AI v doručování jídla: drony, roboti a farmy zítřka

Pár let zpátky byl „robot v kuchyni“ spíš vtípek z prezentace na veletrhu. Dnes už je to provozní rozhodnutí – a u některých značek i strategická sázka na to, kdo zvládne doručit teplé jídlo rychleji, s menšími ztrátami a bez chaotického plánování směn.

Zajímavý detail z posledních měsíců: některé restaurace v USA otevřeně počítají s tím, že drony budou shazovat objednávky přímo k zákazníkům a že humanoidní roboti se brzy objeví v rutinních úkolech kolem přípravy a výdeje. Zakladatel MOTO Pizza Lee Kindell to říká nahlas a bez ostychu – a právě to je na tom užitečné. Ne proto, že by pizza byla středem vesmíru, ale protože na ní jde krásně vidět, jak se AI a robotika protahují celým potravinovým řetězcem.

V rámci série Umělá inteligence v zemědělství a potravinářství se často bavíme o tom, jak AI pomáhá na poli: monitoring plodin, predikce výnosů, optimalizace závlahy. Jenže „farm to table“ není slogan. Je to logistický problém. A ten se dnes řeší stejně intenzivně jako hektary pšenice.

Drony na pizzu nejsou o efektu. Jsou o logistice

Dronové doručování působí jako sci‑fi jen do chvíle, než si uvědomíte, že jde hlavně o optimalizaci posledního kilometru. Právě ten bývá nejdražší, nejméně předvídatelný a nejvíc náchylný k chybám.

Lee Kindell mluví o tom, že by rád viděl drony, které doručují jeho pizzy v oblasti Seattlu. V praxi to znamená jediné: restaurace se snaží posunout doručování z „někdo to nějak odveze“ na přesně řízený systém s jasnými parametry – čas, teplota, spolehlivost, náklady.

Kde do toho vstupuje AI

Dron sám o sobě není „AI“. AI je to, co rozhoduje:

• kdy objednávku vypravit (predikce poptávky, špičky)
• odkud ji vypravit (alokace kapacity poboček / výdejen)
• jak letět a kde přistát (plánování trasy, bezpečné koridory)
• co dělat při výjimce (vítr, uzavřená zóna, přetížení)

Když tohle přenesete do zemědělství, je to překvapivě podobné: AI plánuje, kdy vyjet s postřikem, kudy jet po poli, jak reagovat na počasí a co dělat, když senzor hlásí problém.

Proč je to v prosinci 2025 aktuální i v Česku

V předvánočním a zimním období roste tlak na doručování (jídlo, nákupy, zásilky) a zároveň je počasí méně předvídatelné. To je přesně prostředí, kde se ukáže, jestli firma umí:

1. pracovat s daty v reálném čase,
2. řídit výjimky,
3. udržet kvalitu při špičkách.

A to jsou schopnosti, které se v potravinářství a zemědělství prodávají nejvíc.

Humanoidní roboti v gastronomii: hype, nebo reálná návratnost?

Humanoidní roboti budí emoce. Někoho nadchnou, někoho znervózní. Kindell podle všeho patří do první skupiny a očekává, že rychlost adopce robotiky lidi překvapí.

Můj pohled: v kuchyni vyhrají roboti, kteří dělají nudnou práci konzistentně – ne ti, kteří vypadají jako člověk. Humanoidní forma je marketingově silná, ale provozně je často lepší specializovaný stroj.

Co dnes dává největší smysl automatizovat

V restauracích (a analogicky i ve výrobě potravin) se nejčastěji automatizují úseky, kde jsou:

• opakovatelné kroky (dávkování, krájení, balení)
• požadavky na hygienu a standard
• vysoké náklady na chyby (spálené, kontaminované, špatně označené)

Typické příklady:

• výdej a kompletace objednávek (kontrola položek, štítkování, balení)
• fritování / pečení s přesnými režimy
• mytí nádobí a manipulace

V zemědělství to má „dvojče“: třídění, balení, manipulace ve skladech, porážkové linky, mlékárny. Zkrátka místa, kde se pracuje rychle, rutinně a pod dohledem norem.

AI jako „mistr směny“

Největší přínos AI často není v tom, že robot umí uchopit jablko. Je v tom, že systém umí říct:

„Tahle pobočka má v 18:20 přetížení. Přesměruj objednávky, zjednoduš menu, posuň přípravu a hlídej teplotu při výdeji.“

Tohle je přesně typ rozhodování, které se v agru už děje: kdy sklízet, kdy zavlažovat, kdy poslat komoditu do skladu, kdy ji pustit na trh.

