Proxy Foods: ИИ подбирает рецептуру, чтобы технолог не варил сорок пробных партий

У нас история ещё веселее. Производство продуктов питания за январь-ноябрь 2025 года сократилось на 0,7%, а напитков на 3,6%. Это первое снижение пищевой отрасли за пятнадцать лет. Заводы отреагировали единственным доступным способом: побежали запускать новинки. Только за полугодие появилось больше 3 300 новых брендов.

Больше запусков при том же R&D-отделе. Вот вам рынок.

Proxy Foods недавно подняли $6M на идею перебирать вкусы с помощью ИИ.

Что внутри.
Технолог задаёт цель: минус 30% сахара, вкус удержать, в себестоимость уложиться, из регламента по маркировке не выпасть. Платформа перебирает варианты по базе ингредиентов и предсказывает, как рецептура себя поведёт, до того как что-то сварили.
Важно тут не слово «ИИ», а то, на чём модель училась.

Училась не на текстах, а на связке «состав, оценка дегустатора». Вместе со Стэнфордом и Food System Innovations они построили оптимизацию на методе Expert Guided Bayesian Optimization, который, по их же словам, даёт почти точное попадание по сенсорике.

Что мешает проект скопировать?
Ров в размеченной сенсорике: тысячи протоколов, где живые дегустаторы описывали живые образцы по стандартному опроснику. Такое не парсится и не покупается, такое накапливается годами. Плюс каждый новый корпоративный клиент притаскивает свой архив прошлых проектов, и платформа становится точнее для всех остальных.

Тут работает неявное знание Полани: главный технолог знает про вкус в разы больше, чем способен объяснить словами. Кто первым оцифрует эту невыразимую часть, тот и заберёт рынок. Забавно, что забирает её не программист, а протокол дегустации.

Кто ещё лезет в рецептуру

• Turing Labs - ближайший прямой конкурент. Проигрывает тем, что распыляется на еду, бытовую химию и косметику разом, а глубина модели вкуса от этого не растёт
• Gastrograph AI - предсказывает восприятие вкуса разными группами. Сильная сенсорика, но себестоимостью и регламентами не занимается, а решение о запуске принимают именно по ним
• Tastewise - тренды по соцсетям и меню ресторанов. Отвечает на «что сейчас едят», а не «как это сварить», поэтому продаётся маркетингу
• Journey Foods - управление ингредиентами для мелких производителей. Дешевле во внедрении, но у мелкого клиента нет архива испытаний, а значит, и учиться не на чем.

Гипотеза для России
Копировать платформу бессмысленно: базы сенсорных оценок у нас нет, и собирать её пять лет никто не станет.

А вот прикладной слой снизу открыт настежь. У холдингов вроде ЭФКО и Черкизово архивы испытаний лежат в экселях на компьютере у Валентины Петровны, и когда Валентина Петровна уйдёт на пенсию, они уйдут с ней.

Первый продукт не «ИИ для рецептур», а скучная база протоколов испытаний с поиском по составу и результату дегустации. Продавать не ИТ-директору, а директору по развитию, потому что у него горит план по новинкам.

Скучно, продаётся легко, и через два года у вас лежит тот самый датасет, который никто не смог купить. Обычно всё наоборот: сначала рисуют красивый интерфейс с ИИ, потом выясняют, что кормить его нечем.

Обратная сторона: кто хранит вашу формулу
Есть вопрос, который на таких сделках не задают вслух. Завод загружает в чужую платформу архив разработок за двадцать лет. Куда потом уходит эта рецептура и что от неё остаётся в модели, обученной на данных всех клиентов сразу.

Отсюда бизнес: аудит и изоляция R&D-данных для пищевых производств. Разбираете, какие данные и куда утекают через ИИ-подрядчиков, ставите правила выгрузки, пишете договорную часть, раз в квартал проверяете.