급식·외식 AI 식품폐기물 자동 예측 SaaS
메뉴와 예상 인원만 입력하면 발주량을 예측하고 폐기율을 추적해 주간 절감 리포트를 자동 생성한다.
네슬레가 2026-03-25 공장 레벨 식품폐기물 감소 AI 기술을 론칭했다. 같은 문제가 중소 급식 현장에 더 크게 존재한다. 학교 급식·직장 구내식당·기업 급식·병원 식당은 직원 경험치 추정으로 발주량을 결정하고 평균 식재료 15-20%를 폐기한다. Winnow Solutions(런던)이 3,000개 이상 상업 주방에 AI 식품폐기물 모니터링을 도입했지만 한국 시장 진출은 미확인 상태다. 글로벌 AI food waste management 시장은 2025년 $3.63B 규모다.
한국 ESG 규제 강화 흐름 속에서 식품 폐기물 보고 의무화 가능성이 커지고 있고, 농림축산식품부가 2026-04-17 마감으로 농식품 분야 AI 응용제품 신속상용화 지원사업을 공고했다. 정부 보조금 트랙 존재가 확인된다.
Winnow의 카메라+AI는 고가 하드웨어가 진입 장벽이고 한국어 미지원이다. 한국 중소 급식 업체는 "카메라 없이 메뉴+인원만 입력해도 폐기 20% 줄여준다"는 가벼운 SaaS의 자리를 비워뒀다. AI food waste 시장이 $3.63B 규모로 검증됐고 네슬레의 내재화 신호가 "공장이 한다면 우리도 해야 한다"는 압박을 중소 시장에 전이시킨다. Winnow 한국 직접 진출 전 6-12개월이 진입 타이밍이다.
가능성 4개 · 리스크 4개
가능성 신호
리스크 신호
수동 데이터 입력 기반 발주 예측 + 폐기 기록 MVP는 Next.js + Claude API + Supabase + Toss Pay 스택으로 7일 내 v0.1 구현이 가능하다. Winnow의 3,000+ 주방 도입은 국제 수요를 검증한다. 그러나 발주 담당자가 매일 데이터를 입력하지 않으면 예측 품질이 떨어져 이탈로 이어지는 "입력 부담" 리스크가 가장 크고, 한국 중소 급식 업체의 SaaS 지불 의사가 미검증이다. 가능성 27점 / 리스크 18점 비율로 60%다.
선택률 2%
선택한 사람 (2명)
안 한 사람 (98명)
2/100은 가설 수치다. 공식 계산: signalStrength 27 / 43 × severity 3 / 5 × 100 = 약 38%이지만 100명 페르소나에 실제 타겟(급식 담당자·식품공장 오너)이 거의 없는 구조적 한계로 2%까지 낮춘 가설이다. 실제 타겟은 네이버 카페 "급식 담당자 모임"·영양사 커뮤니티 직접 인터뷰로만 검증 가능하다.
근거 자료출처 4개 · 인용 1개
출처 · 04
인용 · 01
네슬레가 공장 단위 AI 식품폐기물 감소 기술을 자체 도입했다— FoodNavigator, 2026-03-25
계산식 보기
실현가능성 60% = 가능성 신호 4개를 (가능성 + 리스크) 총합으로 나눈 값.
페르소나 선택률 2% = 가상의 100명 사용자 시뮬레이션 결과.