Od pole po krabici: proč doručování mění celý potravinový řetězec

Drony a roboti v restauracích nejsou izolovaná inovace. Jakmile zrychlíte a zpřesníte poslední míli, najednou se vyplatí zpřesnit i všechno předtím.

1) Predikce poptávky tlačí na výrobu

Když máte dobré modely poptávky (AI), dokážete:

• objednávat suroviny přesněji,
• snížit odpisy a plýtvání,
• lépe plánovat výrobu a směny.

To je přímé propojení na zemědělství: stabilnější, datově řízená poptávka znamená menší výkyvy v odběru a lepší plánování pro dodavatele.

2) Teplota a čerstvost se stávají KPI

S dronovým doručením se víc řeší, jak doručit konzistentní kvalitu. A jakmile začne být kvalita měřitelná, začne být i vyžadovaná napříč řetězcem:

• sledování teplotního řetězce,
• minimalizace času mimo chlazení,
• chytré obaly,
• senzorika ve skladech.

V potravinářství je to přirozený krok k „digitálnímu pasu potraviny“: odkud to je, jak to bylo skladované, kdy to bylo zpracované.

3) Automatizace logistiky je společný jazyk pro gastro i agro

Sklady, rozvozy, plánování tras, kapacity, výjimky – tohle všechno jsou oblasti, kde se dnes AI uplatňuje velmi prakticky. Ne jako experiment, ale jako nástroj, který snižuje náklady.

Praktický checklist: jak začít s AI v potravinovém provozu (bez dronů)

Ne každá firma bude příští rok doručovat dronem. To je v pořádku. Výhoda je, že 80 % hodnoty vznikne ještě předtím – v datech, procesech a disciplíně.

Co bych udělal jako první (a co funguje i v zemědělství)

1. Zaveďte jednotnou datovou stopu objednávky
   • čas přijetí, čas začátku přípravy, výdej, doručení, reklamace
2. Vytvořte jednoduché predikce poptávky
   • i základní model (den v týdnu, sezóna, akce) zlepší plánování
3. Najděte dvě místa s největším plýtváním
   • suroviny, energie, práce, zmetkovitost
4. Standardizujte kritické kroky
   • bez standardu AI jen zrychlí chaos
5. Začněte s „augmentací“ lidí, ne s jejich náhradou
   • plán směn, doporučení objednávek, kontrola kvality

Metriky, které stojí za to hlídat

• On-time delivery / včasnost
• Food waste / odpad
• Cost per order / náklad na objednávku
• Energy per batch / energie na dávku
• Rework rate / kolik práce se dělá dvakrát

Tyhle metriky jsou kompatibilní s potravinářskou výrobou i s částí zemědělských provozů (zejména sklady a posklizňové linky).

Časté otázky, které si kladou firmy (a férové odpovědi)

„Vyplatí se drony v doručování jídla?“

Vyplatí se tam, kde je vysoká hustota objednávek, drahá práce v poslední míli a kde dává smysl standardizovat předání. Není to univerzální řešení pro každou obec.

„Jsou humanoidní roboti nutní?“

Ne. Většina provozů získá návratnost dřív ze specializované automatizace (balení, výdej, mytí, sklad), než z humanoida, který vypadá jako člověk.

„Co to znamená pro zemědělství?“

Jednoduchou věc: kdo umí data a automatizaci v logistice, bude mít výhodu v celém řetězci. Od plánování sklizně až po dodání finálního produktu.

Co si z příběhu MOTO Pizza odnést pro AI v zemědělství a potravinářství

MOTO Pizza je dobrý příklad, protože ukazuje ochotu zkoušet technologie tam, kde je zákazník okamžitě pocítí. Dron na dveřích je viditelný. Robot v kuchyni taky. Jenže skutečná hodnota bývá schovaná v pozadí: v predikcích, plánování, kvalitě dat a řízení výjimek.

Pokud řešíte AI v zemědělství a potravinářství, zkuste se na doručování dívat jako na lakmusový papírek. Kdo nezvládne poslední kilometr, bude mít problém i s tím prvním: s nákupem surovin, skladováním, výrobou a minimalizací ztrát.

Jestli chcete tenhle řetězec posunout, nezačínejte dronem. Začněte otázkou: Kde dnes vzniká nejvíc zbytečných minut, zbytečných kilometrů a zbytečného odpadu – a jaká data k tomu už máte?