AI ve food tech: co si z CES odnést do praxe v ČR

Food tech na veletrhu CES 2023 nebyl „o hezkých gadgetech do kuchyně“. Byl to signál, že umělá inteligence se stává lepidlem, které spojuje zemědělství, výrobu potravin i gastronomii do jednoho datového řetězce. A když se dnes (22.12.2025) bavíme o tlaku na ceny energií, nedostatku lidí ve výrobě a o tom, že zákazníci chtějí dohledatelnost „od pole po vidličku“, je to přesně ten typ inovací, který stojí za pozornost.

CES report od The Spoon z roku 2023 ukázal hlavně jednu věc: startupová scéna se už dávno netočí jen kolem alternativních proteinů. Naopak – největší praktickou hodnotu přinášejí nástroje, které sbírají data, vyhodnocují je a převádějí do rozhodnutí: kdy zavlažovat, jak plánovat výrobu, kde v procesu vzniká odpad, proč se kazí surovina, nebo jak stabilizovat kvalitu.

Tenhle článek je součástí série „Umělá inteligence v zemědělství a potravinářství“ a bere si z CES 2023 to nejpodstatnější: kategorie inovací a jak je převést do české reality – na farmu, do potravinářského provozu i do distribučního řetězce.

CES 2023 ukázal mapu: agtech, robotika, kuchyně, data

CES je technologický veletrh, ale v roce 2023 bylo zřetelné, že food tech už má vlastní „ekosystém“: od agtech řešení přes kuchyňskou automatizaci až po robotiku a chytré spotřebiče. The Spoon svůj přehled strukturoval právě podle kategorií – a to je užitečné i pro nás, protože stejnými kategoriemi dnes dává smysl plánovat AI roadmapu ve firmě.

Praktické dělení, které se dá převzít:

• Agtech a precizní zemědělství (monitoring plodin, predikce výnosů, optimalizace vstupů)
• Výrobní food tech (automatizace výroby, kontrola kvality, plánování)
• Food robotics (manipulace, porcování, balení, obsluha)
• Kitchen tech (automatizace přípravy, minimalizace odpadu, standardizace)
• Data a „intelligence“ (analytika, predikce poptávky, dohledatelnost)

Důležitý postřeh: AI se často neprodává jako „AI“. Prodává se jako „nižší zmetkovitost“, „méně odpadu“, „méně prostojů“ nebo „rychlejší zaučení pracovníků“. A to je dobře – v potravinářství vyhrává pragmatismus.

AI v zemědělství: nejvíc peněz leží v rozhodování, ne v senzorech

Klíčový point: senzory, drony a satelitní snímky jsou už relativně dostupné. Rozdíl dělá to, co je nad nimi: modely, které doporučí zásah a umí ho obhájit.

Co z agtech trendů funguje v ČR hned

1. Variabilní dávkování (hnojiva, vápnění, přípravky) – AI/ML nad historickými výnosy, půdními mapami a počasím. Výsledek: méně vstupů tam, kde to nemá efekt.
2. Predikce chorob a stresu plodin – kombinace lokální meteo stanice, listové vlhkosti, teplotních sum a obrazových dat. Výsledek: zásah ve správném okně.
3. Predikce výnosu a kvality – pro lepší smlouvy, logistiku a plánování sklizně.

Co nejčastěji firmy podcení

• Datovou hygienu (různé formáty, chybějící metadata, špatně označené parcely)
• „Poslední míli“ rozhodnutí: model něco doporučí, ale agronom tomu nevěří, protože nevidí proč
• Napojení na praxi: bez přímého propojení na pracovní postupy (zápisy, plán prací, stroje) zůstane AI jen dashboard

Dobrá AI v precizním zemědělství není ta, která „vidí“, ale ta, která umí říct: „Tady je pravděpodobnost problému, tady je důvod a tady je doporučený zásah.“

Robotika a automatizace: nejrychlejší návratnost bývá mimo „wow“ roboty

Klíčový point: na CES se dobře prodává robot, který vypadá futuristicky. V praxi ale často dává největší smysl automatizace v úzkém místě: manipulace, třídění, balení, kontrola.

Kde robotika sedí do potravinářství (a proč)

• Třídění a kontrola kvality kamerami (computer vision): hledání defektů, barevnost, velikost, cizí předměty
• Pick-and-place v balení: jednotvárná práce, vysoká fluktuace, tlak na hygienu
• Automatizované porcovací a dávkovací linky: standardizace gramáže = lepší marže

AI tady typicky hraje roli v:

• rozpoznávání objektů a anomálií (computer vision)
• adaptivním řízení (změna suroviny, teploty, viskozity)
• prediktivní údržbě (vibrace, teplota ložisek, proud motorů)

Jak si spočítat, jestli to dává smysl

Pokud chcete rychlý „reality check“, berte v úvahu čtyři čísla:

• OEE (celková efektivita zařízení)
• zmetkovitost (v % i v Kč)
• hodiny prostojů měsíčně
• náklady na přepracování a reklamace

Když AI/automatizace sníží zmetky třeba jen o 1–2 % u větší výroby, může to udělat víc než deset „hezčích“ inovací v marketingu.

