سوناندا جایانت، گت‌فوکوس
فناوری‌های مواد غذایی و بسته‌بندی در حال عبور از هنجارهای جدید هستند؛ این امر به دلیل تقاضای مصرف‌کنندگان برای گزینه‌های سالم‌تر، پاک‌تر و متنوع‌تر صورت می‌گیرد. امروزه، این صنعت با پیشرفت‌های سریع در فناوری، نگرانی‌های اقلیمی، تحولات ژئوپلیتیکی و خریداران بی‌قرار تقویت می‌شود.
این امر به نوبه خود، وظیفه رهبران تحقیق و توسعه را روشن می‌کند: نوآوری کنید، یا ریسک عقب ماندن را بپذیرید. بنابراین، چرا بسیاری از تیم‌ها برای انجام این کار در یک زنجیره و در مقیاس بزرگ تلاش می‌کنند؟
سوناندا جایانت سال‌ها در Frost & Sullivan به شرکت‌های Fortune 500 در مورد رشد مبتنی بر فناوری مشاوره داده است، او اکنون رئیس بازاریابی GetFocus، یک استارت‌آپ هوش مصنوعی است که از بینش‌های ثبت اختراعات برای ارائه پیش‌بینی‌های فناوری استفاده می‌کند.
در اینجا او تحلیل خود را در مورد اینکه چرا شرکت‌ها در نوآوری در مقیاس بزرگ شکست می‌خورند، ارائه می‌دهد و استدلال می‌کند که آینده‌نگری مداوم فناوری به مدیران نوآوری کمک می‌کند تا بر این چالش غلبه کنند.
پارادوکس نوآوری مدرن
امروزه تیم‌های تحقیق و توسعه بیش از هر زمان دیگری به اطلاعات مربوط به فناوری‌های نوظهور دسترسی دارند، با این حال بیش از هر زمان دیگری برای اقدام قاطع بر اساس آن تلاش می‌کنند. طبق نظرسنجی BCG «ساخت برای آینده» ۷۹٪ از مدیران ارشد در بخش کالاهای بسته‌بندی‌شده مصرفی (CPG)، نوآوری را در میان سه اولویت اصلی خود برای افزایش رشد و کاهش ریسک قرار می‌دهند.
با این حال، پایگاه داده جهانی محصولات جدید Mintel نشان می‌دهد که در پنج ماه اول سال ۲۰۲۴، تنها ۳۵٪ از عرضه‌های جهانی CPG، محصولات واقعاً جدید هستند – کمترین نسبت ثبت شده از زمان شروع ردیابی در سال ۱۹۹۶.
فراوانی داده‌هایی که باید نوآوری را تسریع کنند، به گلوگاه تبدیل شده است.
آنچه در پشت صحنه اتفاق می‌افتد این است که فناوری سریع‌تر پیشرفت می‌کند، تقاضای مصرف‌کننده سریع‌تر تغییر می‌کند و الزامات نظارتی به طور همزمان در چندین بازار تشدید می‌شوند. اما اکثر تیم‌های تحقیق و توسعه هنوز از همان چرخه‌های برنامه‌ریزی فصلی و رویکردهای شناسایی روندهای موقت که یک دهه پیش استفاده می‌کردند، استفاده می‌کنند.
در نتیجه، تیم‌هایی که باید نوآوری را رهبری کنند، در حال غرق شدن در احتمالات هستند، انتخاب آنها را فلج کرده و در حالی که باید تصمیمات مبتنی بر داده بگیرند، به غرایز خود متکی هستند.
طبق تحلیل‌های اخیربا استناد به تحقیقات Foodpairing، ۸۵ درصد از عرضه محصولات در عرض دو سال شکست می‌خورند و نوآوری‌های بزرگ CPG حتی بیشتر از این شکست می‌خورند.
چرا پیش‌بینی سنتی با سرعت امروز شکست می‌خورد.
اکثر تیم‌های نوآوری به شناسایی روندهای پراکنده متکی هستند. آنها به صورت فصلی بینش‌ها را جمع‌آوری می‌کنند، گزارش‌ها را تدوین می‌کنند و سعی می‌کنند جهت استراتژیک را از سیگنال‌های پراکنده استخراج کنند. این امر سه شکاف حیاتی ایجاد می‌کند:
موقعیت‌یابی واکنشی به پیش‌فرض تبدیل می‌شود: زمانی که گزارش‌های فصلی یک روند را نشان می‌دهند، رقبا ممکن است از قبل در حال حرکت به سمت آن باشند. برخی از شرکت‌ها حتی تا زمانی که یک رقیب نوآور شروع به آسیب رساندن به کسب‌وکارشان نکند، دنبال کردن یک روند جدید را در نظر نمی‌گیرند. در آن زمان، خیلی دیر شده است.
