AI-стратегия Nestlé: как крупнейший продуктовый концерн мира строит свою AI-машину

Когда разговор заходит об искусственном интеллекте, первыми на ум приходят Google, Meta, NVIDIA, Microsoft. Может, ещё пара стартапов из Сан-Франциско с раундом на миллиард. Но точно не компания, которая делает KitKat, Nescafé и корм для кошек.

А зря.

Nestlé — это CHF 89,5 млрд выручки (2025), 270 000 сотрудников, 300+ фабрик и присутствие в 188 странах. И вот тут начинается самое интересное: задеплоить AI в Google, где все сидят в Chrome и пишут на Python, — это одно. Задеплоить AI в конгломерат, где один человек в Швейцарии разрабатывает рецептуру растворимого кофе, а другой в Индии стоит у линии производства Maggi, — это совершенно другой уровень сложности.

Я хочу разобраться, как именно Nestlé использует AI, потому что это мой direct competitor. Не в смысле «мы тоже делаем шоколад», а в смысле FMCG-компания глобального масштаба, которая решает те же задачи: NPD, supply chain, маркетинг, прогнозирование спроса. И если кто-то уже нашёл рабочие подходы — глупо не посмотреть, как.

Мне было интересно копнуть глубже пресс-релизов. Не «Nestlé внедряет AI» (спасибо, это написано в каждом годовом отчёте за последние пять лет), а конкретно: какой AI, на каком стеке, с какими партнёрами, за какие деньги, и главное — что из этого реально работает.

100 000 человек на AI каждый день

Вот цифра, которая зацепила меня сразу: по данным CIO Nestlé Криса Райта, более 100 000 сотрудников Nestlé используют AI ежедневно — через Microsoft Copilot Chat и собственный инструмент NesGPT. В среднем каждый из них обращается к AI-ассистенту более 40 раз в месяц.

Это не пилот. Это не эксперимент. Это рабочий инструмент для трети компании.

«AI isn’t a pilot at Nestlé; it’s already at work from farm to fork. AI helps us get ideas to market faster, optimise recipes, provide trusted nutrition and recipe advice and create content for our digital channels.» — Chris Wright, Group CIO, Nestlé

NesGPT — это внутренний инструмент на базе ChatGPT, который Nestlé запустила глобально в мае 2023 года, а в августе 2023-го раскатала на Северную Америку. За три месяца после запуска в Северной Америке его попробовали 7 000+ сотрудников, которые сгенерировали более 230 000 промптов. По данным компании, NesGPT экономит каждому пользователю 45 минут в неделю — это черновики, повестки встреч, анализ данных, генерация идей.

Если пересчитать: 100 000 пользователей × 45 минут × 50 рабочих недель = ~3,75 млн часов в год. При средней стоимости часа white-collar сотрудника в Швейцарии/Европе это… много. Даже если реальная экономия вдвое меньше заявленной.

Но дело не только в часах. NesGPT решил ещё одну проблему: Shadow AI. Когда сотрудники начали массово таскать корпоративные данные в публичный ChatGPT, Nestlé вместо запрета дала им корпоративную альтернативу. Умный ход. Запрещать — это как закрывать воду в трубе: она найдёт другой путь, обычно худший.

Карта AI-мощностей: что Nestlé умеет сегодня

AI в Nestlé — это не один продукт и не один отдел. Это распределённая система, встроенная в разные бизнес-функции на разных уровнях зрелости.

AI Maturity Nestlé по бизнес-функциям

Вот как выглядит карта:

Supply Chain и логистика — самая зрелая область. Demand forecasting с точностью 94% на основе ML-моделей, которые анализируют исторические продажи, погодные паттерны, данные поставщиков. Sales Recommendation Engine, разработанный с Deloitte, используют 1 500+ торговых представителей каждую неделю. В procurement AI анализирует сотни тысяч контрактов поставщиков, выявляя расхождения между глобальными условиями и локальным исполнением.

