AI a alternativní proteiny v krmivech pro psy a kočky

V posledních 12 měsících se v krmivech pro domácí mazlíčky děje něco, co dřív patřilo spíš do sci‑fi: granule z proteinu vyrobeného mikroby a pamlsky s kultivovaným kuřecím masem. A současně přichází studená sprcha – některé „hvězdy“ rostlinných krmiv naráží na finance a škálování.

Proč to řešit v sérii „Umělá inteligence v zemědělství a potravinářství“? Protože pet food je zrychlený model toho, co se děje v celém agro‑food řetězci: tlak na udržitelnost, cena surovin, regulatorika, kvalita a bezpečnost. A AI je nástroj, který dokáže z laboratoře i výroby udělat řízený proces místo drahého pokus–omyl.

Níže beru konkrétní novinky z trhu (fermentace plynů, kultivované maso, bankrot veganské značky) a převádím je do praktických otázek: kde přesně AI pomáhá, co si hlídat při zavádění, a jak z toho můžou těžit výrobci krmiv, farmáři i potravinářské firmy.

Co nám pet food říká o budoucnosti proteinů

Pet food dnes funguje jako testovací polygon pro alternativní proteiny. Důvod je prostý: výrobci mohou rychleji uvádět novinky (menší „kulturní odpor“ než u lidského jídla), a zároveň je tu obrovská poptávka po stabilní kvalitě a konzistentních dodávkách.

Z posledních zpráv vyčnívají tři směry:

1. Protein z fermentace plynů: Německý výrobce krmiv Marsapet uvedl produkt s proteinem vyráběným mikroby (technologie využívá mikroorganismy, které „přetvářejí“ plynné vstupy na bílkovinu). Hlavní slib: bez orné půdy a bez živočišných ingrediencí.
2. Kultivované maso pro mazlíčky: Firma Meatly uvedla limitovanou sérii pamlsků s kultivovaným kuřecím v kombinaci s rostlinnou složkou a mluví otevřeně o tom, že klíčové je škálování výroby v horizontu 3–5 let.
3. Tvrdá realita financování: Značka Wild Earth (veganské krmivo) skončila v režimu ochrany před věřiteli (Chapter 11). V číslech: 2,4 mil. USD aktiv vs. 12,6 mil. USD závazků. Důvody: drahý kapitál, dluh a složitý růst.

Můj pohled: technologie jde dopředu, ale business modely se teprve učí přežít. A přesně tady má AI největší hodnotu – ne jako „marketingová nálepka“, ale jako způsob, jak zlevnit vývoj, stabilizovat kvalitu a zvýšit výtěžnost.

Fermentace plynů: proč je atraktivní a kde AI dává smysl

Fermentace plynů (gas fermentation) je atraktivní hlavně tím, že odpojuje výrobu bílkovin od klasického zemědělství. Neřešíte hektary, zavlažování ani výnosy sóji. Řešíte bioproces: vstupy, podmínky, mikrobiální kulturu, separaci a sušení.

AI v řízení bioprocesu: méně odchylek, více tun

V bioreaktoru se kvalita „láme“ na detailech: teplota, pH, tlak, složení plynů, rychlost míchání, pěnění, kontaminace. AI pro řízení výroby (typicky modely pro predikci a anomálie) umí:

• predikovat vývoj kultury a dopředu hlásit, že se proces odchyluje (dřív než to uvidí obsluha v trendu),
• optimalizovat dávkování živin a plynů tak, aby se zvýšila výtěžnost proteinu na jednotku energie,
• snížit zmetkovitost díky detekci kontaminace z „podpisu“ dat (např. změny spotřeby kyslíku/CO₂).

Snippet, který si klidně vytiskněte na nástěnku do výroby:

Nejlevnější kilogram proteinu je ten, který nevznikne jako zmetek. AI je nejrychlejší cesta, jak zmetky omezit.

AI a kontrola kvality: rychlejší než laboratorní kolečko

Krmivo musí být konzistentní: aminokyselinový profil, stravitelnost, bezpečnost, chuť. Moderní provozy proto přecházejí na in‑line a at‑line měření (NIR, spektrální senzory, procesní analytika). AI z těchto dat dělá praktické rozhodnutí:

• klasifikace šarží (OK / rework / stop),
• predikce výsledků laboratorních testů ještě před jejich dokončením,
• odhad trvanlivosti na základě procesních parametrů.

Pro pet food je to důležité i kvůli reputaci: majitel psa odpustí vyšší cenu, ale neodpustí, když se zvířeti udělá špatně.

Kultivované maso pro mazlíčky: největší brzda je škálování

Kultivované maso je technologicky fascinující, ale průmyslově tvrdé. Nejtěžší není „udělat první pamlsek“. Nejtěžší je udělat ho každý den, ve stejné kvalitě, za cenu, kterou trh přijme.

