Podzemní doručování: AI logistika pro jídlo bez zpoždění

Mnoho firem pořád sází na stejný recept: poslat kurýra do provozu a doufat, že to „nějak vyjde“. Realita e‑commerce i gastro-doručování v roce 2025 je ale jinde. Náklady na poslední míli rostou, zákazníci jsou méně tolerantní ke zpoždění a města zavádějí další omezení pro dopravu. A právě tady začíná dávat překvapivý smysl nápad, který zní skoro jako sci‑fi: doručování jídla a drobných nákupů pod zemí.

V americké Atlantě (přesněji v oblasti Peachtree Corners) spustil startup Pipedream první nasazenou podzemní doručovací síť: potrubní trasu dlouhou zhruba jednu míli, která propojuje nákupní zónu a inovační hub. Nejde jen o „roboty v tubusu“. Je to konkrétní ukázka toho, kam se posouvá AI logistika v maloobchodu a e‑commerce: automatizace, predikce poptávky, řízení kapacit a doručení s menším třením pro zákazníka.

Proč podzemní doručování řeší problém, který drony nevyřešily

Podzemní síť je hlavně odpověď na stabilitu a škálování, ne na wow efekt. Drony a chodníkoví roboti narážejí na počasí, regulaci, bezpečnost a „posledních 30 metrů“ (kde to často stejně musí vyřešit člověk). Potrubí pod zemí je nudnější, ale předvídatelnější.

Z praktického pohledu má podzemní logistika tři výhody:

1. Neřeší dopravní špičky. Rychlost není závislá na kolonách.
2. Je chráněná před počasím. Déšť, vítr ani horko nemění výkon systému.
3. Je bezpečnější pro zboží i provoz. Méně interakcí s okolím, menší riziko poškození.

V e‑commerce je „spolehlivost doručení“ často cennější než rekordní rychlost. Zákazník odpustí doručení za 35 minut, když to bude konzistentně 35. Neodpustí „dnes 20, zítra 75“.

Co se vlastně v Atlantě spustilo

Pipedream v Peachtree Corners nasadil téměř míli dlouhou trasu propojující nákupní centrum a inovační centrum (Curiosity Lab, cca 25 000 ft²). Zaměstnanci v hubu si mohou objednat jídlo a menší položky z okolních podniků; zásilky pak vezou autonomní doručovací roboti potrubím do cílového bodu.

To podstatné: nejde o koncept, ale o reálně fungující logistickou infrastrukturu v prostředí, kde dává smysl (kompaktní areál, jasné uzly, opakovatelná poptávka).

Kde přesně do toho vstupuje AI: „robot“ je jen špička ledovce

AI v logistice není jen o tom, že se něco „samo hýbe“. Skutečná hodnota je ve chvíli, kdy systém umí rozhodovat: kdy co poslat, jak rozložit kapacitu, jak předejít zácpě v síti a jak sladit přípravu jídla s dopravou.

V praxi se AI v podobném modelu propisuje do čtyř vrstev:

1) Predikce poptávky a plánování špiček

V kampusech, office parcích nebo plánovaných čtvrtích je poptávka rytmická: obědy, akce, páteční špička, sezónnost. AI modely (typicky časové řady + signály z objednávek, kalendářů, eventů) umí:

• předpovědět, kdy přijde vlna objednávek,
• přidělit kapacitu (kolik „vozíků“/robotů držet v pohotovosti),
• doporučit podnikům, kdy začít s přípravou.

Výsledek: méně čekání a méně zkažené kvality (u jídla je to zásadní).

2) Orchestrace a řízení toku v síti

Podzemní trasa je vlastně „jednokolejka“ v potrubí. Jakmile do toho pustíte více zásilek, potřebujete řídit:

• pořadí průjezdů,
• předjíždění / výhybky (pokud existují),
• vyrovnávání front,
• prioritizaci (např. teplé jídlo vs. drogerie).

AI tu funguje jako dispečer: minimalizuje prostoje a hlídá SLA (doručovací časy). V e‑commerce je to analogie k „warehouse control system“, jen přesunutá do distribuční mikro-sítě.

3) Sledování kvality a „stav zásilky“ v reálném čase

U jídla nestačí vědět, kde je balíček. Důležité je i v jakém stavu.

• teplota (u teplých jídel),
• otřesy / náklon (u křehkých položek),
• doba od zabalení.

Senzory + AI detekce anomálií umožní rychle poznat, že se něco děje (zdržení, blokace, neobvyklé vibrace) a systém přesměruje tok nebo spustí servisní zásah dřív, než vznikne problém.

4) Integrace do retailu: personalizace a dostupnost

Tady se to hezky napojuje na naši sérii „Umělá inteligence v maloobchodu a e‑commerce“. Jakmile existuje spolehlivý doručovací kanál, e‑shop nebo gastro aplikace může začít dělat to, co zákazníci opravdu cítí:

• zobrazovat reálné doručovací okno (ETA) podle zatížení sítě,
• nabízet alternativy (když je kuchyň přetížená, ale síť volná),
• dynamicky řídit zásoby „blízko“ zákazníka (mikro-fulfillment).

