ИИ-трансформация компании ScottsMiracle-Gro

Как ветеран полупроводниковой промышленности превратил вековой опыт садоводства в конкурентное преимущество на базе ИИ 

На протяжении десятилетий на производственных площадках ScottsMiracle-Gro разворачивался один и тот же ритуал. Каждые несколько недель работники обходили акры гигантских куч компоста и древесной щепы, вооружившись лишь измерительными палками. Они оборачивали линейки вокруг каждого холма, оценивали высоту и занимались тем, что президент компании Нейт Бакстер теперь описывает как «геометрию за шестой класс для вычисления объема».

Сегодня над теми же объектами с механической точностью парят дроны. Системы технического зрения рассчитывают объемы в режиме реального времени. Переход от измерительных палок к искусственному интеллекту знаменует собой нечто большее, чем просто повышение эффективности. Это зримое доказательство одной из самых неожиданных технологических историй американского бизнеса.

ИИ-революция находит неожиданного лидера

Лидерами в сфере корпоративного ИИ до сих пор были предсказуемые игроки. Программные компании с облачной архитектурой. Финансовые организации с огромными озёрами данных. Ритейлеры с развитыми цифровыми точками контакта. Компании по производству потребительских товаров повседневного спроса, работающие с физическими продуктами, такими как удобрения и почва, в список лидеров не входили.

Тем не менее компания ScottsMiracle-Gro реализовала уже более половины из запланированных 150 миллионов долларов экономии в цепочке поставок. Она сообщает о 90-процентном улучшении времени реагирования на запросы клиентов. Ее прогнозные модели позволяют еженедельно перераспределять маркетинговые ресурсы между региональными рынками.

Ветеран Кремниевой долины делает ставку на почвоведение

Путь Бакстера в ScottsMiracle-Gro (SMG) больше похож на продуманный маневр, чем на корпоративное спасение. Проработав два десятилетия в сфере производства полупроводников в компаниях Intel и Tokyo Electron, он прекрасно знал, как применять передовые технологии в сложных операционных процессах.

«Сначала я подумал: „Зачем мне это нужно? Я управляю технологической компанией. Я в этой индустрии уже 25 лет“», — вспоминает Бакстер свою реакцию, когда в 2023 году к нему обратился генеральный директор ScottsMiracle-Gro Джим Хагедорн. Компания оправлялась от провальных инвестиций в гидропонику на сумму 1,2 миллиарда долларов и сталкивалась с тем, что он описывает как «давление с точки зрения долговой нагрузки».

Жена бросила ему вызов в прямой форме. Если ты не учишься новому и не ставишь себя в некомфортные условия, это нужно изменить.

Бакстер увидел четкие параллели между производством полупроводников и деятельностью SMG. Обе сферы требуют точности, контроля качества и оптимизации сложных систем. Он также разглядел неиспользованный потенциал в предметных знаниях SMG. Сто пятьдесят лет опыта в области садоводства, знаний нормативно-правовой базы и понимания клиентов никогда не были оцифрованы до конца.

«Мне стало очевидно, что независимо от того, идет ли речь о бэкенде с аналитикой данных, трансформации бизнес-процессов и, очевидно, теперь, когда ИИ находится в центре потребительского опыта, здесь открывается множество возможностей», — поясняет он.

Заявление, которое изменило всё

Поворотный момент начался с общего собрания сотрудников. «Я просто сказал: „Ребята, мы — технологическая компания. Вы просто еще этого не знаете“», — вспоминает Бакстер. «Здесь столько возможностей, чтобы вывести компанию туда, где она должна быть».

Первая проблема носила организационный характер. SMG превратилась в разрозненные функциональные буферы. ИТ, цепочки поставок и бренд-команды управляли независимыми системами с минимальной координацией. Опираясь на свой опыт работы со сложными технологическими структурами, Бакстер реорганизовал потребительский бизнес в три бизнес-подразделения. Генеральные менеджеры стали отвечать не только за финансовые результаты, но и за внедрение технологий в своих областях.

«Я пришел и сказал: мы создаем новые бизнес-подразделения, — поясняет он. — Вся ответственность лежит на вас, и я буду спрашивать с вас не только за бизнес-результаты, качество креатива и маркетинга, но и за внедрение технологий».

Для поддержки новой структуры SMG создала центры компетенций по цифровым возможностям, аналитике и инсайтам, а также креативным функциям. Такая гибридная модель объединила централизованную экспертизу с распределенной ответственностью.

Раскопка корпоративной памяти ради золота ИИ

Превращение накопленного опыта в готовые для машинного обучения данные потребовало того, что Фаусто Флейтес, вице-президент по анализу данных, называет «археологической работой». Команда извлекла десятилетия бизнес-логики, заложенной в устаревших системах SAP, и превратила шкафы с архивными исследованиями в готовые для ИИ наборы данных. Флейтес, кубинский иммигрант со степенью доктора наук из Международного университета Флориды, который руководил разработкой государственной модели оценки ущерба от ураганов во Флориде, прежде чем занять должности в компаниях Sears и Cemex, прекрасно понимал все ставки.

