Podzemní doručování: AI logistika pro jídlo i retail

V prosinci 2023 se v metropolitní oblasti Atlanty rozjel projekt, který zní jako sci‑fi, ale ve skutečnosti řeší velmi přízemní problém: jak doručovat jídlo a malé nákupy rychleji, levněji a spolehlivěji. Startup Pipedream spustil první funkční podzemní doručovací síť – potrubní trasu dlouhou téměř jednu míli, která propojuje nákupní zónu s inovačním hubem.

Pro naši sérii „Umělá inteligence v maloobchodu a e‑commerce“ je tohle téma přesné trefení. Nejde totiž jen o „trubky v zemi“. Jde o to, že logistika se stává datovým problémem – a tam AI typicky vyhrává. Kdo zvládne pohyb zboží s menší variabilitou, s lepší předvídatelností a s nižšími náklady, ten vyhraje v e‑commerce i ve food retailu.

A ano, má to přímou vazbu i na zemědělství a potravinářství: stejné principy optimalizace toku, práce se špičkami poptávky a minimalizace ztrát se dají přenést z městského doručování na cestu „od farmy ke skladu, od skladu do prodejny, od prodejny ke dveřím“.

Co je podzemní doručovací síť a proč se o ní mluví

Podzemní doručovací síť je uzavřený logistický okruh, ve kterém autonomní roboti převážejí zásilky potrubím mezi dvěma nebo více uzly. V Atlantě (konkrétně v Peachtree Corners) je nasazení postavené jako krátká „podzemní železnice“ pro malé zásilky: jídlo z restaurací, drobné retailové položky a podobně.

Zásadní je, že jde o infrastrukturu. Drony a kurýři jsou flexibilní, ale pořád bojují s tím samým: dopravní zácpy, počasí, dostupnost lidí, bezpečnost, hluk, regulace a proměnlivá doba doručení. Potrubí naproti tomu nabízí tři vlastnosti, které e‑commerce miluje:

• Stálé prostředí (bez deště, bez námrazy, bez semaforů)
• Opakovatelnost (podobný čas jízdy dnes i zítra)
• Snazší automatizaci (méně „nečekaných situací“ než na ulici)

A to je přesně chvíle, kdy do hry nastupují algoritmy, senzory a AI.

Kde do toho vstupuje AI: řízení toku, predikce a kvalita služby

AI v podzemním doručování není o tom, aby robot „myslel jako člověk“. Je o tom, aby celý systém plánoval a rozhodoval lépe než člověk. Pokud máte síť trubek, uzlů, překladišť a kapacity robotů, řešíte klasické logistické úlohy: plánování tras, fronty, špičky, priority a údržbu.

Predikce poptávky a plánování kapacity

V retailu a food delivery se poptávka chová cyklicky: obědy, večeře, páteční špička, eventy, sezónnost. V prosinci (a obecně v zimních měsících) navíc roste tlak na doručování kvůli:

• vyšší frekvenci nákupů online,
• horším podmínkám pro dopravu,
• vyšší citlivosti zákazníků na zpoždění.

AI modely pro forecasting umí z historických objednávek, kalendáře akcí, počasí (u povrchových systémů) a lokálních signálů předpovědět, kdy přijde špička. V potrubní síti to znamená konkrétní výhodu: můžete dopředu „připravit“ kapacitu – rozmístit roboty, upravit pravidla priority, alokovat sloty pro restaurace.

Optimalizace doručení v reálném čase

Jakmile systém běží, už nejde jen o plán. Jde o operativu.

• Když se jeden úsek zablokuje (např. servisní zásah), AI může přesměrovat tok nebo změnit pořadí zásilek.
• Když se sejde víc objednávek najednou, systém potřebuje spravedlivě rozhodnout, co má přednost: teplé jídlo, expresní objednávka, nebo doplnění prodeje.

V e‑commerce tomu odpovídá „orchestrace“ mezi skladem, pickingem, balením a poslední mílí. Podzemní síť je vlastně jen další dopravník – jen je dlouhý, chytrý a mimo dohled.

Monitoring kvality: čas, teplota, reklamace

U jídla není KPI jen „doručeno“. Je to doručeno včas a v kvalitě.

Typický balík metrik, které se dají řídit datově:

• průměrný čas doručení a jeho rozptyl (spolehlivost),
• počet „výjimek“ (zaseknutí, vrácení, chybné vydání),
• teplotní režim u citlivých produktů,
• míra reklamací podle restaurace, typu balení nebo časového okna.

AI tu může pomoci odhalit příčiny: třeba že konkrétní typ obalu zvyšuje kondenzaci, nebo že v určitém čase se hromadí fronta v uzlu.

Co si z toho může vzít maloobchod a e‑commerce v Česku

Nečekejme, že se příští rok začne kopat potrubí pod každým sídlištěm. Ale principy z Atlanty jsou okamžitě použitelné – hlavně pro firmy, které řeší rychlé doručení, mikrofulfillment a dostupnost čerstvých potravin.

