AI a „food pas“: personalizovaná výživa od pole po talíř

Většina lidí si personalizovanou výživu pořád představuje jako „krabičky na míru“ nebo aplikaci, která vám zakáže rohlík. Jenže realita (a tlak trhu) směřuje jinam: personalizace se přesouvá z marketingu do infrastruktury potravinového systému. A do toho přichází zajímavý signál z food-tech scény – nový podcast The Tomorrow Today Show s Mikem Leem, který stojí na jednoduché, ale dost radikální myšlence: budoucnost jídla se nebude rozhodovat jen v kuchyni nebo ve výrobě, ale v datech.

Pro náš seriál „Umělá inteligence v zemědělství a potravinářství“ je to cenné i proto, že Mike Lee dlouhodobě pracuje s konceptem „food passport“ – jakýmsi potravinovým pasem, který umí bezpečně přenést informace o preferencích, alergiích, cílech a omezeních napříč restaurací, e-shopem, výrobcem i farmou. A když tento „pas“ spojíte s AI, najednou nejde jen o personalizovaný jídelníček, ale o optimalizaci celého řetězce od pole po talíř.

Proč má „food pas“ smysl právě teď

Odpověď je pragmatická: protože se potravinový systém stal příliš drahý na to, aby dál fungoval naslepo. V roce 2025 už firmy i farmáři řeší tři věci zároveň: kolísání cen energií a vstupů, tlak na udržitelnost a rostoucí očekávání zákazníků (zdraví, původ, složení, „free-from“).

Koncept potravinového pasu posouvá diskusi z „co si kdo přeje“ na „jak to celé doručit bez plýtvání“:

• Když víte dopředu, kdo co potřebuje, dá se lépe plánovat výroba i zásoby.
• Když umíte preference a omezení standardizovat, dá se nad nimi spolehlivě stavět automatizace.
• Když data tečou oběma směry (od zákazníka i od produkce), AI konečně dostane kontext, ne jen anonymní prodeje.

Zní to abstraktně? Vezměte si běžnou situaci: bezlepková výroba. Největší náklady často nevznikají v mouce, ale v režii – oddělené linky, sanitace, šarže, logistika. Personalizace bez standardu zvyšuje složitost. Personalizace se standardem ji může naopak snížit.

Co je na tom „AI část“

AI je motor, který umí z potravinového pasu udělat rozhodovací systém. Bez AI budete mít jen statický profil („alergie na ořechy, nemám rád koriandr“). S AI získáte predikci a optimalizaci:

• predikce poptávky po variantách (např. low-sugar, high-protein)
• doporučení receptur a substitucí surovin v reálném čase
• detekce rizik (kontaminace alergenem, odchylka šarže)
• plánování produkce a sklizně podle očekávaného mixu poptávky

Od podcastu k praxi: proč je hlasový formát pro food-tech překvapivě důležitý

Podcasty dnes fungují jako „rychlá laboratoř nápadů“. V prostředí, kde se technologie, regulace a spotřebitelské trendy mění rychleji než investiční cykly, je výhoda slyšet dlouhé rozhovory bez PR filtru.

V oznámení nového pořadu The Tomorrow Today Show zaznívá klíčová věc: Mike Lee není jen „trend spotter“. Je to člověk, který umí vyprávět scénáře, jak se budoucnost může stát běžnou praxí. A přesně to v zemědělství a potravinářství často chybí.

Když se řekne „AI v zemědělství“, většina firem skončí u pilotu se senzory nebo u dashboardu. Jenže:

„Technologie bez příběhu se v provozu neudrží. Provoz bez změny návyků AI nepřijme.“

Podcasty pomáhají přeložit technické možnosti do rozhodnutí: co změnit v sortimentu, jak nastavit data, jaké KPI sledovat, jak mluvit se zákazníkem. A tím se dostáváme k nejdůležitější části.

Jak AI propojí personalizovanou výživu se „smart farming“

Největší přínos AI v potravinách není v tom, že vám vybere oběd. Je v tom, že sladí poptávku se skutečnými možnostmi produkce.

1) Personalizovaná výživa jako nový typ poptávky

Personalizace mění strukturu poptávky: místo jednoho produktu vzniká „rodina variant“. To znamená:

• více SKU, menší šarže
• vyšší riziko přebytků a expirací
• větší tlak na transparentnost složení a původu

AI tady umí udělat konkrétní práci: segmentovat poptávku podle nutričních cílů, ne jen demografie. V praxi to může být třeba:

• sportovní výživa (vyšší protein)
• diabetický režim (nízký glykemický dopad)
• histaminová intolerance (omezení specifických surovin)
• „clean label“ (méně aditiv)

Čím lépe se tato poptávka popíše datově (v duchu „food pasu“), tím snáz se dá plánovat upstream – včetně farmy.