Kde AI zlevňuje kultivované maso nejvíc

V kultivaci buněk rozhoduje několik nákladových položek: médium, růstové faktory, energie, práce, kontrola kontaminace a výtěžnost. AI tu pomáhá ve třech konkrétních bodech:

1. Optimalizace média: Modely (včetně bayesovské optimalizace) umí navrhovat kombinace složek média s menším počtem experimentů. To šetří čas i materiál.
2. Digitální dvojče bioreaktoru: Predikce růstu buněk a spotřeby živin umožňuje řídit dávkování a plánovat sklizeň v optimálním čase.
3. Automatická detekce abnormalit: Kontaminace je drahá. AI, která hlídá signály ze senzorů, dokáže vyhlásit stopku dřív, než se „zkažená“ šarže propálí do dalších kroků.

„Hybridní“ receptury jako realistický mezikrok

Uvedené pamlsky kombinují rostlinnou složku s kultivovaným kuřecím. To není kompromis ze slabosti. Je to pragmatická strategie:

• menší podíl dražší složky → snazší cenotvorba,
• lepší kontrola textury a chování při extruzi/pečení,
• možnost postupně zvyšovat podíl kultivované složky, jak se zlepší výtěžnost.

AI tu navíc pomáhá v oblasti formulace: predikce chuti (palatability), struktury a stability receptury na základě historických dat.

Proč některé značky narazí: finance, důvěra a data

Bankrot veganské značky je nepříjemný, ale poučný signál. Trh alternativních krmiv není jen o technologii. Je o distribuci, marži, opakovaných nákupech a důvěře.

Nejčastější chyby, které vídám (a AI je sama nespasí)

• Příliš drahá akvizice zákazníka: D2C model může sežrat marži, zvlášť když reklama zdražuje.
• Nestabilní supply chain: Pokud alternativní surovina kolísá v kvalitě nebo dostupnosti, retail vás semele.
• Slabá datová disciplína: Bez kvalitních výrobních a kvalitativních dat se AI mění v hezkou prezentaci.

AI ale umí dát managementu lepší volant:

• predikce poptávky podle sezónnosti (u nás typicky Vánoce, leden „fit režim“, jarní přezubování a nárůst citlivostí),
• optimalizace skladových zásob a expirací,
• analýza reklamací a návratů (spojení šarže–surovina–proces).

Jedna věta, která v praxi šetří peníze:

Když nepropojíte data o šarži s daty o surovině a procesu, nikdy přesně nezjistíte, co pokazilo kvalitu.

Co si z toho odnést v zemědělství a potravinářství (ČR/EU)

Alternativní proteiny pro pet food nejsou „oddělený svět“. V EU se řeší stejné cíle jako v klasickém agro: efektivita, stopa, bezpečnost, stabilita dodávek.

5 praktických kroků, jak začít s AI v alternativních proteinech

1. Zaveďte jednotnou identitu šarže napříč surovinami, výrobou a QC (bez toho není dohledatelnost ani učení modelů).
2. Vyberte 1–2 metriky, které bolí (zmetkovitost, OEE, energetická náročnost na kg proteinu, odchylky kvality) a soustřeďte se na ně.
3. Nasaďte detekci anomálií na procesní data (rychlý přínos, relativně nízké riziko).
4. Postavte „kuchařku“ experimentů: DOE + AI návrhy (méně experimentů, rychlejší iterace).
5. Propojte R&D a výrobu: nejhorší je, když laboratorní receptura nejde opakovat v provozu.

PAA: „Je kultivované maso pro mazlíčky bezpečné?“

Bezpečnost je dosažitelná, ale stojí na procesu. U kultivace a fermentací rozhoduje:

• čistota vstupů,
• kontrola kontaminace,
• validované postupy a dokumentace,
• konzistentní analytika.

AI nezaručí bezpečnost sama o sobě, ale zrychlí odhalení odchylek a posílí dohledatelnost.

PAA: „Proč se inovace nejdřív prosazují v pet food a ne u lidí?“

Protože pet food je obvykle rychlejší v uvedení produktu a zákazník (majitel) často kupuje „hodnotu“ (zdraví, alergie, udržitelnost) dřív, než si ji koupí sám pro sebe.

Kam to míří v roce 2026: tlak na cenu a chytré škálování

Konec roku 2025 je ve znamení střízlivění: kapitál je opatrnější a trh chce důkazy. U alternativních proteinů v krmivech proto vyhrají ti, kdo zvládnou tři věci současně:

• srazit výrobní náklady bez ztráty kvality,
• udržet konzistenci (každá šarže stejná),
• projít regulatorikou a audity bez drama.

A právě tady zapadá AI do našeho tématu „Umělá inteligence v zemědělství a potravinářství“: stejné principy, jaké používáme pro predikci výnosů a monitoring plodin, se dají přenést do biovýroby proteinů – jen místo pole máte bioreaktor a místo počasí senzorovou telemetrii.

Pokud zvažujete alternativní protein do krmiv (nebo ho už vyrábíte), nejvíc se vyplatí začít daty a jedním jasným use-casem. Co by ve vašem provozu přineslo větší efekt hned: snížení zmetkovitosti, nebo stabilnější kvalita šarží?