AI a „chytřejší“ cukr: méně sladit, víc chutnat

Přidaný cukr je v potravinářství paradox: je levný, technologicky spolehlivý a lidé ho milují – a zároveň je to surovina, kterou se výrobci snaží (aspoň na papíře) snižovat už roky. V prosinci 2025 je ten tlak ještě viditelnější: rostou náklady na suroviny a energii, retail tlačí na „lepší nutriční profil“ privátek a spotřebitelé chtějí méně cukru, ale ne méně chuti. A právě tady začínají být zajímavé ingredience typu Incredo Sugar.

Incredo (dříve DouxMatok) nevymýšlí novou molekulu ani „chemickou náhražku“. Jde o nápad, který potravináři intuitivně ocení: pracovat s tím, jak jazyk vnímá sladkost, a díky tomu snížit množství cukru v receptuře. Mně na tom fascinuje hlavně jeden přesah do naší série Umělá inteligence v zemědělství a potravinářství: sladkost už není jen otázka „kolik gramů dáme do směsi“, ale otázka optimalizace – přesně ten typ problému, který AI umí počítat rychleji než lidská zkušenost.

Co je Incredo Sugar a proč to není „další sladidlo“

Incredo Sugar je běžný cukr ve formě krystalů upravených tak, aby na jazyku působil sladší při menší dávce. Nejde o náhradní sladidlo typu aspartam nebo stévie. Klíč je v mikrostruktuře: cukr se váže do shluků s nosičem (v článku se zmiňuje škrob), takže se při konzumaci déle „drží“ na jazyku a sladkost se vnímá intenzivněji.

Tohle je pro výrobce důležité ze dvou důvodů:

• Chuťový profil zůstává „cukrový“. U řady náhradních sladidel je největší problém pachuť nebo jiný náběh sladkosti.
• Technologické chování je blízké cukru. U sladidel často řešíte objem, texturu, karamelizaci, bod tuhnutí, hygroskopičnost. Tady se pořád bavíme o cukru – jen „chytře zabaleném“.

Zdrojem inspirace byla (podle původního příběhu) historická potřeba šetřit cukrem. Dnes je motivace jiná: zdraví, regulace, marketingová tvrzení, ale taky efektivita receptur.

Jak velké snížení cukru je reálné

Zakladatelé a vedení firmy mluví o typickém snížení zhruba o 30–50 % podle aplikace a konkrétní receptury. V praxi to sedí s tím, co zná každý vývojář: čokoláda se chová jinak než sušenka, a ta jinak než poleva.

Důležitá věta, kterou si pohlídejte i v komunikaci: není to „řešení diabetu“. Je to ingredience, která může významně snížit celkový příjem přidaných cukrů v populaci – a to je přesně ten typ změny, který má reálný dopad v měřítku.

Kde „chytřejší“ cukr sedí do trendů roku 2025

Omezení cukru už není jen wellness trend – je to standardní zadání v R&D. Výrobci mají typicky tři cesty:

1. Reformulace se sladidly (stévie, erythritol, sukralóza…) – rychlá, ale chuťově riziková.
2. Snížení sladkosti celkově – funguje u některých kategorií, ale často zhorší prodejnost.
3. Změna způsobu doručení sladkosti – a tady spadá Incredo.

Pro český a středoevropský trh je relevantní ještě jeden faktor: spousta kategorií je „tradiční“ (sušenky, oplatky, čokoláda, cereálie) a spotřebitel velmi rychle pozná, když výrobek chutná jinak než dřív. Cukrová chuť je kulturně zakotvená. Proto je cesta „méně cukru, ale stejné vnímání“ atraktivnější než agresivní náhrady.

Slabina, která rozhoduje o kategoriích

Incredo podle dostupných informací nefunguje dobře v tekutinách, protože se rychle rozpustí a efekt „delšího držení na jazyku“ zmizí. To je prakticky zásadní: v nápojích zůstávají v čele jiné přístupy (kombinace sladidel, proteinové sladkosti, aromatické modulátory).

Naopak v pevných a polopevných výrobcích (čokoláda, sušenky, tyčinky, polevy, některé mléčné dezerty) dává koncept smysl.

Kde do toho vstupuje AI: sladkost jako optimalizační problém

Největší přínos AI tady není v „vynalezení cukru“, ale v tom, jak rychle vyberete správnou recepturu, proces a cílový profil. Potravinářství se často tváří analogově, ale realita je data: senzorika, textury, vlhkost, stabilita, náklady, dostupnost surovin, reklamace.

1) AI pro rychlejší reformulaci (a méně slepých testů)

Když měníte cukr, měníte víc než sladkost. Typické dopady:

• křehkost a lom sušenek
• krystalizace a „snap“ čokolády
• vodní aktivita a trvanlivost
• barva po pečení (Maillardovy reakce)

AI modely (typicky regresní modely nebo neuronové sítě nad historickými šaržemi) umí:

• předpovědět, jak změna cukru ovlivní texturu a vlhkost
• navrhnout několik „nejpravděpodobnějších vítězů“ pro senzorický panel
• zkrátit iterace z měsíců na týdny

Praktická věta pro vedení výroby: AI snižuje počet prototypů, které musíte fyzicky vyrobit. A v roce 2025 to znamená úsporu času na linkách, energie i materiálu.

