Wprowadzenie – skala problemu marnotrawstwa żywności

Marnotrawstwo żywności to jedno z najpoważniejszych wyzwań współczesnego świata. Według raportu UNEP Food Waste Index 2024, w 2022 roku zmarnowano 1,05 miliarda ton żywności, co stanowi 19% dostępnej żywności dla konsumentów na całym świecie. To nie tylko strata ekonomiczna, ale także ekologiczna – marnotrawstwo żywności odpowiada za 8–10% globalnych emisji gazów cieplarnianych.

W obliczu rosnącej populacji i ograniczonych zasobów naturalnych, konieczne jest podjęcie działań mających na celu redukcję marnotrawstwa żywności. Nowoczesne technologie, takie jak sztuczna inteligencja (AI), data science i media społecznościowe, oferują innowacyjne rozwiązania w walce z tym problemem.

Rola sztucznej inteligencji i data science – analiza popytu, zarządzanie zapasami, łańcuchy dostaw

Sztuczna inteligencja i analiza danych odgrywają kluczową rolę w optymalizacji procesów związanych z produkcją, dystrybucją i konsumpcją żywności.

Analiza popytu i zarządzanie zapasami

Firmy takie jak Afresh i Shelf Engine wykorzystują AI do prognozowania popytu na produkty spożywcze, co pozwala na precyzyjne zamawianie towarów i minimalizację nadwyżek. Dzięki temu supermarkety mogą zmniejszyć ilość niesprzedanej żywności trafiającej na śmietnik.

W Polsce również rozwijają się firmy oferujące rozwiązania AI w zakresie prognozowania popytu i zarządzania zapasami:

• Demandia AI: Platforma wspierająca producentów i dystrybutorów żywności w prognozowaniu popytu, optymalizacji zapasów i planowaniu sprzedaży. Dzięki zaawansowanym algorytmom analitycznym i sztucznej inteligencji, firmy mogą przewidywać trendy rynkowe, minimalizować straty wynikające z przeterminowania produktów oraz zwiększać efektywność operacyjną.

• LEAFIO AI: Oferuje moduł prognozowania popytu, który wyróżnia się precyzyjnymi krótko-, średnio- i długoterminowymi prognozami sprzedaży, umożliwiając firmom dokładne planowanie i optymalizację zapasów.

Monitorowanie odpadów w gastronomii

Systemy takie jak Winnow czy Orbisk wykorzystują inteligentne kamery oraz algorytmy rozpoznawania obrazu do automatycznej identyfikacji rodzaju i ilości wyrzucanej żywności. Każdy wyrzucany produkt jest natychmiast rejestrowany i klasyfikowany, a dane trafiają do chmury, gdzie następuje ich analiza za pomocą zaawansowanych modeli uczenia maszynowego. Na podstawie zgromadzonych informacji restauracje otrzymują szczegółowe raporty oraz rekomendacje, które pozwalają zoptymalizować wielkość porcji, skład menu czy planowanie zakupów. Dzięki temu lokale gastronomiczne mogą skutecznie ograniczyć odpady, poprawiając swoją rentowność i minimalizując wpływ na środowisko.

Optymalizacja łańcuchów dostaw

Start-upy takie jak Fresho wykorzystują sztuczną inteligencję do analizowania danych sprzedażowych, sezonowych trendów oraz informacji o aktualnych zapasach, dzięki czemu mogą precyzyjnie przewidywać potrzeby zaopatrzeniowe. Platformy te automatycznie koordynują zamówienia od dostawców, uwzględniając rzeczywisty popyt, ograniczając nadmierne zakupy oraz ryzyko generowania nadwyżek. Ponadto AI umożliwia dynamiczną optymalizację tras dostaw oraz harmonogramów, redukując czas transportu oraz ilość produktów, które mogłyby ulec zepsuciu w trakcie dystrybucji.

Wpływ mediów społecznościowych – kampanie edukacyjne, crowdsourcing żywności, analiza sentymentu

Media społecznościowe odgrywają istotną rolę w kształtowaniu świadomości społecznej na temat marnotrawstwa żywności i promowaniu proekologicznych zachowań.

Kampanie edukacyjne

Kampania „Clean Plate” w Chinach

„Clean Plate” ma na celu ograniczenie marnotrawstwa żywności poprzez promowanie spożywania całych porcji. Restauracje wprowadziły mniejsze porcje, system „N-1” (zamawianie o jedno danie mniej niż liczba osób) oraz zachęty dla klientów, którzy nie zostawiają resztek. W mediach społecznościowych kampania była promowana poprzez hashtagi i treści edukacyjne, a także poprzez ograniczenie popularności filmów typu „mukbang”, które promowały nadmierne jedzenie.