2) Smart farming: plánování plodin podle toho, co se skutečně prodá

Precizní zemědělství je často prezentováno jako monitoring plodin. Ve skutečnosti je to hlavně řízení rizika. A personalizace výživy zvyšuje tlak na stabilitu dodávek specifických komodit (např. luštěniny, oves, speciální olejniny, funkční ingredience).

AI propojuje:

• satelitní a dronová data (stav porostu)
• půdní a meteorologické modely (riziko sucha, chorob)
• kontrakty a forecasty výrobců (očekávaná poptávka po ingrediencích)

Výsledek: lepší rozhodnutí o osevních postupech, termínech sklizně i skladování. A hlavně: méně „pěstujeme a pak se uvidí“.

3) Výroba potravin: receptura jako algoritmus, ne jako tajemství

Ve výrobě se personalizace a AI potkávají v tzv. formulaci: hledání složení, které splní chuť, cenu, nutriční profil a dostupnost surovin.

AI se v praxi používá na:

• návrhy substitucí (když zdraží kakaové máslo, co udělá podobnou texturu?)
• optimalizaci nutričních hodnot bez zhoršení chuti
• minimalizaci odpadu (využití vedlejších produktů)

A tady je důležité říct nahlas jeden nepopulární fakt: bez datové disciplíny AI spíš přidá chaos. Pokud nemáte standardy pro suroviny, šarže, alergeny a měření kvality, žádný model vám to nezachrání.

Co si odnést, pokud jste farmář, výrobce nebo gastro provoz

Nejrychlejší cesta k výsledkům není „koupit AI“. Je to připravit podnik tak, aby AI měla z čeho počítat. V prosinci 2025 tohle odlišuje firmy, které AI skutečně využívají, od těch, které o ní jen mluví.

Praktický checklist (bez zbytečné teorie)

1. Zmapujte rozhodnutí, která dnes děláte odhadem. Typicky: nákup surovin, plán šarží, promo akce, objednávky do kuchyně, osevní plán.

2. Sjednoťte slovník dat. Jedna surovina = jeden kód, jasné atributy (alergeny, původ, šarže, nutriční hodnoty).

3. Začněte jedním use-casem s jasným KPI. Doporučuju „forecast poptávky + snížení odpadu“ nebo „kontrola alergenů + auditovatelnost“.

4. Připravte „potravinový pas“ alespoň interně. Nemusí to být hned spotřebitelský profil. Stačí interní profil produktových variant: pro koho je výrobek určen, co garantuje, jaké má limity.

5. Zajistěte governance: kdo ručí za kvalitu dat a kdo smí měnit pravidla. AI v potravinách není jen IT. Je to kvalita, bezpečnost, nákup, výroba i obchod.

Nejčastější otázky, které slýchám (a krátké odpovědi)

„Je personalizovaná výživa relevantní i pro běžné české firmy?“

Ano. Ne všichni budou dělat „výživu na DNA“, ale skoro každý řeší varianty: bez laktózy, bez lepku, méně cukru, více proteinu, lokální původ. To je personalizace v praxi.

„Nebude to celé jen o soukromí a regulaci?“

Soukromí je zásadní. Ale největší brzda bývá jinde: firmy nemají standardizovaná data ani interně. Pokud nezvládnete šarže a alergeny ve vlastním ERP, spotřebitelský „food pas“ je sci-fi.

„Kde je nejrychlejší návratnost AI?“

Typicky v predikci poptávky, snižování odpadu a plánování výroby. Tam se úspory projeví do kvartálu, ne za tři roky.

Co si z Mike Leeho „Tomorrow Today“ vzít pro český kontext

Podcast samotný je „jen“ médium. Hodnota je v tom, že připomíná jednoduchou pravdu: budoucnost jídla bude vyhraná na koordinaci – mezi farmou, výrobou, logistikou, gastro a spotřebitelem. A AI je v tom koordinačním problému nejlepší nástroj, jaký máme.

Pokud tenhle seriál čtete kvůli AI v zemědělství a potravinářství, držel bych se jedné věty: Personalizace bez propojení na produkci je drahá. Propojení přes data z ní dělá konkurenční výhodu.

Další krok? Vyberte si jednu část řetězce, kde dnes vzniká nejvíc odpadu (čas, suroviny, energie, expirace), a zeptejte se: Jaké rozhodnutí by bylo o 20 % lepší, kdybych měl přesnější data? Právě tam má AI největší šanci ukázat reálný přínos.