AI ska spara tid och minska svinn på Picadeli
Picadeli som har cirka 2000 salladsbarer i butiker över hela Europa har börjat använda AI för att bättre förutse tillgång och efterfrågan.
– Vi vet att en salladsbar innehåller 40 till 100 olika produkter med olika hållbarhet och som påverkas olika av väder och helgdagar. Det är svårt att köpa in exakta mängder så det både räcker till men heller inte blir för mycket svinn, säger Jonas Landström, chef för IT och affärsutveckling på Picadeli till Food Supply.
För att bättre kunna förutse behoven har Picadeli utvecklat den nya AI-plattformen Arcorder som beräknar orderrekommendationer baserat på bland annat planogram, aktuella lagernivåer, externa faktorer som väderprognoser och helgdagar samt förbrukning i salladsbaren som mäts genom att varje produkt scannas innan den läggs i disken.
– Väder påverkar väldigt mycket nu under våren då folk köper sallad till lunchen, utflykter och sätter sig utomhus och äter. Men det är även stora variationer under en vanlig vecka och då systemet är självlärande och självkorrigerande tar det in alla de här parametrarna eftersom och blir då bättre och bättre med tiden.
Den nya, egenutvecklade, plattformen har testat under hösten och har skalats upp till ett 40-tal i både Frankrike, Finland och Sverige, varav 30 av dom finns i Sverige. Eftersom plattformen ligger på Amazons moln är det lätt att skala upp nu när efterfrågan ökar och utrullningen av plattformen sker.
Den nya AI-tekniken är inte tänkt att ersätta personalen utan är mer tänkt som ett verktyg för att underlätta beställningarna.
– Man sparar tid med det nya systemet. Det som förut tog cirka 15-20 minuter tar nu istället två. Man kan inte ersätta kunnandet hos personalen, men genom att kombinera deras kunskap med förslag från AI algoritmen så blir resultatet bättre och personalen kan spendera tid på mer värdeskapande aktiviteter istället för att räkna gurkor, säger Jonas Landström.
Även om Arcorder är självlärande så finns det alltid mer att jobba med för teamet bakom själva systemet.
– Det här är en plattform vi aldrig blir riktigt klara med. Det går att utveckla ännu kring hur man kan presentera data, hur man inventerar, påminna butikerna om att det kan finnas produkter med bäst-före-datum som borde användas innan en viss tid och mycket mer.