Kampania „Save the Food” w USA

Prowadzona przez Natural Resources Defense Council i Ad Council, kampania „Save the Food” skupia się na edukowaniu konsumentów na temat skutków marnowania żywności. Wykorzystuje media społecznościowe, spoty telewizyjne i narzędzia online, takie jak kalkulator porcji „Guest-imator”, aby pomóc w planowaniu posiłków i przechowywaniu żywności. Kampania zyskała szerokie uznanie, osiągając miliony wyświetleń i angażując znanych szefów kuchni oraz celebrytów w promowanie jej przesłania.

Kampanie w Polsce

W Polsce również prowadzone są kampanie mające na celu ograniczenie marnotrawstwa żywności. Ministerstwo Rolnictwa i Rozwoju Wsi zainicjowało kampanię „Nie marnuj żywności – szkoda planety!”, której celem jest zwiększenie świadomości społecznej na temat skutków marnowania żywności oraz promowanie zasad 4P: planuj, przechowuj, przetwarzaj, podziel się. Kampania obejmuje działania w mediach społecznościowych, kampanie billboardowe oraz edukację konsumentów na temat odpowiedzialnego podejścia do żywności.

Crowdsourcing żywności

Crowdsourcing żywności to innowacyjne podejście do redystrybucji nadwyżek żywności, które łączy technologię, logistykę i zaangażowanie społeczne w celu przeciwdziałania marnotrawstwu. Platformy takie jak Food Cowboy w Stanach Zjednoczonych wykorzystują aplikacje mobilne oraz sieci społecznościowe, aby umożliwić producentom, dystrybutorom i restauracjom przekazywanie nadmiarowej żywności organizacjom charytatywnym. Proces ten jest prosty: gdy np. kierowca ciężarówki dowiaduje się, że część ładunku nie zostanie przyjęta przez odbiorcę (np. z powodu zbyt dużej dojrzałości pomidorów), może za pomocą aplikacji zgłosić dostępność tej żywności. System lokalizuje najbliższą organizację charytatywną gotową przyjąć darowiznę, koordynuje logistykę odbioru i zapewnia, że jedzenie trafia do potrzebujących zamiast na wysypisko.

W Polsce również rozwijają się systemy crowdsourcingu żywności. Federacja Polskich Banków Żywności, zrzeszająca 31 banków żywności, współpracuje z ponad 3 000 organizacji i instytucji społecznych w całym kraju. Dzięki tej sieci, w 2020 roku udało się przekazać około 64 000 ton żywności do około 1,5 miliona osób potrzebujących . Proces ten opiera się na współpracy z producentami, dystrybutorami i sieciami handlowymi, które przekazują nadwyżki żywności do banków, skąd trafiają one do lokalnych organizacji pomocowych.

Analiza sentymentu

Analiza sentymentu w kontekście marnotrawstwa żywności polega na automatycznym przetwarzaniu treści publikowanych w mediach społecznościowych – takich jak komentarze, wpisy, hashtagi czy reakcje – w celu określenia, czy mają one wydźwięk pozytywny, negatywny czy neutralny. Wykorzystuje się do tego techniki przetwarzania języka naturalnego (NLP) oraz uczenie maszynowe, które umożliwiają rozpoznawanie emocji i opinii zawartych w dużych zbiorach danych tekstowych.

Organizacje pozarządowe i agencje rządowe mogą dzięki temu na bieżąco monitorować reakcje społeczne na prowadzone kampanie edukacyjne, takie jak „Nie marnuj żywności” czy „Save the Food”. Pozwala to ocenić, które komunikaty są skuteczne, a które budzą kontrowersje lub nie docierają do zamierzonej grupy odbiorców. Przykładowo, jeśli analiza wykazuje negatywne nastawienie wobec sugestii ograniczania porcji w restauracjach, kampania może zostać przeformułowana w sposób bardziej akceptowalny społecznie.

Ponadto analiza sentymentu umożliwia identyfikowanie trendów w czasie rzeczywistym – np. nagły wzrost zainteresowania tematem marnotrawstwa w związku z konkretnym wydarzeniem medialnym. Dane te mogą również wskazywać na regionalne różnice w postrzeganiu problemu, co pozwala na tworzenie kampanii lokalnie dopasowanych do wartości i przekonań danej społeczności.

Coraz częściej tego typu analiz dokonują również same firmy z sektora spożywczego, które chcą zrozumieć, jak konsumenci reagują na ich politykę dotyczącą gospodarki odpadami, np. rezygnację z plastikowych opakowań czy sprzedaż produktów „z krótkim terminem”. Analiza sentymentu pomaga też wykrywać potencjalne kryzysy wizerunkowe, zanim przerodzą się one w poważny problem medialny.

Synergia technologii – zintegrowane systemy predykcji i monitorowania

Zintegrowane systemy predykcji i monitorowania to kierunek rozwoju, który łączy możliwości sztucznej inteligencji, analityki danych oraz interaktywności mediów społecznościowych w celu skuteczniejszej walki z marnotrawstwem żywności. Takie podejście pozwala na nie tylko pasywne monitorowanie problemu, ale także aktywne zaangażowanie użytkowników oraz dynamiczne reagowanie na zmieniające się warunki.

Przykładem tego typu rozwiązania jest aplikacja Nosh, która pomaga użytkownikom zarządzać zapasami żywności w domowych lodówkach. Aplikacja wykorzystuje AI do rozpoznawania produktów spożywczych, śledzi daty przydatności do spożycia i wysyła powiadomienia o zbliżającym się terminie ich zużycia. Dzięki temu użytkownicy mają większą kontrolę nad tym, co i kiedy powinni spożyć, co znacząco ogranicza ryzyko wyrzucania przeterminowanego jedzenia. Co więcej, funkcje społecznościowe aplikacji umożliwiają dzielenie się nadwyżkami żywności z sąsiadami lub lokalnymi organizacjami poprzez integrację z mediami społecznościowymi, aplikacjami lokalnymi lub czatami sąsiedzkimi. W ten sposób tworzy się lokalna sieć mikrodystrybucji nadwyżek.

W Polsce coraz częściej wdrażane są zintegrowane rozwiązania technologiczne wykorzystujące sztuczną inteligencję (AI), analizę danych oraz media społecznościowe w celu przeciwdziałania marnotrawstwu żywności. Oto kilka przykładów takich inicjatyw:

1. Foodsi – aplikacja mobilna do ratowania nadwyżek żywności

Foodsi to polska aplikacja, która łączy użytkowników z restauracjami, sklepami i piekarniami oferującymi niesprzedane produkty po obniżonych cenach. Dzięki temu użytkownicy mogą nabyć pełnowartościowe jedzenie z krótkim terminem ważności, co przyczynia się do redukcji marnotrawstwa. Aplikacja wykorzystuje geolokalizację oraz integrację z mediami społecznościowymi, umożliwiając użytkownikom dzielenie się informacjami o dostępnych ofertach.

2. Too Good To Go – globalna platforma dostępna w Polsce

Too Good To Go to międzynarodowa aplikacja, która działa również na polskim rynku. Umożliwia użytkownikom zakup „paczek-niespodzianek” zawierających niesprzedane produkty z restauracji i sklepów po niższych cenach. Niedawno firma wprowadziła narzędzie oparte na AI, które pomaga partnerom biznesowym w lepszym zarządzaniu nadwyżkami żywności.

3. Netto – wykorzystanie AI do dynamicznego zarządzania cenami

Sieć sklepów Netto wprowadziła system oparty na AI, który analizuje dane sprzedażowe i automatycznie dostosowuje ceny produktów zbliżających się do końca terminu przydatności. Celem jest zwiększenie sprzedaży tych produktów i zmniejszenie ilości wyrzucanej żywności.  Firma współpracuje z Federacją Polskich Banków Żywności oraz Caritas. W 2022 roku przekazała tym organizacjom ponad 2 722,5 tony żywności, o wartości 18,1 mln zł.

Korzyści

Wykorzystanie nowoczesnych technologii, takich jak sztuczna inteligencja, analiza danych oraz media społecznościowe, w walce z marnotrawstwem żywności przynosi wielowymiarowe korzyści. Oprócz oczywistych aspektów ekologicznych, działania te mają istotne implikacje ekonomiczne i społeczne.

Korzyści ekologiczne

Marnotrawstwo żywności generuje 8–10% globalnych emisji gazów cieplarnianych, głównie metanu i dwutlenku węgla, powstających podczas rozkładu odpadów organicznych. Redukcja strat żywnościowych bezpośrednio zmniejsza emisje, ograniczając wpływ na zmiany klimatu. Dodatkowo, mniej marnotrawionej żywności to także mniejsze zużycie zasobów naturalnych, takich jak woda, energia czy powierzchnia gruntów rolnych, które są wykorzystywane podczas całego cyklu produkcyjnego.

Korzyści ekonomiczne

Dzięki AI i analizie danych firmy mogą lepiej prognozować popyt, zarządzać zapasami i optymalizować łańcuch dostaw. Przykładowo, rozwiązania predykcyjne pozwalają restauracjom lepiej planować zakupy i menu, co przekłada się na niższe koszty operacyjne. Z kolei dla rolników i producentów wdrażanie inteligentnych systemów pozwala na zmniejszenie strat już na etapie zbiorów czy logistyki. Innym przykładem jest firma Walmart, wykorzystuje ona dane z milionów transakcji w czasie rzeczywistym, by przewidywać popyt na konkretne produkty i unikać nadmiernego zaopatrzenia sklepu.

Korzyści społeczne

 

Redukcja strat żywnościowych może pomóc w przeciwdziałaniu niedożywieniu i poprawie bezpieczeństwa żywnościowego – według danych ONZ, w 2022 r. aż 29,6% światowej populacji doświadczało braku stabilnego dostępu do żywności (Kongres Obywatelski). Organizacje takie jak banki żywności odgrywają kluczową rolę, przekazując nadwyżki do potrzebujących i prowadząc działania edukacyjne. Technologie wspierają ich działania poprzez lepszą koordynację dostaw, logistyki i komunikacji z darczyńcami.

Zagrożenia i konsekwencje – etyka, prywatność, dostępność

Choć technologia oferuje ogromny potencjał w ograniczaniu strat żywności, jej stosowanie niesie ze sobą również istotne wyzwania.

Etyka i prywatność

Zbieranie danych o nawykach konsumpcyjnych użytkowników – np. z aplikacji lodówkowych, systemów zakupowych czy mediów społecznościowych – budzi uzasadnione obawy dotyczące prywatności. Ryzyko naruszenia danych rośnie szczególnie wtedy, gdy systemy działają bez wyraźnej zgody użytkowników lub bez przejrzystości celów przetwarzania informacji. World Economic Forum podkreśla, że etyczne wykorzystanie danych w sektorze żywnościowym musi uwzględniać prawa jednostki i opierać się na przejrzystości i odpowiedzialności algorytmicznej (WEF, 2024). Konieczne jest wdrażanie zasad takich jak privacy-by-design oraz zgodność z regulacjami, m.in. RODO.

Dostępność technologii

Zaawansowane systemy predykcyjne, AI czy zintegrowane platformy logistyczne są kosztowne we wdrożeniu i utrzymaniu. Małe i średnie przedsiębiorstwa, a także organizacje non-profit, często nie mają do nich dostępu. Zgodnie z raportem FAO (2022), rozwój cyfrowych narzędzi w rolnictwie i dystrybucji w krajach o niższych dochodach wciąż napotyka na bariery infrastrukturalne i kompetencyjne (FAO).

Zależność od technologii

Coraz większe uzależnienie od algorytmów i automatyzacji niesie ryzyko zaniku tradycyjnych kompetencji oraz braku odporności na awarie. Błędy systemów, brak dostępu do sieci czy uprzedzenia algorytmiczne mogą prowadzić do realnych zakłóceń operacyjnych. MIT Sloan Management Review ostrzega, że AI w środowisku żywnościowym nie jest wolna od ryzyk – i nie zastąpi zdrowego rozsądku ani odpowiedzialności ludzkiej (MIT Sloan, 2024).

Wnioski i rekomendacje – kierunki rozwoju i propozycje działań

Redukcja marnotrawstwa żywności to jedno z kluczowych wyzwań XXI wieku, ściśle powiązane z ochroną środowiska, walką z głodem i rozwojem gospodarczym. Nowoczesne technologie – takie jak sztuczna inteligencja, analiza danych czy media społecznościowe – oferują nowe narzędzia, które mogą zmienić sposób, w jaki produkujemy, dystrybuujemy i konsumujemy żywność.

Aby w pełni wykorzystać ten potencjał, niezbędne są skoordynowane działania na wielu poziomach:

1. Inwestycje w badania i rozwój

 Wspieranie innowacyjnych rozwiązań technologicznych – takich jak aplikacje monitorujące daty ważności, systemy predykcyjne w handlu czy automatyczne analizatory odpadów w gastronomii – może znacząco poprawić efektywność systemów żywnościowych.

2. Edukacja i świadomość społeczna

Kampanie informacyjne prowadzone w mediach społecznościowych – jak np. „Too Good To Go” – budują świadomość i promują zmianę codziennych nawyków. Zwiększenie kompetencji konsumenckich w zakresie przechowywania żywności, planowania zakupów i rozpoznawania oznaczeń na opakowaniach może znacznie ograniczyć straty na poziomie gospodarstw domowych.

3. Współpraca międzysektorowa

Wspólne działania administracji publicznej, biznesu i organizacji pozarządowych mogą prowadzić do wdrażania kompleksowych strategii zarządzania żywnością. Przykładem są regionalne inicjatywy takie jak Pacific Coast Food Waste Commitment w USA, gdzie sieci handlowe, władze lokalne i NGO współpracują nad redukcją strat żywności w łańcuchu dostaw.

4. Regulacje prawne i ramy etyczne

 Konieczne jest opracowanie i wdrażanie przepisów zapewniających ochronę danych osobowych w kontekście wykorzystywania technologii AI w sektorze żywnościowym. Transparentność algorytmów, ograniczenie profilowania konsumentów i wdrożenie rozwiązań zgodnych z zasadą „data minimization” to fundament etycznego zarządzania danymi. Unia Europejska podejmuje już kroki w tym kierunku w ramach AI Act i Digital Services Act, które mogą objąć również branżę spożywczą.

Źródła

1. Food Safety System Certification (FSSC). Tracking progress to halve global food waste – UNEP publishes the 2024 Food Waste Index Report. https://www.fssc.com/insights/tracking-progress-to-halve-global-food-waste-unep-publishes-the-2024-food-waste-index-report/

2. UNFCCC. Food loss and waste account for 8–10% of annual global greenhouse gas emissions, cost USD 1 trillion. https://unfccc.int/news/food-loss-and-waste-account-for-8-10-of-annual-global-greenhouse-gas-emissions-cost-usd-1-trillion

3. Pacific Coast Collaborative. PCFWC Case Study: Artificial Intelligence and Food Waste Reduction. https://pacificcoastcollaborative.org/wp-content/uploads/2022/12/PCFWC-Case-Study_AI_Final.pdf

4. Demandia. Artykuły spożywcze i zarządzanie danymi. https://demandia.ai/pl/artykuly-spozywcze/

5. Leafio. Zarządzanie zapasami w handlu detalicznym oparte na sztucznej inteligencji – jak korzystać i czerpać korzyści w 2024 r. https://www.leafio.ai/pl/blog/zarzadzanie-zapasami-w-handlu-detalicznym-oparte-na-sztucznej-inteligencji-jak-korzystac-i-czerpac-korzysci-w-2024-r/

6. Push Operations. Reducing food waste in restaurants with AI – a smart solution for a global challenge. https://www.pushoperations.com/blog/reducing-food-waste-in-restaurants-with-ai-a-smart-solution-for-a-global-challenge

7. The Australian. Melbourne startup Fresho aims to tackle $940bn food waste crisis. http://theaustralian.com.au/business/technology/melbourne-startup-fresho-aims-to-tackle-940bn-food-waste-crisis/news-story/e90e0f3e2f5aa598b40b6a8c187bbf1e

8. Ministerstwo Rolnictwa i Rozwoju Wsi. Nie marnuj żywności – szkoda planety. https://www.gov.pl/web/rolnictwo/nie-marnuj-zywnosci-szkoda-planety

9. Federacja Polskich Banków Żywności. https://bankizywnosci.pl/

10. Walmart Global Tech. How Walmart plans to use AI to reduce waste. https://tech.walmart.com/content/walmart-global-tech/en_us/blog/post/how-walmart-plans-to-use-ai-to-reduce-waste.html

11. Kongres Obywatelski. https://www.kongresobywatelski.pl/

12. Na Dobrą Sprawę. http://nadobrasprawe.pl/

13. World Economic Forum. Food and Water Systems in the Intelligent Age (2024). https://reports.weforum.org/docs/WEF_Food_and_Water_Systems_in_the_Intelligent_Age_2024.pdf

14. FAO. The State of Food and Agriculture. https://www.fao.org/publications/fao-flagship-publications/the-state-of-food-and-agriculture/en

15. MIT Sloan Management Review. How to Hold General-Purpose AI Producers Accountable. https://sloanreview.mit.edu/article/how-to-hold-general-purpose-ai-producers-accountable/

16. Pacific Coast Collaborative. Food Waste Overview. https://pacificcoastcollaborative.org/food-waste/