Autonomní rozvoz čerstvých potravin: co mění „middle mile“

Čerstvé potraviny mají jednu krutou vlastnost: každá hodina navíc v logistice snižuje kvalitu a zvyšuje riziko odpadu. U pečiva je to vidět hned, u chlazených výrobků o něco později, ale u ovoce, zeleniny, masa nebo mléčných produktů se „čas v krabici“ rychle překlápí do nižší prodejnosti, slev a ztrát.

A právě proto dává smysl, že se velcí hráči potravinového retailu pouštějí do automatizace tam, kde to zákazník běžně ani nevidí: do takzvané middle-mile logistiky. V USA se Kroger domluvil se společností Gatik na nasazení autonomních „box trucků“ pro přepravu čerstvého zboží mezi plnicím centrem a prodejnami. Není to jen technologická zajímavost. Je to velmi praktický signál, kam se posouvá AI v maloobchodu a e-commerce – směrem k přesnějšímu plánování, vyšší dostupnosti a menšímu plýtvání.

Níže rozebírám, co middle mile ve skutečnosti znamená, proč je pro čerstvé zboží kritická, jak do toho vstupuje AI a robotika, a co si z toho mohou odnést i firmy v ČR.

Proč je „middle mile“ největší skrytá brzda čerstvosti

Middle mile je přeprava mezi logistickými uzly – typicky mezi Customer Fulfillment Center (CFC) nebo distribučním centrem a jednotlivými prodejnami či mikrohuby. Není to „poslední kilometr“ k zákazníkovi, ale právě ten úsek, který rozhoduje o tom, jestli se zboží dostane do regálu včas.

V potravinách má middle mile tři typické problémy:

1. Nespolehlivost rytmu závozu – když je výkyv v dopravě, personálu nebo kapacitách, regál to pozná.
2. Nepružná okna pro objednávky – e-commerce roste, ale bez pružné logistiky musíte dřív „zavřít“ cut-off čas.
3. Nákladovost a ztráty – u čerstvého zboží se chyby v teplotě a čase platí dvakrát: logisticky i znehodnocením.

Kroger a Gatik staví právě na tom, že zvýšení frekvence a spolehlivosti přepravy zkrátí dobu, kdy zboží „čeká“, a tím podpoří dostupnost i kvalitu.

Co přesně Kroger s Gatikem dělá (a proč je to chytré)

Základní pointa je jednoduchá: autonomní středně těžké nákladní vozy budou převážet čerstvé produkty z CFC v Dallasu do vybraných prodejen. Vozy mají zhruba 20stopý chladírenský nástavbový prostor schopný vézt ambientní, chlazené i mražené zboží v jednom logistickém režimu.

Co z toho plyne v praxi:

• Více stejnodenních časů vyzvednutí (same-day pickup) pro zákazníky.
• Flexibilnější cut-off časy pro online objednávky.
• Provoz v režimu 12 hodin denně, 7 dní v týdnu.

Mně na tom připadá podstatné něco jiného než samotné „bez řidiče“: Kroger tím posiluje schopnost doplňovat zásoby rychleji a pravidelněji, což je pro omnichannel (online + prodejna) zásadní. V momentě, kdy zákazník střídá nákup do košíku a nákup „po cestě z práce“, se zásoby musí chovat jako jedna inteligentní věc – ne jako dvě oddělené reality.

Jak do autonomní dopravy vstupuje AI (a kde je skutečná hodnota)

Autonomní vůz je viditelná špička ledovce. Skutečná hodnota se často rodí v tom, jak se propojí AI pro predikci poptávky, řízení zásob a plánování tras.

AI jako pojistka čerstvosti: od poptávky po regál

Nejlepší scénář pro čerstvé zboží vypadá takhle:

• AI predikuje poptávku po položkách (např. mléko, saláty, kuřecí maso) na úrovni prodejen a časových slotů.
• Systém přepočítá optimální doplňování (kolik, kdy, kam), aby se minimalizovalo vyprodání i přebytky.
• Logistika (middle mile) umí na změnu reagovat rychle – a tady se hodí autonomní kapacita, která se dá plánovat stabilněji.

Výsledek? Méně slev na konci trvanlivosti, méně odpadu, méně „out of stock“.

Robotika v dodávkách jako stabilní kapacita, ne show pro PR

Mnoho firem přeceňuje „wow efekt“ robotů a podceňuje rutinu. V potravinách je rutina zlatá. Pokud autonomní flotila dokáže držet pravidelný takt:

• prodejna lépe plánuje doplňování a směny,
• e-shop si dovolí pozdější cut-off,
• roste spolehlivost slibů zákazníkovi.

Tohle je mimochodem přesně to, co často rozhoduje v soutěži mezi retailery: ne kdo má nejhezčí appku, ale kdo doručí a připraví objednávku konzistentně.

Proč zrovna middle mile dává autonomii největší smysl

Autonomní řízení je nejsnáze nasaditelné tam, kde:

• trasa je opakující se,
• je méně chaotických situací než v centru města,
• operátor kontroluje pevně definované „koridory“.

