AI v kuchyni: Samsung Food a lekce pro agro a výrobu

Když se řekne „umělá inteligence v potravinářství“, většina lidí si představí robota na výrobní lince nebo automatickou kontrolu kvality. Jenže jeden z nejrychlejších posunů se děje úplně jinde: v receptech, nákupních seznamech a chytré kuchyni. A právě tam se ukazuje důležitá věc pro celý potravinový řetězec – od pole až po talíř.

Příběh Nicka Holzherrra (zakladatele Whisk a dnes šéfa platformy Samsung Food) je zajímavý nejen pro food-tech fanoušky. Je to praktická ukázka, jak se AI produkt rodí, proč firmy pivotují, jak se škáluje B2B platforma – a hlavně jak se data o vaření, nákupech a preferencích mohou stát „digitálním nervovým systémem“ pro potravinářství. V prosinci 2025, kdy se v Česku dál řeší ceny potravin, tlak na efektivitu a zároveň nové povinnosti kolem udržitelnosti, jsou podobné platformy víc než jen lifestyle aplikace.

Samsung Food není „jen aplikace“. Je to vrstva dat nad jídlem

Samsung Food (představený na CES 2024) stojí na technologiích vyvinutých ve Whisk – firmě, která už kolem roku 2012–2014 řešila něco, co dnes bereme jako samozřejmost: jak z nepřehledného textu receptu udělat strojově čitelná data. Klíčový posun byl jednoduchý a tvrdý: pokud chcete recepty používat „kdekoliv“ (u vydavatelů, v e-shopech, v chytrých spotřebičích), bez AI se neobejdete.

Holzherr popisuje, že tehdy šlo o dobu „před TensorFlow“ a před masovou dostupností deep learning nástrojů. Prakticky to znamenalo:

• parsing receptů z různých zdrojů (ingredience, množství, jednotky, postup)
• normalizaci a mapování na produkty v obchodech
• převod receptu na strukturovaný „návod“ pro spotřebiče (guided cooking)

Stručně: recept není obsah. Recept je datový objekt.

A jakmile je to datový objekt, můžete nad ním dělat automatizaci, personalizaci, doporučování, substituce surovin, výpočet výživových hodnot nebo rovnou napojení na nákup.

Proč je to relevantní pro zemědělství a potravinářství

Zní to „kuchyňsky“, ale princip je stejný jako v precizním zemědělství:

• Z textu a chaosu na strukturu a měřitelnost (recepty vs. agronomické záznamy)
• Z izolovaných dat na interoperabilitu (API platformy vs. farm management systémy)
• Z jednorázových interakcí na kontinuální tok signálů (co lidé vaří a kupují vs. co a kdy pěstovat)

V praxi to znamená: pokud máte dostatečně kvalitní signály o spotřebě a preferencích (regionálně, sezónně, podle cen, diet), můžete přesněji plánovat výrobu, logistiku i nabídku.

Lekce z Whisk: pivot na B2B byl správný (a v agro to platí taky)

Whisk začínal jako spotřebitelská aplikace. Jenže škálovat consumer produkt v receptech je drahé a pomalé – zejména když proti vám stojí velcí vydavatelé, platformy a vyhledávače. Whisk proto udělal krok, který spousta start-upů odkládá příliš dlouho: pivot na B2B platformu.

Holzherr popisuje, že firmy chtěly integrovat widgety a postupně chtěly „víc“:

• vydavatelé (velké receptové weby) chtěli lepší práci s recepty a nákupními seznamy
• retail chtěl převod receptu na nákupní košík
• CPG značky chtěly být „doporučenou“ volbou v rámci ingrediencí
• výrobci spotřebičů chtěli strukturované recepty pro guided cooking

Výsledek? Platforma, která v jednu dobu „poháněla“ stovky milionů spotřebitelských interakcí měsíčně (podle rozhovoru šlo až o půl miliardy měsíčních interakcí).

Tři obchodní modely, které se vyplatí znát

Whisk kombinoval tři příjmové zdroje – a to je mimochodem velmi použitelný vzorec i pro agri/food SaaS:

1. Licenční model / API fee (měsíční poplatky)
2. Výkonový model přes retail (poplatky za klik / akvizici)
3. Brand/CPG model (placené zviditelnění produktů v kontextu receptu)

Pro potravináře je zajímavé hlavně to třetí: nejde o agresivní reklamu, ale o inspiraci v okamžiku rozhodování.

„Shoppable recipes“: marketingová vychytávka, nebo řídicí páka dodavatelského řetězce?

Nakupovatelné recepty často vypadají jako drobnost: kliknete a máte košík. Jenže z pohledu potravinového systému je to něco mnohem většího.

Shoppable recipe je převod poptávky do konkrétního SKU. A to je pro plánování výroby a zásob zlato.

V Česku to dává smysl zejména u kategorií, kde se poptávka snadno „překlápí“ podle ceny a dostupnosti:

• mléčné výrobky (náhrady, privátní značky)
• maso vs. rostlinné alternativy
• sezónní zelenina (levnější lokální vs. dražší dovoz)

Když AI platforma umí:

• navrhnout substituci (např. „nemáte brokolici, použijte květák“)
• spočítat nutriční dopad substituce
• zohlednit cenu a dostupnost v konkrétním řetězci

…tak se z receptu stává optimalizační problém podobný tomu, co v zemědělství řešíte při volbě odrůdy, hnojení nebo závlahy.

