ИИ в производстве кормов для домашних животных: данные и метрики становятся ключом к эффективности

Несмотря на то, что внедрение искусственного интеллекта в индустрии кормов для домашних животных по-прежнему остается ограниченным, ключевая проблема отрасли заключается не столько в самих технологиях, сколько в недостатке качественных данных и инструментов их оценки. К такому выводу пришли отраслевые эксперты.

Согласно результатам онлайн-опроса среди специалистов индустрии кормов для домашних животных, почти 93% респондентов уже лично использовали ИИ-инструменты, включая ChatGPT. Однако, отвечая на вопрос о факторах, сдерживающих более активное применение ИИ и аналитики данных в компаниях, 28% участников отметили недоверие к использованию технологий при работе с рецептурами и корпоративными данными. Еще около 25% заявили, что руководство компаний пока не рассматривает ИИ как стратегический приоритет, а почти 14% признались, что не понимают, с чего начать внедрение подобных решений. Остальные респонденты сообщили, что их данные недостаточно структурированы либо хранятся в разрозненных системах.

Именно так сегодня выглядит ситуация с использованием ИИ в индустрии кормов для домашних животных — по крайней мере, в области производственных операций и разработки рецептур. Результаты опросов представила Кармен Сук, директор по клиентским решениям компании Bestmix Software, в ходе выступления на конференции Petfood Essentials 27 апреля 2026 года. Эксперт призвала участников рынка начинать с простых шагов, не требующих дополнительного бюджета, но способных запустить процессы системного сбора данных, что в дальнейшем позволит сократить как временные, так и финансовые затраты.

Тема «данные — основа эффективности ИИ» получила продолжение и на форуме Petfood Forum 28 апреля. На этот раз акцент был сделан на маркетинге кормов для домашних животных. Эксперты подчеркнули: в маркетинговом сегменте отрасли проблема заключается уже не в уровне внедрения искусственного интеллекта, а в отсутствии корректной оценки его эффективности.

Три ключевых барьера на пути эффективного применения ИИ в маркетинге кормов для домашних животных

Основательница агентства Pet Pro Media Джоанна Смульски, выступившая с маркетинговой сессией на Petfood Forum, также провела экспресс-опрос аудитории. На вопрос о том, использовали ли команды участников ИИ-инструменты за последние 30 дней, положительно ответила примерно половина присутствующих. Однако, когда речь зашла о конкретных результатах — показателях конверсии, экономии времени или снижении затрат, — поднятых рук практически не осталось.

«Большинство брендов в индустрии кормов для домашних животных не отстают во внедрении ИИ, — отметила Смульски. — Они отстают в способности измерять его реальную эффективность. А это две совершенно разные проблемы».

Эксперт выделила три основных препятствия для результативного использования ИИ в маркетинге кормов для домашних животных.

1. Дефицит измеримости результатов

По данным опроса PetfoodIndustry.com за 2025 год, 67% маркетологов в индустрии кормов для домашних животных, использующих ИИ, никогда не оценивали результаты его применения. При этом ситуация в других отраслях ненамного лучше: 51% маркетологов не способны подтвердить ROI (окупаемость инвестиций) от внедрения ИИ-решений.

«Если вы не можете измерить результат, вы не сможете масштабировать процесс. ИИ способен эффективно оптимизировать даже неправильные задачи. Он будет создавать контент, генерирующий клики, но ухудшающий конверсию. Будет выпускать рекламу, привлекающую внимание нецелевой аудитории. Внешне это выглядит как прогресс, в то время как маркетинговый бюджет постепенно теряет эффективность. Именно система измерений позволяет держать ИИ под контролем», — подчеркнула Смульски.

По ее словам, система оценки KPI должна формироваться еще до запуска маркетинговой кампании, а не спустя месяцы после ее реализации.

2. Паралич на этапе планирования

Смульски назвала этот фактор самым дорогостоящим барьером для отрасли. По ее данным, 56% маркетинговых команд в индустрии кормов для домашних животных «застревают» на стадии планирования и исследований, при этом 63% компаний считают существующие инструменты вполне достаточными.

«Это не осторожность — это самоуспокоенность, замаскированная под осторожность», — заявила эксперт.

Особое внимание она обратила на статистику отказа компаний от ИИ-инициатив: в 2025 году 42% организаций свернули проекты в области искусственного интеллекта против 17% годом ранее. Основная причина — отсутствие измеримых результатов и невозможность доказать бизнес-ценность внедрения.

«Цена ожидания — далеко не нулевая, и она стремительно растет. Каждый месяц, который вы тратите на оценку и обсуждение, ваши конкуренты используют для тестирования и улучшения решений», — отметила Смульски.

3. Проблема масштабирования

По словам эксперта, именно этот фактор «тихо убивает» большинство ИИ-инициатив в индустрии кормов для домашних животных. Сегодня 91% проектов по использованию ИИ в компаниях отрасли ограничены отдельными специалистами или небольшими командами и не выходят на уровень всей организации.

Используя аналогию с айсбергом, Смульски отметила, что технологии составляют лишь верхушку — около 10–20% успеха. Остальные 70% скрыты «под водой» и связаны с людьми, корпоративной структурой и бизнес-процессами.

«Когда вам предлагают новый ИИ-инструмент, помните: вы приобретаете лишь небольшую часть уравнения. Все остальное зависит от вашей команды. Это не технологическая проблема — это проблема людей и процессов», — пояснила она.

Как отрасли решить проблему: пошаговый подход

При этом проблема масштабирования, по мнению Смульски, имеет вполне решаемый характер. Эксперт предложила трехэтапную модель внедрения ИИ, подчеркнув важность строгой последовательности действий.

Первый этап — измерение.
До внедрения любого ИИ-решения компания должна определить ключевые маркетинговые метрики и показатели эффективности.

Второй этап — тестирование и обучение.
Необходимо запускать структурированные пилотные проекты по приоритетным сценариям применения ИИ с заранее определенными критериями масштабирования или остановки проекта.

Третий этап — масштабирование компетенций.
Полученные в пилотах данные следует трансформировать в корпоративные регламенты, обучение персонала и стандартизированные процессы.

Смульски также представила 90-дневную дорожную карту внедрения ИИ-подхода. Она предполагает три последовательных 30-дневных этапа: настройку системы измерений («определите 3–5 ключевых бизнес-метрик, а не “показателей тщеславия”»), запуск двух пилотных проектов (масштабируемое производство контента и GEO — generative engine optimization, оптимизация контента под генеративные поисковые системы), а затем — перевод результатов пилотов в стандартизированную практику компании.

«Эта модель работает потому, что рассматривает кадровый дефицит не как технологическую проблему, а как вопрос правильной последовательности действий», — подчеркнула эксперт.

По ее словам, подход одинаково эффективен как для крупных игроков рынка, так и для небольших компаний. В качестве примеров успешного внедрения ИИ были приведены кейсы Hill’s Pet Nutrition и Spot and Tango.

«Видимость и эффективность ИИ не коррелируют с размером бюджета», — резюмировала Смульски.