AI orchestrace doručení: lekce pro agro a potraviny

Rychlost a spolehlivost doručení přestaly být „hezký bonus“. V prosinci, kdy e-commerce jede na maximum a lidé chtějí mít jídlo i dárky „ideálně včera“, se logistika láme na detailech: kdo pojede, kudy, v jakém čase, s jakou teplotou a s jakými náklady. Právě proto stojí za pozornost krok DoorDash, který na podzim 2025 představil vlastního doručovacího robota Dot a současně AI platformu pro orchestraci doručení (Autonomous Delivery Platform).

Nejde jen o roztomilého robota na chodníku. Zajímavější je to, co je „pod kapotou“: systém, který v reálném čase rozhoduje, jestli má zakázku odvézt člověk, robot, dron nebo jiný způsob dopravy – podle typu objednávky, vzdálenosti, požadavků provozovny a dalších parametrů.

A teď to důležité pro náš seriál „Umělá inteligence v maloobchodu a e-commerce“ i pro kampaň Umělá inteligence v zemědělství a potravinářství: stejný princip orchestrací se dá (a podle mě bude) přenášet napříč celým potravinovým řetězcem – od farmy přes výrobu až po poslední kilometr k zákazníkovi.

Co DoorDash ve skutečnosti oznámil (a proč to není „jen robot“)

DoorDash uvedl robota Dot, vyvinutého interním týmem (DoorDash Labs), a zároveň představil Autonomous Delivery Platform (ADP) – AI vrstvu, která umí rozdělovat zakázky mezi různé způsoby doručení.

Dot je malý (zhruba desetina auta) a má jezdit po chodnících, cyklopruzích i místních komunikacích. Firma uvádí rychlost až 20 mph (cca 32 km/h), což je na „chodníkového“ robota hodně. Podstatnější ale je architektura autonomie: robot sbírá data z LiDARu, kamer a radaru, skládá z nich model okolí (chodci, obrubníky, nájezdy, mobiliář), plánuje trasu a následně převádí plán do řízení pohybu tak, aby byl stabilní náklad a splněné bezpečnostní limity.

ADP pak funguje jako dispečer. V praxi je to podobné jako chytrý „router“ v síti – jen místo paketů přeposílá objednávky. Výsledek: méně zpoždění, méně prázdných kilometrů, lepší SLA pro restaurace a lepší zkušenost zákazníka.

Jednovětá pointa: robot je vidět, orchestrátor vydělává.

AI orchestrátor: mozek multimodální logistiky

AI orchestrátor doručení je systém, který dělá rozhodnutí v reálném čase na základě dat. Neřeší jen „nejkratší cestu“. Řeší nejlepší kompromis mezi časem, cenou, kvalitou (např. teplota jídla) a kapacitou.

Jaká data typicky rozhodují o tom, kdo doručí objednávku

Aby to nebyla abstrakce, tohle jsou konkrétní proměnné, se kterými podobné platformy pracují:

• Typ objednávky: teplé jídlo vs. chlazené vs. křehké výrobky
• Požadované okno doručení: např. 18:20–18:40
• Vzdálenost a profil trasy: kopec, chodníky, přechody, cyklostezky
• Spolehlivost a historická výkonnost: pravděpodobnost zpoždění v dané oblasti
• Kapacita a dostupnost: počet kurýrů/robotů v okolí, stav baterií, servisní okna
• Merchant požadavky: vyzvednutí z výdejního okénka, specifická místa předání
• Riziko kvality: jak rychle klesá kvalita produktu s časem (tzv. „quality decay“)

V e-commerce a maloobchodu už podobné rozhodování vidíme v řízení skladů, slottingu, predikci poptávky nebo dynamickém cenotvorbě. DoorDash to posouvá do poslední míle a dává tomu jasný rámec: multimodální síť řízená AI.

Paralela s agrem: stejné rozhodování, jen jiné „vozíky“

V zemědělství a potravinářství je logistika často podceňovaná – přitom je to místo, kde se ztrácí marže i kvalita. A právě tady je inspirace z DoorDash extrémně praktická.

1) Orchestrace v provozu: od pole po balírnu

Představte si „ADP pro farmu“:

• sklizeň (kombajn) → převoz (traktor/návěs) → příjem (váha) → třídění → chlazení → expedice

Každý krok má své kapacity, omezení a rizika. AI orchestrátor by mohl dělat to, co dnes často řeší zkušený dispečer „v hlavě“ a na telefonu:

1. rozhodnout, který stroj kam poslat podle zralosti a počasí,
2. hlídat, aby se netvořily fronty u příjmu,
3. optimalizovat čas do zchlazení (kritické u čerstvých komodit),
4. řídit směny a údržbu tak, aby nevznikaly špičky a výpadky.

2) AI pro kvalitu: teplota, čas a ztráty

U doručení hotového jídla řešíte, jestli zákazník dostane hranolky teplé. U agra a potravin řešíte něco tvrdšího: ztráty a bezpečnost potravin.