غلبه سیگنال، تصمیم‌گیری را فلج می‌کند: تیم‌ها بدون روش‌های واضح برای جداسازی فناوری‌های نویدبخش از نویز، در داده‌ها غرق می‌شوند. تیم‌های تحقیق و توسعه همچنان باید بازخورد مصرف‌کنندگان را جمع‌آوری کنند، داده‌های مربوط به انطباق با مقررات را آماده کنند و آزمایش محصول را مدیریت کنند. بدون جهت‌گیری استراتژیک در مورد اولویت‌بندی فناوری‌ها، این فعالیت‌ها در میان احتمالات بسیار زیادی پراکنده می‌شوند.
ابزارهای عمومی جایگزین بینش تخصصی می‌شوند: وقتی تیم‌ها غرق می‌شوند، به هر ابزاری که در دسترس است متوسل می‌شوند، حتی زمانی که برای کارهای مختلف طراحی شده‌اند.
طبق نظرسنجی مارس 2025 InnoLead از 105 متخصص تحقیق و توسعه، ابزارهای برتر هوش مصنوعی که برای فعالیت‌های نوآوری استفاده می‌شوند، پلتفرم‌های عمومی مانند ChatGPT، Microsoft Copilot و Claude هستند. اگرچه آنها به بهره‌وری کمک می‌کنند، اما برای پیش‌بینی فناوری طراحی نشده‌اند و فاقد تمرکز تخصصی بر داده‌های نوآوری هستند که تصمیمات تحقیق و توسعه به آن نیاز دارند.
با آینده‌نگری مداوم می‌توانید گوشه و کنار را ببینید
چالش اصلی برای هر کسی که توسعه محصول را هدایت می‌کند، امروزه دیگر تشخیص این نیست که آیا فناوری در حال تغییر است (از نظر تاریخی، همیشه تغییر کرده است)، بلکه چگونگی مهار فعال این تغییر است.
به طور سنتی، هدف آینده‌نگری استراتژیک، شناسایی تغییرات در محیط کسب و کار شما در مراحل اولیه برای آماده شدن برای آینده است. این ابزاری است که آگاهی را گسترش می‌دهد و به تصمیم‌گیری بهتر کمک می‌کند و سازمان شما را انعطاف‌پذیرتر و سازگارتر می‌سازد.
با این حال، با سرعت تغییری که این حوزه شاهد آن است، یک رویکرد جدید، خلاقانه و مبتنی بر داده برای آینده‌نگری ضروری می‌شود.
آینده‌نگری مداوم، جایگزین‌های پایدار برای بسته‌بندی را شناسایی می‌کند.
مقررات بسته‌بندی و ضایعات بسته‌بندی اتحادیه اروپا (PPWR) قصد دارد تا سال 2030 تمام بسته‌بندی‌ها را قابل بازیافت کند و به تولیدکنندگان فشار می‌آورد تا جایگزین‌هایی پیدا کنند.چرا؟ زیرا اگر شما یک رهبر تحقیق و توسعه بسته‌بندی در فضای CPG هستید، باید به چهار سوال استراتژیک پاسخ دهید:
کدام فناوری‌ها یا مواد بسته‌بندی در حال جذب توجه هستند؟
چه چیزی از نظر عملکرد هزینه یا عملکرد سریع‌تر بهبود می‌یابد؟
کدام یک از آنها با توجه به محدودیت‌های هزینه، مقیاس‌پذیر هستند و انطباق با مقررات را برآورده می‌کنند؟
چگونه می‌دانیم که …
چه زمانی یک فناوری آماده جایگزینی آنچه امروز استفاده می‌کنیم خواهد بود؟
اینجاست که مفهوم آینده‌نگری مداوم اهمیت پیدا می‌کند؛ و جایی که GetFocus وارد عمل می‌شود.
با GetFocus، تیم‌های استراتژی فناوری می‌توانند مسیر فناوری‌های نوظهور را بر اساس سرعت بهبود آنها و احتمال مقیاس‌پذیری‌شان پیش‌بینی کنند. و می‌توانند این کار را با استفاده از سیگنال‌های مستقل و قابل تأیید از داده‌های اختراع جهانی انجام دهند.
تخمین نرخ بهبود فناوری
GetFocus از دو معیار کلیدی مشتق شده از داده‌های نوآوری استفاده می‌کند: زمان چرخه و جریان دانش برای تخمین نرخ بهبود فناوری (TIR).
