AI väcker stora förhoppningar – men bara var femte livsmedelsbolag har genomfört verklig integrering
AI lovar att revolutionera livsmedelsbranschen – men bara vart femte bolag har börjat på allvar.
AI i jordbruket: Från teori till fält
Något häftigt händer i det belgiska uppstartslandskapet just nu. Rainbow Crops, som knoppades av från det välrenommerade forskningsinstitutet VIB så sent som 2025, har säkrat drygt 106 miljoner kronor i en frörunda ledd av LIFTT EuroInvest – ett riskkapitalbolag med stöd från Europeiska investeringsbanken. Bland investerarna återfinns också Pauligs riskkapitalarm PINC och Corteva Catalyst, rapporterar AgFunder News.
Det Rainbow Crops ägnar sig åt är varken enkelt eller billigt: att lösa jordbrukets svåraste biologiska gåtor. Skördeavkastning, torktålighet och värmehärdighet är så kallade polygena egenskaper – de styrs inte av en enda gen utan av komplexa nätverk av samverkande gener. Traditionell växtförädling har brottats med detta i decennier utan att riktigt lyckas.
Deras lösning är elegant i sin uppbyggnad. AI kartlägger vilka genkombinationer som driver en viss egenskap. Multiplexgenredigering – alltså möjligheten att modifiera flera gener samtidigt – skapar sedan växter med de önskade kombinationerna. Storskaliga försök mäter resultaten, och dessa data matas tillbaka in i AI-modellen som kontinuerligt förfinar sina slutsatser. En självförstärkande kunskapsloop, med andra ord.
Detta är AI använt på sitt allra bästa sätt: som ett instrument för att hantera komplexitet som mänskliga hjärnor helt enkelt inte kan processhålla på egen hand.
Industrin som fastnat i pilotfasen
Men zoomar vi ut från laboratoriet till de stora konsumentvaruföretagens FoU-avdelningar ser bilden annorlunda ut – och betydligt mer nedslående.
En ny undersökning från teknikbolaget Turing Labs, som täcker drygt 290 erfarna forsknings- och utvecklingschefer i USA och Europa, visar att nästan alla uppger att de på något sätt använder AI. Ändå är det bara 19 procent som faktiskt har integrerat tekniken i sina löpande arbetsflöden. Ännu färre anser att den gör verklig skillnad.
Siffrorna är talande: 20 procent av alla AI-satsningar har aldrig genomförts. 14 procent övergavs efter lansering. Och 24 procent används fortfarande – men ger liten eller ingen affärsnytta. Dessutom uppger 57 procent att de AI-genererade förslagen är alltför generiska för att användas utan omfattande manuell bearbetning.
– Det stora genomslaget sker på marknadssidan, inte inom produktutvecklingen. Marknadsförare kan nu minska sina kostnader för reklambyråer och hantera mer av arbetet internt. Det är där vinsterna finns just nu, säger Turing Labs grundare och vd Manmit Shrimali till AgFunder News.
Det är en ärlig och viktig observation. Men det är också en varningssignal. Att AI primärt används för att effektivisera kommunikation snarare än att faktiskt förbättra produkter är ett tecken på att industrin ännu inte förstår – eller inte har verktygen för – att integrera tekniken där den kan göra störst skillnad.
Varför klyftan finns – och hur den kan överbryggas
Problemet är inte AI i sig. Det är att generella AI-verktyg inte är byggda för branschspecifika arbetsflöden. Receptutveckling, smakoptimering och näringsprofiler är inte problemtyper som ett allmänt språkmodellsverktyg hanterar väl utan djup domänanpassning.
Detta är precis vad Rainbow Crops förstår och bygger rätt från grunden: ett system där AI tränas specifikt på jordbruksdata, och där återkopplingen från verkliga fältförsök kontinuerligt förbättrar modellen. Det är skräddarsydd intelligens, inte generell.
För de stora livsmedelsbolagen handlar utmaningen om något annat: kulturell och organisatorisk tröghet. Att köpa in ett AI-verktyg är enkelt. Att förändra arbetsflöden, utbilda team och bygga interna datastrukturer som faktiskt möjliggör AI-driven produktinnovation – det kräver ledarskap, tålamod och vilja att investera på längre sikt.
De företag som klarar den omställningen kommer att ha ett enormt försprång. De som nöjer sig med att säga att de "använder AI" utan att integrera det på djupet riskerar att stå kvar på perrongen när tåget lämnar stationen.
Livsmedelskedjan befinner sig vid ett vägskäl. Tekniken finns. Bevisen på att den kan fungera finns. Nu handlar det om mod och genomförandeförmåga.
Vår analys
De två berättelserna i den här artikeln speglar en klassisk klyfta i teknologisk omvälvning: pionjärerna som bygger rätt från grunden kontra etablerade aktörer som fastnat i ett slags halvmesyr. Rainbow Crops är ett lysande exempel på hur AI faktiskt bör implementeras – som en integrerad del av en vetenskaplig process, tränad på domänspecifika data med tydlig återkoppling från verkligheten. Det är inte en pilot. Det är en affärsmodell.
På den andra sidan har vi en industri som rapporterar hög AI-användning men låg AI-nytta. Det är inte förvånande – det är ett mönster vi ser i nästan varje bransch som genomgår digital omvandling. Lösningen är sällan bättre teknik. Den är bättre integrering, starkare ledarskap och vilja att faktiskt förändra hur arbetet utförs.
De kommande tre till fem åren kommer att avgöra vilka livsmedelsbolag som leder och vilka som följer efter. Kapplöpningen har börjat – och startskottet avgavs i ett litet belgiskt laboratorium.