1) Mikrologistika: krátké trasy, velký dopad

Podzemní síť v Atlantě propojuje relativně blízké body. A přesně to je „sweet spot“ i pro ČR:

• retail park ↔ kancelářský kampus,
• supermarket ↔ výdejní hub,
• dark store ↔ hustá obytná zóna,
• nemocnice ↔ stravovací provoz.

Pokud máte krátké vzdálenosti a opakované trasy, dává smysl investovat do automatizace – ať už je to potrubí, autonomní vozík v areálu, nebo chytré plánování tras kurýrů.

2) AI v doručování není jen pro „poslední míli“

Většina firem začne u optimalizace kurýrů. Jenže větší peníze často leží ve „středu“:

• přesné řízení zásob (aby se vůbec nemuselo doručovat z dálky),
• predikce vyprodání a automatické doplňování,
• slotting (kam zboží ve skladu umístit, aby se rychle vychystalo),
• balicí logika (méně vzduchu v krabici, menší náklady).

Podzemní síť je viditelná a efektní. Ale skutečný výkon přichází z toho, že data propojí objednávku, zásoby a tok zboží.

3) Zákaznický zážitek: spolehlivost porazí rychlost

V marketingu doručování se pořád soutěží „kdo to dá do 15 minut“. Realita? Zákazníci často víc ocení, když to přijde přesně tehdy, kdy bylo slíbeno.

Uzavřená infrastruktura (jako potrubí) k tomu směřuje přirozeně: méně náhodných zpoždění. Pro e‑commerce to překládám jednoduše:

„Spolehlivost doručení je dlouhodobě silnější konkurenční výhoda než extrémní rychlost.“

Propojení se zemědělstvím a potravinářstvím: od pole k talíři jako datový tok

Stejné AI principy, které řídí podzemní doručování ve městě, umí zefektivnit logistiku čerstvých potravin v celém řetězci. A tady už je dopad velmi konkrétní: méně odpadu, méně zbytečných kilometrů, lepší čerstvost.

Precizní logistika pro čerstvé potraviny

U čerstvých produktů (pečivo, mléčné, maso, ready‑to‑eat) je problém jednoduchý: čas a teplota jsou neúprosné.

AI může:

• sladit sklizeň/výrobu s poptávkou (aby nevznikaly přebytky),
• optimalizovat překládky a cross‑docking,
• řídit FIFO/FEFO (expirace jako hlavní priorita),
• hlídat chladový řetězec a anomálie.

Podzemní doručování je jen jeden střípek, ale ukazuje směr: automatizace toku zboží bude čím dál víc standard.

Co by se muselo změnit, aby to dávalo smysl i u nás

Podzemní infrastruktura dává smysl, když platí tři podmínky:

1. Vysoká hustota objednávek na krátké vzdálenosti
2. Stabilní poptávkové vzorce (ne jen nárazové)
3. Jasná ekonomika jednotky: náklad na zásilku musí být nižší než alternativy

V Česku to může být reálné hlavně v nových developerských celcích, kampusech, průmyslových areálech nebo uzavřených „smart“ lokalitách.

Praktický checklist: co si z podzemní sítě odnést do praxe

Pokud jste retail, e‑commerce, výrobce potravin nebo provozovatel logistiky, dal bych si teď za úkol jednu věc: začněte měřit tok zboží tak, aby šel optimalizovat algoritmicky.

Tady je konkrétní checklist, který funguje i bez potrubí:

1. Sjednoťte data: objednávky, zásoby, časy vychystání, časy předání kurýrovi, reklamace.
2. Zaveďte 3 KPI, která opravdu bolí:
   • rozptyl času doručení (ne jen průměr),
   • podíl nedodaných položek,
   • odpad/ztráty u čerstvých produktů.
3. Udělejte jednoduchý forecasting:
   • den v týdnu × hodina × typ košíku.
4. Najděte „úzké hrdlo“:
   • sklad, balení, předávací místo, nebo poslední míle.
5. Pilotujte automatizaci tam, kde je opakování:
   • interní areálová doprava,
   • pick‑to‑light/voice,
   • chytré sloty pro rychlé položky.

Tohle je realistická cesta i pro firmy, které nemají rozpočet na velké infrastrukturní projekty.

Co bude dál: potrubí jako nový „dopravník“ e‑commerce?

Podzemní doručování ukazuje jeden důležitý trend: logistika se přesouvá od improvizace k řízenému systému. A když je systém řízený, data se stanou palivem. V e‑commerce to znamená lepší dostupnost, nižší náklady na doručení a méně zklamaných zákazníků. V potravinářství navíc méně odpadu.

Pokud řešíte AI v maloobchodu a e‑commerce, zkuste si položit praktickou otázku: Kdybych měl(a) zítra doručovat dvakrát tolik objednávek se stejným týmem, co přesně by se rozbilo jako první? Právě tam má AI nejrychlejší návratnost – ať už doručujete po silnici, nebo jednou třeba i pod ní.