AI v potravinářství: proč sledovat SKS 2025 online

V roce 2025 už nejde jen o to, jestli se umělá inteligence v potravinářství používá. Jde o to, kde přesně přináší měřitelný efekt: méně odpadu, stabilnější kvalitu, rychlejší vývoj produktů a lepší plánování výroby i logistiky. A právě proto má smysl sledovat, co se děje kolem Smart Kitchen Summit (SKS) – akce, která se v roce 2025 vrací v plně virtuálním formátu.

SKS 2025 proběhne v červenci 2025 jako dvoutýdenní online summit s 1–2 hodinami programu denně. To zní nenápadně, ale tenhle formát je ve skutečnosti překvapivě praktický: dovolí vám nasávat trendy a konkrétní příklady bez toho, abyste „vypadli“ z provozu firmy nebo z běžné práce.

Tenhle článek zapadá do naší série „Umělá inteligence v zemědělství a potravinářství“. Vezmeme oznámení SKS 2025 jako odrazový můstek a přeložíme ho do řeči českých potravinářů, agropodniků, startupů a technologických týmů: co si z témat jako AI & Food, personalizovaná výživa, udržitelnost a elektrifikace kuchyní vzít pro vlastní projekty – od farmy až po finální výrobek.

Proč má „smart kitchen“ smysl i pro „smart farm“

Smart kuchyně není gadget pro bohaté domácnosti; je to poslední metr potravinového řetězce, kde se data mění na chování. A když se mění chování (co lidé kupují, jak vaří, co vyhazují), mění se i tlak na zemědělství, výrobu, balení a logistiku.

Když SKS staví do popředí AI, personalizovanou výživu a udržitelnost, ve skutečnosti mluví o tom, jak se bude vyvíjet poptávka a jaké typy produktů přežijí. Pro české prostředí to znamená hlavně tři věci:

1. Rychlejší zpětná vazba z trhu: data o preferencích (chuť, složení, alergeny, „free-from“ trendy) se dnes sbírají a vyhodnocují v řádu týdnů, ne let.
2. Tlak na transparentnost: zákazníci i regulace tlačí na dohledatelnost původu, přesnější označování a snižování plýtvání.
3. Optimalizace napříč řetězcem: AI dává největší návratnost, když propojí pole/sklad/výrobu/prodej – ne když zůstane izolovaná v jednom oddělení.

Zjednodušeně: chytrá kuchyně je „laboratoř reality“. A to, co se tam učí algoritmy a firmy, se dřív nebo později propíše do toho, co budete pěstovat, vyrábět a distribuovat.

SKS 2025: co znamená virtuální formát pro praxi

Virtuální summit po dobu dvou týdnů s krátkým denním programem je formát, který nahrává lidem z provozu. V potravinářství i zemědělství málokdo vypne výrobu nebo sklizeň kvůli konferenci. Tady máte šanci sledovat program průběžně, vracet se k záznamům a přitom neztratit nit.

Organizátor (Michael Wolf, zakladatel SKS) to rámuje jako reakci na „rok změn a nejistoty“. Z českého pohledu: energie, marže, tlak retailu, ceny vstupů, personál. V takové situaci je největší chyba dělat inovace jako náhodný experiment. Lepší je učit se z konkrétních případů a ověřených přístupů – a přesně to dobře kurátorované virtuální akce umí.

Jak z virtuální akce vytěžit maximum (prakticky)

Mám vyzkoušeno, že největší přínos nepřijde z „poslechu inspirace“, ale z dobře položených interních otázek. Doporučuju jít do podobných summitů s tímto mini-briefem:

• Kde dnes ztrácíme peníze? (odpady, reklamace, přestávky, nevyužitá kapacita, přesčasy)
• Kde dnes ztrácíme čas? (plánování výroby, schvalování receptur, kontrola kvality)
• Jaká rozhodnutí děláme naslepo? (poptávka, výnosy, zásoby, ceny)
• Kdo je majitel dat? (ERP/MES/LIMS, senzorika, prodeje, R&D)

S těmito otázkami pak posloucháte úplně jinak: nehledáte „AI pro AI“, ale nápady na konkrétní projekty.

AI & Food: kde AI reálně vydělává (a kde ne)

AI v potravinářství vydělává tam, kde je jasná metrika a pravidelná data. Nejsilnější use-casy bývají méně sexy, ale o to výnosnější.

1) Predikce poptávky a plánování výroby

Nejde jen o to „odhadnout prodeje“. Jde o sladění:

• plánů výroby (šarže, směny),
• zásob surovin (expirace, substituce),
• kapacit linek,
• promo akcí retailu.

AI modely (typicky časové řady + externí signály) umí snížit přetoky a tím i odpisy. A když se potká dobrý forecast s dobrou logistikou, klesá i počet urgentních převozů a záskoků ve výrobě.

2) Kontrola kvality pomocí počítačového vidění

Počítačové vidění se v praxi používá na:

• detekci vad (tvar, barva, poškození),
• kontrolu balení (etikety, uzávěry, těsnění),
• třídění surovin.

