Guac l’AI per ridurre gli sprechi alimentari

La gestione della domanda di generi alimentari rappresenta una sfida complessa per i rivenditori, poiché la mancata previsione accurata può causare sprechi e significative perdite finanziarie.

Secondo uno studio condotto, i supermercati negli Stati Uniti scartano circa il 10% dei 44 miliardi di libbre di cibo prodotto annualmente nel paese. Questo spreco, oltre a danneggiare l’ambiente e contribuire alle emissioni di carbonio, impatta negativamente anche sui bilanci dei rivenditori, che possono subire una perdita di fatturato fino all’8% a causa di una gestione inadeguata dell’inventario.

La previsione della domanda è una sfida complessa

La problematica legata alla scarsa previsione della domanda è una sfida comune anche per i rivenditori di grande scala. Un esempio tangibile di questo problema è stato riscontrato da due giovani imprenditori, Li Wang e Jack Solomon, nel loro supermercato di quartiere.

Spesso, i clienti si trovavano a dover fare a meno del loro guacamole preferito a causa di una gestione inadeguata delle scorte. In un’intervista a TechCrunch, Wang ha spiegato che i cambiamenti climatici e le difficoltà nell’approvvigionamento di cibi freschi hanno reso ancora più vitale l’allocazione efficiente delle risorse limitate.

Allo stesso tempo, l’aumento dei costi del lavoro e le pressioni inflazionistiche rappresentano una minaccia sempre più pressante per i margini dei rivenditori.

Guac: La soluzione basata sull’IA

Per affrontare questa sfida, Wang e Solomon hanno fondato Guac, una piattaforma che utilizza l’intelligenza artificiale per prevedere il numero di articoli che i rivenditori di generi alimentari venderanno ogni giorno in un determinato punto vendita.

Guac ha recentemente raccolto $2,3 milioni in un round di finanziamento guidato da 1984 Ventures, con la partecipazione di Y Combinator e Collaborative Fund. L’obiettivo di Guac è quello di affrontare lo spreco alimentare e migliorare la sicurezza alimentare.

L’importanza della trasparenza e del fine-tuning

Guac si differenzia dalle altre startup che si occupano di previsione della domanda alimentare grazie alla sua dedizione alla trasparenza e alla messa a punto intensiva dei modelli di previsione.

A differenza di altri modelli di machine learning, Guac non è una “black box” che fornisce solo risultati senza spiegazioni. Al contrario, Guac fornisce ai suoi clienti informazioni dettagliate sulle cause dei cambiamenti nella domanda, come ad esempio eventi, condizioni meteorologiche, dati di ascolto su Spotify e altre variabili esterne che influenzano il comportamento dei consumatori. Questo approccio consente di ottenere previsioni più accurate.

I vantaggi di Guac per i rivenditori

I clienti di Guac ricevono raccomandazioni specifiche come la durata di conservazione degli articoli, le quantità minime d’ordine, le promozioni e i tempi di consegna dei fornitori, integrate nel loro software e nei flussi di lavoro esistenti. Guac ha già stretto collaborazioni con alcune importanti catene di supermercati con centinaia di punti vendita in Nord America, Europa e Medio Oriente. I primi clienti sono convinti che Guac possa apportare un valore significativo alla loro attività.

Guac e la pandemia

La pandemia ha cambiato radicalmente il comportamento degli acquirenti, rendendo ancora più difficile per i rivenditori basarsi sui dati storici delle vendite degli ultimi tre anni per prevedere la domanda futura. Tuttavia, l’algoritmo di Guac tiene conto degli effetti della pandemia e può adattarsi ai cambiamenti nel comportamento degli acquirenti. Questa flessibilità e adattabilità rendono Guac ancora più prezioso per i rivenditori di generi alimentari.

Altri attori nel settore della previsione della domanda alimentare

Guac non è l’unica startup che si occupa di previsione della domanda alimentare. Crisp offre una piattaforma di dati aperti per tutta la catena di approvvigionamento dei generi alimentari, mentre Freshflow sta sviluppando uno strumento di previsione basato sull’IA per ottimizzare il rifornimento di prodotti freschi e deperibili. Tuttavia, Guac si distingue per la sua trasparenza e per l’utilizzo di variabili esterne per migliorare la precisione delle previsioni.