AI doručovací roboti: reklama, data a nový příjem

50 malých doručovacích robotů v brandu jedné potravinářské značky projíždí kolem stadionu, rozdává vzorky a zároveň sbírá data o pohybu a „impresích“ v reálném světě. Nejde o sci‑fi. Je to praktický marketingový kanál, který vznikl z technologie původně stavěné na logistiku.

A právě to je na celé věci nejzajímavější: autonomní doručování už dnes není jen o tom „dovézt jídlo“. Je to o monetizaci provozu, o práci s daty a o tom, jak se AI postupně vtírá do každého článku řetězce od farmy po vidličku – včetně maloobchodu a e‑commerce, kterému se v této sérii věnujeme.

Případ Kiwibot (firma s flotilou stovek sidewalk robotů) ukazuje, kam se posouvá byznys model doručovacích startupů: k reklamě mimo domov, přesnému cílení v terénu a měřitelnému výkonu kampaní. A pro české potravináře, retail i e‑shopy je to užitečná lekce: kdo má pohyb v terénu, má inventář. Kdo má data, má páku na marži.

Proč se doručovací roboti mění v „mobilní média“

Doručování na poslední míli je drahé a v městském prostředí plné proměnných. Robotické doručování sice snižuje část mzdových nákladů, ale přináší jiné položky: servis, baterie, dohled operátorů, pojištění, mapování tras, bezpečnostní požadavky měst. Čistě logistický byznys je proto u mnoha startupů napjatý.

Řešení? Najít další příjem, který nesouvisí jen s počtem doručených objednávek. Kiwibot na to šel přímo: koupil firmu zaměřenou na mobilní venkovní reklamu a tím si otevřel cestu k tomu, aby jeho roboti nebyli jen „vozítka“, ale také měřitelný reklamní formát.

V marketingu existuje jednoduché pravidlo: jakmile se dá něco měřit, dá se to prodávat dráž. A tady přichází AI.

Co přesně na tom dělá AI (a proč to zajímá e‑commerce)

Aby se z robota stal reklamní kanál, nestačí na něj nalepit samolepku. Hodnota vzniká ve chvíli, kdy dokážete:

• plánovat trasy podle cílů kampaně (kde je nejvyšší pěší provoz, jaká je skladba publika, kdy je špička),
• propojovat pohyb v terénu s reportingem (impresní odhady, kontaktní zóny, doba expozice),
• optimalizovat v reálném čase (když je ulice zavřená, akce se přesune, počasí změní proudy lidí).

Tohle je stejná logika, jakou vidíme v retailu u řízení zásob nebo u personalizace nabídek: AI se neprodává jako „chytrý model“, ale jako schopnost rychleji a přesněji rozhodovat.

Super Bowl jako test: méně TV, víc terénu a „earned media“

Velké sportovní akce jsou laboratoř. Na jedné straně extrémně drahá reklama (u velkých eventů se 30 sekund v TV pohybuje v řádech milionů dolarů), na druhé straně hlad publika po zážitku a sdílení na sociálních sítích.

Kiwibot nasadil desítky brandovaných robotů v okolí stadionu, aby propagoval potravinářský produkt – a roboty navíc rozdávaly vzorky. Tahle kombinace je důležitá:

1. Reklama (vizuální expozice v davu)
2. Aktivace (vzorek a interakce)
3. Data (kde robot byl, jak dlouho, jaké trasy fungovaly)

Z pohledu maloobchodu a e‑commerce je to blízké tomu, co se dnes děje s retail médií (retail media): značky chtějí výkon, měření a cílení. Rozdíl je v tom, že místo banneru na e‑shopu se tu cílení odehrává v ulicích.

Zapamatujte si jednu větu: „Robot není jen dopravní prostředek. Je to senzor, kanál a distribuční bod v jednom.“

Co si z toho může vzít český potravinář, retail nebo e‑shop

Ne každý bude mít vlastní flotilu robotů. Ale principy se dají přenést prakticky okamžitě – a často s menším rizikem.

1) Monetizace logistiky: když už jezdíte, prodávejte i pozornost

V Česku má spousta firem vlastní rozvoz (chlazené dodávky, kurýrní auta, městské cargo). Typická chyba: logistika je vnímána jen jako nákladové středisko.

Lepší přístup:

• Vytipujte trasy s vysokou frekvencí a stabilním opakováním (např. denní rozvoz do center měst).
• Zkuste pilotně nabídnout „brandovaný rozvoz“ partnerské značce (spolupráce, co‑branding, sampling).
• Postavte jednoduchý reporting: kde se jezdilo, kolik km, jaké časy, jaké lokality.

AI vám tady pomůže v tom, že z provozních dat udělá obchodní produkt: plánování tras, odhady expozice, doporučení optimálních oken.

