Електронний язик + нейромережа + 10 000 рецептур = новий смак за 48 годин? Як Gastrograph AI бере роботу у сенсорних панелей

Рік тому аналітичний гігант NielsenIQ тихо поглинув платформу Gastrograph AI, і це стало тектонічним зсувом для індустрії. Поки конкуренти сперечаються про відтінки ванілі, ця нейромережа вже сьогодні здатна передбачати смакові вподобання споживачів у 16 країнах, заощаджуючи компаніям місяці роботи та мільйони доларів. Ми в TATFOOD розібрали цю технологію на атоми, щоб зрозуміти головне: чи дійсно алгоритми залишать без роботи досвідчених технологів?

Анатомія традиційної сенсорної панелі: чому це дорого і довго

Згадаймо класичний процес запуску новинки. Ви створюєте рецептуру, збираєте фокус-групу, проводите сліпі дегустації, аналізуєте анкети. Далі — правки, нові тести і знову анкети.

Цей цикл триває місяцями. Це шалено дорого, а головне — суб’єктивно. Люди втомлюються, плутають смаки або просто хочуть швидше забрати свій гонорар за дегустацію. Додайте сюди вартість логістики, якщо ви тестуєте продукт для експорту, і отримаєте фінансовий біль будь-якого директора.

Механіка Gastrograph AI: від хемосенсорних даних до prediction-моделей

Gastrograph AI пішов іншим шляхом. Вони створили математичну модель людського сприйняття.

Як це працює на практиці:

• Алгоритм розбиває продукт на 600–1000 хемосенсорних змінних (аромат, текстура, післясмак).

• Збирає дані від професійних панелістів у різних регіонах.

• Будує предиктивну модель. Вона точно показує, як саме цільова аудиторія відреагує на ваш продукт.

Тобто ви отримуєте готовий прогноз ще до того, як відправите першу партію на полиці. Це ідеальний інструмент, коли ви створюєте функціональні продукти, де потрібно замаскувати специфічний присмак вітамінів чи рослинного протеїну.

Китайський прорив Ajinomoto: як математика перемогла географію

Найкраще систему перевіряти в “полі”. Японська корпорація Ajinomoto вирішила вийти на ринок Китаю з новими смаками. Замість того, щоб везти сотні зразків через море, вони довірилися нейромережі.

Системі дали дані від 12 японських дегустаторів у Токіо. Алгоритм «перетравив» інформацію і видав точний прогноз вподобань для 10 різних демографічних груп у Китаї. Збіг із реальними подальшими тестами був вражаючим. Це той рівень, на який сьогодні орієнтуються харчові технології 2026.

Стратегія NielsenIQ: навіщо аналітичному гіганту електронні рецептори

Купівля Gastrograph компанією NielsenIQ у квітні 2025 року — це не просто угода, це монополізація знань. NielsenIQ має дані про те, що люди купують. Тепер вони знають, чому їм це смакує.

Така синергія дозволяє FMCG-брендам отримувати повний цикл аналітики: від ідеї ідеального смаку до прогнозу продажів на конкретній полиці супермаркету.

Ілюзія всемогутності: де межа алгоритмів у створенні smart food

Обіцяли революцію, а вийшов крутий калькулятор. Так, ШІ рахує швидко, але він не має рецепторів.

Нейромережа не зможе:

• Оцінити емоційний відгук від хрускоту скоринки.

• Врахувати нестабільність сировини з нової партії.

• Зрозуміти, як поведе себе продукт через три місяці зберігання на складі.

Машина оперує ймовірностями, а створює справжній smart food жива людина. Штучний інтелект — це ваш су-шеф, але фінальне рішення та відповідальність завжди лежать на головному технологу.

Технологічний ландшафт: FlavorMiner, Firmenich та Microsoft

Gastrograph — не єдиний гравець на цьому полі. ШІ вже став рутиною у розробці ароматизаторів:

• Firmenich (тепер dsm-firmenich) у партнерстві з Microsoft створюють унікальні аромати (наприклад, смак яловичини на грилі для рослинного м’яса) виключно за допомогою алгоритмів.

• FlavorMiner аналізує мільйони молекулярних сполук, щоб знайти ідеальні замінники цукру чи солі.

Штучний інтелект остаточно інтегрувався у R&D харчова промисловість. Це вже не хайп, а базовий інструмент конкурентної боротьби.

Виклики та перспективи для українського foodtech-ринку

Що це означає для нас? Поки глобальні корпорації рахують матриці, foodtech в Україні має унікальний шанс зіграти на випередження.

Зараз формується жорсткий запит на clean label Україна — споживачі хочуть чистих складів і зрозумілих інгредієнтів. Використання ШІ дозволяє українським компаніям швидко адаптувати свої рецептури під європейські вимоги, минаючи етап довгих лабораторних проб і помилок.

Відповідно, змінюється і ринок праці. Топові вакансії харчова промисловість дедалі частіше вимагають не лише знання ДСТУ та HACCP, а й вміння працювати з Big Data та цифровими інструментами оптимізації. Технолог майбутнього — це дата-аналітик у білому халаті.

👇 А як Ви ставитеся до штучного інтелекту у розробці нових продуктів? Чи готові довірити нейромережі створення флагманського смаку вашої компанії?

🔔 Підписуйтесь на розсилку та Telegram-канал TATFOOD, щоб не пропустити наступні розбори технологій, які змінюють правила гри!

Джерела: