Оглавление

Компания ScottsMiracle-Gro, более века занимающаяся производством удобрений и садовых товаров, совершила неожиданный технологический прорыв. Там, где раньше рабочие обходили горы компоста с обычными линейками, сегодня летают дроны с системами компьютерного зрения, вычисляющими объемы в реальном времени.

Это не просто переход к автоматизации — это видимое доказательство одной из самых невероятных корпоративных историй внедрения искусственного интеллекта. В то время как лидерами в области ИИ-разработки традиционно считаются технологические и финансовые компании, производитель удобрений сумел достичь впечатляющих результатов:

  • Реализовано более половины от целевой экономии в 150 миллионов долларов в цепочке поставок
  • Время ответа службы поддержки клиентов сократилось на 90%
  • Прогнозные модели позволяют еженедельно перераспределять маркетинговые ресурсы между регионами

Силиконовая долина встречает сельское хозяйство

Президент компании Нейт Бакстер пришел в ScottsMiracle-Gro после 25 лет работы в полупроводниковой промышленности — сначала в Intel, затем в Tokyo Electron. Когда генеральный директор Джим Хейджедорн предложил ему должность в 2023 году, компания переживала сложные времена после провала инвестиций в гидропонику на 1,2 миллиарда долларов.

«Я сначала подумал: „Зачем мне это? Я руковожу технологической компанией. Это отрасль, в которой я работал 25 лет“», — вспоминает Бакстер. Однако его жена бросила ему вызов, сказав, что если он не учится и не ставит себя в некомфортные ситуации, то должен это изменить.

Бакстер увидел четкие параллели между производством полупроводников и операциями SMG. Оба направления требуют точности, контроля качества и оптимизации сложных систем. Он также разглядел нераскрытый потенциал в 150-летнем опыте компании в области садоводства, который никогда не оцифровывался полностью.

История ScottsMiracle-Gro — это прекрасный пример того, как традиционные компании могут обогнать технологических гигантов в практическом применении ИИ. Пока Google и Microsoft соревнуются в создании самых больших моделей, производитель удобрений тихо решает реальные бизнес-задачи с помощью доступных инструментов. Ирония в том, что для понимания разницы между средствами для уничтожения и предотвращения сорняков потребовалась более сложная архитектура, чем для большинства корпоративных чат-ботов.

Археологические раскопки корпоративной памяти

Превращение унаследованных знаний в машино-читаемый интеллект потребовало того, что вице-президент по анализу данных Фаусто Флейтес называет «археологической работой». Команда извлекла десятилетия бизнес-логики, встроенной в устаревшие системы SAP, и преобразовала архивы исследований в наборы данных, готовые для ИИ.

SMG выбрала Databricks в качестве единой платформы данных — решение было основано на экспертизе команды в Apache Spark и предпочтении технологий с открытым исходным кодом, минимизирующих зависимость от вендоров.

Прорыв произошел благодаря системному управлению знаниями. Компания создала ИИ-бота на основе большой языковой модели Google Gemini для каталогизации и очистки внутренних репозиториев. Система идентифицировала дубликаты, группировала контент по темам и реструктурировала информацию для потребления ИИ. Эти усилия сократили количество статей базы знаний на 30%, одновременно повысив их полезность.

Создание ИИ-систем, которые действительно понимают удобрения

Ранние испытания готовых ИИ-моделей выявили реальный риск. Универсальные модели путали продукты, предназначенные для уничтожения сорняков, с теми, которые предотвращают их появление. Такая ошибка может уничтожить газон.

«Разные продукты, если использовать один не в том месте, могут иметь очень негативный результат», — отмечает Флейтес. «Но для ИИ в определенных контекстах это синонимы. Поэтому они рекомендовали неправильные продукты».

Решение заключалось в создании новой архитектуры. SMG разработала то, что Флейтес называет «иерархией агентов». Агент-супервизор направляет запросы к специализированным рабочим агентам, организованным по брендам. Каждый агент использует глубокие знания о продуктах, закодированные из 400-страничного внутреннего учебного пособия.

От дронов до прогнозирования спроса

Трансформация затронула всю компанию. Дроны измеряют запасы, модели прогнозирования спроса анализируют более 60 факторов, включая погодные условия, настроения потребителей и макроэкономические показатели.

Эти прогнозы позволяют быстрее реагировать на изменения. Когда в Техасе наступила засуха, модели поддержали перераспределение промо-бюджетов в регионы с благоприятной погодой. Это перераспределение помогло добиться положительных квартальных результатов.

Служба поддержки клиентов также изменилась. ИИ-агенты теперь обрабатывают входящие письма через Salesforce, составляют ответы на основе базы знаний и помечают их для краткого человеческого обзора. Время составления черновиков сократилось с десяти минут до секунд, а качество ответов улучшилось.

Компания делает акцент на объяснимом ИИ. Используя SHAP, SMG создала дашборды, которые декомпозируют каждый прогноз и показывают, как погода, акции или медиарасходы влияют на предсказания.

По материалам VentureBeat.