Kitchen tech: standardizace a odpad jsou skrytý zlatý důl

Klíčový point: kuchyňská automatizace není jen pro restaurace v Las Vegas. V ČR se týká hlavně těch, kdo vaří ve velkém: nemocnice, školy, výrobny jídel, catering, retailové kuchyně.

Co se dá přenést z trendů, které The Spoon kolem CES sledoval:

1) Řízení odpadu pomocí dat

AI může propojit:

• skladové pohyby
• prodeje / výdej
• zbytky a odpady

a hledat opakující se vzorce: Které receptury nejčastěji generují zbytky? Které suroviny se kazí dřív? Kdy se vyplatí vařit menší dávku?

2) Standardizace kvality

V provozech s vysokou fluktuací je problém jednoduchý: každý to dělá trochu jinak. Chytré postupy, vážení, senzory teploty a časování (a někdy i vizuální kontrola) umí zajistit, že výstup je stabilní.

3) Bezpečnost a dohledatelnost

Tady se v roce 2025 stále láme chleba. AI pomáhá hlavně v:

• automatické detekci odchylek v HACCP bodech
• upozorněních na rizikové kombinace (čas/teplota)
• rychlejších interních auditech

Data jako páteř: bez „food tech intelligence“ je AI jen série pilotů

Klíčový point: největší hodnota z CES trendů nevzniká v jedné aplikaci, ale v propojení. Agtech data → plán výroby → logistika → poptávka → odpad. To je řetězec, kde AI dělá rozdíl.

Co znamená „AI-ready“ datová architektura v potravinářství

Nemusí to být obří projekt. Ale mělo by to splnit tři podmínky:

1. Jedna verze pravdy pro šarže, suroviny, receptury a výrobní kroky
2. Časová osa událostí (kdy se co stalo) – bez toho se špatně hledá příčina problémů
3. Propojení na rozhodnutí: kdo má co udělat, kdy a proč

Pokud něco z toho chybí, AI sice „něco“ predikuje, ale lidé to nepoužijí, protože to nepomůže v každodenní směně.

Mini Q&A, které řeší skoro každý

Jaký je první AI projekt, který má nejvyšší šanci na úspěch? Projekt s jasnou metrikou v Kč: zmetkovitost, reklamace, spotřeba energie, prostoje, odpisy z expirací.

Potřebujeme vlastní datový tým? Ne hned. Většina firem začíná kombinací procesáka (výroba), IT a externího partnera. Vnitřní „product owner“ je ale nutnost.

Co je největší riziko? Koupit technologii bez změny procesu. AI pak skončí jako další obrazovka na zdi.

Jak z trendů CES udělat lead-generující plán: 30–60–90 dní

Klíčový point: pokud jste firma v zemědělství nebo potravinářství, nepotřebujete „AI strategii na 2 roky“ jako PDF. Potřebujete první měřitelný výsledek a pak škálování.

30 dní: vyberte use-case, který bolí

• vyberte 1 proces s nejvyššími ztrátami
• definujte metriky (KPI) a baseline
• zmapujte dostupná data (kde jsou, kdo je vlastní)

60 dní: postavte pilot, který jde do provozu

• jednoduchý model / pravidlová logika / vizuální kontrola
• integrace do workflow (ne jen report)
• školení lidí, kteří to mají používat

90 dní: rozhodněte – škálovat, nebo zahodit

• vyhodnocení KPI
• doplnění dat, odstranění slepých míst
• plán dalšího kroku (např. prediktivní údržba → plánování výroby → optimalizace energie)

Moje zkušenost: když pilot nemá uživatele ve směně, není to pilot. Je to demo.

Co si odnést do roku 2026: AI v potravinách bude hlavně o efektivitě

CES 2023 byl pro food tech důležitý, protože ukázal šíři kategorií a tempo inovací. Pro český trh je ale ještě důležitější druhá rovina: AI se neprosadí jako „technologie“, ale jako odpověď na tlak na náklady, lidi a kvalitu.

Pokud si z téhle vlny vezmete jednu věc, ať je to tato: začněte tam, kde máte jasný finanční dopad a kde lze rozhodnutí automatizovat nebo aspoň standardizovat. Agtech je skvělý start, ale stejnou hodnotu často najdete i ve výrobě – v kontrole kvality, v prediktivní údržbě a v plánování.

Chcete-li na to navázat v rámci série „Umělá inteligence v zemědělství a potravinářství“, zamyslete se nad jednou otázkou: Kde ve vašem řetězci vzniká nejvíc ztrát – na poli, na lince, nebo v logistice? Tam má AI nejrychlejší návratnost.