Pionierska identyfikowalność owoców morza
22 kwietnia 2010 roku, dokładnie o godzinie 12:53 czasu wschodniego, Patrick McMurry, mistrz świata w robieniu ostryg i właściciel Starfish Oyster Bar & Grill w Toronto, przeszedł do historii mediów społecznościowych. McMurry (aka. @ShuckerPaddy) prawdopodobnie dokonał pierwszego w historii wpisu śladowej ryby na Twitterze.
To było doniosłe wydarzenie, przynajmniej dla mnie. McMurry opublikował na Twitterze zdjęcie lingcoda oznaczonego identyfikowalnym kodem i linkiem do strony internetowej, na której można poznać jego historię. Tweet jest nadal dostępny w sieci (kliknij tutaj), choć wszystkie linki są martwe.
Ryby zostały złowione przez mojego kuzyna Ryana, taklera z Vancouver Island. Co więcej, byłem częścią małego zespołu w organizacji non-profit Ecotrust Canada w Vancouver, który rozpoczął ten eksperyment z identyfikowalnością. Tweet McMurry'ego oznaczał naszą pierwszą weryfikację rynkową. Byliśmy podekscytowani.
Od tego prostego tweeta, rozpoczęliśmy podróż w celu stworzenia platformy do śledzenia owoców morza, która została uruchomiona w całym kraju w następnym roku przez Sobey's, drugą co do wielkości sieć sklepów spożywczych w Kanadzie. Rok 2011 okazał się kluczowy. Oprócz naszego własnego systemu, na rynku pojawiło się kilka pionierskich systemów śledzenia: Pacific FishTrax w Oregonie, Dzika Zatoka w Zatoce Meksykańskiej, oraz John West Australia z pierwszym identyfikowalnym tuńczykiem w puszce. Przed tymi inicjatywami tylko Traceall Global i Trace Register od kilku lat zajmowały się śledzeniem ryb.
Był to okres eksperymentów. W następnych latach uczestniczyłem w pilotażach dotyczących identyfikowalności owoców morza na całym świecie. W pewnym momencie znalazłem się w splątanych, błotnistych dżunglach brazylijskiej Amazonii, próbując śledzić kraby namorzynowe. Artystyczni rybacy smarowali się olejem silnikowym, aby odstraszyć komary zarażone wirusem Zika. Skalowanie tych wielu pilotów okazało się wyzwaniem.
Wzrost znaczenia blockchain w traceability

Obecnie istnieje 47 firm dostarczających oprogramowanie do śledzenia dla przemysłu owoców morza* (Patrz przypis.). Wiele się zmieniło od tych początkowych dni. W rzeczywistości połowa z tych dostawców oprogramowania do śledzenia została uruchomiona w ciągu ostatnich pięciu lat. Ponadto 25 firm wykorzystuje blockchain do zapewnienia identyfikowalności.

Szum wokół blockchain z pewnością przyczynił się w ostatnich kilku latach do przyjęcia rozwiązań w zakresie identyfikowalności. Rzeczywiście, według Gartnera, blockchain osiągnął szczyt swojej "Hype Cycle" w 2021 roku.

Mój własny pogląd jest taki, że blockchain będzie miał ograniczoną wartość w porównaniu z potencjałem sztucznej inteligencji. Zatem ilu dostawców usług traceability oferuje rozwiązania napędzane przez AI? Odpowiedź: tylko trzech. Wrócę do tego pytania nieco później i opiszę, jak AI może pomóc w przyjęciu traceability.
Czynniki rynkowe i regulacyjne związane z identyfikowalnością
Do tej pory branża owoców morza niechętnie podchodziła do pełnego wdrożenia elektronicznej identyfikowalności. Siły zewnętrzne wymuszają zmiany. W ciągu ostatnich dwóch dekad wprowadzono 19 dużych zmian w zakresie śledzenia żywności, takich jak certyfikaty połowowe w UE, program importu i monitorowania owoców morza w USA oraz bardziej rygorystyczne przepisy COOL (Country Of Origin Labelling) w różnych krajach. Około 26 inicjatyw rynkowych, w tym nowe organizacje pozarządowe, certyfikaty, oceny ekologiczne, kampanie i projekty pilotażowe, również wywierają nacisk na poprawę identyfikowalności.

