Η παρούσα εργασία διερεύνησε την εφαρμογή τεχνητής νοημοσύνης (ΤΝ) στην εφο-
διαστική αλυσίδα τροφίμων, εστιάζοντας στη χρήση της εξειδικευμένης πλατφόρμας FOODAKAI για την πρόληψη και διαχείριση κινδύνων που σχετίζονται με την ασφά-λεια τροφίμων. Το πρόβλημα που μελετήθηκε εντοπίζεται στην αυξανόμενη πολυπλο-κότητα της σύγχρονης εφοδιαστικής αλυσίδας, η οποία χαρακτηρίζεται από πλήθος πρώτων υλών, πολλαπλούς γεωγραφικά διασκορπισμένους προμηθευτές και διαρκώς μεταβαλλόμενα κανονιστικά πλαίσια. Στο πλαίσιο αυτό, η πρόβλεψη κινδύνων και η αποτελεσματική διαχείριση δεδομένων καθίστανται κρίσιμες λειτουργίες για τη δια-σφάλιση της ποιότητας και της συμμόρφωσης των επιχειρήσεων τροφίμων.
Μέσα από την ανάλυση πραγματικών επιχειρησιακών δεδομένων και την αποτίμηση
λειτουργικών δεικτών, η εργασία ανέδειξε τη συνεισφορά των εργαλείων ΤΝ στη βελ-τίωση της απόδοσης και της αποτελεσματικότητας των διαδικασιών διαχείρισης κινδύ-νων. Η υιοθέτηση της πλατφόρμας FOODAKAI είχε ως αποτέλεσμα τη σημαντική μεί-ωση του χρόνου και των ανθρώπινων πόρων που απαιτούνται για τον ποιοτικό έλεγχο, καθώς και τη μείωση του κόστους που σχετίζεται με τα περιστατικά ασφάλειας τροφί-μων. Παράλληλα, διαπιστώθηκε ενίσχυση της δυνατότητας ιχνηλασιμότητας των κιν-δύνων από τις πρώτες ύλες έως το τελικό προϊόν, καθώς και βελτίωση της διαφάνειας και της τεκμηρίωσης μέσω ψηφιακής αρχειοθέτησης.
Επιπλέον, αναδείχθηκε η σημασία της ΤΝ ως μοχλού οργανωτικής αλλαγής, καθώς η
καθημερινή χρήση της πλατφόρμας ενίσχυσε την κουλτούρα λήψης αποφάσεων βάσει δεδομένων. Τα ευρήματα τεκμηριώνουν τη λειτουργική, οικονομική και στρατηγική αξία της τεχνολογίας αυτής, καθιστώντας την υιοθέτησή της ένα ρεαλιστικό και απο-δοτικό βήμα για επιχειρήσεις του κλάδου.

This study explores the application of artificial intelligence (AI) in the food supply
chain, focusing on the use of the specialized platform FOODAKAI for the prevention and management of food safety risks. The study addresses the increasing complexity of modern supply chains, which are characterized by a vast number of raw materials, ge-ographically dispersed suppliers, and constantly evolving regulatory frameworks. Within this context, risk prediction and effective data management become critical for ensuring product quality and regulatory compliance in food companies.
By analyzing real operational data and assessing key performance indicators, the study
highlights the contribution of AI-based tools to enhancing efficiency and performance in risk management processes. The adoption of the FOODAKAI platform led to a sig-nificant reduction in time and human resources required for quality assurance tasks, as well as a decrease in costs associated with food safety incidents. Additionally, the plat-form improved the traceability of risks from raw materials to final products and en-hanced transparency and documentation through cloud-based digital archiving.
Moreover, the research revealed the transformative role of AI in driving organizational
change, as the daily use of the platform fostered a culture of data-driven decision-mak-ing. The findings demonstrate the functional, economic, and strategic value of AI tech-nologies in food safety management, establishing their adoption as a realistic and ef-fective course of action for companies in the sector.