Маркетинг и контент — пожалуй, самый впечатляющий кейс. 45 контент-студий по всему миру, 250 маркетинг-экспертов в 7 хабах, 72% медиа-инвестиций в digital, 340 млн записей first-party data. Nestlé уже удвоила долю онлайн-продаж за последние пять лет и движется к 20% от общих продаж через e-commerce.

NPD / R&D — тут AI уже работает, но масштабирование ещё идёт. Подробнее в следующей секции.

Контроль качества — AI-инструмент SGS-Digicomply, созданный совместно с SGS, мониторит 10 000+ веб-источников на 90 языках в реальном времени для обнаружения рисков food safety. Отдельно — digital twins производственных линий в 300+ фабриках, которые отслеживают безопасность продуктов и потребление энергии.

Consumer Insights — AI-powered рекомендательные системы для персонализации. Petivity от Purina: умные устройства + predictive analytics для здоровья домашних животных. Партнёрство с January AI для цифровых двойников метаболизма (персонализированное питание для диабетиков).

Внутренние операции — NesGPT + Copilot для 100K+ сотрудников. Cortex для маркетинговых гайдлайнов. AI-powered procurement. IBM watsonx.data для ускорения аналитики Order-to-Cash.

NPD: где AI реально меняет правила

Тут стоит остановиться подробнее, потому что New Product Development — это кровеносная система любой FMCG-компании. Классический цикл NPD в крупном FMCG выглядит так: consumer insight → concept generation → формулировка и тестирование → масштабирование → запуск. По всей цепочке — 12–18 месяцев. Иногда больше.

Nestlé утверждает, что AI позволяет сократить этот цикл в разы.

NPD цикл: традиционный vs AI-assisted

Конкретные цифры: по словам Shan Collins, Head of IT for North America, AI-инструмент для инноваций сжал процесс product ideation с 6 месяцев до 6 недель. Более 100 сотрудников в innovation community были обучены работе с GenAI-инструментом, который анализирует рыночные тренды и consumer insights, а затем генерирует концепции продуктов.

Помимо идеации, AI используется для:

Оптимизации рецептур — инструмент балансирует вкусовые предпочтения потребителей, нутриционную ценность, себестоимость и экологическое воздействие. По данным Nestlé, это привело к сокращению времени R&D на 30%
Анализа потребительских трендов — AI обрабатывает 340 млн записей first-party data для выявления сигналов: что люди покупают, в каких регионах, в каком сочетании
Геномики кофе — data science и AI используются для селекции климатоустойчивых сортов кофе: анализ генома арабики для поиска генов урожайности, устойчивости к болезням и вкусовых характеристик

Если сжать: AI не заменяет food scientists. Он ускоряет рутинную часть — просеивание данных, генерацию первичных гипотез, оптимизацию формул. Финальное слово остаётся за людьми. Но этот цикл «генерация → проверка → итерация» крутится раз в пять быстрее.

Nestlé Health Science: AI на стыке еды и медицины

Отдельная история — Nestlé Health Science (NHSc). Это подразделение с выручкой CHF 6,6 млрд (2025), которое занимается медицинским питанием, витаминами, спортивным питанием. Бренды: Orgain, Pure Encapsulations, Vital Proteins, Garden of Life.

Именно тут AI-ставки самые высокие. И самые рискованные.

Nestlé приобрела Vital Proteins (коллагеновые добавки) и заключила партнёрство с January AI — платформой метаболического здоровья. January AI использует технологию digital twins: строит цифровую копию метаболизма конкретного человека, чтобы предсказать, как организм отреагирует на определённую еду. Nestlé исследует, можно ли использовать эту технологию для переформулирования продуктов и персонализированных рекомендаций по питанию для людей с диабетом.

Ещё один продукт — Petivity от Purina: умный лоток для кошек, который анализирует паттерны поведения животного и с помощью predictive analytics выявляет ранние признаки заболеваний. Звучит как гаджет, но за этим стоит серьёзная ML-модель, обученная на данных ветеринарных исследований.