Praktický „bridge“ do agro: plánování podle reálné spotřeby

Pokud by se (anonymizovaná a agregovaná) data z kuchyňských platforem propojila s:

• cenami komodit a retailovou akcí
• regionální dostupností
• sezónností a výnosy

…dostáváte lepší krátkodobé i střednědobé predikce. Ne stoprocentní, ale o řád lepší než „loni to fungovalo“.

AI už není luxus. Je to komodita – a právě proto rozhoduje distribuce

Jedna z nejsilnějších myšlenek z rozhovoru je paradoxní: technologie, do kterých firmy investovaly roky, jsou dnes dostupné přes API nebo open-source knihovny. Holzherr přímo říká, že věci, které dříve stavěli deset let, se dnes dají udělat „docela snadno“.

To je dobrá zpráva pro inovace. Zároveň to ale mění pravidla hry:

• AI model už není hlavní náskok.
• Náskok je v datech, integracích a distribuci.

A tady se dostáváme k Samsungu. Přerod Whisk → Samsung Food není jen rebranding. Je to snaha využít to, co má Samsung unikátní:

• obrovskou instalovanou bázi zařízení (mobily, TV, spotřebiče, wearables)
• ekosystém, ve kterém se dá „tlačit“ produkt bez boje o každé stažení

Když může AI postavit skoro každý, vyhraje ten, kdo je nejblíž uživateli.

Co z toho plyne pro české agri/food firmy

V zemědělství a potravinářství často vidím chybu: firmy se zamilují do modelu, ale podcení integrace. Přitom v B2B vyhrává ten, kdo:

• dodá API a napojí se na existující systémy (ERP, MES, sklad, e-shop)
• zvládne datovou kvalitu (čísla šarží, alergeny, jednotky, převody)
• umí „posadit“ AI do procesu, který lidi opravdu používají

Jinak je to demo, ne produkt.

Zdraví, výživa a regulace: proč bude „food AI“ tlačit i stát

Samsung Food míří i do oblasti zdraví – propojení jídla s wearables a dlouhodobými zdravotními cíli (obezita, diabetes). To je trend, který se v roce 2025 dál zrychluje.

Pro potravinářství to znamená dvě věci:

1. Personalizovaná výživa se stává standardem, ne prémiovou službou.
2. Tlak na transparentnost poroste (složení, původ, alergeny, výživové hodnoty, udržitelnost).

Až se doporučování receptů napojí na zdravotní signály (např. aktivita, spánek, metabolické indikátory), bude se ještě víc řešit:

• kvalita dat (kdo je poskytuje, jak jsou přesná)
• etika doporučování (komerce vs. zdraví)
• pravidla pro práci s citlivými údaji

Pro české značky je to šance i riziko: kdo bude mít kvalitně popsané produkty a strojově čitelné parametry, bude v doporučovacích systémech „vidět“.

Co si odnést: 7 praktických lekcí pro AI v potravinách a agro

Pokud jste výrobce potravin, retailer, agritech firma nebo inovátor, tyhle body se vyplatí přilepit na nástěnku:

1. Strukturovaná data jsou důležitější než hezká aplikace. Bez nich AI neškáluje.
2. Interoperabilita vyhrává. API a integrace jsou „sales argument“, ne technický detail.
3. Komerční model musí odpovídat hodnotě v řetězci. Kombinace licence + výkon + brand často funguje lépe než jeden zdroj.
4. Distribuce je náskok. Partnerství (a někdy akvizice) je rychlejší než budování publika od nuly.
5. AI se komoditizuje. Odlišení bude v datech, procesech a důvěře.
6. Kuchyň je senzor. Data o vaření a nákupech jsou signál pro plánování výroby a zásob.
7. Zdraví bude „driver“. Kdo se připraví na nutriční data a transparentnost, vyhraje místo v doporučování.

Kam to míří v roce 2026: od chytré kuchyně k chytrému potravinovému systému

Chytrá kuchyně přestane být zajímavá ve chvíli, kdy přestane překážet. Užitečná AI v jídle je tichá: navrhne, spočítá, nahradí, objedná, pohlídá alergeny, zjednoduší vaření a ušetří peníze. A tohle „tiché“ pohodlí vytváří data, která mohou posílit celý systém – od plánování produkce po snižování plýtvání.

V rámci série Umělá inteligence v zemědělství a potravinářství beru Samsung Food jako dobrý signál: spotřebitelská vrstva (recepty, nákupy, zdraví) se konečně propojuje s průmyslovou vrstvou (výroba, logistika, standardy dat). Kdo dnes staví AI pro agro nebo potravinářství, měl by sledovat kuchyňské platformy stejně pozorně jako satelitní snímky polí.

Chcete si udělat rychlý audit připravenosti na „AI doporučování“ (recepty, košík, výživa, substituce) pro vaše produkty nebo celý sortiment? Napište si interně tři otázky: Máme data v jednotném formátu? Umíme je poskytnout přes API? A dokážeme obhájit, proč má náš produkt být doporučen právě teď?