I produttori di bevande si rivolgono all'intelligenza artificiale per nuovi sapori

L'intelligenza artificiale si sta spostando dal laboratorio alla sala di degustazione e le aziende produttrici di bevande la utilizzano per studiare i dati sui sapori, accelerare lo sviluppo dei prodotti e rivolgersi ai giovani bevitori che desiderano nuovi gusti. Distillatori, produttori di birra, cantine e rivenditori stanno testando sistemi di apprendimento automatico in grado di leggere i profili chimici, le recensioni dei consumatori e i dati di vendita, per poi suggerire combinazioni di ingredienti che hanno maggiori probabilità di funzionare sul mercato.

Il cambiamento fa parte di una spinta più ampia in tutto il settore delle bevande alcoliche per abbreviare i cicli di ricerca e rispondere più rapidamente ai cambiamenti della domanda. I marchi globali sono messi sotto pressione dai consumatori che bevono meno spesso, scelgono prodotti a basso contenuto alcolico o cercano sapori più particolari. Allo stesso tempo, le aziende vogliono strumenti che le aiutino a decidere quali ricette testare prima di spendere soldi in lotti pilota e pannelli sensoriali.

Alcuni dei primi esempi di alto profilo provengono dal settore degli alcolici. In Svezia, Mackmyra ha collaborato con l'azienda finlandese di intelligenza artificiale Fourkind per creare Intelligens, una miscela di whisky sviluppata con l'apprendimento automatico. Il sistema è stato addestrato sulla base delle ricette passate della distilleria, dei record di vendita e dei feedback di degustazione. I miscelatori umani hanno poi perfezionato il risultato prima della commercializzazione del whisky nel 2019. Il prodotto ha poi vinto una medaglia d'oro in un concorso del 2020, dando al progetto una credibilità che va oltre il suo valore di novità.

In Gran Bretagna, la Circumstance Distillery ha utilizzato una rete neurale chiamata Ginette per creare il Monker's Garkel, descritto come un gin prodotto dall'intelligenza artificiale. Al sistema sono stati forniti profili botanici e ricette di gin, oltre a idee di nomi e concetti di etichette. La distilleria ha comunque effettuato gli aggiustamenti finali a mano, comprese le modifiche alla gradazione alcolica e all'equilibrio botanico. Il risultato ha dimostrato come l'intelligenza artificiale possa essere utilizzata non solo per la formulazione, ma anche per il branding.

Anche le grandi aziende stanno investendo. Diageo ha acquisito Vivanda nel 2022 per portare in casa la tecnologia di mappatura dei sapori. Il sistema FlavorPrint di Vivanda chiede ai consumatori le loro preferenze per le note di frutta, spezie ed erbe, quindi costruisce un profilo di gusto che può essere utilizzato per le raccomandazioni e lo sviluppo dei prodotti. Diageo ha dichiarato di voler utilizzare tali strumenti per comprendere meglio le preferenze regionali e adattare i prodotti ai diversi mercati.

Le case produttrici di aromi stanno facendo lo stesso. Givaudan ha promosso la sua piattaforma ATOM come un modo per ridurre i tentativi e gli errori nella formulazione. L'azienda sostiene che il sistema aiuta a identificare quali ingredienti supportano o indeboliscono un gusto target e può suggerire combinazioni che soddisfano le aspettative dei consumatori, riducendo al contempo i tempi di sviluppo. In un caso citato dall'azienda, ATOM ha aiutato a creare un gusto di snack con il 33% di sale in meno, preservando la qualità del gusto.

La tecnologia dipende da dati che le aziende produttrici di bevande non hanno sempre collegato in precedenza. I pannelli sensoriali forniscono punteggi di degustazione strutturati. L'analisi chimica mostra quali composti sono presenti in un vino, una birra o un'acquavite. Le recensioni dei consumatori aggiungono un linguaggio sull'aroma, il corpo e il finale. I dati di vendita mostrano ciò che le persone acquistano effettivamente. I sistemi di intelligenza artificiale combinano questi input per cercare modelli che potrebbero sfuggire all'uomo.

In pratica, ciò significa che i modelli possono essere addestrati su migliaia di note di degustazione o centinaia di marcatori chimici provenienti da test di gascromatografia. Possono anche elaborare il testo delle recensioni online o dei post sui social media per individuare i gusti dei consumatori. Alcuni sistemi utilizzano il gradient boosting o le reti neurali per prevedere se una ricetta avrà un buon punteggio nelle degustazioni alla cieca. Altri utilizzano modelli generativi per proporre nuove miscele, campionando i modelli di sapore appresi.