Почему это важно для конкурентного анализа? Потому что NHSc — это территория, где FMCG встречается с healthcare. А в healthcare AI регулируется на порядок жёстче. EU AI Act классифицирует AI-системы, влияющие на здоровье, как high-risk. Nestlé, со штаб-квартирой в Веве и операциями по всему ЕС, будет одной из первых компаний, которой придётся проходить compliance для AI в персонализированном питании.

Тот, кто научится делать AI в health-adjacent nutrition в рамках EU AI Act, получит конкурентное преимущество, которое потом будет очень сложно воспроизвести.

Парадокс масштаба: AI для Nescafé в Лозанне и Maggi в Мумбаи

Есть одна вещь, которую корпоративные пресс-релизы никогда не упоминают: гетерогенность.

Google деплоит AI на один продукт (Search), который работает одинаково для всех пользователей. Nestlé деплоит AI на сотни брендов, которые существуют в 188 странах с разными языками, разным регулированием, разной культурой потребления и разной IT-инфраструктурой. AI, который отлично оптимизирует рецептуру Nescafé для европейского рынка, абсолютно бесполезен для Maggi в Индии — другие ингредиенты, другие вкусовые предпочтения, другие ценовые ограничения, другие стандарты food safety.

Это создаёт парадокс: централизованная AI-платформа (Azure Data Lake, единый ERP) нужна для масштаба, но сами модели должны быть локальными. Digital twins для Purina в США и для Nescafé Dolce Gusto в Бразилии — это один и тот же Omniverse, но совершенно разные данные, разные бизнес-правила, разные рынки.

Nestlé решает это трёхуровневой архитектурой:

Глобальный уровень: единый data lake, единый ERP, единые MLOps-процессы
Зональный уровень: модели, адаптированные под зоны (Americas, Europe, AOA, Greater China)
Локальный уровень: конкретные use cases под конкретные рынки

S/4HANA upgrade — это прямое отражение этой логики: три этапа (Азия+Океания+Африка → Европа → Америки), каждый со своим размером узла (24TB → 36TB → 48TB), но на единой платформе.

Для конкурентов это важный урок: нельзя просто «внедрить AI». Нужно строить платформу, которая масштабируется глобально, но кастомизируется локально. Это на порядок сложнее, чем кажется.

Культура: как сдвинуть 270 000 человек

Самая недооценённая часть AI-стратегии Nestlé — это не технологии. Это люди.

270 000 сотрудников. Большинство из них не data scientists и не ML-инженеры. Это производственные рабочие на линиях, торговые представители в полях, маркетологи, HR-менеджеры, финансисты. И им всем нужно научиться работать с AI.

Nestlé подошла к этому системно. По данным Shan Collins, Head of IT for North America, программа включала:

Обучающие сессии по использованию NesGPT — от базовых до продвинутых
Гайды по промпт-инженерингу — как формулировать запросы для максимальной отдачи
Постоянный обмен лайфхаками — best practices распространяются через внутренние каналы
Платформа digital adoption — по данным компании, сэкономила 1,5 млн часов продуктивности

Что интересно: Nestlé не заставляла использовать NesGPT. Они сделали его удобным и доступным, и дали людям training. Adoption вырос органически: когда ты видишь, что коллега из соседнего отдела экономит час в день — ты тоже попробуешь.

Параллельно Nestlé инвестирует в Wi-Fi-first инфраструктуру на фабриках: iPad’ы и смартфоны на производственных линиях, чтобы рабочие могли использовать AI-инструменты для real-time мониторинга. Это не только про white-collar. Это про то, чтобы AI доходил до линии, а не оставался в офисе.

Сокращение 16 000 позиций — это обратная сторона медали. Nestlé открыто говорит, что автоматизация и AI позволяют делать то же самое меньшим количеством людей. Но они подают это не как «мы увольняем людей из-за AI», а как «мы делаем организацию более agile и эффективной». Формулировки разные, суть одна.

Стек технологий: что под капотом

Nestlé — не tech-компания. У них нет своих LLM, нет research lab, нет публикаций на NeurIPS. И это, как ни парадоксально, сильная позиция: они берут лучшее, что есть на рынке, и интегрируют это в свои процессы. Тратят деньги на results, а не на prestige.