Jinými slovy: AI přestává být „doporučovací lišta“ a stává se operačním mozkem doručení.

Co si z toho může vzít český retail, gastro a (ano) i agri‑food

Podzemní potrubí v českých městech zítra kopat nebudeme. Ale principy, které ten model demonstruje, se dají použít hned – a navíc dobře navazují na téma kampaně AI v zemědělství a potravinářství: optimalizace end‑to‑end řetězce od výroby po zákazníka.

„Od pole po talíř“ končí doručením. A to často skřípe nejvíc.

V potravinářství se řeší výnosy, skladování, data z výroby. Jenže pak přijde poslední úsek:

• rozvoz do prodejen,
• doplňování regálů,
• doručování zákazníkům.

A právě tady vzniká velká část ztrát: opoždění, špatné teplotní podmínky, přeplánování tras, ruční improvizace. Pokud AI umí snížit variabilitu a zlepšit plánování, dopad je okamžitý: méně odpadu a stabilnější kvalita.

Kde by „uzavřené sítě“ dávaly smysl i u nás

Podzemní nebo jinak oddělené doručovací koridory (třeba vnitroareálové) jsou realistické v místech, kde je jasná koncentrace poptávky:

• nemocniční areály (jídlo, lékárna, drobné zásoby),
• univerzitní kampusy,
• logistické parky + administrativní zóna,
• nové developerské čtvrti s retail parterem,
• velké výrobní závody s kantýnami a prodejnami.

Nejde o futurismus. Je to stejné uvažování jako u automatizovaných skladů: když je tok opakovatelný, automatizace vychází.

Praktický checklist: jak poznat, že vám AI logistika začne vydělávat

Podzemní síť je kapitálově náročná. Ale AI řízení doručení a zásob je dnes dostupné i bez stavebních zásahů. Tohle jsou signály, že dává smysl jednat:

• Máte špičky, které opakovaně nezvládáte (obědy, víkendy, akce).
• Zákazníci si stěžují na ETA a konzistenci, ne jen na cenu.
• Plýtváte jídlem kvůli zpoždění nebo přetížení kuchyně.
• Řešíte vysoké náklady na poslední míli a kurýrní variabilitu.
• Máte více výdejních míst / poboček a potřebujete orchestrace.

Co bych udělal jako první (a funguje to i bez velkých investic):

1. Zaveďte měření: čas od objednávky po zabalení, po převzetí, po doručení.
2. Udělejte jednoduchou predikci špiček (třeba po 15 minutách) a porovnejte plán vs. realitu.
3. Nastavte pravidla pro prioritizaci (teplé jídlo, zákazník VIP, objednávka s garancí).
4. Teprve potom automatizujte. Automatizace chaos jen zrychlí.

„Nejrychlejší doručení je to, které se nemusí zachraňovat dispečerem.“

Co může podzemní doručování pokazit (a proč to není detail)

Když se o podobných projektech mluví, často se přeskakují rizika. Přitom právě ta rozhodují o návratnosti.

• Údržba a servisní přístup: potrubí je infrastruktura. Bez plánu údržby a diagnostiky se z toho stane drahá černá skříňka.
• Bezpečnost a hygienické standardy: u potravin musí být jasné, jak se čistí přepravní kapsle a koncové body.
• Integrace s provozem restaurací/obchodů: když kuchyň nestíhá, síť je vám k ničemu. AI musí propojit přípravu i dopravu.
• Ekonomika jednotky: nejlépe to vychází tam, kde je vysoká frekvence malých zásilek na krátké vzdálenosti.

Moje zkušenost z projektů kolem retail dat je jednoduchá: technologie se dá koupit, ale provozní disciplína se musí vybudovat.

Co čekat v roce 2026: od „poslední míle“ k „mikro‑koridorům“

Podzemní síť v Atlantě je signál, že se logistika začne více štěpit na specializované kanály. Vedle kurýrů a boxů porostou:

• mikro-fulfillment sklady u měst,
• automatizované výdejní uzly,
• uzavřené doručovací koridory v areálech,
• AI dispečink, který v reálném čase spojuje zásoby, přípravu a dopravu.

A to je přesně místo, kde se potkává AI v maloobchodu a e‑commerce s AI v potravinářství a zemědělství: zákazník chce dostupnost, čerstvost a přesnost. Řetězec, který to doručí bez chaosu, vyhrává.

Pokud řešíte, jak zlepšit doručovací časy, snížit plýtvání a sladit zásoby s poptávkou, vyplatí se dívat na logistiku jako na datový problém, ne jen jako na „rozvoz“. Kterou část svého doručování byste dnes dokázali řídit algoritmicky – a kterou pořád řídíte telefonáty a improvizací?