AI logistika doručení: roboti + drony bez ztrát kvality

Když se řekne „poslední míle“, většina firem si vybaví kurýra a dodávku. Jenže v roce 2025 se tahle část řetězce stává nejdražší, nejpomalejší a zároveň nejvíc viditelnou pro zákazníka. A v potravinách to platí dvojnásob: studené má být studené, teplé má být teplé a okno doručení se počítá na minuty.

Právě proto dává smysl spojovat dva světy autonomního doručování: chodníkové doručovací roboty (pro „mikro-trasu“ v ulicích) a drony (pro rychlý přesun napříč hustou zástavbou). Pilotní spolupráce Serve Robotics a Wing ukazuje jednoduchý princip: robot vyzvedne objednávku u restaurace, doveze ji na překladiště a dron ji doručí zákazníkovi až do vzdálenosti zhruba 6 mil (cca 9,6 km). Na první pohled to vypadá jako technologická zajímavost. Ve skutečnosti je to ukázka toho, kam míří AI v maloobchodu a e‑commerce: od personalizace a řízení zásob k tomu, co zákazník vnímá nejvíc – k doručení.

Proč kombinace robota a dronu dává ekonomický smysl

Klíčové sdělení je prosté: robot a dron řeší odlišné překážky poslední míle a dohromady snižují počet „drahých minut“ i lidských zásahů.

Robot na chodníku zvládá:

• vyzvednutí u provozovny (bez čekání kurýra v koloně),
• pohyb v pomalé městské dopravě, kde je auto neefektivní,
• časté krátké trasy (typicky 0,5–2 km) s mnoha zastávkami.

Dron naopak exceluje v:

• překonání dopravních zácp a uzavírek,
• rychlém doručení na delší „přímou“ vzdálenost,
• stabilním čase doručení (méně závislém na provozu).

Z hlediska nákladů je největší problém u autonomních modelů často paradoxně „banální“: předání zásilky. Každý přechod mezi systémy (restaurace → robot → hub → dron → zákazník) vytváří riziko zpoždění, chyby a reklamace. A přesně tady nastupuje AI.

Co v tom dělá AI (a není to jen navigace)

Většina lidí si pod AI v logistice představí „aby to samo jelo“. To je základ, ale obchodní efekt přichází jinde:

1. Predikce poptávky a předpozicování kapacity

   • AI plánuje, kolik robotů a dronů má být v jaké části města v jaký čas.
   • V praxi to snižuje čekání na přiřazení doručení a zkracuje SLA.

2. Orchestrace handoffů (předání)

   • Nejkritičtější moment je synchronizace: robot dorazí „na minutu“ k hubu, dron je připraven a zásilka se nezdržuje.
   • AI optimalizuje pořadí, sloty a minimalizuje fronty.

3. Řízení kvality potravin v čase (teplota, čas, otřesy)

   • U citlivých položek (sushi, zmrzlina, hotovky) je často lepší garantovat 25 minut než „možná 15, možná 45“.
   • AI umí rozhodnout, zda objednávku poslat dronem, robotem, nebo klasicky – podle rizika zhoršení kvality.

Co si z toho vzít pro potravinářství a zemědělství (farm‑to‑table v praxi)

Téma našeho seriálu je AI v maloobchodu a e‑commerce, ale tahle zpráva má přímý přesah do zemědělství a potravinářství. Doručení je totiž poslední článek řetězce, který začíná na poli nebo ve výrobě.

Stejná logika optimalizace, jen jiné prostředí:

• V precizním zemědělství AI plánuje zásahy (hnojení, závlahu) podle dat.
• V logistice plánuje přesuny (trasy, sloty, kapacitu) podle poptávky a omezení.

Když obchodník zvládne doručovat rychleji a spolehlivěji, může si dovolit:

• prodávat širší sortiment čerstvých položek,
• zkracovat skladové zásoby (menší odpisy),
• nabídnout časová okna doručení s vyšší přesností.

Tohle je mimochodem důležité i pro české prostředí: náklady práce rostou, zákazníci jsou citliví na cenu doručení a kvalitu, a zároveň se zvyšuje tlak na omezení emisí v centrech měst. Autonomní doručování tu nebude „hračka“, ale nástroj pro udržení marže.

Největší riziko: předání zásilky a důvěra zákazníka

Nejsem skeptik vůči autonomii, ale nejvíc projektů padá na provozních detailech. V modelu robot + dron jsou tři slabá místa:

1) Handoff není video, handoff je proces

Pokud se předání odehrává na „hubech“ (překladištích), je potřeba vyřešit:

• identifikaci zásilky (bezchybné párování objednávka–balík),
• zabezpečení (aby balík nešel snadno odcizit),
• teplotní režim (čekání na dron nesmí ohrozit kvalitu),
• špičky (fronty v pátek večer).

AI tady funguje jako dispečer: hlídá časy, vytížení a dělá rozhodnutí typu „tuhle objednávku radši přesměruj na robota až k zákazníkovi, dron se zpozdí“.