Вот как выглядит их стек:

Фундамент — Microsoft Azure. Всё крутится на Azure. С 2018 года, совместно с Deloitte, Nestlé строит единый Azure Data Lake — центральное хранилище данных, которое ломает силосы между бизнес-функциями. За эти годы они выстроили зрелые MLOps и DevSecOps процессы. Data Lake — это, по сути, «нервная система» для всех AI-инициатив: единый источник данных, на котором работают все модели.

ERP backbone — SAP S/4HANA. Трёхэтапная миграция: первый rollout (Азия, Океания, Африка) на узлах 24TB, Европа — потенциально 36TB, Северная и Южная Америка — 48TB. Все три — на Azure private cloud edition. Партнёрство с SAP длится 25 лет, и через Joule (SAP AI) Nestlé планирует встраивать AI непосредственно в бизнес-процессы.

GenAI layer — ChatGPT / OpenAI (через Azure) + Microsoft Copilot. NesGPT построен на ChatGPT, хостится на Azure. 100K+ пользователей ежедневно. Microsoft Copilot Chat раскатан параллельно.

NVIDIA stack. NVIDIA Omniverse для digital twins, NVIDIA AI Enterprise для генеративных моделей, Triton Inference Server и TensorRT для ускорения inference, NIM и NeMo microservices для генерации изображений.

IBM watsonx.data. GPU-ускоренная аналитика для Order-to-Cash data mart. Результат: обработка данных из 44 таблиц по всему миру ускорилась в 30 раз (с 15 минут до 3 минут на обновление), стоимость снизилась на 83%.

Сеть. WAN backbone мигрирует на Google, скорость выросла на 40%. Плюс переход на Wi-Fi-first подход во всех 300+ фабриках — iPad’ы и смартфоны на линиях для real-time мониторинга.

Ключевой принцип: buy, not build. Nestlé не пытается создать свою LLM или свой framework. Они выбирают best-in-class решения, интегрируют их в свой data lake и обвязывают MLOps-инфраструктурой. Это и быстрее, и дешевле.

Партнёрства: с кем играет Nestlé

AI-экосистема Nestlé — это многоуровневый пирог из партнёров, каждый из которых закрывает свой слой.

AI-экосистема Nestlé: партнёрства и технологический стек

Tier 1: Фундаментальные технологические партнёры

Microsoft — стратегический партнёр номер один. Azure cloud, Data Lake, Copilot Chat, NesGPT hosting, S/4HANA private cloud. Nestlé также вошла в Frontier Firm AI Initiative — совместную программу Microsoft и Harvard (D³ Institute) по исследованию применения AI в крупных компаниях. В этой же программе — Barclays, Mastercard, EY, DuPont.

NVIDIA — второй ключевой партнёр. Коллаборация анонсирована на GTC Paris / VivaTech в июне 2025 года: NVIDIA Omniverse для digital twins, AI Enterprise для генеративных моделей. Nestlé уже имеет 4 000 3D digital master products (Purina, Nescafé Dolce Gusto, Nespresso) и планирует довести до 10 000 за два года. Новый content service снижает время и стоимость создания digital twins на 70%.

Tier 2: Трансформационные партнёры

Deloitte — архитектор data-стратегии. С декабря 2018 года строят Azure Data Lake, Sales Recommendation Engine, MLOps-процессы.

Accenture Song — партнёр по digital twins. Accenture AI Refinery на базе NVIDIA Omniverse.

IBM — GPU-ускоренная аналитика через watsonx.data. Валидация на production-данных Nestlé (Order-to-Cash).

Tier 3: Специализированные партнёры

SAP (25 лет партнёрства, ERP backbone), SGS (food safety AI), Harvard D³ Institute (AI research), January AI (персонализированное питание), Google (сетевая инфраструктура).

Что бросается в глаза: Nestlé работает почти исключительно с крупными, устоявшимися вендорами. Никаких экзотических AI-стартапов, никаких рискованных ставок на неизвестных. Стратегия консервативная: лучше Microsoft + NVIDIA + Deloitte с track record, чем модный стартап, который через год может не существовать. Для компании, которая кормит миллиарды людей, это логично — стабильность важнее cutting edge.

