Un piatto di verdure torna in cucina quasi intatto. Il giorno dopo succede di nuovo. Il terzo giorno, stessa scena. Possiamo archiviare la faccenda con un «ai bambini le verdure non piacciono», oppure cominciare a fare domande: la porzione è eccessiva? La preparazione funziona? Il tempo per mangiare è sufficiente?

È qui che l’intelligenza artificiale può diventare interessante: rendendo visibile, e analizzabile, ciò che normalmente finisce nel cestino.

Il caso è Hoooly Food, al centro della partnership annunciata tra Vivenda Spa e Ganiga. Il comunicato presenta un sistema che analizza gli avanzi dei pasti e li trasforma in informazioni per migliorare la gestione delle mense. Un’applicazione concreta dell’AI, da valutare con una domanda altrettanto concreta: quanto cibo permette davvero di risparmiare?

Vivenda e Ganiga: il progetto che porta l’AI nelle mense

Vivenda Spa, società del Gruppo La Cascina, opera nella ristorazione collettiva, anche scolastica, sanitaria e aziendale. Ganiga sviluppa tecnologie per la gestione intelligente dei rifiuti: la scheda ospitata dall’Agenzia ICE descrive la famiglia Hoooly, basata su sensori, intelligenza artificiale e analisi dei dati, comprese applicazioni per le cucine.

La partnership viene presentata in vista della Giornata mondiale dell’alimentazione del 16 ottobre 2026, promossa dall’Organizzazione delle Nazioni Unite per l’alimentazione e l’agricoltura, la FAO.

Una precisazione sul linguaggio: Ganiga si presenta come partner di Google for Startups. Parlare di «startup di Google» può far pensare a una società del gruppo. Il programma di Google per le startup AI offre invece supporto, risorse e servizi alle imprese partecipanti. È più corretto descrivere quel rapporto senza suggerire un’appartenenza societaria.

Come funziona Hoooly Food contro lo spreco alimentare

Secondo il comunicato, il sistema usa telecamere e visione artificiale nei punti di raccolta dei vassoi per identificare i residui e produrre informazioni utilizzabili dalla cucina. Nella descrizione pubblicata direttamente da Ganiga, Hoooly Food riconosce gli alimenti e stima volume e peso dalle immagini, senza bilancia. I dati sono disponibili in una dashboard; l’azienda descrive anche un agente AI dedicato al supporto delle decisioni.

La distinzione conta: una stima ricavata da una fotografia va verificata rispetto a misurazioni di riferimento. Prima di usare quei numeri per modificare acquisti e preparazioni, chiederei quanto sono accurati, con quali alimenti e in quali condizioni operative.

Il valore potenziale sta nel collegare le osservazioni alle decisioni: individuare pietanze spesso avanzate, confrontare giornate e menù, verificare se una modifica riduce gli scarti. Qui parliamo soprattutto di visione artificiale e analisi dei dati, con un supporto decisionale dichiarato dal produttore.

Perché misurare gli avanzi ha senso

Il problema ha dimensioni enormi. Il Food Waste Index Report 2024 del Programma delle Nazioni Unite per l’ambiente, UNEP, realizzato con WRAP, stima che nel 2022 siano stati generati 1,05 miliardi di tonnellate di rifiuti alimentari, comprese le parti non commestibili, tra famiglie, servizi di ristorazione e commercio al dettaglio. Alla ristorazione è attribuito il 28% del totale.

Attenzione al perimetro: sono stime globali riferite al 2022, non dati sulle mense italiane e nemmeno sui risultati di Hoooly Food. Servono a capire la rilevanza del problema, non a certificare l’efficacia di un prodotto.

Per approfondire, qui sotto trovi la presentazione del rapporto, collegata dalla pagina ufficiale dell’evento UNEP. Il video è in inglese.

Un piatto avanzato non spiega perché è avanzato

Immaginiamo, come esempio, che una mensa registri molti avanzi di broccoli. Il dato può suggerire una verifica. Non dimostra automaticamente che i broccoli non piacciano: potremmo dover controllare porzioni, cottura, temperatura o organizzazione del servizio.

Confondere una traccia osservabile con la sua causa è una scorciatoia pericolosa. Un algoritmo può aiutare a trovare regolarità; l’interpretazione richiede confronto con cuochi, personale e utenti.

Proporrei inoltre di distinguere almeno tre flussi: scarti di preparazione, cibo preparato ma non servito e avanzi nei piatti. Un sistema concentrato sul rientro dei vassoi osserva una parte del processo. Per decidere quanto preparare domani, vorrei collegare quel dato anche a presenze, prenotazioni e quantità effettivamente servite.

«Azzerare gli scarti» è un obiettivo, non un risultato dimostrato

Nel comunicato ricorrono espressioni molto ambiziose, dall’eliminazione dello spreco alla precisione scientifica. Il documento, però, non riporta una sperimentazione con numero di mense coinvolte, durata, confronto iniziale e finale o percentuali di riduzione.

Anche la presentazione di una tecnologia come brevettata non documenta, da sola, il risparmio ottenuto sul campo. Per valutare questo progetto chiederei:

• Scarti per pasto servito: come cambiano prima e dopo l’intervento, distinguendo i diversi flussi?
• Attendibilità delle stime: quanto si discostano i valori ricavati dalle immagini da pesature di controllo?
• Costi e lavoro: qual è il risparmio netto, considerando anche installazione, servizio e gestione?
• Qualità del pasto: gli scarti diminuiscono mantenendo adeguatezza delle porzioni e soddisfazione degli utenti?

Sono criteri che proporrei per un progetto pilota, non risultati già ottenuti da Vivenda e Ganiga. Una sperimentazione utile dovrebbe confrontare periodi e condizioni comparabili, spiegando anche che cosa è cambiato nel menù e nel servizio.

L’AI utile si riconosce dalle decisioni che migliora

Questo caso mi interessa perché offre un buon punto di partenza per parlare di AI in azienda: un problema riconoscibile, informazioni da raccogliere, persone che devono decidere e risultati da verificare.

Una dashboard piena di grafici serve a poco se nessuno modifica il processo. L’esperimento diventa interessante quando una cucina cambia una preparazione o una porzione, misura ciò che succede e conserva la modifica solo se funziona.

È l’approccio che propongo nei miei corsi su AI, agenti e comunicazione digitale: partire dalle attività e dagli obiettivi, scegliere gli strumenti, verificare gli effetti.

Hoooly Food merita attenzione come proposta tecnologica. Per capire se manterrà le promesse, serviranno dati sul campo. E il dato più convincente sarà il cibo che riusciremo a evitare di buttare.

Vuoi portare questo approccio nella tua azienda o nel tuo ente? Raccontami il progetto nel modulo di contatto: possiamo costruire un percorso di formazione a partire dai vostri processi e obiettivi.