AI v ghost kitchens: co může chystat Amazon

V létě 2024 se na odborném LinkedInu objevila nenápadná změna pracovního titulu, která ale v potravinářském světě zvedla obočí. Manažer s dlouhou praxí v ghost kitchens a virtuálních food halách nastoupil do Amazonu na pozici zaměřenou na „industrial launch & execution“ napříč čerstvými potravinami a logistickými iniciativami.

Proč to řešit ještě v prosinci 2025? Protože virtuální restaurace a digitální food hally jsou ve skutečnosti datové firmy: prosperují jen tehdy, když přesně trefí poptávku, udrží kvalitu a zvládnou logistiku s minimem odpadu. A přesně tady se potkává náš seriál Umělá inteligence v zemědělství a potravinářství s tématem Amazonu. Nejde jen o další „doručování jídla“. Jde o to, kdo bude mít nejlepší AI pro plánování, výrobu a rozvoz.

Amazon oficiálně nic nepotvrdil. Přesto má smysl číst mezi řádky a hlavně: vzít si z toho praktické poučení pro výrobce potravin, zemědělce, gastro řetězce i menší značky, které chtějí generovat leady a růst v digitálních kanálech.

Virtuální restaurace nejsou trend. Jsou to výrobní linky na jídlo

Virtuální restaurace (a širší model digitálních food hall) fungují jednoduše: zákazník objedná v aplikaci, jídlo se uvaří v kuchyni bez klasické restaurace a odjede kurýrem. Technicky je to ale mnohem blíž precizní výrobě než tradiční gastronomii.

Klíčová věc: úspěch se počítá po minutách a po porcích. Když přeplánujete směnu o 10 % nahoru, vzniká odpad. Když o 10 % dolů, ztrácíte tržby a hodnocení v aplikacích. A protože objednávky přichází v nárazových vlnách (pátek večer, po výplatě, při sněhové kalamitě), tradiční „odhad šéfkuchaře“ nestačí.

Co se dá řídit pomocí AI už dnes

V praxi se nejvíc vyplácí tři AI bloky:

1. Predikce poptávky (demand forecasting)

   • predikce počtu objednávek po 15–30 minutách
   • predikce mixu položek (kolik burgerů vs. bowls)
   • plánování směn, přípravy a zásob

2. Optimalizace menu a cen (menu engineering)

   • A/B testy fotek a názvů
   • dynamické ceny u omezené kapacity
   • doporučování položek pro zvýšení průměrné objednávky

3. Kvalita a konzistence (computer vision + senzory)

   • kontrola gramáže, propečení, teplot
   • standardizace výdeje napříč kuchyněmi

Pro Amazon je tohle domácí hřiště: predikce, skladové řízení a logistika jsou jeho DNA.

Proč by Amazon dával smysl jako provozovatel digitálních food hall

Pokud Amazon skutečně míří k modelu multi-brand kuchyní (virtuální food hall), nejde o rozmar. Jde o logickou návaznost na jeho existující schopnosti: poslední míli, sklady, data o zákaznících a platební ekosystém.

Z pohledu potravinářství je zajímavé hlavně to, že Amazon umí propojit tři světy, které jsou dnes často oddělené:

• retail (prodej potravin v obchodech)
• hotová jídla (ready-to-eat/ready-to-heat)
• doručení (okamžitá spotřeba i plánované nákupy)

Scénář A: kuchyně přímo v prodejnách

Nejpravděpodobnější a nejpraktičtější je model, kdy se v rámci prodejen objeví:

• kuchyňský modul pro přípravu několika značek (licencovaných i vlastních)
• společný výdejní pult nebo pickup zóna
• integrace do aplikace (jedna objednávka, více značek)

Pro zákazníka je to „jen“ pohodlí. Pro provoz je to kombinace retailu a výroby, kde se dá skvěle uplatnit AI:

• predikovat poptávku podle lokality, dne, událostí
• navázat výrobu na skladovou dostupnost
• minimalizovat odpisy čerstvých surovin

Scénář B: centralizované výrobny pro více lokalit

Druhý model je centrální kuchyně (nebo více hubů), odkud se obsluhuje širší oblast. To je logisticky složitější, ale nabízí:

• lepší využití kapacity
• jednodušší standardizaci
• možnost škálovat značky rychleji

Tady AI typicky řeší:

• rozvozové okruhy a routing
• plán výroby po dávkách (batching)
• řízení čerstvosti a trvanlivosti

AI v potravinářství: co se změní, když se jídlo „prodává jako software“

Digitální food hall je v jádru marketplace. A marketplace vyhrává ten, kdo zvládne dvě věci: výběr a spolehlivost.

1) Predikce poptávky se přenese až k farmě

Tohle je pro náš seriál zásadní: jakmile máte dost dat z objednávek, dá se z nich vytvořit signál pro dodavatelský řetězec.

