas

La IA está remodelando el desarrollo de nuevos productos aprovechando un enfoque multifacético basado en datos

En primer lugar, la IA interpreta tendencias en tiempo real de fuentes externas y captura información como opiniones y emociones. Esto implica analizar las redes sociales, rastrear palabras clave, usar chatbots impulsados ​​por GenAI para encuestas y análisis de imágenes de IA para preferencias alimentarias. 

La IA también se extiende a los sensores de IoT, recopilando datos de los consumidores sobre la elección de productos y las preferencias de cocina. Además, el aprendizaje automático realiza análisis predictivos internamente, aprovechando los datos históricos de ventas y las tendencias del mercado para pronosticar con precisión la demanda y las preferencias de los consumidores, optimizando los tiempos de lanzamiento de nuevos productos alimenticios y adaptándose a los cambios del mercado. Este análisis continuo de datos revela conocimientos de los consumidores, fomentando un compromiso más profundo en un mercado alimentario competitivo y en rápida evolución.

Dos empresas que trabajan en el conocimiento de los consumidores son Bite.ai y Gastrograph. Bit.ai (es una startup centrada en el reconocimiento de imágenes de alimentos para mejorar el registro de alimentos y generar información sobre los clientes basada en datos. Gastrograph ha creado la “base de datos sensorial más grande del mundo”, ayudando a las empresas de alimentos a alinear sus productos con los sabores, aromas y texturas que impulsan la demanda de los consumidores.

  1. Descubrimiento de nuevos ingredientes

La IA también puede acelerar el descubrimiento de nuevos ingredientes alimentarios, mejorando la detección y caracterización de moléculas. 

Las empresas emergentes que trabajan en la intersección del descubrimiento de ingredientes y la IA contratan a expertos en ciencias de datos y alimentos para desarrollar un algoritmo eficaz que respalde los procesos de descubrimiento de alimentos. Los ejemplos incluyen GinkoBioworks y Arzeda, que utilizan una combinación de diseño computacional e inteligencia artificial para producir nuevas proteínas y enzimas. Amai Proteins usa biofísica computacional e inteligencia artificial para diseñar nuevas proteínas optimizadas para diversas funciones y rasgos gustativos.

  1. I+D y optimización
  • Escala de laboratorio: optimización de la funcionalidad, sensorial y nutricional

Más adelante, en el ciclo de desarrollo del producto está la optimización de la funcionalidad de la matriz alimentaria, que abarca los atributos sensoriales y nutricionales. La IA ocupa un lugar central en la predicción y mejora de estos atributos para diversos productos alimenticios. Sugiere proporciones de ingredientes que coincidan con los perfiles de sabor y ofrece sustituciones más saludables preservando el sabor. Además, la IA, junto con sensores de IoT y sistemas de imágenes, ayuda a evaluar la textura de los productos alimenticios, garantizando que características como el crujiente de las papas fritas o la ternura de la carne cumplan con las expectativas. 

En el frente nutricional, la IA optimiza recetas para lograr objetivos específicos, ya sea reducir el contenido de azúcar o aumentar los niveles de proteína, y predice la composición nutricional para alinearse con los requisitos del etiquetado.

Recientemente, las empresas alimentarias han adoptado la IA en los ciclos de I+D, reduciendo el tiempo de desarrollo y procesamiento de productos de meses a apenas días.  

Unilever empleó IA para elaborar un caldo bajo en sal, lo que aceleró el análisis del sabor de meses a días.

Kraft Heinz puso a prueba un algoritmo de inteligencia artificial para optimizar los costos, los niveles de azúcar y sal, logrando resultados notables. El QDA (análisis descriptivo cuantitativo) tuvo en cuenta características sensoriales como el sabor y la sensación en la boca, logrando una precisión del 94 % al replicar el producto original a base de tomate.

  • Ampliación: optimización del rendimiento y el costo

Después de desarrollar productos alimenticios a escala de laboratorio, la siguiente fase del ciclo implica el establecimiento de maquinaria y líneas de producción para la fabricación a gran escala. El objetivo es garantizar la competitividad de costos manteniendo los mismos atributos nutricionales y sensoriales observados durante la producción a escala de laboratorio. Esto se puede lograr mediante la utilización de algoritmos de aprendizaje automático que predicen las propiedades físicas y químicas de un alimento (por ejemplo, el pH durante la fermentación del queso y el cacao) y modelan las condiciones de procesamiento (por ejemplo, la extracción de antioxidantes o las condiciones de la cáscara de la papa).

Las innovaciones en el cultivo de proteínas alternativas, como la carne cultivada en laboratorio, ejemplifican el papel de la IA. En el laboratorio es imperativo un control preciso de la temperatura, los niveles de pH, el suministro de nutrientes y los factores de crecimiento. 

Los empresarios y científicos enfrentan el desafío de ampliar la producción para satisfacer la creciente demanda de proteína animal y al mismo tiempo minimizar la necesidad de talar bosques y vegetación silvestre para cultivos forrajeros. La IA ofrece una solución mediante el análisis de una gran cantidad de datos para identificar las condiciones óptimas para ampliar la producción. Startups pioneras como Animal Alternative Technologies y Umami Bioworks, están liderando este campo, desarrollando propiedad intelectual y tecnologías escalables con optimización de la ciencia de datos. Otra startup notable en este espacio es Eternal, que aprovecha la inteligencia artificial y la robótica para automatizar la experimentación, el análisis y la optimización de la fermentación de biomasa. Estos avances también beneficiarán a los grandes productores de proteína animal que buscan vías viables y sostenibles para la transición a la producción de proteínas alternativas a gran escala.

A través de la IA, surge un paradigma novedoso en el descubrimiento de nuevos ingredientes y productos, la innovación a escala de laboratorio, la fabricación a gran escala y la participación del consumidor, lo que permite una toma de decisiones eficaz.

Conclusión:

Como decimos siempre, el DATO pasa a ser insumo n1 en la era de la digitalización y la combinación con herramientas como la IA potencian su implementación.

El martes pasado, en el seminario “El agro en la era digital”, realizado por Club Agtech, uno de los speakers del evento, Marcelo Elizondo – especialista en comercio internacional – aportó datos sorprendentes sobre la importancia de los datos: en estos momentos, el 70% del valor de la economía global es intangible. Ya no se venden “productos”. Hoy lo que se venden son prestaciones, las cuales son entregadas embebidas en ellos gracias a la digitalización, a través de flujos de datos, información y conocimiento. Es más, hoy ya no son las empresas las que se vinculan entre sí. Son directamente los productos. 

Quien va a consumir un alimento, por ejemplo, no solo quiere saber sobre la composición del mismo para ajustarlo a su dieta, sino también el impacto que su proceso productivo tuvo en el ambiente. Proveer esta información ya no es una característica de diferenciación. Es una condición. Por lo tanto, si no se está preparado para ofrecerla, se deja de ser posibilidad para quien compra la producción.

Todo esto nos lleva a la conclusión de que digitalizarse ya no es una opción. Es una condición que, a esta altura de las cosas, reviste carácter de urgente. No está en juego más o menos eficiencia. Si no podemos hacer que nuestros productos se hablen con los del resto de la cadena global, nos quedamos afuera del ecosistema de valor, porque el mundo cambió.

Próximo programa: SEPTIMEBRE 2024

¡Sumergite en el futuro!

Agregá tu nombre a la lista y obtené la oportunidad de explorar las nuevas tecnologías, conectarte y relacionarte con el ecosistema de Silicon Valley.

es_ES