百事可樂是一家意識到使用人工智能(AI)和機器學習是一種業務需求，不再具有競爭優勢的企業。百事可樂，佳得樂，Tropicana，Lipton，Frito-Lay和Quaker等品牌背后的食品飲料公司在200多個/地區銷售產品，去年的年收入達647億美元。從機器人到機器學習，百事可樂以多種方式在整個組織中使用人工智能和機器學習。

小吃配送機器人

太平洋大學周圍有一個六輪移動自動售貨機機器人工具，塞滿了百事可樂公司(Hello Goodness)的百事可樂零食和飲料-更加健康的陣容，包括SunChips，Baked Lay's和氣泡水。這些自動駕駛機器人名為Snackbot，是Robby Technologies和PepsiCo之間的合作伙伴關系。學生可以從Snackbot應用程序訂購零食，然后機器人將其運送到校園中的50多個地點，而無需支付運送費。這些機器人一次充電即可行駛20英里，而且借助機載大燈和全輪驅動功能，它們甚至可以在夜間，下雨或路緣向上行駛。

Snackbot代表了針對受時間限制的大學生及其百事可樂的研究發現的偏好的解決方案。校園里有三到五個Snackbots可以滿足需求。

機器學習制造

Frito-Lay(百事可樂的子公司)制造工廠正在從機器學習中受益。一個項目使用激光打芯片，然后聽從芯片發出的聲音來確定紋理。算法處理聲音并確定芯片紋理，以自動進行Frito-Lay芯片處理系統的質量檢查。

從一開始，百事可樂公司的高級研發工程師Shameer Mirza就意識到機器學習的更多應用可能會影響工廠內的過程控制。接下來，Mirza開發了一種機器學習模型，該模型可與視覺系統一起使用，從而能夠預測所加工土豆的重量。這為該公司節省了大量資金，因為它不再需要為每條生產線花費30萬美元(僅在就有35條)來稱重元件。Mirza的系統僅使用攝像頭和機器學習模型，并且基本上只是收集的額外數據點，而無需支付額外費用。

另一個仍在開發中的項目將評估馬鈴薯經過去皮過程后的“果皮百分比”。通過了解這些數據，可以幫助Frito-Lay團隊優化馬鈴薯去皮系統。僅在，僅該項目一項就為公司每年節省超過100萬美元。

百事可樂公司今年將為其內部研發人員啟動有關高級機器學習和計算機視覺的全球培訓課程，以擴大其團隊使用這些技術的能力，以繼續尋找可提高其生產設施效率的見解。

Vera簡化了招聘流程

當人力資源專業人員需要在兩個月內填補250個職位時，百事可樂首次使用Robot Vera打電話給求職者空缺并采訪求職者，作為司機，并填補了俄羅斯的工廠空缺。Vera由俄羅斯初創公司Stafory開發，能夠在9個小時內采訪1,500名候選人，這項工作將花費人類9個星期。

借助來自亞馬遜，谷歌，微軟和俄羅斯科技公司Yandex的先進語音識別軟件和工具，Vera可以撥打電話并篩選候選職位，例如叉車操作員，工廠工人和銷售人員。它的軟件可以掃描簡歷，以確定潛在的候選人是否具有適合該職位的經驗，可以回答“是”和“否”，提出后續問題并發出后續信函。它還可以將通話記錄轉發給人力資源專家進行進一步審核。到目前為止，與機器人打交道時，大多數候選人都表示歡迎。人力資源專業人員對此有些猶豫。事實證明，最大的障礙之一是“對人類進行重新編程”以使他們對技術感到滿意。