AI a molekulární farmaření: brambory jako továrny

V roce 2024 oznámil izraelský startup PoLoPo, že zvládl pěstovat brambory, které v hlízách vytvářejí vaječné bílkoviny určené pro potravinářství. Nejde o „kuriozitu pro média“. Je to velmi praktický signál, kam se posouvá výroba surovin: z chovu zvířat a fermentačních tanků částečně zpátky na pole – jen s tím rozdílem, že pole je řízené daty.

A tady se do hry přirozeně dostává naše téma série „Umělá inteligence v zemědělství a potravinářství“. Molekulární farmaření (pěstování plodin jako „bioreaktorů“) je totiž přesně ten typ technologie, kde se bez AI těžko škáluje: potřebujete hlídat expresi proteinu, stabilitu výnosů, zdravotní stav porostu, načasování sklizně i kvalitu zpracování. Jinými slovy: genetika sama o sobě nestačí. Rozhoduje řízení.

Co přesně PoLoPo dělá a proč to potravináře zajímá

PoLoPo nasadilo technologii, kterou označuje jako platformu SuperAA: geneticky upravené brambory produkují cílový protein přímo v hlíze. Hlízy se pak sklidí a protein se extrahuje do podoby prášku, který může jít do standardních výrobních linek.

Klíčový je výběr cílové ingredience: PoLoPo míří na vaječné proteiny (např. ovalbumin). Proč zrovna ty?

• Funkčnost v potravinách: Ovalbumin zlepšuje texturu a „tělo“ výrobků a pomáhá i s trvanlivostí, typicky v pečivu.
• Průmyslové využití: Potravináři ho používají v mnoha recepturách a změna suroviny bývá drahá (nutnost přelaďovat receptury a validace).
• Tlak na dodávky: V posledních letech trh s vejci zasahují výkyvy kvůli ptačí chřipce a dalším faktorům. Výsledkem jsou dražší vstupy a horší predikovatelnost.

Molekulární farmaření tak cílí na problém, který v praxi bolí nejvíc: stabilita dodávek a cena funkčních ingrediencí.

Molekulární farmaření jako „čtvrtý pilíř“ – a proč bez AI narazí

Molekulární farmaření se často popisuje jako doplnění tří známých směrů alternativních proteinů (rostlinné, kultivované, přesná fermentace). Dává to smysl: místo nerezového bioreaktoru použijete rostlinu. Jenže rostlina je bioreaktor „živý“, proměnlivý a závislý na prostředí.

Tady je tvrdá realita: Jestli chcete, aby brambory produkovaly konzistentní množství proteinu na hektar, musíte řídit variabilitu. A to je úloha pro AI.

Kde AI přináší největší hodnotu

AI v tomto kontextu není marketingová nálepka. Je to sada metod, které pomáhají zvednout výnos a snížit riziko.

1. Predikce výnosu proteinu (ne jen výnosu hlíz)
   Běžné modely v zemědělství odhadují tuny/ha. U molekulárního farmaření potřebujete odhadovat hlavně kg cílového proteinu/ha. To vyžaduje kombinovat:

   • data o růstu porostu (satelit, drony, multispektrál),
   • půdní a klimatická data,
   • agronomické zásahy,
   • laboratorní data o expresi proteinu v hlíze.

2. Optimalizace agronomických zásahů
   Pokud malá změna v závlaze nebo výživě posune expresi proteinu o jednotky procent, AI umí hledat nastavení, které maximalizuje „protein na korunu“, ne jen hmotnost.

3. Včasná detekce stresu a chorob
   U specializované plodiny je ztráta porostu dražší než u komoditní produkce. Modely pro detekci stresu (vodního, teplotního, nutričního) pomáhají rozhodnout, kdy zasáhnout a kdy už je pozdě.

4. Kontrola kvality a třídění po sklizni
   Po sklizni se dá pomocí počítačového vidění a NIR senzoriky třídit surovina podle kvality. Pro molekulární farmaření je důležité nepouštět do extrakce „špatnou“ šarži, která zhorší konzistenci prášku.

Jedna věta, kterou si zapamatujte: Genetika určí, co je možné. AI rozhodne, co je reprodukovatelné ve velkém.

Proč zrovna brambory: praktická volba, ne romantika

Brambory jsou v Evropě (a tedy i v Česku) zemědělsky dobře zvládnutá plodina. Existuje infrastruktura, know-how, skladování i logistika. A hlíza je navíc „zásobní orgán“, což se pro akumulaci proteinu hodí.

Z pohledu potravinářského řetězce je zajímavé ještě něco: oddělení produkce proteinu od chovu slepic. Pokud se část ovalbuminu přesune do plodin, roste odolnost dodávek. A to je v roce 2025 extrémně aktuální téma – potravinářské firmy stále řeší volatilitu cen energií, vstupů a surovin.