Około 42 procent dostawców usług traceability specjalizuje się w owocach morza, 29 procent skupia się na żywności w szerszym zakresie, a 29 procent śledzi różne towary, takie jak kawa, czekolada, minerały, drewno, olej palmowy, moda itp.

Pandemia przyspiesza inwestycje w łańcuch dostaw
W rzeczywistości pandemia spowodowała eksplozję inwestycji w technologie zarządzania łańcuchem dostaw, w tym traceability. W 2021 roku Crunchbase podał. 450 transakcji o wartości 11,3 mld USD.
"Jeszcze kilka lat temu nikt nie przejmował się tą przestrzenią" - mówi Teddie Wardi, dyrektor zarządzający w Partnerzy Insight, powiedział Crunchbase. "Nie tylko inwestorzy, ale mam na myśli wszystkich. Teraz widzieliśmy około 10 lat transformacji w dwóch".

Pod względem funkcjonalnym wiele z tych platform śledzenia jest bardzo podobnych. Większość z nich oferuje zarówno B2B, jak i B2C (business-to-consumer) identyfikowalność oraz rozwiązania w zakresie białych etykiet dla brandingu. I większość z nich wydaje się być skierowana do operatorów średniego szczebla, takich jak przetwórcy, dystrybutorzy i marki CPG, jako ich klienci płacący.
Zważywszy na duże zainteresowanie Europy pochodzeniem żywności, nie dziwi fakt, że około 34 procent dostawców oprogramowania do śledzenia pochodzenia żywności znajduje się w tym kraju. Około 40 procent znajduje się w Ameryce Północnej, a 19 procent w Azji.

Weryfikacja danych motorem różnicowania technologii
Możemy zaobserwować rosnące zróżnicowanie rynku wśród dostawców technologii w zakresie danych. Około 55 procent dostawców oprogramowania do śledzenia produktów zobowiązało się do przestrzegania nowych standardów Globalnego Dialogu na rzecz Identyfikowalności Produktów Rybnych, a sześć procent śledzi emisję dwutlenku węgla. Dostawcy rozwiązań w zakresie identyfikowalności są w stanie pomóc w śledzeniu śladu węglowego produktu, który w dużej mierze zależy od metody zbiorów lub hodowli, sposobu transportu i przebytej odległości - wszystkie te dane są zazwyczaj gromadzone w celu zapewnienia identyfikowalności.