Деньги: сколько Nestlé вкладывает в AI

Прямо ответить на вопрос «сколько Nestlé тратит на AI» невозможно — эта цифра не раскрывается отдельно. Но триангулировать можно.

R&D: стабильный и большой бюджет

Nestlé инвестирует CHF 1,7 млрд ежегодно в R&D — 4 000 сотрудников, 22 R&D-центра по миру. Это крупнейшая R&D-сеть в пищевой индустрии.

Nestlé: расходы на R&D (2015–2024)

Данные по годам (USD):

Год	R&D расходы	Изменение
2019	$1,683M	—
2020	$1,681M	–0,1%
2021	$1,827M	+8,7%
2022	$1,777M	–2,7%
2023	$1,845M	+3,8%
2024	$1,894M	+2,7%

R&D как процент от выручки стабильно держится на 1,8%. Это не растёт — и это важный сигнал. Nestlé не увеличивает R&D-бюджет ради AI. Они перераспределяют внутри: больше на digital/AI, меньше на традиционные методы.

Digital и AI-инвестиции: оценка

По данным аналитиков, инвестиции Nestlé в data analytics сгенерировали $200M+ в измеримой бизнес-ценности за 4 года. Отдельно: $1 млрд инвестиций в операции в Мексике, рост ICT-бюджетов глобально.

Программа «Fuel for Growth», объявленная в 2024 году, прямо опирается на AI: CHF 3,0 млрд экономии к концу 2027 года через procurement optimization (AI-powered), operational efficiency и коммерческую оптимизацию. В 2025 году сэкономили CHF 1,1 млрд — на CHF 350M больше плана. AI-powered procurement указан как один из ключевых драйверов.

Параллельно Nestlé сокращает ~16 000 позиций (из них ~12 000 white-collar) к концу 2027 года. Это не просто cost-cutting — это перестройка операционной модели, где рутинные задачи уходят к AI, а люди фокусируются на том, что AI пока не может.

Сравнение с конкурентами

FMCG: сравнение инвестиций в R&D (2024)

P&G лидирует по абсолютным цифрам ($2,0 млрд) и по интенсивности (2,7% от выручки). Nestlé — на втором месте по абсолюту, но отстаёт по интенсивности. Unilever и PepsiCo тратят существенно меньше.

Но вот в чём фокус: R&D-бюджет — это не AI-бюджет. AI-инвестиции размазаны по IT, digital transformation, marketing technology и R&D. И по совокупности этих статей Nestlé, скорее всего, опережает конкурентов — просто потому, что у них самая развитая data-инфраструктура (Azure Data Lake с 2018 года) и самое масштабное внедрение (100K ежедневных AI-пользователей).

Инфраструктура: GPU-кластеры в продуктовом гиганте?

Короткий ответ: нет, собственных GPU-кластеров у Nestlé нет. И это не баг, это feature.

Nestlé — cloud-first компания. Вся вычислительная инфраструктура для AI работает на Microsoft Azure. Inference моделей идёт через NVIDIA Triton Server и TensorRT — но это облачные ресурсы, не собственное железо.

Единственное упоминание чего-то близкого к собственным вычислениям: кейс с IBM watsonx.data, где GPU-ускоренная аналитика (cuDF + Presto) используется для Order-to-Cash data mart. Но и тут речь идёт не о собственном кластере, а об IBM-инфраструктуре, к которой Nestlé подключается.

Это осознанный стратегический выбор. И он правильный.

Почему? Строить собственные GPU-кластеры имеет смысл, если вы:

Обучаете собственные foundation models (Nestlé не обучает)
Имеете постоянную, предсказуемую нагрузку на inference (у Nestlé нагрузка неравномерная)
Располагаете командой из сотен ML-инженеров для обслуживания (у Nestlé 4 000 R&D-сотрудников на все направления, не только AI)

Для компании, которая потребляет AI-сервисы (а не создаёт их), cloud — оптимальная модель. Вы платите за usage, масштабируете по требованию, и пусть Microsoft с NVIDIA разбираются с тем, как охлаждать 10 000 GPU.