2) AI pro řízení variability surovin a procesu

Cukr jako komodita je relativně stabilní, ale celá receptura ne. Když snížíte cukr o 40 %, začne být citlivější:

• vlhkost mouky
• kvalita kakaa
• teplotní profil pece
• doba míchání

AI v kvalitě a výrobě (tzv. predictive quality) pomůže držet chuť a texturu stabilní i při kolísání vstupů. U značek je to klíčové: spotřebitel odpustí nové obaly, ale neodpustí „nějak to chutná jinak“.

3) AI v zemědělství: co to má společného s cukrem

V naší sérii řešíme precizní zemědělství, predikce výnosů, optimalizace vstupů. U cukru je vazba překvapivě přímočará:

• Když potravinářský sektor dokáže snížit cukr v recepturách o desítky procent, mění se tlak na dodavatelský řetězec.
• To ovlivňuje plánování kontraktů, logistiku a dlouhodobé osevní postupy (cukrovka vs. jiné plodiny).

Neříkám, že „méně cukru“ automaticky znamená „méně pěstování cukrovky“ – poptávku formuje spousta faktorů. Ale trend optimalizace spotřeby surovin je jasný. A AI v zemědělství i potravinářství je v podstatě jeden příběh: stejné nebo lepší výsledky s menšími vstupy.

Jak vyhodnotit, jestli se vám Incredo vyplatí (checklist pro výrobce)

Nejdřív si ujasněte cíl: chcete zlepšit nutriční profil, snížit náklady, nebo obojí? Pak postupujte systematicky.

Rychlý rozhodovací rámec

1. Kategorie výrobku
   • vhodné: čokoláda, sušenky, tyčinky, polevy, náplně
   • problematické: nápoje a tekuté sirupy
2. Cílové snížení cukru
   • realisticky plánujte 30–50 % (u některých receptur méně)
3. Senzorika a pachuť
   • výhoda oproti sladidlům: profil zůstává „cukrový“
4. Funkční role cukru
   • pokud cukr drží strukturu, musíte řešit kompenzaci objemu a textury
5. Ekonomika
   • počítejte nejen cenu ingredience, ale i úsporu testů, rychlost uvedení na trh a menší riziko neúspěchu

Co bych osobně udělal jako první pilot

Pokud jste střední výrobce cukrovinek, začněte na produktu, kde:

• máte vysoký podíl cukru (snadno měřitelný dopad)
• máte stabilní prodeje (rychlá zpětná vazba)
• umíte rychle udělat A/B test (původní vs. reformulace)

A hlavně: sbírejte data. Nejen „líbí/nelíbí“, ale:

• sladkost (intenzita, náběh, dojezd)
• textury v čase (den 1 vs. den 30)
• reklamace a návratovost
• výrobní odchylky

To jsou přesně data, ze kterých pak AI umí udělat dobré rozhodnutí.

Nejčastější otázky z praxe (a přímé odpovědi)

Je Incredo „zdravější cukr“?

Je to pořád cukr, jen ho typicky spotřebujete méně. Zdravotní benefit tedy vzniká snížením dávky, ne magickou změnou metabolismu.

Může to nahradit sladidla?

V některých pevných aplikacích ano, nebo aspoň sníží jejich potřebu. Často dává smysl hybrid: méně cukru + menší dávka sladidla pro dorovnání.

Proč je to relevantní pro AI v potravinářství?

Protože reformulace je kombinatorický problém. AI umí hledat optimum mezi chutí, texturou, trvanlivostí a náklady rychleji než ruční testování.

Co když spotřebitelé řeknou „to je zase nějaký trik“?

Upřímně: komunikace musí být střízlivá. Nejlépe funguje sdělení typu „o X % méně cukru, stejná chuť“ bez dlouhých chemických příběhů. A ideálně podložené interními testy.

Co si z toho odnést (a co udělat příští týden)

Incredo Sugar ukazuje jednoduchou, ale silnou věc: inovace v ingrediencích nemusí být o náhražkách – někdy stačí změnit fyziku doručení chuti. V kombinaci s AI to přestává být „hezký nápad“ a stává se z toho proces: sběr dat, rychlé experimenty, modelování, stabilní výroba.

Pokud řešíte reformulace, dejte si příští týden dvě schůzky: jednu s R&D a druhou s výrobou. Cíl je jediný: vybrat 1–2 produkty, kde má snížení cukru největší smysl a kde máte dost dat, aby se do toho dala zapojit analytika a později i AI.

A teď ta otázka, která podle mě rozhodne další roky v potravinářství: budeme dál optimalizovat receptury „pocitově“, nebo začneme sladkost, texturu a trvanlivost řídit stejně datově jako výnosy na poli?