2) Retail media v terénu: cesta k výkonu i mimo e‑shop

Retail media se v e‑commerce opírá o data o nákupech, vyhledávání a chování uživatele. V terénu to jde jinak – přes pohyb, čas a kontext.

Co lze měřit a optimalizovat i bez „špionáže“:

• počet průjezdů/posunů v definované zóně,
• čas strávený na exponovaných místech,
• návaznost na prodeje v okolních prodejnách (agregovaně),
• odezva na sampling (kolik kusů, jaké časy, jaké lokality).

Důležité je nastavit to férově a v souladu s pravidly. Evropský kontext je přísnější na soukromí než USA, takže pokud pracujete s citlivějšími daty, držte se agregace, anonymizace a jasných procesů.

3) „Od farmy po vidličku“: stejné AI principy jako v zemědělství

V kampani o AI v zemědělství a potravinářství často řešíme predikce výnosů, monitoring porostů, optimalizaci závlah nebo plánování sklizně. Na první pohled to s roboty na chodníku nesouvisí.

Souvisí – princip je identický:

• Senzory a data (v poli drony/satelity, ve městě flotila robotů/vozidel)
• Modely a predikce (v zemědělství choroby/výnos, v retailu poptávka/trasy)
• Operativní rozhodování (kdy zalévat vs. kudy jet, kde aktivovat reklamu)

Kdo zvládne AI v logistice a distribuci, má často blízko k tomu, aby zvládl i AI v nákupu surovin, plánování výroby a řízení zásob.

Jak postavit pilot: 30 dní, 5 metrik, jasná odpovědnost

Nejrychlejší cesta, jak z podobné inspirace vytěžit leady i interní podporu, je krátký pilot. Tady je rámec, který se mi v praxi osvědčil.

5 metrik, které dávají smysl (a nezabijí vás reportingem)

1. Náklad na trasu (Kč/km nebo Kč/stop) – a jeho změna po optimalizaci
2. Včasnost doručení (on‑time rate) – protože marketing nesmí rozbít servis
3. Využití kapacity (naplnění boxu/auta) – typicky největší skrytá ztráta
4. Expozice kampaně (agregovaný odhad: zóny × čas × průjezdy)
5. Příspěvek na marži z partnerství (fix + výkonové složky)

30denní postup

• Týden 1: vyberte 1–2 trasy a 1 partnera (značka, lokální producent, privátní label)
• Týden 2: nasazení měření, jednoduché dashboardy, základní pravidla (kde lze stát, kde ne)
• Týden 3: optimalizace tras podle reálného provozu a zásobování
• Týden 4: vyhodnocení, rozhodnutí: škálovat / upravit / stop

Cíl není dokonalost. Cíl je zjistit, jestli máte prodejný „logistický inventář“ a jestli ho AI dokáže zhodnotit.

Nejčastější slepé uličky (a jak se jim vyhnout)

„Uděláme z toho PR, ono se to chytí“

Novost přitahuje pozornost jen chvíli. Pokud nemáte měření a návaznost na prodej, skončí to jako hezké video bez dopadu.

„Marketing si to pojede sám“

U podobných projektů musí být u stolu provoz, bezpečnost, právník i obchod. Jinak si koledujete o konflikt: marketing bude chtít stát na nejrušnějším rohu, provoz bude řešit zácpy a stížnosti.

„AI vyřeší chaos v datech“

AI není kouzelná hůlka. Když nemáte jednotné pojmenování tras, zastávek, časových oken a kampaní, modely vám nepomůžou. Pořádek v datech je pořád nejlevnější optimalizace.

Co to znamená pro budoucnost maloobchodu a e‑commerce

Autonomní doručování se bude dál prosazovat, ale ne jako samostatná „robotí služba“. Bude to součást širší automatizace: řízení zásob, predikce poptávky, dynamické plánování rozvozu a nové reklamní formáty.

Ať už prodáváte potraviny, provozujete e‑shop, nebo jste výrobce, který řeší distribuci, zkuste si položit praktickou otázku: Kde ve vašem řetězci vzniká pohyb, který se dá změřit a zpeněžit – bez toho, aby to zhoršilo zákaznickou zkušenost?

Pokud chcete, můžeme to rozebrat na konkrétním scénáři (vaše trasy, typ zboží, sezónnost, hustota objednávek) a navrhnout pilot, který dává byznysově smysl. V prosinci 2025 tohle téma typicky nabírá na důležitosti: firmy plánují rozpočty, vyhodnocují sezónu a hledají příjmy, které nejsou závislé jen na slevách.

Zajímá mě jedna věc: kdybyste měli zítra zmonetizovat „poslední míli“ ve vaší firmě, byl by to spíš výkon (rychlost), data (reporting), nebo mediální prostor (reklama)?