Аналогия: у Nestlé нет собственных электростанций, хотя они потребляют электричество в 300+ фабриках. Они покупают электричество. С AI-вычислениями — та же логика.

Конкурентное сравнение: Nestlé vs Unilever vs P&G vs PepsiCo

Как Nestlé выглядит на фоне конкурентов? Я собрал сравнительную таблицу на основе публичных данных:

Направление	Nestlé	Unilever	P&G	PepsiCo
AI-пользователи	100K+ ежедневно	~35 use cases GenAI	Copilot для 50K	Нет данных
Собственный GenAI	NesGPT (ChatGPT)	Внутренняя модель	Через Microsoft	Нет данных
Data Lake	Azure, с 2018	Есть	Есть	Есть
Digital twins	4 000 продуктов (→10 000)	Нет данных	«My Perfect Fit» (Pampers)	Нет данных
Cloud партнёр	Microsoft Azure	Microsoft + AWS	Microsoft Azure	Нет данных
AI партнёрства	Microsoft, NVIDIA, IBM, Deloitte, Accenture, Harvard	NVIDIA, Microsoft, Accenture	Microsoft, Harvard + Wharton	Microsoft
NPD ускорение	6 мес. → 6 недель	Нет данных	Нет данных	Нет данных
R&D % от выручки	1,8%	1,7%	2,7%	1,2%
Персонализация	Petivity, January AI, 340M data records	Polycultural Centre	Smart product data	Менее развита

Nestlé выделяется по трём параметрам:

Масштаб внедрения. 100K ежедневных AI-пользователей — это больше, чем у любого FMCG-конкурента. P&G раскатал Copilot на 50K, но это менее глубокая интеграция.
Ширина партнёрского пула. Nestlé работает одновременно с Microsoft, NVIDIA, IBM, Deloitte, Accenture, Harvard, SAP, SGS, Google. Это не один «стратегический партнёр по AI», а целая экосистема.
Data infrastructure maturity. Azure Data Lake строится с 2018 года — когда конкуренты ещё думали, нужен ли им cloud. 6+ лет инвестиций в единую data-платформу дают Nestlé компаундный эффект: каждая новая AI-инициатива работает поверх уже очищенных, структурированных данных.

P&G сильнее в R&D-интенсивности (2,7% vs 1,8%), но тратит деньги иначе — больше на chemical engineering и product formulation, меньше на digital. Unilever интересен тем, что строит внутреннюю GenAI модель (а не берёт чужую), но пока покрывает только 35 use cases — капля в море по сравнению с 100K ежедневных пользователей Nestlé.

Где конкуренты опережают

Было бы нечестно рисовать картину, где Nestlé во всём впереди. Это не так.

Unilever — пионер в AI для sustainability и этичного sourcing. Их Polycultural Centre of Excellence работает над AI, который учитывает культурное разнообразие потребителей: рекламные кампании, которые не просто переводятся на другой язык, а адаптируются под культурный контекст. Для глобального FMCG это стратегически важная территория, и тут Unilever опережает Nestlé. Плюс, Unilever развёрнула собственную GenAI-модель (не сторонний ChatGPT), что даёт больше контроля над данными и позволяет fine-tuning под специфику бизнеса. Пока 35 use cases — но если модель окажется хорошей, масштабирование может пойти быстро.

P&G раскатала Microsoft Copilot на 50 000 сотрудников и при этом активно сотрудничает с Harvard Business School и Wharton по исследованиям влияния AI на организационные структуры. Это другой подход: P&G изучает не только что AI может делать, но и как он меняет организацию. С R&D-бюджетом в 2,7% от выручки у них больше ресурсов на фундаментальные исследования — в том числе на AI для product science (химические формулы, материаловедение), где P&G исторически сильна.

