ИИ в АПК и FMCG: где заканчивается хайп и начинаются реальные результаты?

Кажется, сегодня искусственный интеллект внедряют уже во всё. Но если убрать маркетинговый шум, что действительно происходит на предприятиях пищевой промышленности, АПК и FMCG? Какие задачи ИИ уже решает, а где пока остаётся красивой презентацией?
Мы собрали несколько интересных примеров из практики компаний. Посмотрите, как ваши коллеги по отрасли уже используют искусственный интеллект.
Несколько реальных кейсов:
🔹 «Доброфлот» внедрил машинное зрение и нейросети на рыбоконсервной линии. В результате количество бракованных банок при обработке шва сократилось в 17 раз, учёт готовой продукции ускорился в 4 раза, а экономия составила 2 млн рублей за год — только на одной производственной линии. (По данным [Retail.ru](https://www.retail.ru/cases/dobroflot-vnedril-mashinnoe-zrenie-na-konservnoy-linii-i-sekonomil-dva-milliona-rubley/)).
🔹 X5 тестирует решение X5 Tech на фабрике-кухне партнёра: компьютерное зрение проверяет качество запаечного шва упаковки готовой еды и правильность маркировки. По данным компании, система обнаруживает более 95% дефектов. Потенциальное сокращение возвратов из магазинов оценивается в 80–90%. Пока это пилот, а не результат масштабного внедрения. (По данным [«Ведомостей»](https://www.vedomosti.ru/press_releases/2026/10/22/kompyuternoe-zrenie-na-pischevom-proizvodstve-kak-ii-menyaet-kontrol-kachestva-produktov)).
🔹 На птицефабрике «Чамзинская» из агрогруппы «Хорошее дело» внедрено машинное зрение для контроля качества тушек птицы. Система распознаёт порезы, гематомы и другие повреждения. По данным разработчика, она контролирует около 7 тысяч тушек в сутки с точностью выявления дефектов 99%. (По данным [«Ведомостей»](https://www.vedomosti.ru/press_releases/2026/10/22/kompyuternoe-zrenie-na-pischevom-proizvodstve-kak-ii-menyaet-kontrol-kachestva-produktov)).
🔹 ГК «Дамате» использует ИИ для контроля санитарных процедур на производстве и животноводческих комплексах. Например, система проверяет, правильно ли сотрудники моют руки перед входом на производство, и не допускает к работе при нарушении регламента. Другой модуль отслеживает начало родовой деятельности у коров. (По данным [Цифрового маркетплейса](https://platforms.su/project/2397)).
🔹 «Агропромкомплектация» применяет компьютерное зрение в свиноводстве: ИИ определяет вес и состояние животных, считает поголовье и фиксирует время рождения поросят. Параллельно алгоритмы анализируют факторы распространения заболеваний. (По данным [Цифрового маркетплейса](https://platforms.su/project/2399)).
🔹 СОЮЗСНАБ разработал ИИ-ассистента «Нейротехнолог» для специалистов пищевой промышленности. Он помогает технологам подбирать ингредиенты и оптимизировать рецептуры, используя накопленную экспертизу компании: более 500 технологий производства и 7 500 ингредиентов. (По данным [Цифрового маркетплейса](https://platforms.su/project/2669)).
🔹 Coca-Cola HBC внедрила распознавание изображений для поиска запасных частей оборудования. Сотрудник фотографирует деталь, а ИИ определяет её артикул и показывает, где она есть в наличии. После пилота с точностью распознавания 97% для 200 деталей решение начали масштабировать на производственные площадки. (По данным [SoftwareOne](https://www.softwareone.com/en/case-studies/emea/manufacturing/coca-cola-hbc-data-and-ai)).
🔹 Danone использует ИИ для предиктивного обслуживания оборудования на молочных производствах. Например, система заранее выявляет признаки возможного перегрева двигателя упаковочной линии и предупреждает сотрудников до возникновения неисправности. (По данным [McKinsey](https://www.mckinsey.com/industries/consumer-packaged-goods/our-insights/how-danone-is-reinventing-fmcg-operations)).
Как видите, спектр задач впечатляет: от контроля качества продукции и санитарных требований до управления животноводством, оптимизации рецептур и обслуживания оборудования.
Но есть один нюанс.
За каждым успешным кейсом стоит путь внедрения. И далеко не всегда он состоит из красивых презентаций, быстро обученных моделей и мгновенного экономического эффекта.
Что-то не взлетает. Где-то качество данных оказывается недостаточным, где-то решение не интегрируется с существующими системами, где-то экономика проекта не выдерживает проверки реальностью. А иногда выясняется, что задача вообще не требовала искусственного интеллекта.
Именно поэтому нам интересны не только истории успеха, но и обратная сторона внедрений. Где обожглись коллеги? Какие решения не оправдали ожиданий? Какие ошибки стоили предприятиям денег, времени и нервов? И что стоило предусмотреть ещё на старте проекта?
Об этом и поговорим на Ночи-ИТ факапов!
📍 25 ноября, Москва
Закрытый кулуарный нетворкинг IT-директоров пищевой промышленности, АПК и FMCG. В программе — в том числе пленарная дискуссия «Искусственный интеллект: где хайп, а где реальные возможности?».
Приходите делиться опытом, обсуждать набитые шишки и узнавать то, о чём обычно не пишут в пресс-релизах.
