AI nákupní vozíky: co mění v retailu i potravinách

V červnu 2023 nasadil Instacart ve dvou prodejnách v USA třetí generaci chytrého nákupního vozíku Caper Cart. Zní to jako „hračka“ pro pohodlnější nákup. Ve skutečnosti je to ale jeden z nejviditelnějších důkazů, že umělá inteligence v maloobchodu a e-commerce už dávno není jen o doporučování produktů na e-shopu.

A ještě důležitější: chytrý vozík je jen poslední článek řetězce. Data, která vznikají mezi regálem a pokladnou, se dají (při správném nastavení) propojit se skladovou logistikou, výrobou, plánováním dodávek a nepřímo i se zemědělskou produkcí. Jinými slovy: smart cart je spotřebitelská špička ledovce „AI v potravinovém systému“.

Co je Caper Cart a proč se o něj retail pere

Caper Cart je nákupní vozík se senzory, váhou, kamerami (computer vision) a dotykovým displejem, který rozpoznává zboží při vložení do košíku a průběžně počítá útratu. Zákazník na konci nákupu obvykle jen načte kód ze displeje na self-checkoutu a zaplatí.

Instacart ho uvedl jako třetí generaci platformy a zásadní detail je, že jde o první verzi plně „pod křídly“ Instacartu po akvizici Caper AI (2021). V praxi to znamená rychlejší integraci do širšího ekosystému (věrnostní programy, promo akce, digitální katalogy, retail media).

Co se změnilo v nové generaci (a proč to zajímá provoz)

Prodejny neřeší jen „wow efekt“. Řeší provozní realitu:

• Samostatné skenování a průběžný součet: menší tlak na pokladny a lepší kontrola rozpočtu pro zákazníka.
• Víc kapacity při menší váze: podle výrobce má nový vozík zhruba o 65 % vyšší kapacitu při štíhlejší konstrukci.
• Hromadné nabíjení (stacked charging): tohle je pro provoz často rozhodující. Když musíte řešit jednotlivé baterie, projekt chytrých vozíků se rychle zadrhne.

Moje zkušenost z retailových projektů obecně: „šikovná funkce“ prodá pilot, ale logistika nabíjení, servis a školení rozhodují, jestli se z pilotu stane standard.

Proč chytré vozíky nejsou jen o pohodlí: data, ztráty a marže

Největší hodnota smart cart technologií je v datech a řízení procesu, ne v displeji. Retail dnes tlačí inflace nákladů, tlak na marži, nedostatek lidí a vyšší očekávání zákazníků. Chytrý vozík je jeden z mála nástrojů, který dokáže zasáhnout několik oblastí najednou.

1) Méně tření v nákupu = vyšší konverze v prodejně

Když zákazník vidí průběžnou útratu, snižuje se stres z „kolik to bude stát“. To paradoxně může vést i k vyššímu košíku: lidé méně přestřelují a méně na konci vyhazují položky z pásu. U vybraných sortimentů (např. drogerie, snacky, ready-to-eat) navíc funguje kontextová nabídka přímo v uličce.

2) Lepší práce s promem (a menší slepé slevy)

Displej na vozíku je kanál. Ale rozdíl mezi náhodným zobrazováním slev a chytrým promem je v tom, zda umíte:

• reagovat na aktuální košík (co už zákazník vzal),
• zohlednit skladovou situaci (co potřebujete protočit),
• hlídat marži a substituce (nenabízet slevu tam, kde by se to prodalo i bez ní).

Tady se potkává AI personalizace v maloobchodu s klasickou disciplínou „category management“.

3) Kontrola ztrát a chyb (shrink) bez dusivé bezpečnosti

Self-checkout přináší rychlost, ale i riziko omylů a zneužití. Smart cart umí část problémů řešit „po cestě“:

• položky se rozpoznávají při vložení,
• váha může pomoci odhalit nesoulad,
• systém může vyžádat asistenci u rizikových položek.

Je fér říct: žádné řešení není neprůstřelné. Ale kombinace computer vision + váha + procesní pravidla posouvá kontrolu z „na konci u pokladny“ na „během nákupu“.

Od chytrého vozíku ke „smart supply chain“: proč to zajímá zemědělství

Smart cart je spotřebitelský senzor v reálném čase. A právě to je přímá paralela k tomu, co už roky dělá precizní zemědělství: senzory a AI zvedají přesnost rozhodování.

Jak se potkávají „smart carts“ a „smart fields“

• V poli: senzory, satelity a modely predikují výnos, stres plodin, potřebu závlahy a ochrany.
• V logistice: AI plánuje trasy, teplotní řetězce, minimalizuje zpoždění.
• V prodejně: smart cart ukazuje, co se skutečně kupuje, kdy a v jaké kombinaci.