Praktický dopad:

• Pokud AI vidí, že v regionech roste poptávka po kuřecích miskách a salátech, dá se tomu přizpůsobit nákup surovin.
• U čerstvých komodit (listová zelenina, bylinky) jde o dny. Špatný odhad znamená odpad nebo výpadek.

Pro zemědělce a potravináře to znamená, že demand signal z digitálních kanálů může být cennější než historické objednávky z velkoobchodu.

2) Optimalizace receptur podle dostupnosti a ceny

V roce 2025 je vidět, že tlak na marže v gastro i retailu nepolevuje. AI přístup, který funguje v praxi, je:

• držet chuťový profil a porci stabilní
• ale umět „přepnout“ suroviny v rámci pravidel (např. jiný dodavatel, jiná gramáž doplňku, sezónní varianta)

To je přesně místo, kde se potkává AI v potravinářské výrobě (kalkulace, alergeny, nutriční hodnoty) s provozní realitou kuchyní.

3) Kvalita jako datová metrika, ne dojem

V klasické restauraci se kvalita řeší přímou zpětnou vazbou hosta. Ve virtuální restauraci je kvalita často jen:

• hvězdičky v aplikaci
• doba doručení
• počet reklamací

AI umožňuje doplnit chybějící vrstvu:

• kamera u výdeje zkontroluje sestavení položky
• teplotní senzory hlídají kritické body
• model vyhodnotí, které kombinace směn a zatížení vedou k chybám

Jedna věta, kterou si v tomto oboru rád opakuju: „Konzistence je nová značka.“

Co to znamená pro české výrobce, značky a gastro hráče

Amazon může (a nemusí) spustit vlastní virtuální food hall. Český trh má jinou strukturu, ale princip je přenosný: kdo ovládne data o poptávce a schopnost rychle vařit/kompletovat, bude mít výhodu.

Jak využít AI hned teď (bez čekání na giganta)

Pokud jste výrobce potravin, provozovatel kuchyní, řetězec nebo dodavatel surovin, tyhle kroky jsou realistické během 6–12 týdnů:

1. Sjednoťte data o objednávkách a prodejích

   • z e-shopu, rozvozových platforem, pokladen, B2B
   • cíl: jeden „pravdivý“ přehled po dnech a hodinách

2. Zaveďte základní predikci poptávky

   • i jednoduchý model často sníží odpad a zlepší dostupnost
   • důležité: predikovat nejen objem, ale i mix položek

3. Označte kritické suroviny a nastavte pravidla substitucí

   • co se nesmí měnit (alergeny, chuť)
   • co se může měnit (balení, brand suroviny, doplňky)

4. Změřte „náklady na chybu“

   • kolik stojí reklamace, zrušená objednávka, pozdní doručení
   • bez toho se AI projekt řídí pocitem

5. Zkuste pilot na jedné lokalitě nebo jedné kategorii

   • třeba jen obědové menu
   • nebo jen čerstvé sendviče/ready-to-eat

Lead-friendly poznatek: nejrychlejší návratnost mají projekty, které snižují odpad a zvedají dostupnost. Marketing je až druhý krok.

Mini Q&A: otázky, které padnou vždycky

Má AI smysl i pro menší provozy?

Ano, pokud máte aspoň stovky objednávek týdně nebo rychle obrátkové položky s odpadem. U malých provozů se vyplatí začít s forecastingem a plánováním nákupu.

Není to celé jen o doručovacích platformách?

Platformy jsou jen kanál. Skutečná výhoda je ve výrobě a dodavatelském řetězci: kdo umí dodat konzistentní kvalitu a správné množství ve správný čas, vyhraje i na cizí platformě.

Co je největší riziko digitálních food hall?

Kvalita a reputace. Jedna špatná série (při špičce, při výpadku surovin) umí srazit hodnocení a tím i viditelnost v aplikaci. AI pomáhá riziko snižovat, ale nenahradí disciplínu procesů.

Kam to celé míří v roce 2026: jídlo jako predikovatelný tok

Prosinec 2025 je dobrý moment si to přiznat: potravinářství se posouvá od „vyrobíme a prodáme“ k „předpovíme a vyrobíme“. Virtuální restaurace a digitální food hally jsou jen nejviditelnější špička. Pod hladinou je AI, která propojuje poptávku zákazníků s plánováním výroby, nákupem surovin a logistikou.

Pokud Amazon opravdu staví něco většího, nebude to jen další značka jídla. Bude to test, jestli lze kuchyně řídit se stejnou přesností jako sklady. A to je lekce pro celý obor – od zpracovatelů po zemědělce.

Chcete-li z tohoto trendu vytěžit leady a růst, začněte u dat a predikce. Většina firem totiž nedělá chybu v AI. Dělá chybu v tom, že neví, co přesně má měřit a zlepšovat.