AI robot v kuchyni: co Figure 01 znamená pro potraviny

Robot, který nakrmí člověka, roztřídí nádobí a u toho „zadrhává“ v řeči, zní jako virální video pro pobavení. Jenže přesně takové ukázky (např. kolem humanoidních robotů typu Figure 01) jsou pro potravinářství a navazující zemědělství důležitější, než se na první pohled zdá. Nejde o show. Jde o signál, že se robotika řízená umělou inteligencí posouvá od jednoúčelových linek k systémům, které zvládnou víc typů práce v reálném provozu.

V naší sérii „Umělá inteligence v zemědělství a potravinářství“ obvykle mluvíme o monitorování plodin, predikci výnosů nebo optimalizaci výroby. Teď se vyplatí otočit pohled: co se děje „na konci řetězce“ – ve zpracování, balení, gastronomii a logistice – má přímý dopad na to, jak se bude plánovat produkce, skladování i kvalita. Pokud se v potravinách začne ve velkém prosazovat AI automatizace manipulace, změní se i to, co se vyplatí pěstovat, v jakých dávkách a jak stabilně to umíme dodat.

Proč je humanoid v kuchyni víc než marketing

Humanoidní robot v potravinářství dává smysl tehdy, když umí pracovat v prostředí navrženém pro lidi. Kuchyně, výdej, myčka, přípravna, sklad, ale i část potravinářských provozů – to všechno jsou místa s lidskou ergonomií: kliky, zásuvky, regály, přepravky, vozíky, standardní nádobí.

Tradiční potravinářská automatizace je skvělá, ale často platí: jedna linka = jeden typ úkolu. Jakmile se změní obal, velikost porce, skladba menu nebo tvar produktu, je potřeba přeseřídit, přeprogramovat, někdy i přestavět mechaniku. U „AI robotů“ (ať už humanoidních nebo kolaborativních) je cíl jiný: jedna platforma, více úkolů, protože se víc opírá o vnímání (kamery, hloubku), učení a plánování pohybu.

A proč je relevantní i to „zadrhávání“ v řeči? Protože v provozu není důležitá dokonalá konverzace, ale přirozené zadávání úkolů a bezpečné potvrzení: „Dej tyhle talíře do myčky, příbory sem, sklenice zvlášť.“ Jakmile robot rozumí instrukcím a umí se doptat, snižuje se bariéra nasazení.

Co ukázky typu „nakrmí člověka“ ve skutečnosti testují

Krmení člověka není gastronomický use case. Je to test tří kritických schopností:

1. Jemná manipulace (vidlička/lžíce, měkké potraviny, křehké kusy).
2. Bezpečnost a predikce pohybu člověka (hlava uhne, ruka se pohne).
3. Vnímání kontextu (kde je sousto, jaký je úhel, jakou silou).

Tyhle tři věci jsou prakticky stejné schopnosti, které budete chtít při:

• dávkování ingrediencí,
• kompletaci porcí,
• manipulaci s křehkým pečivem,
• třídění vratného nádobí,
• picking v chlazeném skladu.

Jednoúčeloví roboti vs. „obecnější“ AI robotika

Jednoúčeloví roboti v gastronomii a potravinách už dnes dávají ekonomiku. Typicky jde o automatizaci velmi opakovaných úkonů: skládání pizzy, dávkování omáček, přesné dávkování surovin, třídění, jednoduchý picking. To je důvod, proč šla velká část investic do „task-specific“ řešení.

Jenže realita provozu v ČR (a obecně v Evropě) je často „špinavá“ a proměnlivá:

• sezónní změny menu,
• střídání brigádníků,
• výkyvy poptávky (vánoční firemní akce, školní jídelny, festivaly),
• omezený prostor,
• mix staršího vybavení.

Tady má obecnější robotika šanci. Ne proto, že bude dokonale univerzální. Ale proto, že zvládne třeba 8–12 úkolů v jednom provozu a bude se přepínat podle potřeby.

Kde se to láme: spolehlivost, ne „wow efekt“

Potravinářství je nemilosrdné: když se pokazí dávkovač, přejdete na ruční režim. Když se pokazí robot, nesmí to zastavit špičku. Proto budou vítězit týmy, které umí dodat:

• měřitelnou spolehlivost (např. čas mezi poruchami, úspěšnost uchopení),
• rychlé zotavení po chybě (robot se „nezasekne“ na výjimce),
• servis a náhradní díly,
• bezpečnostní režimy pro práci vedle lidí.

Můj názor: nejdřív uspějí nasazení, kde robot nevaří, ale dělá „neviditelnou“ práci – příprava, přesuny, třídění, mycí zóna, sklad.

Co to znamená pro potravinářské provozy v ČR v roce 2026

Největší přínos AI robotiky v potravinách je stabilita výkonu při nedostatku lidí. To je v prosinci 2025 pořád aktuální: tlak na mzdy v gastronomii, proměnlivá dostupnost personálu a vysoké náklady na zaškolení.