زمان چرخه – این معیار، میزان توسعه نسل‌های جدید یا پیشرفت‌های قابل توجه یک فناوری را اندازه‌گیری می‌کند. این مدت زمانی است که طول می‌کشد تا یک “گام” به جلو در توسعه فناوری برداشته شود. زمان چرخه کوتاه‌تر نشان دهنده یک فناوری با سرعت در حال تکامل بیشتر است.
جریان دانش – این معیار، میزان پیشرفت هر اختراع جدید را در مقایسه با اختراعات قبلی، کمّی می‌کند. جریان دانش بالا نشان دهنده جهش قابل توجه‌تری در قابلیت فناوری است.
جریان دانش در عمل، پیش‌بینی با GetFocus از یک فرآیند پیش‌بینی چهار مرحله‌ای پیروی می‌کند:
- فناوری‌های نوظهور را بررسی کنید → تمام فناوری‌های نوظهور مرتبط را کشف کنید و نقاط کور را حذف کنید.
- نقشه‌برداری از چشم‌انداز → شناسایی و گردآوری مهم‌ترین اختراعات با ایجاد یک مجموعه داده متمرکز.
- مقایسه نرخ بهبود → هوش مصنوعی ما مجموعه داده‌ها را تجزیه و تحلیل می‌کند و زمان چرخه و جریان دانش را برای ترسیم TIR ردیابی می‌کند و نشان می‌دهد که فناوری با چه سرعتی در طول زمان بهبود می‌یابد.
- بررسی عمیق و اقدام → تعامل با مجموعه داده‌ها از طریق رابط چت برای کسب بینش عمیق‌تر، مقایسه اختراعات، ردیابی رقبا و اطلاع‌رسانی در مورد اقدامات استراتژیک.
با این فرآیند چهار مرحله‌ای، GetFocus چشم‌انداز قریب به اتفاق نوآوری‌های بسته‌بندی را به هوش عملی تبدیل می‌کند.بنابراین، به جای بررسی دستی هزاران اختراع یا تکیه بر گزارش‌های روند پراکنده، تیم‌های تحقیق و توسعه تصویر کاملی از مسیر فناوری‌ها و زمان آماده شدن آنها برای استقرار تجاری دریافت می‌کنند.
GetFocus از طریق این رویکرد چهار مرحله‌ای، چشم‌انداز قریب به اتفاق نوآوری‌های بسته‌بندی را به هوش عملی تبدیل می‌کند. تیم‌های تحقیق و توسعه به جای بررسی دستی هزاران اختراع یا تکیه بر گزارش‌های روند پراکنده، تصویر کاملی از مسیر فناوری‌ها و زمان آماده شدن آنها برای استقرار تجاری به دست می‌آورند.
مطالعه موردی: بسته‌بندی پایدار
برای اثبات کارایی این روش در عمل، آن را بر روی بسته‌بندی پایدار، فضایی که شکست‌های پیش‌بینی به شدت به آن ضربه می‌زنند، اعمال کردیم؛ و سه فشار همگرا باعث ایجاد فوریت می‌شوند:
- دستورالعمل‌های نظارتی مانند مقررات بسته‌بندی و ضایعات بسته‌بندی ۲۰۳۰ اتحادیه اروپا (PPWR) که هدف آن قابل بازیافت کردن تمام بسته‌بندی‌ها تا سال ۲۰۳۰ است.
- تقاضای مصرف‌کننده برای مسئولیت‌پذیری زیست‌محیطی.
- محدودیت‌های هزینه‌ای که مانع آزمایش‌های پرهزینه می‌شوند.
تیم‌ها باید پیش‌بینی کنند که کدام فناوری‌ها الزامات نظارتی را برآورده می‌کنند، به صورت تجاری در مقیاس بزرگ می‌شوند و به اندازه کافی سریع بهبود می‌یابند تا رقابتی بمانند.
آنچه ما کشف کردیم، دانش متعارف در مورد بسته‌بندی پایدار را به چالش می‌کشد و برندگان مشخصی را آشکار می‌کند که اکثر شرکت‌ها از دست می‌دهند.
جستجوی GetFocus
جستجوی جایگزین‌های پلاستیک
آینده‌نگری مداوم، برندگان واضح در بسته‌بندی پایدار را شناسایی می‌کند
ما ۲۱ جایگزین بسته‌بندی را در پنج دسته تجزیه و تحلیل کردیم: الیاف گیاهی، الیاف مشتق‌شده از درخت، الیاف باقیمانده محصولات کشاورزی، مواد طبیعی نوظهور و جایگزین‌های بیوسنتزی. این تجزیه و تحلیل تنها یک روز طول کشید تا سیستم هوش مصنوعی ما کاری را که به‌طور سنتی ۸ تا ۱۰ هفته طول می‌کشد، تکمیل کند.
