Генеративный ИИ в производстве продуктов питания, напитков и сельском хозяйстве: кейсы Bayer, Nestlé, PepsiCo
По оценке McKinsey, применение GenAI в производстве продуктов питания и напитков поднимает производительность R&D на 30–50%. В 2025-2026 годах стали появляться первые внедрения, где экономику таких предприятий меняют генеративные модели и AI-агенты, а не классическое машинное обучение. Собрали свежие кейсы из сфер FMCG, Food & Beverage и Agro.
ИИ в сельском хозяйстве: дообученные LLM масштабируют экспертизу агрономов
Кейс Bayer: AI-агроном ускорил ответы фермерам на 60%
Bayer Crop Science — крупнейший в мире производитель семян и средств защиты растений. Агрономы компании не успевают отвечать тысячам фермеров: вопросы о болезнях, протоколах применения и дозировках идут потоком и требуют свежей фактуры с привязкой к конкретному полю. Раньше агроном искал ответ в материалах, писал коллегам и собирал информацию из разных источников, пока фермер ждал часы или дни.
Решение. E.L.Y. (Expert Learning for You) — собственная языковая модель Bayer, построенная на агентной генеративной архитектуре: frontier-LLM с доступом к закрытой базе знаний через технологию RAG.
Модель обучена на десятилетиях агрономических данных Bayer, результатах полевых испытаний и руководствах по продуктам, а настраивается под географию, культуру и регуляторные требования.
Результат:
- +60% скорость ответов на агрономические вопросы клиентов
- 4 часа в неделю экономии у одного сотрудника на передовой
- 1000+ сотрудников Bayer в США работают с системой, на очереди глобальная экспансия
Кейс Syngenta: AI-агроном на платформе с покрытием 70 млн гектаров
Syngenta — один из мировых лидеров в средствах защиты растений и семенах. Команда собрала более 80 000 наблюдений за фазами роста культур, 20+ лет погодной истории и данные испытаний. До генеративного AI фермер получал ответ от агронома через цепочку поддержки с задержкой в часы или дни.
Решение. Мультиязычный диалоговый AI-агроном поверх агрономических моделей Syngenta, построенный на Amazon Bedrock. Фермер пишет на естественном языке — что делать с конкретной болезнью на этом поле в этой фазе — и получает рекомендацию: продукт, дозировку, тайминг, риски. В ноябре 2025 года Syngenta открыла платформу внешним разработчикам, превратив продукт в экосистему.
Результат:
- 70 млн гектаров под покрытием платформы — площадь вдвое больше Германии
- 30+ стран получили доступ
Цифровой двойник в производстве: PepsiCo, Siemens и NVIDIA
Кейс PepsiCo × Siemens × NVIDIA: до 90% проблем находят до сборки линии
В начале 2026 года PepsiCo объявила коллаборацию с Siemens и NVIDIA — первую в мире для глобальной компании потребительских товаров. Прежде чем что-то менять на реальных заводах, PepsiCo перестраивает планирование производственных линий и складов через цифровой двойник. Ранние пилоты уже идут в США с планом глобального масштабирования.
Решение. Команды строят фотореалистичные 3D-модели заводов, складов и логистических потоков, объединяя виртуальные и реальные данные в реальном времени. Внутри этого виртуального завода AI-агенты прогоняют симуляции: находят узкие места и тестируют изменения конвейеров, маршрутов паллет и траекторий операторов до того, как что-то меняют в металле. Цифровой двойник в производстве — направление, где генеративный AI первым показывает результат в P&L.
Результат:
- +20% производительности линии на первом развертывании
- до 90% потенциальных проблем выявляется до физической сборки
- −10-15% капитальных затрат за счет найденной скрытой мощности существующих заводов
- ~100% проектных решений валидируется виртуально до запуска в металл
Цепочка поставок: генеративный AI поверх ML, цифры пока в пилотах
Кейс AB InBev: пилот генеративного AI для прогноза спроса и плана поставок
AB InBev — крупнейший пивоваренный концерн мира. Несколько лет он планирует спрос и поставки с помощью AI и добился сильных результатов: 85% спроса в США планируется без участия человека, дефицит на полках около 0,5%, точность прогноза выше 87%. Но это работа классического машинного обучения. Генеративный AI компания только начинает добавлять сверху.