Když se to propojí (a to „když“ je důležité), vzniká lepší plánování:

1. Přesnější predikce poptávky: méně přestřelených objednávek a méně vyhazování.
2. Lepší čerstvost: kratší doba mezi sklizní/výrobou a prodejem, lepší rotace.
3. Menší plýtvání: hlavně u čerstvých kategorií (pečivo, ovoce/zelenina, chlazené).

V prosinci 2025 je tlak na efektivitu a omezení plýtvání ještě silnější než v roce 2023. Energie, práce i doprava stojí víc než před pár lety a „optimalizace“ přestala být hezké slovo do prezentace. Je to finanční nutnost.

Konkurence chytrých vozíků a proč někteří mění směr

Trh smart cartů není prázdný. Vedle Instacartu se objevují další hráči a přístupy. V USA má vlastní řešení i Amazon (Dash Cart) a mimo USA se prosazují specializované firmy.

Zajímavý signál z praxe: ne všichni míří primárně na checkout. Některé firmy se překlápějí směrem k tomu, co v retailu roste rychleji než regály: retail media.

Retail media v uličce: lákavé, ale pozor na zkušenost zákazníka

Displej na vozíku je reklamní plocha. To je pro obchod i dodavatele lákavé.

Můj pohled je přímočarý: pokud se z chytrého vozíku stane „pojizdný billboard“, zákazníci ho přestanou chtít. Funguje to jen tehdy, když nabídky:

• jsou relevantní k nákupu,
• pomáhají (ušetřit čas/peníze),
• nepřekrývají základní funkci (rychlý a jednoduchý nákup).

Retail media je skvělý byznys, ale v kamenné prodejně je tolerance k rušení nižší než online.

Co si z toho může odnést český retail, e-commerce i výrobci

Chytré vozíky nejsou povinná výbava. Jsou to ale dobré „lakmusové papírky“ digitální připravenosti. Pokud uvažujete o AI v retailu, tady jsou praktické kroky, které dávají smysl i bez toho, abyste hned kupovali flotilu vozíků.

1) Začněte metrikami, ne technologií

Definujte 3–5 metrik, které opravdu chcete pohnout, například:

• podíl nákupů přes self-checkout,
• čekací doba ve špičce,
• ztráty na čerstvých kategoriích,
• dostupnost zboží (out-of-stock),
• efektivita doplňování.

Pak teprve vybírejte, jestli to řeší smart carts, chytré kamery, lepší WMS/ERP, nebo jen změna procesu.

2) Připravte si datové propojení (jinak je to drahá hračka)

Nejčastější slepá ulička: pilot v jedné prodejně bez napojení na:

• skladové zásoby,
• promo engine,
• věrnostní systém,
• produktová data (PIM),
• cenové a váhové výjimky.

AI v maloobchodu padá na tom, že „AI model“ je v pořádku, ale produktová data jsou bordel. Tvrdé, ale přesné.

3) Vyřešte soukromí a důvěru předem

Computer vision v prodejně je citlivé téma. Lidé se s tím smiřují, pokud mají:

• jasně vysvětleno, k čemu systém slouží,
• jednoduchou volbu, jak nakupovat klasicky,
• garanci, že se to nezvrhne v agresivní sledování.

Důvěra je v retailu křehká a získává se pomalu.

4) Pro zemědělství a potravináře: chtějte zpětnou vazbu z prodejny

Pokud jste výrobce nebo zemědělský podnik, který dodává do retailu, tlačte na:

• sdílení agregovaných dat o prodejích a odpisech,
• predikce poptávky pro sezónní špičky (Vánoce, Silvestr, leden „healthy“),
• společné plánování promo akcí tak, aby nerozbily dodavatelský řetězec.

AI optimalizace dodavatelského řetězce nezačíná ve skladu. Začíná u toho, že se dodavatel a obchod baví nad stejnými čísly.

Kam to míří v roce 2026: méně „wow“, víc efektivity

Budoucnost chytrých vozíků je nudná – a právě to je dobrá zpráva. Nejde o futuristické funkce. Jde o to, aby:

• nákup byl rychlejší,
• doplňování zboží přesnější,
• plýtvání nižší,
• data tekla od prodejny zpět do plánování výroby a logistiky.

V rámci naší série Umělá inteligence v maloobchodu a e-commerce je Caper Cart skvělý příklad toho, jak se AI dostává přímo do ruky zákazníka. A současně připomínka, že největší přínos často nevzniká na obrazovce vozíku, ale v tom, co se děje „za oponou“: v plánování zásob, predikci poptávky a v propojení retailu s potravinářskou výrobou a zemědělstvím.

Pokud chcete přemýšlet o AI v potravinovém systému prakticky, začněte jednoduchou otázkou: Kde dnes vzniká nejvíc zbytečné práce a plýtvání – na poli, ve skladu, nebo v uličce mezi regály? Odpověď vám často napoví, kde má AI nejrychlejší návratnost.