PLA با آمادگی تجاری غالب است
PLA نوعی پلی‌استر است که از نشاسته گیاهی تخمیر شده از تفاله ذرت، کاساوا، ذرت، نیشکر یا چغندر قند ساخته می‌شود. قند موجود در این مواد تجدیدپذیر تخمیر شده و به اسید لاکتیک تبدیل می‌شود، سپس به اسید پلی‌لاکتیک یا PLA تبدیل می‌شود.طبق TWI، تولید PLA ۶۵٪ انرژی کمتری نسبت به تولید پلاستیک‌های معمولی مصرف می‌کند و ۶۸٪ گازهای گلخانه‌ای کمتری تولید می‌کند.
PLA با نرخ بهبود سالانه ۴۰٪ و آمادگی تجاری کامل (TRL 9) پیشرو است.
این ماده با سیستم‌های تولیدی موجود کار می‌کند، استانداردهای کمپوست صنعتی را برآورده می‌کند و مقیاس‌پذیری مورد نیاز شرکت‌های بزرگ CPG را ارائه می‌دهد. PLA از سال ۲۰۱۰ این مسیر بهبود قوی را حفظ کرده است و آن را به مطمئن‌ترین انتخاب برای استقرار فوری تبدیل می‌کند.
آینده‌نگری مداوم می‌تواند جایگزین‌ها را پیش‌بینی کند.
PLA برای ساخت فیلم پلاستیکی، بطری‌ها و دستگاه‌های پزشکی مناسب است و ظرف ۶ تا ۱۲ ماه زیست‌تخریب‌پذیر می‌شود.
بامبو پیشرو الیاف طبیعی است.
در میان گزینه‌های گیاهی، بامبو سریع‌ترین نرخ بهبود را نشان می‌دهد، تقریباً ۳۵٪ بهبود سالانه در حدود سال ۲۰۲۲.
در TRL 8، تقریباً برای استقرار در مقیاس بزرگ آماده است. مقاومت مکانیکی استثنایی بامبو، ماهیت سبک و محتوای سلولز بالای آن، آن را برای کاربردهای الیاف قالب‌گیری شده ایده‌آل می‌کند، در حالی که نیازی به کاشت مجدد، حداقل آب و بدون آفت‌کش ندارد.
آینده‌نگری فناوری
بامبو به سرعت در حال رشد است و بسیار کارآمد است.
در جداسازی کربن کارآمد است.
کودزو بالاترین پتانسیل را نشان می‌دهد
کودزو یک گیاه تاک “مایل در دقیقه” است، گیاهی خوراکی که می‌تواند به یک آفت مهاجم در خارج از جغرافیای بومی خود تبدیل شود.با وجود اینکه الیاف تاک کودزو در مراحل اولیه توسعه (TRL 3) قرار دارند، نرخ بهبود 45 درصدی را نشان می‌دهند که بالاترین میزان در بین تمام مواد مورد تجزیه و تحلیل است.
در حالی که مقیاس‌پذیری فعلی محدود است، این مسیر نشان دهنده پتانسیل قوی در آینده برای تبدیل یک گیاه مهاجم به مواد بسته‌بندی ارزشمند است.
زودوز پتانسیل بسته‌بندی پایدار را ارائه می‌دهد
آینده‌نگری مداوم، جغرافیاهای کلیدی را در مسابقه نوآوری شناسایی می‌کند
چین در هر دو ماده با عملکرد بالا، پیشرو در توسعه است که نشان دهنده وجود یک استراتژی ملی هماهنگ برای تسلط بر بسته‌بندی پایدار نسل بعدی است.
در داخل PLA، به نظر می‌رسد چین بر روی پلاستیک‌های زیستی به عنوان یک اولویت ملی تمرکز می‌کند – این امر با سرمایه‌گذاری قابل توجه دولت در تحقیق و توسعه با هدف کاهش وابستگی به پلاستیک‌های فسیلی پشتیبانی می‌شود.
علاوه بر این، چین از نعمت فراوانی بامبوی بومی برخوردار است و بنابراین به طور طبیعی در توسعه سیستماتیک قابلیت‌های فرآوری سرمایه‌گذاری می‌کند. این رهبری دوگانه، چین را در موقعیتی قرار می‌دهد که زنجیره‌های تأمین دو جایگزین امیدوارکننده پلاستیک را کنترل کند.
ژاپن از طریق شرکت‌های بزرگ شیمیایی، با رهبری صنایع تورای در نوآوری PLA و پس از آن میتسویی کمیکالز، فعالیت قوی نشان می‌دهد.