Co to může znamenat pro české zemědělství a potravinářství

Nečekejme, že se zítra přejde na „proteinové brambory“ ve velkém. Ale jako strategický směr to dává smysl v několika scénářích:

• Smluvní pěstování s vyšší přidanou hodnotou (farmář není tlačený jen výkupní cenou komodity).
• Nové zpracovatelské kapacity (extrakce a sušení proteinů jako navazující obor).
• Rychlejší inovace receptur (stabilnější dodávky funkčních proteinů zjednodušují plánování výroby).

Jestli něco dlouhodobě chybí, je to propojení agronomie, potravinářské technologie a dat. Molekulární farmaření je tlak, který to propojení urychlí.

Od skleníku ke škálování: co se musí zvládnout, aby to fungovalo

PoLoPo oznámilo nasazení ve skleníkové produkci. To je důležité: skleník dává kontrolu nad prostředím, a tím i nad variabilitou. Přechod do širšího měřítka ale přináší čtyři praktické výzvy.

1) Konzistence šarží

Potravinářství miluje konzistenci. Pokud jednou dodáte prášek s určitou funkčností a příště se chová jinak, výrobce má problém. AI zde pomáhá vytvářet modely řízení šarží, které propojí podmínky pěstování se skutečnou funkčností v aplikaci.

2) Ekonomika: rozhoduje cena za funkční jednotku

Nejde o „protein obecně“. Jde o cenu za konkrétní funkční parametr (např. pěnivost, gelace, vaznost vody). Pro úspěch bude klíčové:

• maximalizovat protein/ha,
• minimalizovat náklady na extrakci,
• stabilizovat kvalitu prášku.

AI se zde uplatní jako optimalizační vrstva nad celým řetězcem.

3) Regulace a akceptace

Geneticky modifikované plodiny v EU narážejí na přísná pravidla i veřejné vnímání. To není detail – je to bariéra trhu. Zároveň se ale v Evropě vede debata o modernizaci přístupu k novým genomickým technikám.

Můj pohled: kdo chce uspět, musí být extrémně transparentní. Ne slogany, ale daty. A i tady AI pomáhá: trasovatelnost šarží, auditovatelné záznamy, digitální dvojče výroby.

4) Integrace do potravinářských linek

Výhoda PoLoPo je jasná: chce prodávat prášek, který „zapadne“ do existujících linek. To je chytrý tah. V praxi ale bude potřeba řešit:

• funkční ekvivalenci vůči vaječnému prášku,
• alergenní profil a značení,
• stabilitu v různých aplikacích (pečivo, alternativy masa).

Jak by vypadala AI architektura pro „proteinové brambory“ v praxi

Pokud jste zemědělec, agronom, nebo potravinář a přemýšlíte, co z toho je přenositelné do vašich projektů, tady je jednoduchý rámec.

Datové vrstvy, bez kterých se neobejdete

• Pole/skleník: počasí, půdní vlhkost, EC, teplota, závlaha, dávky hnojiv, ochrana rostlin
• Snímkování: satelit/dron, multispektrál, termál
• Laboratoř: expresní hladina cílového proteinu, vlhkost, škrob, kontaminace
• Zpracování: výtěžnost extrakce, parametry sušení, funkční testy prášku

Modely, které dávají největší smysl začít dělat hned

1. Model predikce proteinu/ha (týdenní aktualizace během sezóny)
2. Doporučovací systém závlahy a výživy (optimalizace na protein, ne jen biomasy)
3. Detekce anomálií porostu (stres, choroby, odchylky mezi bloky)
4. Model pro plánování sklizně (nejlepší kompromis mezi výnosem a kvalitou)

Praktická rada: nezačínejte „velkou platformou“. Začněte jedním modelem, který zlepší jedno rozhodnutí. U molekulárního farmaření bývá nejvíc peněz v rozhodnutí kdy sklízet.

Co si z příběhu PoLoPo odnést (a co sledovat v roce 2026)

PoLoPo ukazuje jednoduchou, ale důležitou věc: budoucnost proteinů nebude jen v laboratoři, ale i v agronomii. A agronomie v roce 2025 už není jen o zkušenosti a intuici. Je o datech, senzorice a modelech.

Pokud pracujete v zemědělství nebo potravinářství, stojí za to sledovat tři signály:

• Zda se molekulární farmaření posune od skleníků k robustnímu škálování s konzistentní kvalitou.
• Jak rychle se budou standardizovat metody měření funkčnosti (a ne jen obsahu proteinu).
• Jaké AI nástroje se stanou „běžnou výbavou“: predikce výnosů, digitální dvojčata, automatizace kvality.

A pokud chcete generovat leady pro AI projekty v zemědělství, tohle je přesně typ use-casu, který dává smysl: měřitelný výsledek, jasný řetězec hodnoty a silná motivace trhu.

Kde to skončí? Možná u brambor, které dnes vypadají úplně obyčejně, ale ve skutečnosti nesou roli malé továrny. A nejspíš to nebude „jedna velká změna“. Spíš série praktických kroků, které postupně udělají výrobu potravin odolnější a předvídatelnější.