Решение. Сейчас генеративный AI у концерна в пилоте: он объясняет планировщику, почему изменился план. Например, когда скачет спрос — показывает, как это отразится на затратах, сервисе и запасах. Дальше AB InBev хочет, чтобы AI-агенты сами предлагали, как улучшить план.
Результат:
- 85% спроса в США планируется без ручного вмешательства (на классическом ML)
- генеративный AI в пилоте — объясняет плановые решения, на очереди AI-агенты с предложениями по плану
ИИ в маркетинге FMCG: генерация контента вместо внешних агентств
Кейс Mondelez: до 50% сокращения себестоимости контента, $40 млн инвестиций
Mondelez International — производитель Oreo, Milka и другой продукции с одним из крупнейших маркетинговых бюджетов в категории снеков, где анимация одного ролика через внешние агентства обходилась в сотни тысяч долларов.
Решение. Mondelez с 2024 года строит собственную генеративную платформу для маркетинга. Платформа генерирует видео и визуальный контент под аудитории и каналы. Цель запуска в том, чтобы сократить зависимость от внешних производственных агентств. При этом весь контент проходит проверку человеком и подчиняется внутренним ограничениям по этике.
Результат:
- 30–50% целевое сокращение себестоимости производства контента
- $40 млн+ инвестиций в платформу
Кейс Kraft Heinz TasteMaker: контент за часы вместо недель
Kraft Heinz — глобальная компания со 100+ брендами и поставками более чем в 190 стран. Раньше цикл от концепта упаковки до готового контента занимал недели через внешние агентства и студии. В этом кейсе генерация контента ИИ забирает у внешних агентств самую дорогую часть цикла — отрисовку креатива под десятки рынков.
Решение. Компания создала TasteMaker — внутренний движок на Google Vertex AI, где под капотом работают модель Gemini для текста, Imagen для изображений и Veo для генерации видео. Также собрана база знаний брендгайдов и фотобиблиотек в BigQuery.
Маркетолог формулирует задачу на естественном языке и получает готовый пакет материалов под фирменный стиль. Пилот Kraft Heinz запустила в 2025 году с одного сценария — ускорения ручного создания контента.
Результат:
- 8 часов вместо 8 недель на разработку контента под новый продукт
- 75% быстрее выход к результату в AI-процессах
- 70% сотрудников в продукте и маркетинге работают с платформой
Кейс L’Oréal: генерация 50 000 изображений в месяц
L’Oréal — крупнейший рекламный бюджет в индустрии красоты. Бренды L’Oréal Paris, YSL Beauty, Maybelline локализуют контент под соцсети на 20 рынках.
Решение. Платформа CreAItech на Google Cloud объединяет модель Imagen для изображений, Gemini для текста и Veo для видео. Команда описывает идею промптом и получает готовые материалы под рынок, которые автоматически проверяются на соответствие фирменному стилю.
Результат:
- 50 000 изображений и 500+ видео в месяц генерирует платформа
- 20 рынков охвачено
- недели → дни запуск кампаний и локализация контента
Кейс Unilever: контент на 30% быстрее, концепт до тестов за 2 часа
Unilever — один из крупнейших в мире производителей товаров повседневного спроса, владелец 400+ брендов (Dove, Persil, Cif, Domestos, Rexona). Компания уходит от модели «сначала креатив под телевизор» к массовой генерации цифровых материалов для соцсетей.
Решение. Компания запустила платформу Sketch Pro, которая работает на базе генеративных моделей Adobe Firefly и Google Veo 3. Каждому бренду на каждом рынке назначен свой AI-инструмент, обученный на брендгайдах и местных регуляторных требованиях. Unilever называет это «ДНК бренда», и именно это держит фирменный стиль при массовой генерации.
