Chytrý nákupní vozík s AI: méně front, méně odpadu

V roce 2025 už není největší „digitální“ novinkou v potravinách e-shop. Nejrychleji se mění samotná prodejna – a často nejvíc viditelně tam, kde to nikdo dlouho nečekal: u nákupního vozíku. AI nákupní vozíky (smart carts) posouvají samoobslužné placení o úroveň dál: rozpoznají zboží při vložení do košíku, průběžně počítají útratu a zkracují cestu od regálu k odchodu.

Instacart nasadil třetí generaci svého „Caper Cart“ do prvních dvou prodejen v USA (ShopRite a Fairway Market). Na první pohled jde o retail vychytávku. Ve skutečnosti je to ale přední „senzor“ celého potravinového řetězce – od plánování výroby přes logistiku až po řízení zásob. A přesně proto to patří do série Umělá inteligence v maloobchodu a e-commerce: co se děje u zákazníka, zásadně mění i to, co se děje u dodavatelů, skladů a výrobců.

Jak AI nákupní vozík funguje (a proč je to víc než samoobsluha)

AI nákupní vozík je v praxi kombinace kamer (computer vision), senzorů, váhy a displeje. Klíčová věc: zákazník nečeká až u pokladny. „Pokladna“ se přesouvá do košíku.

Konkrétně u řešení typu Caper Cart probíhá nákup takto:

1. Zákazník si vezme vozík u vstupu.
2. Vkládá zboží do košíku – vozík ho rozpoznává a přidává do seznamu.
3. Na displeji vidí běžící součet a položky v košíku.
4. U odchodu jen potvrdí nákup (typicky přes samoobslužnou zónu pomocí kódu z displeje vozíku).

Proč obchodníky zajímá i „nudná“ věc jako nabíjení

U třetí generace vozíku je zásadní detail, který laik snadno přehlédne: stohované nabíjení (nabíjení více vozíků naráz). To je rozdíl mezi pilotem pro pár nadšenců a provozem ve velké prodejně.

V retailu vítězí technologie, která:

• vydrží směnu bez obsluhy,
• nezvyšuje práci personálu,
• nekomplikuje údržbu,
• škáluje na desítky až stovky kusů.

Když musíte vozíky nabíjet jeden po druhém nebo měnit baterie, nadšení rychle vyprchá. Tady je vidět, že trh smart cartů dospěl.

Přínosy pro zákazníka: rychlost, kontrola rozpočtu, méně stresu

Největší přínos AI vozíku je prostý: zkracuje čekání. A před Vánoci, kdy (v Česku i jinde) roste návštěvnost prodejen, to není detail – je to rozdíl mezi pohodovým nákupem a ztraceným večerem.

1) Průběžná kontrola útraty

Běžící součet na displeji zní banálně, ale v praxi má velký dopad:

• zákazník méně „překvapí“ výsledná částka,
• snáz dodrží rodinný rozpočet,
• lépe porovnává varianty (značka vs. privátka, větší balení apod.).

U části domácností se to projeví i menším množstvím impulzivních nákupů. Pro obchodníka to není automaticky špatně – impulzivní prodej může klesnout, ale roste loajalita a spokojenost.

2) Méně tření při nákupu

Klasické samoobslužné pokladny přenesly práci na zákazníka, ale často přidaly komplikace (váha, kontrola položek, čekání na potvrzení věku u alkoholu). Smart cart tenhle problém řeší jinak: validace probíhá průběžně.

3) Personalizace v prodejně (opatrně)

Technicky nic nebrání tomu, aby vozík doporučoval doplňkové položky nebo zobrazoval akce. Část trhu už tím směrem jde.

Mám na to jasný názor: pokud se z vozíku stane „reklamní tablet na kolečkách“, zákazníci ho odmítnou. Personalizace má fungovat jako pomoc, ne jako tlak.

Co je na tom nejdůležitější pro potravinářství a zemědělství

AI nákupní vozík je pro potravinový řetězec zajímavý hlavně tím, že vytváří přesnější, rychlejší a granularnější data o tom, co lidé skutečně kupují – a v jakém kontextu.

1) Přesnější predikce poptávky a objednávek

Tradiční data z pokladen říkají „co se prodalo“. Smart cart může říct i:

• co se vzalo do košíku a pak vrátilo do regálu,
• jaké položky se kupují společně v rámci jedné mise (např. „nedělní oběd“),
• jak se poptávka mění podle denní doby.

Tohle jsou signály, které se dají převést do lepšího plánování:

• objednávek na sklad,
• doplňování regálů,
• i výroby (u čerstvých kategorií přes kratší plánovací cykly).

2) Snižování potravinového odpadu v čerstvých kategoriích

Největší odpisy bývají u pečiva, ovoce a zeleniny, lahůdek a masa. Tam pomáhá každé zpřesnění.