«Самой дорогой частью миграции стал слой бизнес-отчетности, который у нас есть в SAP Business Warehouse, — поясняет Флейтес. — Вам нужно раскрыть бизнес-логику, которая зачастую создавалась десятилетиями».

В качестве единой платформы данных SMG выбрала Databricks. У команды был опыт работы с Apache Spark. Databricks обеспечивала надежную интеграцию с SAP и соответствовала стремлению использовать технологии с открытым исходным кодом, минимизирующие зависимость от одного поставщика.

Прорыв произошел благодаря систематическому управлению знаниями. SMG создала ИИ-бота на базе большой языковой модели Gemini от Google для каталогизации и очистки внутренних хранилищ. Система выявила дубликаты, сгруппировала контент по темам и реструктурировала информацию для ее дальнейшего использования ИИ. Эта работа сократила количество статей базы знаний на 30%, одновременно повысив их полезность.

«Мы использовали языковые модели Gemini для их фактической категоризации по темам и поиска похожих документов», — поясняет Флейтес. Гибридный подход, сочетающий современный ИИ с такими методами, как косинусное сходство, лег в основу последующих приложений.

Создание ИИ-систем, которые действительно разбираются в удобрениях

Ранние эксперименты с готовым ИИ выявили серьезный риск. Универсальные модели путали продукты, предназначенные для уничтожения сорняков, с теми, которые призваны их предотвращать. Такая ошибка способна испортить газон.

«Если применить не тот продукт не на своем месте, это может привести к крайне негативному результату, — отмечает Флейтес. — Но для языковой модели в определенном контексте они являются синонимами. Поэтому они рекомендовали не те товары».

Решением стала новая архитектура. SMG создала то, что Флейтес называет «иерархией агентов». Агент-супервайзер направляет запросы специализированным рабочим агентам, организованным по брендам. Каждый агент опирается на глубокие знания о продуктах, заложенные в 400-страничном внутреннем учебном пособии.

Эта система также меняет характер общения с клиентами. Когда пользователи просят о рекомендациях, агенты начинают с вопросов о местоположении, целях и состоянии газона. Они шаг за шагом сужают круг возможностей, прежде чем предложить варианты. Этот технологический стек интегрирован с интерфейсами API для проверки наличия товаров и соблюдения региональных нормативных требований.

От дронов к прогнозированию спроса в масштабах всей компании

Трансформация охватывает всю компанию. Дроны измеряют запасы сырья на складах под открытым небом. Модели прогнозирования спроса анализируют более 60 факторов, включая погодные условия, настроения потребителей и макроэкономические показатели.

Эти прогнозы позволяют принимать решения быстрее. Когда в Техасе началась засуха, модели помогли перенаправить рекламные бюджеты в регионы с благоприятной погодой. Такое перераспределение способствовало достижению положительных квартальных результатов.

«У нас появилась возможность не только перемещать маркетинговые и рекламные бюджеты, но мы дошли и до того, что если в Северо-Восточном регионе ожидаются жаркие выходные, мы перебросим туда полевые отделы продаж из других регионов», — поясняет Бакстер.

Сервис клиентской поддержки также изменился. Теперь ИИ-агенты обрабатывают входящие электронные письма через Salesforce, создают проекты ответов на основе базы знаний и отправляют их на быструю проверку человеку. Время подготовки черновиков сократилось с десяти минут до считанных секунд, а качество ответов возросло.

Компания делает упор на объяснимый искусственный интеллект. Используя метод SHAP, SMG создала панели мониторинга, которые деконструируют каждый прогноз и показывают, как погода, рекламные акции или расходы на СМИ влияют на итоговые результаты.

«Обычно, если вы показываете прогноз бизнес-пользователю и не объясняете почему, он говорит: „Я вам не верю“», — объясняет Флейтес. Прозрачность позволила перевести распределение ресурсов с квартальных циклов на еженедельные.

Конкурировать как стартап

Результаты SMG бросают вызов устоявшимся представлениям о готовности к внедрению ИИ в традиционных отраслях. Преимущество достигается не за счет владения самыми сложными моделями. Оно кроется в сочетании общего ИИ с уникальными структурированными отраслевыми знаниями.

«Языковые модели станут товаром широкого потребления, — отмечает Флейтес. — Стратегическим дифференциатором является тот дополнительный объем [внутренних] знаний, который мы можем в них заложить».

Партнерские отношения имеют ключевое значение. SMG сотрудничает с Google Vertex AI в области базовых моделей, с Sierra.ai для создания готовых к работе разговорных агентов и с Kindwise в сфере компьютерного зрения. Такой подход экосистемы позволяет небольшой внутренней команде, набранной из Meta, Google и ИИ-стартапов, добиваться впечатляющих результатов без необходимости создавать всё с нуля.

