특히 광범위한 조류독감 발생의 영향이 농업 부문 전반에 걸쳐 계속 느껴지면서 식중독은 최근 미국 전역에서 헤드라인을 장식했습니다. 미국에서는 2024년에 740건이 넘는 식음료 리콜이 발생했는데, 이는 이미 2023년에 보고된 총계의 두 배 이상이며, 2022년부터는 총계가 세 배 이상 증가할 속도로 진행되고 있습니다.1 이 문제는 미국에만 국한되지도 않습니다. 매년 전 세계적으로 약 6억 명이 식인성 질환에 걸리고 있습니다.2
식품 안전 사고는 질병을 유발하는 것 외에도 경제, 농민, 음식물 쓰레기 형태의 환경 및 정부에 심각한 부정적인 영향을 미칩니다. 잠시 미국의 예로 돌아가서, 연방 정부는 매년 세수 중 70억 달러가 넘는 예산을 식인성 질병 대응 프로그램에 할당합니다.3 이는 대응적 시스템이므로 식품 안전 사고로 인한 인적, 재정적, 환경적 영향을 줄이기 위해 우리는 더욱 적극적으로 대처해야 합니다.
좋은 소식은 훨씬 더 예측 가능한 식품 시스템을 만들 수 있는 도구가 우리 손끝에 있다는 것입니다. 종이 기록 보관에 대한 농업 부문의 의존성을 제거하는 것은 보고서의 가시성과 신뢰성을 높이기 때문에 간단한 첫 번째 단계입니다. 이러한 기반 작업을 통해 농부는 식품 시스템을 디지털화하고 생성 AI를 사용하여 대규모 데이터 세트를 분석하고 추세를 식별하며 Excel의 Copilot 및 Power BI의 Copilot과 같은 도구를 통해 쉽게 소화 가능한 언어 및 시각화로 통찰력을 제시할 수 있습니다.
농부와 식품 공급업체는 생성 AI 솔루션을 사용하여 농장과 식료품점 사이의 냉장 유통 중단으로 인해 부패로 이어질 수 있는 중요한 문제를 쉽게 감지할 수 있습니다. 생성적 AI는 규정 준수 문제 및 보안 위반을 확인하는 데에도 사용할 수 있습니다. 프로세스 개선을 제안하고, 수요를 추적하고, 실시간 대응을 자동화하는 경고를 실행할 수 있습니다. 이 모두는 식품 안전 사고가 공중 보건 사고로 전환되기 전에 대응하는 것을 목표로 합니다.
AI 발전의 길을 열다
식품 생산 산업의 특정 전문 지식을 갖춘 파트너가 구축한 Microsoft Copilot 및 산업별 AI 에이전트는 예방적 식품 안전의 잠재적인 도약을 의미하지만 디지털화가 나타내는 유일한 이점은 아닙니다. 생성적 AI 채택을 위한 로드맵의 일부인 다른 솔루션은 이미 식품 생산업체에 의미 있는 변화를 가능하게 하고 있습니다. 최근 사물인터넷(IoT) 센서와 AI 기술의 발전으로 인간의 시각, 청각, 후각을 모방하여 전통적인 식품 분류, 등급 지정 및 검사 프로세스를 개선하는 기술이 가능해졌습니다. 농업용 Azure 데이터 관리자 농장에 대한 데이터를 수집하여 작물에 박테리아가 유입될 가능성이 있는 조건을 식별하는 데 도움을 줍니다.
예를 들어, 식품 가공 회사는 다음의 도움으로 품질 관리 프로세스를 디지털화할 수 있습니다. 마이크로소프트 파워 앱, 파워 BI그리고 데이터 구절. 이러한 기술은 회사가 실시간 데이터를 더 잘 캡처하고, 더 통찰력 있는 보고서를 생성하고, 전반적인 운영 효율성을 향상시키는 데 도움이 됩니다.
기업이 이와 같은 기능을 구축하면 재정적 이점과 실행 가능한 통찰력을 얻는 동시에 미래의 생성 AI 솔루션에서 활용할 수 있는 더 깊은 정보 풀을 구축할 수 있습니다. 마이크로소프트 패브릭 또한 AI 지원 데이터 자산을 구축하는 데 중요한 역할을 합니다. IoT 센서, 온도 모니터, 기록 데이터 등의 데이터 소스를 통합함으로써 Fabric은 기업이 보다 포괄적인 데이터 플랫폼을 구축할 수 있도록 지원합니다. 이러한 플랫폼이 생성할 수 있는 고급 예측 분석을 통해 식품 공급업체는 제품 리콜을 줄이고, 위조품 확산을 방지하고, 음식물 쓰레기를 최소화하고, 소비자 신뢰를 높일 수 있습니다.