2) Regulace a provozní omezení

Drony se nerozjíždějí tak rychle, jak kdysi sliboval marketing. Důvody jsou jasné: vzdušný prostor, bezpečnost, hluk, meteorologie, povolení. V českých městech se dá čekat, že první masovější nasazení bude spíš:

• v okrajových částech, průmyslových zónách, logistických areálech,
• u specifických zásilek (např. urgentní dodávky),
• v hybridních modelech s jasně definovanými koridory.

3) UX: zákazník chce jednoduchost

Zákazníka nezajímá, jestli doručuje robot nebo dron. Zajímá ho:

• kdy to přijde,
• v jakém stavu,
• co když nejsem doma,
• jak snadno vyřeším problém.

E‑commerce firmy často přepálí technologii a podcení servisní vrstvy. Autonomie bez „lidského fallbacku“ a dobré podpory je recept na špatné recenze.

Jak to využít v praxi: checklist pro retail a gastro

Pokud jste e‑shop s potravinami, řetězec, dark store, výrobce s D2C nebo větší gastro síť, dává smysl začít u dat a procesů. Technologie (robot/dron) je až třetí krok.

1) Zmapujte objednávky podle „logistických profilů“

AI funguje nejlíp, když má co optimalizovat. Rozdělte objednávky minimálně takto:

• teplotně citlivé (chlazené/mražené/teplé),
• časově kritické (obědy, večeře, dárky „na dnes“),
• objemné vs. malé (limity pro roboty i drony),
• rizikové na reklamace (např. křehké dezerty).

Pak definujte, co je „kvalita doručení“: například doručení do 35 minut a teplé jídlo nad určitou teplotní hranicí (měřitelné senzorem v obalu nebo při testech).

2) Zaveďte dynamické přiřazování dopravy

Nejdřív klidně bez robotů a dronů. Princip je stejný:

• dopravní režim se volí podle kapacity, počasí, dopravní situace a hodnoty košíku,
• cílem je minimalizovat součet nákladů + rizika reklamace.

V praxi to může znamenat, že ve špičce přepnete část objednávek na delší okno, ale garantujete kvalitu. Zákazníci to často přijmou lépe než zpoždění bez vysvětlení.

3) Připravte „handoff-ready“ balení

Hybridní doručení nutí firmy přemýšlet o obalu jinak:

• jednoduché, bezpečné uzavření,
• stabilita proti otřesům,
• jasná identifikace (strojově čitelná),
• teplotní izolace na dobu čekání v hubu.

Dobře navržené balení je v autonomii stejně důležité jako software. A často levnější než řešit reklamace.

4) Měřte metriky, které mají dopad na marži

Doporučuju držet si pár tvrdých KPI, které se dají porovnávat mezi režimy doručení:

• on‑time delivery (%) podle definovaného okna,
• průměrný a 95. percentil doby doručení,
• reklamace na kvalitu / 1 000 objednávek,
• náklad na doručení na objednávku (včetně podpory),
• opakovaný nákup do 30 dnů u zákazníků s rychlým doručením.

Autonomní doručení má smysl, jen když zlepší aspoň dvě z těchto metrik najednou.

Nejčastější otázky z praxe (a přímé odpovědi)

„Není to pro Česko ještě daleko?“

Masové doručování drony ve městech může být otázka delšího času, ale AI orchestrace doručení je aktuální hned. A robotická doručení (v omezených zónách) jsou realistická dřív než drony.

„Co s tím má společného zemědělství?“

Dodavatelský řetězec je jeden celek. Když umíte garantovat doručení, můžete lépe plánovat výrobu, snížit odpady a prodávat čerstvé produkty s menším bufferem. To je přímý dopad na potravinářství i primární produkci.

„Vyplatí se to bez vlastního vozového parku?“

Ano, pokud máte data a jasná SLA. Hybridní model lze brát jako partnerskou službu, ale pořád musíte mít v ruce měření kvality a nákladů.

Kam to míří v roce 2026: doručení jako součást AI řízení obchodu

Z pohledu AI v maloobchodu a e‑commerce je kombinace robotů a dronů jen viditelná špička. Pod ní je trend, který se nebude ptát, jestli se vám líbí: AI propojí poptávku, zásoby a doručení do jednoho rozhodovacího systému.

Kdo to uchopí správně, nebude „jen rychle doručovat“. Bude:

• lépe řídit zásoby (menší odpisy čerstvého),
• lépe plánovat výrobu a kompletaci,
• nabízet zákazníkům přesnější časová okna,
• a hlavně: mít pod kontrolou náklady poslední míle.

Pokud chcete posunout svůj food e‑commerce nebo logistiku čerstvých produktů, začněte tam, kde bývá nejvíc zmatku: u dat o objednávkách, kvalitě doručení a u procesu předání. Technologie se pak vybírá mnohem snadněji.

A teď ta otázka, kterou by si měl položit každý retail a gastro tým: Kdyby vám AI zítra umožnila garantovat přesný čas doručení a nižší reklamace, co by to udělalo s vašimi prodeji a marží?