Výhoda: běží to v reálném čase a dá se to připojit na vyřazování kusů, upozornění operátorů i automatické protokoly.

3) Rychlejší vývoj receptur a „digitální R&D“

V R&D je AI užitečná pro:

• návrh kombinací surovin (chuť, textura, nutriční profil),
• simulaci dopadů změn (např. náhrada jedné složky),
• analýzu senzorických testů.

Tady se často setkávají trendy z kuchyní (chuťové preference, convenience) s realitou zemědělství (dostupnost a cena surovin). To je přesně ten most, který dává SKS smysl i pro „agro“ publikum.

Kde AI často nedává smysl

• když nejsou data (nebo jsou v Excelu po odděleních),
• když neexistuje procesní disciplína (neustále se mění podmínky bez záznamu),
• když firma chce „model“, ale nemá kapacitu na nasazení do praxe.

AI není nákup softwaru. Je to změna způsobu rozhodování.

Personalizovaná výživa: trend, který mění zadání pro výrobce

Personalizovaná výživa není jen aplikace pro sportovce. Je to tlak na segmentaci produktů a na přesnější práci s daty o zákaznících. A to se dotýká i českých značek, které dodávají do retailu nebo e-commerce.

Co z toho plyne pro potravináře:

• Menší šarže, více variant: bez dobrého plánování výroby a zásob to bolí na nákladech.
• Přesnější tvrzení na obalu: roste potřeba lepší evidence složení, alergenů a stabilní kvality.
• Propojení s daty o zdraví: ať už přes doporučení, nebo přes B2B spolupráce (např. firemní stravování, nemocnice, sportovní kluby).

A teď propojení se zemědělstvím: jakmile výrobci začnou chtít stabilnější parametry (protein, cukry, velikost, senzorika), roste hodnota precizního zemědělství – monitorování plodin, řízení výnosů, predikce sklizně. Ne proto, že je to „moderní“, ale protože to snižuje variabilitu.

Elektrifikace a udržitelnost: proč to není jen o domácnostech

Elektrifikace kuchyní a udržitelnost nejsou oddělená témata. Jsou to dvě strany stejného tlaku: energie, emise, provozní náklady.

V potravinářství se udržitelnost často zúží na obaly. Jenže největší peníze bývají v:

• spotřebě energie ve výrobě,
• chlazení a skladování,
• zmetkovitosti a odpadech,
• dopravě a plánování tras.

Tohle je dobré číst i přes optiku SKS: trendy z „kuchyní“ se propisují do očekávání zákazníků (např. preferování úspornějších způsobů přípravy, tlak na menší plýtvání). Značky, které umí doložit konkrétní kroky (a ideálně i čísla), budou mít v roce 2026 lepší vyjednávací pozici.

Rychlý checklist: AI projekty, které podporují udržitelnost

• Predikce poptávky → méně neprodaného zboží
• Optimalizace receptur → méně drahých nebo rizikových vstupů
• Vidění na lince → méně zmetků a reklamací
• Predikce údržby → méně prostojů a energetických špiček
• Optimalizace logistiky → méně kilometrů a lepší vytížení

Tohle jsou projekty, které se v praxi obhajují snáz než „inovace pro PR“.

Co si z SKS 2025 odnést, i když se zemědělstvím teprve začínáte

Největší přínos podobných akcí je schopnost přetavit trendy do zadání pro vlastní data a procesy. Pokud jste zemědělský podnik, výrobce potravin nebo dodavatel technologií, doporučuju vybrat si jednu ze tří cest a držet se jí 90 dní:

1. Zlepšit datový základ: sjednotit zdroje dat (výroba, kvalita, sklad, prodeje) a definovat metriky.
2. Vybrat jeden use-case s ROI: např. forecasting pro jednu produktovou řadu nebo kontrola kvality na jednom kritickém místě.
3. Postavit „most“ mezi farmou a výrobou: třeba predikce sklizně + plánování kapacit + nákup surovin.

Kdo zkusí všechno, obvykle nedodá nic. Kdo si vybere jednu věc a dotáhne ji do provozu, vyhraje.

Co udělat teď (a proč nečekat na „lepší rok“)

Rok 2025 se nese ve znamení nejistoty, ale právě proto má smysl sledovat platformy, které sbírají praxi z různých trhů a oborů. SKS 2025 přináší témata, která se přímo potkávají s tím, co dnes řeší české firmy: AI v potravinářství, automatizace, personalizovaná výživa, efektivita a udržitelnost.

Pokud máte pocit, že AI je „moc velké sousto“, zkuste to otočit: vyberte si problém, který vás stojí peníze každý týden, a z něj udělejte první pilot. Technologie pak přijdou jako důsledek, ne jako cíl.

Až budete přemýšlet, co si z podobných summitů odnést, držel bych se jedné věty: Nejde o to mít víc nápadů. Jde o to mít lepší rozhodnutí, každý den. Jaké rozhodnutí ve vašem potravinovém řetězci dnes děláte naslepo – a co by se stalo, kdybyste ho začali dělat na datech?