더 나은 농업 데이터를 혼합하여 활용
데이터를 통합하고, 사용하는 고급 센서의 수를 늘리고, 더 광범위한 유형의 데이터를 추적함으로써 식품 생산 산업은 훨씬 더 발전할 수 있는 길을 열어가고 있습니다. Copilot과 맞춤형 에이전트는 농장에서 식탁까지 식품 공급망의 모든 단계를 신속하게 분석할 수 있습니다. 오늘날의 시각적 인식 기술은 식품 내 오염 물질을 인간보다 더 빠르고 더 작은 농도로 식별하는 경우가 많습니다. 생성적 AI 모델은 이 데이터를 사용하여 원재료나 완제품에서 이물질과 병원균을 탐지하는 데 도움을 줄 수 있습니다. 식품 생산 및 창고 시설의 온도 센서에서 수집된 과거 및 실시간 데이터를 분석하면 생산자에게 과도한 식품 부패에 영향을 미치는 조건을 경고하는 데 도움이 될 수 있습니다. 에이전트가 농업 또는 식품 가공 불규칙성을 인식하면 기록 데이터를 기반으로 예측을 생성하고 규정 준수 문제를 확인하며 운영 개선을 제안할 수 있습니다. 지역 기상 조건, 토양 구성, 해충 개체수 등 농장별 데이터를 통합함으로써 에이전트는 농작물에 대한 계절적 위험을 예측하고 완화하는 데 도움을 줄 수 있습니다.
앞을 내다보며
식품 안전의 미래는 기술과 데이터를 전 세계 식품 생산 및 유통 프로세스에 지속적으로 통합하는 데 달려 있습니다. AI로 구동되는 맞춤형 에이전트는 작업을 수행하고 식품 안전을 개선하기 위한 의사 결정 지원을 제공할 수 있습니다. 이러한 에이전트는 스프레드시트, 손으로 쓴 문서, 음성 메모 및 비디오에서 나온 방대한 양의 데이터를 분석하여 이전에 감지되지 않은 오류와 누락된 정보를 찾아내도록 구축될 수 있습니다.
농업 부문의 기업이 활용할 수 있는 마이크로소프트 코파일럿 스튜디오 가장 중요하고 위험하기 쉬운 농업 프로세스를 지원하는 자체 지능형 에이전트를 개발합니다. Copilot Studio의 로우 코드 인터페이스를 사용하면 기업은 광범위한 코딩 지식 없이도 맞춤형 애플리케이션을 신속하게 생성 및 배포할 수 있으므로 작물 모니터링, 해충 탐지, 리소스 관리와 같은 작업을 자동화할 수 있습니다. 기업은 또한 산업별 전문 지식을 갖춘 Microsoft 파트너와 협력하여 솔루션이 특정 요구 사항에 맞게 조정되고 산업 규정을 준수하도록 선택할 수도 있습니다. 이러한 파트너십 접근 방식은 혁신을 가속화할 뿐만 아니라 강력하고 효과적인 AI 기반 솔루션의 배포를 보장합니다.
식품 안전에서 생성 AI의 잠재력을 극대화함으로써 우리는 해당 부문에서 가장 널리 퍼진 많은 문제를 예측 및 예방하고, 식품 품질을 개선하며, 많은 식품 안전 사고를 예방할 수 있습니다. 앞으로 엄청난 기회가 기다리고 있으며, 식품 생산업체, 이를 감독하는 규제 기관, 기술 회사 간의 협력이 이러한 이니셔티브 성공의 열쇠입니다. 함께 협력함으로써 우리는 모두를 위한 보다 안전하고 지속 가능한 식품 시스템을 만들 수 있습니다.
1 2024년 식품물류, 식품리콜 급증. 위기 대응이란 무엇입니까?, 2024년 9월.
3 미국 식품의약국(FDA), 식품 안전을 강화하고 의료 제품 가용성을 향상하여 공중 보건을 보호하고 발전시키기 위해 72억 달러 모색, 2023년 3월.
게시물 식품 안전 분야에서 AI의 필요성 증가 처음 등장한 Microsoft AI 블로그.