Orchestrace může být navázaná na měření:

• teplotní loggery v přepravkách,
• senzory vlhkosti ve skladu,
• časové značky od sklizně po expedici,
• predikce trvanlivosti (FEFO místo FIFO).

Tady se potkává AI v potravinářství s velmi konkrétním KPI: nižší odpisy, méně reklamací, stabilnější kvalita.

3) Multimodalita: lidé + automaty + externí partneři

DoorDash současně mluví o spolupráci s třetími stranami (např. existující roboti) a zároveň si staví vlastní technologii. V agropotravinářství je to běžná realita už dnes: vlastní technika + služby + kooperace.

Praktický překlad:

• vlastní skladová technika (VZV) + autonomní vozíky (AMR) + externí dopravci,
• vlastní zpracování + kooperace s balírnou + outsourcing části logistiky,
• interní plánování + data z dodavatelského řetězce.

AI orchestrátor dává smysl právě tehdy, když není vše „jen vaše“. Umí vyvažovat kapacity a ceny napříč partnery.

Co si z toho má odnést retail a e-commerce (a jak to navazuje na food)

Pro náš seriál o AI v maloobchodu a e-commerce je klíčová jedna věc: logistika se stává produktem. Zákazník nekupuje jen zboží. Kupuje spolehlivost, časové okno a bezproblémové předání.

Jak se změní metriky, které má smysl řídit

Pokud dnes sledujete jen „cenu za doručení“, často si kazíte kvalitu a dlouhodobou hodnotu zákazníka. Lepší sada metrik pro AI řízení poslední míle:

• OTIF (on-time in-full) pro doručení
• cost-to-serve po segmentech zákazníků a lokalitách
• predikce zpoždění (pravděpodobnost, ne jen průměr)
• quality-at-door (model kvality při předání; pro potraviny zásadní)
• míra re-doručení / nedoručení (a důvody)

Kdo tyhle metriky propojí s AI orchestrací, dostane náskok. A ano, přelije se to i do dodavatelského řetězce: výroba a balení se začnou plánovat podle toho, jak „teče“ poslední míle.

Praktický checklist: co zavést dřív, než začnete řešit roboty

Roboti jsou lákaví, ale u většiny firem je největší zisk v datech a rozhodování. Tohle je postup, který funguje v e-commerce i v potravinářství.

1) Udělejte si pořádek v událostech (eventech)

Bez kvalitních timestampů AI nepomůže. Minimum:

• čas přijetí objednávky
• čas dokončení přípravy (pick/pack nebo kuchyně)
• čas vyzvednutí
• čas doručení
• důvod výjimky (zpoždění, chybějící položka, adresa, kontakt)

2) Segmentujte zakázky podle „citlivosti na čas“

Ne všechno potřebuje stejné SLA. Doporučuji jednoduché tři třídy:

• kritické (čerstvé, teplé, chlazené)
• střední (běžné potraviny, drogerie)
• nekritické (trvanlivé, non-food)

Každá třída má jiné priority v optimalizaci.

3) Začněte simulací a pravidly, pak teprve ML

V praxi se osvědčuje:

1. jednoduchá pravidla (např. „chlazené vždy do 45 minut“),
2. simulace kapacit (co se stane při špičce),
3. predikční modely (ETA, riziko zpoždění, kvalita při předání),
4. optimalizace (přiřazování kurýrů/vozidel/slotů).

4) Připravte governance a bezpečnost

Jakmile AI začíná rozhodovat o tom, kdo kam jede, řešíte:

• auditovatelnost rozhodnutí (proč systém zvolil tuto variantu),
• bezpečnost (u autonomních prvků dvojnásob),
• odpovědnost za výjimky.

Tohle je nudné, ale rozhoduje to o tom, jestli projekt přežije pilot.

Kam to povede v roce 2026: méně „autonomie“, víc „orchestrace“

Moje sázka pro rok 2026 je jednoduchá: nejrychleji se neprosadí firmy s nejhezčím robotem, ale firmy s nejlepším orchestrátorem. Autonomie je drahá, lokálně regulovaná a technicky složitá. Orchestrace se dá škálovat hned – i když dnes máte jen lidi, pár partnerských dopravců a různé typy vozidel.

A pro agro a potravinářství to znamená jediné: kdo začne brát logistiku jako algoritmický problém a ne jako „nějak to odvozíme“, sníží ztráty, zlepší kvalitu a stabilizuje náklady. To je v době tlaku na ceny potravin a nákladů energií přesně ten typ náskoku, který jde proměnit v obchod.

Pokud řešíte, kde začít s AI v logistice, optimalizací doručení nebo s datovým základem pro AI v potravinářství, dává smysl udělat první krok hned: zmapovat události, KPI a výjimky. Robot může počkat. Orchestrátor ne.