AI roboti v doručování: co si z toho vzít pro agro

50 malých doručovacích robotů s brandingem sýra rozdává vzorky fanouškům u stadionu a současně měří, kolik lidí je „vidělo“. Není to sci‑fi. Je to reálný marketingový experiment, který v roce 2025 ukazuje, kam se posouvá automatizace v maloobchodu a e‑commerce: robot už není jen „dopravník“, ale médium, datový senzor a prodejní kanál v jednom.

Zpráva o tom, jak Kiwibot nasadil roboty u velké sportovní akce a proč kvůli tomu koupil reklamní firmu, je na první pohled příběh z ulice. Já v tom ale vidím něco důležitějšího pro náš region: stejná logika (robotika + AI + data + nový příjem) se dá přenést i do zemědělství a potravinářství. A v roce 2025, kdy tlak na marže roste, pracovní síla chybí a zákazník chce rychlost i transparentnost, je to prakticky nutnost.

Proč se z doručovacích robotů stávají „data a média“

Doručovací robotika už není jen o tom, jestli stroj dojede z bodu A do bodu B. Klíč je v tom, že pohyb robota vytváří datovou stopu a zároveň přirozený „prostor“ pro monetizaci.

Kiwibot si v roce 2024 koupil firmu zaměřenou na mobilní reklamu (formáty jako polepy aut, reklamy na autech nebo digitální plochy ve vozidlech). Smysl je prostý: doručování je logisticky náročné a drahé. Reklama je naopak byznys, který umí platit za pozornost — a pozornost se na frekventovaných místech měří čím dál přesněji.

Co v praxi znamená „AI + mapy + analytika“

Spojení plánování tras, mapování a analytiky dělá z robotické flotily nástroj, který:

• cílí lokality (např. zóny s vysokou pěší návštěvností),
• optimalizuje trasu podle času, zácp, chodníků a bezpečnosti,
• odhaduje impresi (kolik lidí robota pravděpodobně uvidí),
• vyhodnocuje výkon kampaně podobně jako digitální reklama.

V e‑commerce se tomu říká posun od „doručení“ k řízení zákaznické zkušenosti. Robot se stává kontaktním bodem značky — včetně sběru dat.

Super Bowl efekt: levnější než TV a často měřitelnější

Velké značky běžně utrácí obrovské částky za 30 sekund pozornosti v televizi. Alternativa, kterou Kiwibot předvedl s partnerem z FMCG segmentu, jde jinudy: kombinace fyzické přítomnosti, novosti a sociálního šumu.

Nasazení desítek robotů u stadionu s jasným brandingem a rozdáváním vzorků stojí typicky méně než nejdražší televizní sloty a přináší tři výhody:

1. Zážitek: lidi si robota vyfotí, natočí, sdílí.
2. Distribuce produktu: ochutnávka zkracuje cestu k nákupu.
3. Data: trasy, časy, hustota pohybu, místa s nejvyšší pozorností.

Tahle logika přesně sedí do trendu, který vidíme i v Česku: maloobchod a značky chtějí měřitelný dopad a ideálně i napojení na prodej.

Co si z toho vzít pro český retail a e‑commerce

Nejde o to „poslat robota do Prahy na Karlův most“. Smysl je v principech:

• Offline kanál se musí měřit jako online: zóny, frekvence, konverze.
• Logistika a marketing se sbližují: doručování už není čistý náklad.
• Automatizace musí mít ROI mimo úsporu práce: nový příjem, vyšší obrat, nižší ztráty.

To je důležité i pro potravinářství: pokud máte značku potravin, často bojujete o regál i o pozornost. Mobilní robotika (nebo její obdoba) může být cesta k lokálním aktivacím s přesnějším vyhodnocením.

Od chodníku na pole: stejné stavebnice, jiný terén

Nejzajímavější část příběhu je přenositelnost. Doručovací robot a zemědělský robot se liší prostředím, ale technologicky sdílí stejné „stavebnice“:

• percepce (kamery, lidar, senzory),
• autonomní navigace,
• prediktivní modely (co se stane, když…),
• fleet management (správa flotily),
• telemetrie a reporting.

Jinými slovy: kdo dnes umí řídit stovky malých robotů ve městě, zítra může umět řídit malé roboty ve skleníku, sadu nebo farmě.