Результат:
- до 30% быстрее производство контента
- 2 часа от концепта до готовности к потребительским тестам
- +22,5% видимость брендов Rinso и Sunlight в TikTok по итогам кампании в Джакарте
Читайте также: кейсы AI в маркетинге. Как команды ускоряют контент и считают отдачу от вложений
ИИ в пищевой промышленности: разработка продуктов с Nestlé и NotCo
Кейс Nestlé: разработка с 3 месяцев до 3 недель
Nestlé — крупнейшая в мире пищевая компания с портфелем из 2000+ брендов. Для команд разработки в США она построила генеративную систему. В этом кейсе ИИ в пищевой промышленности впервые встроен не в маркетинг и не в логистику, а в R&D-процесс — выбор ингредиентов, прогноз вкуса, ранжирование концептов.
Решение. Генеративный движок выдает продуктовые идеи, анализируя историю запусков, тренды отзывов и продаж по 20+ брендам Nestlé в США. Продакт-менеджер получает ранжированный список концептов с прогнозом потенциала вместо одной гипотезы. Систему освоили около 100 человек из инновационного сообщества Nestlé.
Результат:
- 1300 продуктов обработано через систему
- 30 продуктов в активной разработке из этого пула
- 3 недели вместо 3 месяцев на разработку
Кейс NotCo: отраслевая LLM для создания пищевых продуктов
NotCo — чилийско-американская foodtech-компания, изначально построенная вокруг AI. Ее платформа Giuseppe выводит формулы ароматов и вкусов из текстового запроса на естественном языке, и компания открыла к ней доступ как к B2B-платформе для других производителей.
Решение. Giuseppe — первая отраслевая LLM для пищевых продуктов. Модель обучена на массиве данных о свойствах ингредиентов, собранном за десять лет. Она подбирает компоненты, чтобы под задачу собрать готовую формулу с нужным вкусом, текстурой и нутрициональным профилем. The Magnum Ice Cream Company использует платформу, чтобы быстрее решать сложные задачи рецептуры и разрабатывать новые форматы мороженого для рынка США.
Результат:
- 10 лет проприетарных данных о свойствах ингредиентов, на которых модель собирает формулы
- Kraft Heinz, Mars, Mondelez, Magnum — производители, которые уже работают на платформе Giuseppe
- в разы быстрее циклы разработки рецептур по сравнению с традиционным R&D
Деньги приносит маркетинг и R&D, остальное пока пилоты
Кейсы показывают, что внедрение генеративного AI происходит быстрее там, где раньше узким местом была дефицитная экспертиза или ручное производство контента. Первыми отдачу в деньгах показывают маркетинг и разработка продуктов. Так, Kraft Heinz сократил цикл создания контента с восьми недель до восьми часов, Unilever ускорил производство креатива почти на треть, Mondelez рассчитывает срезать до половины себестоимости контента. Это направления, где результат напрямую виден в P&L.
В агрономии и на производстве технология работает, но отдача пока измеряется в скорости и точности, а не в марже. В цепочке поставок генеративный AI и вовсе остается на стадии пилотов — громкие проценты по прогнозу там по-прежнему дает классический ML.
Отсюда вывод: деньги приносят не масштабные «внедрения AI», а узкие решения под конкретную метрику — например, модели, дообученные на собственной фактуре компании. Чем конкретнее задача, тем быстрее окупаемость.
Российский рынок: публичных пилотов пока нет
Публичных внедрений генеративного AI с подтвержденными метриками в российском FMCG, Food & Beverage и Agro пока нет. Отечественные проекты в этих отраслях построены на компьютерном зрении и классическом машинном обучении, а генеративные модели для разработки вкусов и маркетингового контента производители, по оценке отраслевых изданий, только начинают тестировать.
С чего начать внедрение GenAI
Just AI Agent Platform — экосистема сервисов для любых GenAI-инициатив: от первого пилота до решений, которые работают на проде. Оставьте заявку, и мы покажем, как использовать Just AI Agent Platform для ваших бизнес-процессов
Другие материалы
AI в медицине: исследование «Яков и Партнеры» и «МЕДСИ»
Как клиники и фарма переходят от пилотов к рабочей инфраструктуре
Кейсы применения AI в продажах: опыт Just AI
Как отделы продаж снимают рутину с помощью Jay Copilot и Agent Platform
С чего начать внедрение генеративного AI
План внедрения генеративных технологий в бизнес‑процессы