La ricerca accademica ha contribuito a far progredire il settore. All'Università di Ginevra, i ricercatori hanno utilizzato l'intelligenza artificiale sui dati chimici dei vini di Bordeaux e hanno riferito che il loro modello era in grado di identificare l'azienda produttrice di ogni campione con una precisione del 100% in un test controllato. In un altro studio incentrato sulla birra, i ricercatori hanno combinato misurazioni chimiche, dati sensoriali e recensioni dei consumatori di circa 250 birre. Il loro modello ha superato i metodi statistici convenzionali e ha aiutato a identificare i composti che, aggiunti a una ricetta di birra, miglioravano i punteggi della degustazione alla cieca.

I produttori di birra sono stati particolarmente attivi perché lavorano già con grandi volumi di dati di processo. AB InBev ha utilizzato l'apprendimento automatico per migliorare la coerenza e la velocità di filtrazione su scala. L'azienda ha dichiarato che un progetto pilota ha ridotto i tempi di filtrazione del 40-50%, migliorando al contempo la coerenza tra i lotti. Questo tipo di guadagno operativo è importante perché anche piccoli miglioramenti possono far risparmiare denaro in una rete di produzione globale.

Anche i rivenditori e le piattaforme di raccomandazione fanno parte di questa tendenza. Le app per il vino, come Vivino, utilizzano l'apprendimento automatico per abbinare gli utenti alle bottiglie che potrebbero apprezzare in base alle valutazioni e al comportamento passato. Altre startup, tra cui Preferabli e Tastry, costruiscono profili di gusto a partire dai descrittori degli esperti, dai dati chimici e dai feedback dei consumatori, in modo da poter consigliare i vini o guidare il posizionamento dei prodotti.

Tastry ha dichiarato di utilizzare ampie serie di dati sui palati dei consumatori per prevedere come i diversi bevitori reagiranno a un vino o a una birra. Aromyx adotta un approccio diverso, cercando di digitalizzare il gusto e l'olfatto attraverso biosensori, per poi abbinare questi profili alle preferenze degli acquirenti. L'obiettivo è simile: trasformare le scelte di gusto soggettive in dati utilizzabili per la progettazione e la vendita dei prodotti.

L'attrattiva è chiara per le aziende che cercano di raggiungere i consumatori della Gen Z, che tendono a privilegiare la novità, l'intensità del sapore e i formati convenienti come i cocktail in lattina e le bevande pronte da bere. Le ricerche di settore hanno dimostrato che i giovani bevitori maggiorenni cercano spesso sapori fruttati, influenze internazionali e opzioni a basso contenuto di alcol che abbiano comunque un sapore completo. Questo ha spinto i produttori verso note di frutta tropicale, miscele di spezie e altre combinazioni che diano una sensazione di freschezza senza essere troppo sconosciute.

Ma ci sono dei limiti a ciò che l'intelligenza artificiale può fare nelle bevande. Il gusto è soggettivo ed è influenzato dalla cultura, dall'età e dalla regione. Un modello addestrato principalmente sui dati dei consumatori occidentali potrebbe non funzionare bene in Asia o in America Latina, senza bisogno di aggiustamenti. Le aziende si preoccupano anche della privacy quando utilizzano i sondaggi dei clienti o i dati delle recensioni per creare profili di gusto.

Ci sono anche questioni normative. Se un algoritmo suggerisce una nuova miscela botanica o una combinazione di ingredienti, i produttori devono comunque rispettare le norme di sicurezza alimentare e le leggi sull'etichettatura in ogni mercato in cui vendono. Nella maggior parte delle giurisdizioni non esiste ancora una categoria legale speciale per le ricette create dall'intelligenza artificiale, quindi le aziende devono trattarle come qualsiasi altra nuova formulazione.

La proprietà intellettuale è un altro problema. Le ricette delle bevande sono spesso protette come segreti commerciali piuttosto che come brevetti, ma l'intelligenza artificiale complica la proprietà quando il software contribuisce a creare la formula. Nella maggior parte dei casi, la società che commissiona il lavoro o lo sviluppatore umano che lo guida controllerà i diritti, ma gli avvocati dicono che i contratti devono essere chiari prima dell'inizio dei progetti.

Per i produttori più piccoli, la barriera è più bassa di un tempo perché gli strumenti basati sul cloud rendono l'apprendimento automatico più accessibile. Un'azienda vinicola o una distilleria non ha bisogno di un team interno di data science per iniziare a sperimentare lo sviluppo assistito dall'IA. Può utilizzare piattaforme esterne o collaborare con fornitori che già dispongono di database di aromi e strumenti di modellazione.

Questo è uno dei motivi per cui l'interesse si sta diffondendo oltre le grandi multinazionali. I produttori vedono l'intelligenza artificiale non come un sostituto di viticoltori, birrai o distillatori, ma come un modo per restringere le scelte più velocemente e testare più idee con meno sprechi. In un settore in cui un lancio fallito può costare mesi di lavoro e un capitale significativo, questa promessa sta attirando rapidamente l'attenzione in tutte le categorie, dal whisky e dal gin alla birra, al vino e alle raccomandazioni al dettaglio.