Moim zdaniem, konkurencja prawdopodobnie skupi się na weryfikacji danych. Około 40 procent dostawców usług traceability składa oświadczenie o weryfikacji danych. Firma z siedzibą w Bostonie Legalna rybana przykład weryfikuje dane elektronicznie z rządowymi rejestrami połowów. EVRYTHNG, która współpracowała z Mowi, wykorzystuje "inteligentną tożsamość cyfrową" wraz z uczeniem maszynowym i analityką. Podobnie, OpenSC w Sydney w Australii, wykorzystuje "niezmienną" technologię blockchain i ciągłą, zautomatyzowaną analizę danych do weryfikacji niskoemisyjnej i zrównoważonej żywności. Prawdziwe, dokładne i potwierdzone dane to święty Graal traceability.
Ogólnie rzecz biorąc, ręczne wprowadzanie danych jest bardziej podatne na manipulację niż czujniki i maszyny automatycznie zbierające lub analizujące dane. Ale weryfikacja danych występuje w wielu formach. Oto lista od najprostszych do najbardziej zaawansowanych technologicznie:
- Dane powiązane z cyfrowym obrazem podpisanego dokumentu fizycznego
- Wprowadzanie danych związanych z weryfikacją użytkowników, znacznikami czasu i geolokalizacją
- Dane zbierane automatycznie przez czujniki lub maszyny
- Dane udostępniane za pośrednictwem niezmiennej księgi (blockchain), aby zapobiec manipulacji w dalszej kolejności
- Dane automatycznie weryfikowane za pomocą baz danych stron trzecich w zakresie świadectw kontroli pochodzenia produktu, rejestrów połowowych lub aktywnych licencji połowowych
- Dane powiązane z unikalną tożsamością cyfrową dołączoną fizycznie do przedmiotu
- Dane zatwierdzone poprzez analizę z wykorzystaniem standardowych algorytmów, takich jak bilans masowy lub obliczenia odchylenia standardowego
- Dane zweryfikowane za pomocą algorytmów uczenia maszynowego w celu wyłapania nietypowych zjawisk statystycznych, takich jak błędy lub oszustwa
Sztuczna inteligencja kluczowa dla weryfikacji danych
Blockchain nie rozwiązuje problemu danych typu "garbage-in, garbage-out". Jeśli fałszywe dane zostaną wprowadzone do blockchaina, staną się niezmiennymi śmieciami. Uważam, że sztuczna inteligencja jest bardzo obiecująca, jeśli chodzi o solidniejszą weryfikację.
Po pierwsze, dane dotyczące identyfikowalności mogą mieć wartość handlową wykraczającą poza samo śledzenie produktu. W firmie ThisFish Inc. wprowadziliśmy dwa algorytmy uczenia maszynowego do przewidywania wydajności w przetwórni tuńczyka i przetwórni łososia. Odkryliśmy, że czas trwania łańcucha chłodniczego może wpłynąć na wydajność nawet o trzy procent. Te spostrzeżenia napędzane przez SI mogą pomóc działom zaopatrzenia w podejmowaniu lepszych decyzji zakupowych. Ponieważ SI zależy od czystych, kompleksowych zbiorów danych, firmy będą miały komercyjną motywację do zapewnienia dokładności swoich danych dotyczących identyfikowalności.
Po drugie, AI opiera się również na big data. Im większe, tym mądrzejsze - to ogólna zasada. Algorytmy uczenia maszynowego zasadniczo porównują bieżące dane z danymi z przeszłości, oświetlając ukryte wzorce i trendy. W ten sposób uczenie maszynowe może być pierwszą linią obrony przed fałszywymi lub błędnymi danymi. AI może oznaczyć wartości odstające, ostrzegając firmy morskie, że coś niezwykłego może mieć miejsce. Sztuczna inteligencja jest już szeroko stosowana do wykrywania oszustw przy użyciu kart kredytowych.
"Predictive Analytics są wdrażane w łańcuchach dostaw od kilkudziesięciu lat" - pisze Noha Tohamy z Gartnera. "Mimo to wiele organizacji wciąż ma problemy ze wskazaniem możliwego do udowodnienia ROI. Adaptację utrudnia niska jakość danych i opór kulturowy."
Jest to szczególnie prawdziwe w branży owoców morza, gdzie wiele danych wciąż pozostaje na papierze, a przejrzystość łańcucha dostaw jest postrzegana podejrzliwie. Firmy z branży owoców morza, które wprowadzą transformację cyfrową i zapewnią przejrzystość łańcucha dostaw, będą w dobrej sytuacji, aby czerpać korzyści.
Identyfikowalność należy postrzegać nie jako koszt zachowania zgodności, ale jako przewagę konkurencyjną. Kluczem do tej zmiany paradygmatu są dane. Sztuczna inteligencja może być obietnicą stworzenia wewnętrznej motywacji wśród operatorów łańcucha dostaw - zwłaszcza przetwórców owoców morza - do gromadzenia większej ilości i lepszych danych dotyczących identyfikowalności, jeśli z tych danych można uzyskać cenne informacje handlowe. To z kolei spowodowałoby zmianę paradygmatu z zgodności na przewagę konkurencyjną i przyspieszyłoby przyjęcie elektronicznej identyfikowalności na całym świecie.
Przypis:
*Dla celów tej analizy zdefiniowałem oprogramowanie traceability jako łączące dwa lub więcej podmiotów w łańcuchu dostaw, w tym konsumentów. Nie uwzględniłem handlu elektronicznego i rynków internetowych. Zostaną one przeanalizowane w kolejnym artykule. Ponadto, uwzględniłem tylko platformy traceability bezpośrednio sprzedające, pilotujące lub wprowadzające na rynek sektor owoców morza.
Proszę się zapisać dla naszego miesięcznego newslettera Catch-Up aby otrzymać następny post.