Middle mile typicky splňuje všechny tři podmínky. A proto vidíme, že Gatik podobné kontrakty realizoval i s dalšími velkými řetězci. Autonomie se tady dá škálovat rozumněji než v „posledním kilometru“.

Co to znamená pro zemědělství a potravinářství: méně odpadu, víc informací

V kampani „Umělá inteligence v zemědělství a potravinářství“ se často mluví o AI na poli (monitoring porostů, predikce výnosů, dávkování vstupů). Já to vidím jako jednu souvislou linku: čím přesnější jsou data a řízení v logistice, tím menší tlak je na „přestřelení“ produkce.

Když retail lépe plánuje a rychleji doplňuje:

• producenti dostávají stabilnější odběrové signály,
• zpracovatelé lépe plánují výrobu,
• klesá potřeba držet „polštáře“ zásob,
• zkracuje se čas od výroby po prodej.

To je dobré nejen pro marži, ale i pro udržitelnost. Potravinový odpad je logistický problém stejně často jako spotřebitelský.

Praktické dopady pro AI v maloobchodu a e-commerce (i bez autonomních kamionů)

Ne každá firma v ČR si zítra pořídí autonomní box truck. Ale principy, které z toho plynou, jsou přenositelné hned.

1) Zkraťte rozhodovací smyčku mezi poptávkou a závozem

Cíl: aby se plán doplňování nepřepočítával jednou denně, ale průběžně.

• sbírejte prodeje v kratších intervalech (např. po hodinách),
• napojte data z e-commerce (návštěvnost, košíky, pre-objednávky),
• nastavte automatické doporučení doplňování pro top SKU.

2) Zaveďte „čerstvostní KPI“, ne jen logistické

Doporučuji vedle OTIF (On Time In Full) sledovat i metriky jako:

• podíl prodejů ve slevě kvůli blížící se expiraci,
• procento vyhozených kusů v kategoriích s krátkou trvanlivostí,
• průměrný „věk“ zboží při naskladnění do prodejny (kde to jde měřit).

AI pak neoptimalizuje jen náklady, ale reálnou čerstvost.

3) Posuňte cut-off časy tam, kde to logistika unese

Když zákazníkovi nabídnete pozdější uzávěrku objednávky, typicky roste konverze. Ale bez spolehlivé middle mile se vám to vrátí ve stížnostech.

Praktický postup:

1. vyberte 20–50 SKU s vysokou obrátkou,
2. nastavte pilotně pozdější cut-off pro pár prodejen,
3. sledujte dopady na vyprodání, substituce a reklamace,
4. teprve pak škálujte.

4) Připravte data pro automatizaci dopravy

I „obyčejná“ dopravní optimalizace vyžaduje disciplínu v datech:

• přesné časy nakládek/vykládek,
• teplotní logy (u chlazeného řetězce),
• standardizované typy vozidel a kapacit,
• jednotnou definici zpoždění a incidentů.

Autonomie je pak další krok, ne skok do tmy.

Co může brzdit adopci: bezpečnost, regulace, důvěra zákazníků

Autonomní doprava u potravin naráží na tři bariéry:

• Regulační rámec: povolení, provozní režimy, odpovědnost při nehodách.
• Bezpečnost a kyberbezpečnost: vozidlo je „pojízdný počítač“ a musí být chráněné stejně jako infrastruktura.
• Důvěra: retail si nemůže dovolit výpadky u čerstvého sortimentu – reputace bolí víc než u trvanlivých věcí.

Proto očekávám, že se budou nejdřív prosazovat modely, které kombinují autonomii s velmi přísně definovanými trasami, dohledem a postupným rozšiřováním.

Co si z příběhu Kroger × Gatik odnést do roku 2026

Autonomní middle mile není sci-fi. Je to velmi pragmatická odpověď na tlak, který v prosinci 2025 vidíme i v Evropě: zákazník chce čerstvé zboží rychle, v konkrétním slotu, a bez výmluv. A retail na to reaguje tím, že staví logistiku jako software řízený daty.

Pokud jste v maloobchodu, e-commerce, potravinářství nebo dodáváte technologie do těchto oborů, stojí za to dívat se na logistiku stejně vážně jako na marketing:

• AI pro predikci poptávky a řízení zásob je k ničemu, když zboží nepřijede včas.
• Rychlejší a spolehlivější middle mile zlepšuje dostupnost, snižuje odpad a prodlužuje „prodejnou čerstvost“.
• Automatizace se nejrychleji prosazuje tam, kde je provoz opakovatelný – a middle mile to splňuje.

Jestli bude v ČR dřív běžná autonomie nebo extrémně chytré plánování s klasickými řidiči, je vlastně druhotné. Podstatné je to první rozhodnutí: začněte řídit čerstvost jako systém – od dat až po dopravu.

Otázka, která dnes dává největší smysl: Který jeden krok v middle mile by vám už v příštích 90 dnech snížil vyprodání nebo odpisy čerstvých položek?