Konkrétní paralely pro zemědělství a potravinářství

Tady jsou čtyři přenosy, které dávají smysl už teď:

1. Mikrologistika na farmě a v areálu

   • přesun beden, krmiva, obalů, vzorků do laboratoře,
   • v potravinářství rozvoz materiálu v hale nebo mezi sklady.

2. „OOH“ reklama v agrosektoru jako B2B nástroj

   • ne billboard, ale mobilní demonstrátor: robot/systém ukazuje technologii přímo v místě (výstavy, farmářské dny).

3. Měření výkonu provozu podobně jako marketingu

   • ne jen „kolik jsme sklidili“, ale kde, kdy a proč dochází ke ztrátám, čekání, prostojům.

4. Nové příjmy z dat a služby

   • v zemědělství má data cenu (výnosové mapy, choroby, vlhkost). Firma, která to umí sbírat a balit do služby, nevydělává jen na stroji.

Nové příjmy: nejde jen šetřit, jde vydělávat jinak

Většina firem začne automatizaci počítat přes „kolik ušetříme lidí“. To je slepá ulička. U robotiky a AI v potravinářství a agrosektoru často vychází nejlépe kombinace tří efektů:

• úspora nákladů (méně chyb, méně prostojů, méně reklamací),
• zvýšení obratu (rychlejší expedice, vyšší dostupnost, méně out‑of‑stock),
• nové příjmy (služby, data, partnerství, „reklamní plocha“ v širokém smyslu).

Kiwibot ukazuje konkrétní vzorec: když je core byznys drahý (doručování), hledejte monetizaci vedle něj (reklama, data, služby). V agrosektoru to může být třeba servisní balíček, reporting pro odběratele, nebo garantované parametry kvality podložené daty.

Praktický rámec: jak poznat, že AI projekt dává smysl

Při posuzování AI/robotiky v provozu (ať už ve skladu e‑shopu, potravinářské výrobě nebo na farmě) mi funguje jednoduchý checklist:

1. Metrika, kterou chcete pohnout
   • např. zkrátit čas vychystání o 15 %, snížit ztráty o 2 %, zvýšit dostupnost o 1 p. b.
2. Data, která už máte vs. která musíte sbírat
   • kamery, váhy, senzory, ERP/WMS, ruční zápisy.
3. Rozhodnutí, které bude AI dělat
   • doporučení (člověk potvrzuje) vs. automatické řízení.
4. Vlastník procesu
   • kdo to bude denně používat a nést odpovědnost.
5. ROI do 6–18 měsíců
   • u menších pilotů klidně do 3–6 měsíců.

Pokud některý bod neumíte pojmenovat, projekt se obvykle rozplyne v hezkých prezentacích.

Co čekat v roce 2026: flotily, které obslouží zákazníka i výrobu

Směr je jasný: firmy budou stavět hybridní automatizaci, kde část robotů je „na očích“ (zákaznická zkušenost, doručení, prodej) a část „v zázemí“ (výroba, back‑of‑house, sklad). Konkurence pak nebude mezi „robotickými firmami“, ale mezi firmami, které umí propojit data napříč řetězcem.

V rámci série „Umělá inteligence v maloobchodu a e‑commerce“ tohle navazuje na klíčové téma: řízení zásob, dostupnosti a zákaznické zkušenosti. Doručovací robot je jen jedna z forem, jak dostat správný produkt ke správnému člověku ve správný čas — a ideálně s měřitelným dopadem na marži.

Nejlepší automatizace je ta, která z provozního nákladu udělá měřitelný prodejní kanál.

Další krok pro firmy z agro a potravin

Pokud řešíte AI v zemědělství nebo potravinářství a chcete z toho reálný byznys, doporučil bych začít malým, ale ostrým pilotem:

• vyberte jeden proces (např. interní logistika, kontrola kvality, predikce poptávky),
• nastavte 2–3 metriky a baseline,
• sbírejte data 4–8 týdnů,
• teprve pak automatizujte.

A pak si položte přímočarou otázku: kde se dá vedle úspor vytvořit nový příjem nebo vyšší obrat? Právě tohle odděluje projekty, které „fungují“, od těch, které se skutečně vyplatí.

Co by u vás dávalo největší smysl: AI pro plánování poptávky a zásob, automatizace ve výrobě, nebo robotika v interní logistice?