Талант следует за масштабными задачами. Общепринятое мнение гласит, что традиционные компании не могут конкурировать с зарплатами в Meta или акциями Google. SMG предложила нечто иное. Она предложила возможность создавать революционные ИИ-приложения с немедленным влиянием на бизнес.

«Когда мы проводим эти собеседования, мы предлагаем кандидатам возможность создавать реальную ценность, используя передовые знания в этих областях, — поясняет Флейтес. — Многие люди чувствуют мотивацию прийти к нам», потому что большая часть работы с ИИ в крупных технологических компаниях, несмотря на шумиху, «на самом деле не имеет реального влияния».

Структура команды отражает эту философию. «Мои прямые подчиненные — это лидеры, которые не просто управляют людьми, но и технически подкованы, — отмечает Флейтес. — Мы постоянно переключаемся между разработкой или поддержкой решения, стратегией и управлением людьми».

Он по-прежнему пишет код еженедельно. Небольшая команда из 15–20 специалистов по ИИ и инженерии остается компактной за счет привлечения подрядчиков для реализации, в то время как «ноу-хау, направление и архитектура» остаются внутри компании.

Когда инновации сталкиваются с непреодолимыми препятствиями

Не каждый пилотный проект увенчался успехом. SMG тестировала полуавтономные погрузчики на предприятии площадью 130 000 квадратных метров. Удаленные операторы на Филиппинах управляли одновременно пятью машинами, демонстрируя высокие показатели безопасности.

«Технология была действительно отличной», — признает Бакстер. Однако транспортные средства не могли поднимать достаточный вес для тяжелой продукции SMG. Компания приостановила внедрение.

«Не всё, что мы пробовали, проходило гладко, — признает Бакстер. — Но я считаю важным сосредоточиться на нескольких ключевых направлениях и уметь вовремя понять, когда что-то не работает, чтобы вовремя скорректировать курс».

Этот урок перекликается с дисциплиной в полупроводниковой промышленности. Инвестиции должны приносить измеримую отдачу в установленные сроки. Сложность нормативного регулирования добавляет трудностей. Продукты должны соответствовать правилам Агентства по охране окружающей среды (EPA) и множеству региональных ограничений, в которых системы ИИ должны безошибочно ориентироваться.

Садовый сомелье и будущее агентского взаимодействия

Дорожная карта отражает долгосрочный взгляд на развитие. В 2026 году SMG планирует выпустить мобильное приложение «садовый сомелье», которое распознает растения, сорняки и проблемы на газоне по фотографиям и выдает мгновенные рекомендации. Бета-версия уже помогает сотрудникам полевых продаж отвечать на сложные вопросы о продукции, выполняя поиск по 400-страничной базе знаний.

Компания изучает возможность межсетевого взаимодействия агентов, чтобы ее специализированный ИИ мог взаимодействовать с системами розничных партнеров. Клиент, обратившийся к чат-боту Walmart за советом по уходу за газоном, сможет инициировать запрос в SMG, который выдаст точные и соответствующие нормативным требованиям рекомендации.

SMG запустила поисковую систему на базе ИИ на своем веб-сайте, заменив системы по ключевым словам диалоговыми движками на основе внутреннего технологического стека. В будущем прогнозно-аналитические модели будут сочетаться с разговорными агентами, позволяя системе самостоятельно выходить на связь, когда условия подсказывают, что клиенту может потребоваться помощь.

Чему могут научиться традиционные отрасли

Трансформация ScottsMiracle-Gro предлагает четкое руководство к действию для бизнеса. Преимущество достигается не за счет развертывания самых сложных моделей. Скорее, оно возникает при объединении ИИ с собственными предметными знаниями, которые конкуренты не смогут легко скопировать.

Возложив на генеральных менеджеров ответственность как за бизнес-результаты, так и за внедрение технологий, SMG добилась того, что ИИ стал не просто ИТ-инициативой, а жизненно важной бизнес-задачей. 150-летний опыт работы в области садоводства обрел истинную ценность только тогда, когда его оцифровали, структурировали и сделали доступным для ИИ-систем.

Традиционные компании, борющиеся за инженеров по искусственному интеллекту, не могут соревноваться с компенсационными пакетами Кремниевой долины. Но они могут предложить то, чего технологические гиганты часто не могут дать: немедленный и измеримый результат. Когда инженеры видят, что их модели прогнозирования погоды напрямую влияют на квартальные результаты или что созданная ими агентская архитектура спасает газоны клиентов от гибели, их работа обретает вес, которого никогда не будет у очередного улучшения алгоритма показа рекламы.

«У нас есть право на победу, — говорит Бакстер. — У нас за плечами 150 лет этого опыта». Теперь этот опыт превратился в данные, а данные — это конкурентное преимущество компании. ScottsMiracle-Gro не стала превосходить конкурентов по затратам или слепо гоняться за новейшими моделями ИИ. Она превратила знания в операционную систему для роста. Для компании, выросшей из почвы, ее главным прорывом вполне может стать культивация данных.