Архив Потребительские товары и FMCG · Продукты питания и напитки
Nestlé: ИИ-платформа Zest сократила потери продуктов на заводе на 87%
В двухнедельном пилоте в мае 2025 года на заводе Nestlé в Великобритании ИИ-платформа Zest сократила пищевые потери на 87% и помогла избежать выбрасывания 700 тонн продуктов. По первым оценкам, экономия составила 14 млн фунтов стерлингов.
/01 · ключевые результаты
-
результат пилота
87%
сокращение пищевых потерь
две недели пилота в мае 2025 года · один завод Nestlé в Великобритании
данные СМИ
-
результат пилота
£14 млн
экономия от платформы, первые оценки
по данным на июль 2025 года · пилот на заводе Nestlé в Великобритании
данные СМИ
- 700 т продукты, которые удалось не выбросить · результат пилота WE DEMAIN, статья, 17.07.2025
- 1,5 млн порций эквивалент сохранённых продуктов в пересчёте на еду · результат пилота WE DEMAIN, статья, 17.07.2025
- 1 400 т CO₂ предотвращённые выбросы · результат пилота WE DEMAIN, статья, 17.07.2025
оценка strategai
Денежный эффект приводит WE DEMAIN: экономия от платформы, первые оценки — £14 млн, по данным на июль 2025 года. WE DEMAIN, статья, 17.07.2025
В двухнедельном пилоте в мае 2025 года на заводе Nestlé в Великобритании ИИ-платформа Zest сократила пищевые потери на 87% и помогла избежать выбрасывания 700 тонн продуктов. По первым оценкам, экономия составила 14 млн фунтов стерлингов.
/02 · паспорт кейса
Бизнес
- Компания
- Nestlé
- Отрасль
- Потребительские товары и FMCG · Продукты питания и напитки
- Функция
- Цепочка поставок, закупки и логистика
- Задача
- Управление запасами
Технология
- Класс AI
- Предиктивная аналитика (классический ML)
- Тип решения
- Решение вендора: Zest, Google Cloud
- Данные
- Данные о производстве, запасах, графиках поставок и сроках годности продукции.
Внедрение
- Стадия
- Пилот / PoC, на 17.07.2025
- География
- Великобритания, Швейцария
/03 · описание кейса
Зачем
Бизнес-задача
На пищевых производствах регулярно образуются потери: несоответствующее сырьё, излишки выпуска, продукция с истекающим сроком годности. Значительная часть таких продуктов остаётся съедобной, но не подходит для продажи — например, сломанный батончик KitKat или товар с коротким остаточным сроком годности. По данным издания, пищевая промышленность Великобритании ежегодно выбрасывает более 4,6 млн тонн продуктов. Nestlé проверила на своём британском заводе, может ли ИИ заранее находить излишки и направлять их на повторное использование.
Что
Решение
Платформу разработал британский стартап Zest. Это облачный сервис на основе ИИ, который объединяет данные о производстве, запасах, графиках поставок и сроках годности, в реальном времени выявляет продукты с риском списания и сразу предлагает способ их использования: передачу благотворительным организациям, переработку или переупаковку. Платформа работает на инструментах Google Cloud — BigQuery и Vertex AI. Проект поддержала программа BridgeAI агентства Innovate UK, вложившая в него 1,9 млн фунтов стерлингов.
Как
Внедрение
Платформу испытали в реальных условиях в мае 2025 года на одном заводе Nestlé в Великобритании. За две недели пилота потери сократились на 87%; удалось не выбросить 700 тонн продуктов — около 1,5 млн порций еды — и избежать 1 400 тонн выбросов CO₂. Выявленные излишки передавала нуждающимся благотворительная организация FareShare. По первым оценкам, экономия составила 14 млн фунтов стерлингов. Платформу развивали совместно Nestlé, FareShare, Google Cloud и другие партнёры; Zest планирует открыть подписку для других компаний с марта 2026 года.
/04 · источники и проверка
Что подтверждено
- За две недели пилота в мае 2025 года на заводе Nestlé в Великобритании пищевые потери сократились на 87%.
- В ходе пилота удалось не выбросить 700 тонн продуктов, около 1,5 млн порций еды; излишки передавались через FareShare.
- По первым оценкам, экономия от платформы составила 14 млн фунтов стерлингов.
Ограничения
- Все результаты относятся к двухнедельному пилоту на одном заводе; данных о постоянной работе платформы на других предприятиях Nestlé нет.
- Сумма 14 млн фунтов — предварительная оценка; её состав и период не раскрыты, и она не сопоставлена с затратами на платформу.
- 87% — сокращение потерь относительно неуказанной базы; исходный объём потерь завода не приводится.
-
[1] WE DEMAIN
L'IA contre le gaspillage alimentaire : un outil pour sauver des millions de repas
СМИ · 17.07.2025
Открыть источник
АрхИИВ /strategai · CB-001159 · Версия 1 · 18.10.2026 · /c/CB-001159/