AI drony v rozvozu jídla: co změní v logistice

Doručit teplé jídlo „na klik“ je logisticky těžší, než si většina lidí připouští. Nejde jen o kuchyň a kurýra. Jde o to, aby se správná věc dostala na správné místo ve správný čas – a aby to celé dávalo ekonomický smysl i při špičkách, výpadcích a měnící se poptávce. Právě proto je rozvoz jídla zajímavý i pro náš seriál „Umělá inteligence v maloobchodu a e-commerce“: poslední kilometr je často nejdražší a nejméně předvídatelná část řetězce.

Americký příklad je v tomhle směru hodně výmluvný. Startup Flytrex spolu s partnerem Causey Aviation Unmanned (CAU) získali v roce 2023 certifikaci FAA Part 135, která je v USA zásadní pro komerční doručování „cizího“ zboží dronem mimo vizuální dohled. Tím se zařadili mezi pouhou hrstku firem, které mají regulatorně otevřené dveře ke škálování doručování drony.

Pro české e-commerce, retail a potravinářské hráče to není jen „americká zajímavost“. Je to ukázka, jak bude vypadat další etapa automatizované logistiky – a hlavně, jakou roli v ní hraje AI: od plánování tras přes bezpečnostní rozhodování až po řízení kapacity a zásob.

Co znamená „FAA Part 135“ a proč je to pro drony zlomové

Part 135 je v praxi licenční práh pro škálovatelný komerční rozvoz drony mimo přímý dohled operátora. Nejde o „další papír“. Je to režim, který umožňuje provozovat doručování jako skutečnou přepravní službu – s přísnými požadavky na bezpečnost, postupy, údržbu a provozní kontrolu.

Ve zdroji zaznělo jasně: Part 135 je podle amerického regulátora jediná cesta, jak mohou malé drony legálně vozit zásilky za úplatu a BVLOS (Beyond Visual Line of Sight). A to je přesně ta hranice, která rozhoduje, jestli drony zůstanou „pilot“ v pár lokalitách, nebo jestli se z nich stane logistická vrstva napříč regionem.

Flytrex a CAU se tím přidali k omezenému klubu (Amazon/Prime Air, Wing, UPS, Zipline…). Pro trh je důležité hlavně to, že se potvrzuje model: regulace + standardizace provozu + AI řízení je kombinace, která škálování umožní.

Kde je v drone delivery skutečně AI (a proč bez ní provoz nefunguje)

Drony nejsou „létající kurýři“. Jsou to uzly v datově řízené logistické síti. V momentě, kdy chcete doručovat spolehlivě a ve velkém, nastupují typické úlohy umělé inteligence a pokročilé analytiky.

AI pro plánování tras, času a kapacity

Nejde jen o to „letět z bodu A do bodu B“. Reálný provoz řeší:

• alokaci objednávek mezi dron, výdejní místo a časové okno,
• predikci poptávky (denní rytmus, víkendy, svátky, lokální události),
• optimalizaci flotily (kde stát s drony, jak rotovat baterie, jak minimalizovat prostoje),
• řízení rizik (záložní scénáře, dočasné zóny omezení, provozní pravidla).

Pokud tohle děláte ručně nebo „pravidly od oka“, rychle narazíte na strop. AI/ML modely dávají smysl hlavně proto, že dokážou pracovat s mnoha proměnnými najednou a učí se z historie – podobně jako v e-commerce řízení zásob nebo dynamické cenotvorbě.

AI pro bezpečnostní rozhodování v reálném čase

Bezpečnost není jen o senzorech, ale o rozhodování. Dron potřebuje vyhodnotit situaci a zvolit správnou akci: upravit trajektorii, přerušit misi, vrátit se, přesměrovat se na bezpečný bod.

V článku je popsaný onboarding zákazníka: Flytrex analyzuje, jestli je zahrada vhodná pro doručení (prostor, překážky jako vedení). Tohle je přesně oblast, kde AI pomáhá škálovat:

• automatické vyhodnocení vhodnosti místa (geometrie, překážky, rizika),
• konzistentní bezpečnostní skóre napříč adresami,
• rychlé zařazení adresy do „letové sítě“.

V českém kontextu si představte rozdíl mezi satelitním sídlištěm s malými zahradami, starší zástavbou a např. okrajem města s velkými pozemky. AI umožní z toho udělat systém, ne ruční kontrolu.

AI jako „mozek“ pro propojení skladu, kuchyně a posledního kilometru

V potravinách rozhodují minuty a teplota. Dron sám o sobě nic nevyřeší, pokud není sladěný:

• s přípravou objednávky (kdy je jídlo hotové),
• s balením (hmotnost, rozměry, stabilita, teplotní režim),
• se skladovým systémem (dostupnost položek, substituce),
• se zákaznickou komunikací (ETA, instrukce k předání, notifikace).