Danone интересен в нише: они co-sponsor программы 100+ Accelerator (вместе с Nestlé), в которой стартапы разрабатывают AI-решения для пищевой индустрии. Бюджет Danone на R&D скромнее ($350M vs $1,9B у Nestlé), но они умело компенсируют это через стартап-экосистему — получают доступ к инновациям, не тратя миллиарды на собственные исследования.

В итоге: Nestlé лидирует по масштабу AI-внедрения и зрелости data-инфраструктуры. Но по глубине AI в конкретных доменах (sustainability у Unilever, product science у P&G, стартап-экосистема у Danone) — у каждого конкурента есть свои козыри.

Digital twins: кейс, который объясняет всё

Отдельно хочу разобрать digital twins — потому что этот кейс показывает, как Nestlé подходит к AI в принципе.

Проблема: Nestlé продаёт в 188 странах. У них тысячи SKU, каждый нужно фотографировать для e-commerce и digital media. Каждая рекламная кампания требует 6+ форматов (Instagram stories, YouTube pre-roll, banner ads, marketplace карточки…). При смене упаковки, локализации для нового рынка или сезонной кампании — всё нужно переснимать. Это дорого, медленно и не масштабируется.

Решение: в партнёрстве с NVIDIA и Accenture Nestlé создаёт 3D digital twins — точные виртуальные копии физических продуктов на платформе NVIDIA Omniverse. Упаковку можно менять цифрово, встраивать в любую среду (сезонная кампания, формат конкретного ритейлера), генерировать контент через AI — без пересъёмки.

Цифры:

4 000 3D digital master products уже создано (глобальные бренды)
Цель: 10 000 за два года (глобальные + локальные)
Снижение времени и стоимости создания digital twins: 70%
250 маркетинг-экспертов в 7 хабах (IMS — Integrated Marketing Services)
45 контент-студий по миру

Стек: NVIDIA Omniverse (3D-платформа) + OpenUSD (формат 3D-данных) + NVIDIA AI Enterprise (генеративные модели) + Accenture AI Refinery + Microsoft Azure (cloud hosting).

Это не просто «применение AI в маркетинге». Это создание масштабируемой фабрики контента, где один раз созданный 3D-объект может превращаться в бесконечное количество рекламных материалов автоматически. А с учётом того, что 72% медиа-бюджета Nestlé уже в digital — экономический эффект колоссальный.

Чему учиться: принципы AI-стратегии Nestlé

Вот что я вынес из этого разбора. Не «7 секретов Nestlé» — это корпоративные клише. Скорее, паттерны, которые видны, если смотреть на то, что они делают, а не на то, что они говорят.

Buy, not build. Nestlé не создаёт свои модели. Они берут ChatGPT, Microsoft Copilot, NVIDIA Omniverse — и интегрируют в свои процессы. На создание собственной LLM ушёл бы миллиард и три года. Они получили NesGPT за месяцы. Для компании, чья core competency — еда, а не AI — это правильный подход.

Data first, AI second. Azure Data Lake строится с 2018 года — за два года до того, как ChatGPT взорвал рынок. Когда GenAI пришёл — инфраструктура уже была. Данные были чистые, структурированные, с MLOps-обвязкой. Это ключевое преимущество: AI без данных — дорогая игрушка.

Mass rollout > perfect pilot. 100 000 пользователей каждый день. Не «пилот в 50 человек, давайте оценим ROI через полгода». Они раскатали инструменты на масштаб и получили обратную связь от реального использования, а не от контролируемого эксперимента. Adoption > perfection.

Partnerships > hiring. Nestlé не пытается перекупить 500 ML-инженеров из Google. Они работают с Deloitte, Accenture, IBM, NVIDIA — и получают экспертизу через партнёрства. Это быстрее и гибче: если завтра нужно сменить stack, партнёра можно поменять; перестроить целый отдел — нельзя.

Start with supply chain, not consumer-facing. Первые AI-инвестиции Nestlé пошли в supply chain и procurement — самый высокий ROI, самый низкий risk. Consumer-facing AI (персонализация, рекомендации) — последняя волна. Логично: ошибка в demand forecasting стоит денег; ошибка в персонализированной рекомендации питания может стоить здоровья.