Když obchod dřív viděl jen prodeje, reagoval se zpožděním. Když vidí průběžné chování v prodejně, může:

• rychleji spustit dynamické slevy na končící šarže,
• upravit vystavení a doplňování (méně přerušovaných „dírek“ v regálu),
• lépe plánovat závozy a krájení/produkci v zázemí.

Pro dodavatele (včetně lokálních producentů) to znamená méně návratek, méně ztrát a stabilnější objednávky.

3) „Od farmy ke košíku“ jako jeden datový tok

V zemědělství je dnes běžná precizní agrotechnika: senzory, satelitní snímky, prediktivní modely výnosů. Problém je, že poslední článek – prodej – byl často datově nejchudší.

Smart cart je opak. Dává silná data z konce řetězce. A když se propojí s:

• predikcí výnosu a kvality,
• plánováním sklizně,
• logistikou chlazeného řetězce,

vzniká uzavřená smyčka. Přesně ta, která reálně snižuje ztráty a zvyšuje dostupnost.

Proč teď smart carty nabírají rychlost (a proč některé firmy brzdí)

Trh s chytrými vozíky se poslední roky tříští: vedle Instacartu existují další hráči a různé přístupy. To je zdravé. Zároveň to ukazuje, že „hardwarová“ inovace v retailu není jednoduchá.

Ekonomika musí sedět na provozu, ne na prezentaci

Obchodník neřeší, jak efektně technologie vypadá. Řeší:

• kolik stojí kus a servis,
• kolik ušetří na obsluze a ztrátách,
• jak se změní průchodnost prodejny,
• jaký bude dopad na krádeže a reklamace.

A pak je tu realita: některé firmy v segmentu smart cartů změnily směr a začaly z vozíků dělat spíš mediální plochu (obrazovky pro reklamu a promo). To může být pro obchodníka zajímavý příjem, ale pro zákazníka potenciální otrava. Pokud se ztratí hlavní benefit (rychlý nákup), celý projekt se začne drolit.

Klíčové dilema: pohodlí vs. kontrola

Samoobslužné modely vždycky zvyšují riziko zneužití. Smart carty to řeší kombinací:

• vizuální verifikace (kamera),
• váhových kontrol (váha),
• senzoriky a logiky „co dává smysl“.

Nejlepší implementace je taková, která je pro poctivého zákazníka neviditelná, ale pro nepoctivého nepříjemná.

Praktický checklist pro retail a dodavatele v Česku

Pokud jste retailer, e-commerce manažer, nebo dodavatel do řetězců, chytré vozíky berte jako signál, že se mění „datové centrum“ prodejny. Tady je, co bych si pohlídal při hodnocení:

1) Metriky, které dávají smysl (ne jen demo efekty)

• Zkrácení doby nákupu (minuty na návštěvu)
• Využití vozíků (kolik nákupů na vozík a den)
• Chybovost rozpoznání položek (a typy chyb)
• Dopad na ztráty (shrink) v testované prodejně
• Dopad na odpisy čerstvých kategorií (pečivo, ovoce/zelenina)

2) Integrace do „mozku“ obchodu

Bez integrace do:

• ERP / skladového systému,
• cenotvorby a promo plánování,
• věrnostního programu,

zůstane smart cart izolovaná hračka. Cíl je omnichannel: stejná logika zásob a nabídky napříč prodejnou i online.

3) Data governance a důvěra

Zákazníci v EU jsou citliví na soukromí a právem. Pokud se používá computer vision a personalizace, musí být jasné:

• co se sbírá,
• jak dlouho se to drží,
• k čemu se to používá.

Důvěra je v retailu měna. Když ji spálíte, žádná úspora z automatizace to nezachrání.

Co si z toho odnést (a kam to míří v roce 2026)

AI nákupní vozík není jen další krok k samoobsluze. Je to nový způsob, jak získávat signály o poptávce v reálném čase – a tím pádem nástroj pro přesnější plánování zásob, logistiku a snížení potravinového odpadu. V kontextu série Umělá inteligence v maloobchodu a e-commerce je to jeden z nejpraktičtějších příkladů, jak se AI z „analýz v kanceláři“ dostává přímo do provozu.

Pokud dnes řešíte AI v zemědělství a potravinářství, chytré vozíky berte jako poslední dílek skládačky „od farmy ke košíku“. Poptávka je totiž to, co nakonec řídí všechno ostatní.

Chcete-li z toho udělat konkurenční výhodu, začněte jednoduše: vyberte 1–2 prodejny, nastavte metriky (čas nákupu, odpisy, ztráty, spokojenost) a hlavně propojte data se zásobami a plánováním. Technologie sama o sobě nikoho nespasí – ale dobře zapojená do procesu umí udělat rozdíl, který je vidět na číslech.

A teď ta otázka, kterou si v roce 2026 bude klást čím dál víc lidí v oboru: bude „chytrý“ pořád ještě vozík, nebo už celý obchod?