Tohle je klasické téma retailu a e-commerce: AI dává smysl, když propojí data a rozhodování napříč procesem. Drone delivery je jen nejviditelnější „špička ledovce“.

Co ukazuje Flytrex: škálování není o dronu, ale o síti

Podle dostupných informací Flytrex provozoval několik doručovacích stanic v Severní Karolíně a jednu v Texasu a doručil desítky tisíc položek do stovek tisíc domácností. Ta konkrétní čísla jsou méně důležitá než princip: síť stanic + opakovatelný onboarding adres + standardizovaný provoz.

To je dobrá lekce i pro české prostředí. Pokud někdo uvažuje o drone delivery (nebo obecně autonomním doručování), nejčastěji udělá jednu z těchto chyb:

1. Začne technikou místo procesem. Koupí drony, ale nemá vyřešené balení, předání, zákaznickou zkušenost.
2. Podcení data. Bez dobrých adresních dat, mapových podkladů, objednávkových logů a provozních telemetrií není co optimalizovat.
3. Nemá fallback. Autonomní doručení musí mít jasný plán B (kurýr, box, odložení, refundace) – jinak zákaznická důvěra padá rychle.

Flytrex navíc ukazuje ještě jednu věc: regulátor není „překážka“, ale součást škálování. V článku je zmíněná spolupráce s programy pro integraci bezpilotních systémů. Z pohledu byznysu to znamená: čím dřív je compliance a bezpečnostní argumentace součástí produktu, tím rychleji lze růst.

Dopad na e-commerce a retail v ČR: kde dává drone delivery smysl (a kde ne)

Drony dávají smysl tam, kde je vysoká hodnota rychlosti a zároveň logistické tření. Ne všude a ne pro všechno.

Kde je návratnost nejpravděpodobnější

• Příměstské lokality s rodinnými domy a možností bezpečného předání na pozemku.
• Expresní doručení potravin (hotové jídlo, čerstvé položky, „zapomněl jsem“ nákup).
• Zdravotní a citlivé zásilky (v jiných zemích běžný use-case), kde rychlost a spolehlivost převáží cenu.
• B2B doplňování mezi pobočkami nebo výdejními místy na kratší vzdálenosti.

Kde to bude narážet

• Hustá městská zástavba (hluk, bezpečnost, složité přistání/předání).
• Doručení „na balkon“ bez jasného místa pro shoz/odložení.
• Příliš široké produktové portfolio bez standardizace balení.

Moje zkušenost z logistických projektů je, že technologie vyhraje až ve chvíli, kdy je nudná: rutinní, měřitelná, opakovatelná. A drony se k tomu přibližují právě díky AI a standardům provozu.

Praktický checklist: co si připravit, než začnete s AI logistikou (drony nebo bez nich)

Drony jsou viditelné. Ale většina hodnoty je v systému. Pokud jste retailer, e-shop nebo food hráč, tyhle kroky dávají smysl i bez jediné vrtule:

1. Zmapujte poslední kilometr na čísla
   • průměrný čas doručení, rozptyl (p50/p90), míra nedoručení, reklamace, náklady na jednu objednávku.
2. Zaveďte ETA jako produktový závazek
   • ne „někdy do hodiny“, ale realistická ETA s průběžnou aktualizací.
3. Predikujte špičky a připravte kapacitu
   • AI predikce poptávky je často rychlejší ROI než nové vozidlo.
4. Standardizujte balení pro automatizaci
   • hmotnostní kategorie, stabilita, teplotní režim, „fit“ do přepravního řešení.
5. Vybudujte rozhodovací pravidla a fallback scénáře
   • co se stane při výpadku, větru, zavřené prodejně, chybě adresy.

Tenhle checklist je zároveň dobrý filtr: pokud některý bod neumíte naplnit, drone delivery by vám pravděpodobně přineslo víc chaosu než užitku.

Co čekat v roce 2026: spojení AI, regulace a zákaznické zkušenosti

Největší posun přijde ve chvíli, kdy se autonomní doručení propojí se zbytkem retailového stacku. Tedy když AI nebude jen „pro dron“, ale pro celý tok objednávky: od personalizované nabídky přes řízení zásob až po doručení.

A to je i pointa pro náš seriál o AI v maloobchodu a e-commerce: zákazník nehodnotí, jestli máte ML model nebo dron. Hodnotí, jestli mu dorazilo správné jídlo rychle a bez stresu.

Pokud chcete z AI vytěžit leady i reálnou provozní hodnotu, začal bych u jednoduché, ale tvrdé otázky: Která část vaší logistické zkušenosti je dnes nejvíc nepredikovatelná – a jaká data by ji udělala řiditelnou?