Что Nestlé не говорит — и почему это важно

Каждый годовой отчёт Nestlé содержит слова «AI», «digital transformation», «data-driven». Но есть вещи, которые они не говорят, и эти пробелы говорят больше, чем пресс-релизы.

Нет отдельного AI-бюджета. Nestlé не раскрывает, сколько именно тратит на AI. Это типично для FMCG: AI-расходы размазаны по R&D (1,8% от выручки), IT, digital transformation, marketing technology. Для инвесторов это значит: нет возможности оценить ROI конкретно AI-инвестиций. Для конкурентов: нет бенчмарка, с которым можно себя сравнить.

Нет публичных метрик AI-эффективности. «45 минут в неделю» от NesGPT — одна из немногих конкретных цифр. Где данные о том, как AI повлиял на time-to-market новых продуктов? На accuracy demand forecasting до и после? На стоимость procurement? Эти данные наверняка есть внутри. Наружу они не выходят.

AI-washing vs реальное внедрение. Часть AI-инициатив Nestlé — genuine, часть — маркетинговые заявления без верификации. «AI helps us get ideas to market faster» — ОК, но насколько быстрее? Одно дело 6 месяцев → 6 недель (конкретная цифра от конкретного человека). Другое — «AI optimises recipes» без деталей.

Сокращение 16 000 позиций. Nestlé аккуратно подаёт это как «operational efficiency» и «Fuel for Growth». Но давайте называть вещи своими именами: когда 100 000 человек используют AI-ассистента 40 раз в месяц, и одновременно 12 000 white-collar позиций сокращаются — это не совпадение. AI уже сейчас замещает работу людей. Nestlé просто не говорит об этом в таких терминах.

EU AI Act. Nestlé со штаб-квартирой в Швейцарии, но массивными операциями в ЕС, попадает под действие EU AI Act. Для их AI-инициатив в области nutrition (рекомендации по питанию, персонализированная диета) это potential minefield: AI-системы, влияющие на здоровье, классифицируются как high-risk. Как Nestlé будет адаптироваться? Пока — молчание.

А что мне с этого?

Если вы, как и я, работаете в FMCG и смотрите на Nestlé как на бенчмарк, вот конкретные выводы:

Постройте data lake прежде, чем внедрять AI. Самая частая ошибка: покупать AI-инструменты, не имея чистых, структурированных данных. Nestlé вложила 6 лет в Azure Data Lake до того, как AI стал мейнстримом. Начните с данных.
Раскатывайте AI широко. Не сидите на пилотах. NesGPT запустили на всю Северную Америку через 3 месяца после глобального пилота. Да, будет сырое. Да, первые промпты будут «напиши мне повестку встречи». Но adoption формирует привычку, а привычка ведёт к более сложным use cases.
Партнёрства > свои разработки (для не-tech компаний). Если ваша core competency не AI — не стройте AI-отдел из 200 человек. Возьмите Azure/GCP + готовые модели + системного интегратора. Быстрее, дешевле, и проще масштабировать.
Начните с supply chain. Demand forecasting, procurement optimization, inventory management — самый высокий ROI, самый низкий risk. Уже потом — маркетинг, NPD, consumer-facing.
Решите проблему Shadow AI раньше, чем она решит вас. NesGPT появился не потому, что Nestlé захотела быть модной. Он появился, потому что сотрудники уже сливали корпоративные данные в публичный ChatGPT. Корпоративный AI-инструмент — это и enablement, и compliance одновременно.
Посчитайте, что вы НЕ делаете. Nestlé не строит GPU-кластеры, не обучает свои модели, не нанимает ML-исследователей. Иногда самое важное стратегическое решение — это то, чего вы не делаете.

Источники использованы inline по тексту. Основные: Nestlé Annual Results 2025, Nestlé R&D, NVIDIA Blog, Deloitte Nestlé Case Study, Diginomica, Food Digital, HR Grapevine, StorageReview, Macrotrends, Klover.ai.