Praktické scénáře, kde dává smysl začít (a kde humanoid není nutný, ale AI řízení ano):

1) Mycí zóna a třídění nádobí

Třídění talířů, příborů a gastro nádob je repetitivní, ale chaotické: různé tvary, zbytky, mokro, kluzké povrchy. AI vidění + bezpečná manipulace řeší přesně tohle.

2) Kompletace porcí a balení

Balení krabiček (hotovky, saláty, přílohy) stojí na konzistenci. Robot se hodí tam, kde:

• jsou definované komponenty,
• potřebujete sledovat alergeny,
• chcete držet gramáže a minimalizovat odchylky.

3) Interní logistika: přepravky, palety, regály

Sklady a přípravny trpí „mikro-přesuny“: dones, odnes, přerovnej. Autonomní vozík pomůže, ale robotická ruka přidá schopnost manipulace s různými typy přepravek a obalů.

4) Kontrola kvality a dohledatelnost

Jakmile máte kamerové systémy a AI v provozu, přirozeně přidáte:

• kontrolu uzávěrů a etiket,
• detekci poškození obalu,
• párování šarží,
• fotodokumentaci pro reklamace.

Tohle je mimochodem most zpět do zemědělství: když umíte spolehlivě párovat šarže a kvalitu, umíte zpětně vyhodnotit, které dodávky a odrůdy se chovají nejlépe v reálném zpracování.

Most k zemědělství: proč „robot v kuchyni“ mění i pole

Potravinářství je brzda i akcelerátor inovací v zemědělství zároveň. Pokud downstream (výroba, balení, logistika) začne být chytřejší a automatizovanější, vzniknou tři efekty:

1) Přesnější plánování poptávky a menší odpisy

AI v provozu generuje detailní data: tempo spotřeby, vrácené porce, zmetkovitost, důvody vyřazení. To umožní lepší plánování odběrů od producentů.

Konkrétní dopad: méně „na jistotu“ objednaných surovin před svátky a akcemi, méně odpadu.

2) Standardizace formátu suroviny

Roboti milují standard. Jakmile se bude více porcí kompletovat automatizovaně, poroste tlak na:

• uniformní velikost kusů (např. brambory, jablka),
• predikovatelnou pevnost a zralost,
• stabilní balení pro picking.

To vrací pozornost k preciznímu zemědělství: třídění už na farmě, senzorika, predikce zralosti, optimalizace sklizně.

3) Nové KPI: kvalita pro manipulaci

Dnes se kvalita posuzuje hlavně chutí, vzhledem a trvanlivostí. Zítra přibude „manipulační kvalita“: jak snadno se produkt uchopí, jestli klouže, jestli se láme.

„Budoucí standard potraviny nebude jen to, jak chutná. Bude to i to, jak dobře se s ní pracuje v automatizovaném provozu.“

Jak poznat, jestli se vám AI robot vyplatí (praktický checklist)

Vyplatí se tehdy, když řeší úzké místo a máte data pro řízení výkonu. Nezačínejte robotem „protože ho má konkurence“. Začněte úkolem.

Rychlý výběr vhodného procesu

Vytipujte činnost, která splňuje aspoň 4 z 6 bodů:

• vysoká opakovatelnost (stejný pohyb desítky až stovky krát denně),
• ergonomická zátěž (zápěstí, záda, dlouhé stání),
• kolísající dostupnost personálu,
• měřitelný výstup (počet kusů/hod, chybovost),
• jasná pravidla hygieny a úklidu,
• dost prostoru pro bezpečný provoz.

Jak si nastavit pilot (aby neskončil v šuplíku)

1. Definujte metriku úspěchu: třeba „90 % úspěšných uchopení“ nebo „o 20 % rychlejší třídění v myčce“.
2. Zmapujte variabilitu: kolik typů nádobí/obalů/surovin reálně máte.
3. Připravte provoz: značení zón, standardní umístění přepravek, jasné trasy.
4. Počítejte se servisem: kdo řeší poruchu v 11:45 během obědů?
5. Školte směnové mistry, ne jen IT: robot patří do provozu.

Můj tip: nejlépe funguje pilot, který do 30 dnů ukáže buď jasný přínos, nebo jasný důvod, proč to zatím nejde. Obojí je výhra, protože se přestanete dohadovat „pocitově“.

Co čekat v nejbližších 12–24 měsících

Humanoidní roboti budou přibývat ve videích dřív než v českých kuchyních. To je normální. Reálná adopce obvykle začne v místech s vyšší marží a stabilním procesem (velké kuchyně, catering, centrální výroba, logistika). Menší podniky se přidají, až budou existovat ověřené balíčky „robot jako služba“ a jasná servisní síť.

Současně poroste hodnota „nudné“ AI infrastruktury: kamerové systémy, integrace se skladovým hospodářstvím, evidence šarží, standardizace přepravek. Bez toho robot nevyužijete naplno.

A tady se kruh uzavírá s naším tématem: AI v zemědělství a AI v potravinách se budou sbližovat přes data o kvalitě, poptávce a odpadu. Kdo to spojí, vyhraje.

Co si z toho odnést a jaký je další krok

AI robotika typu Figure 01 ukazuje hlavně to, že manipulace s potravinami a nádobím už není jen doména rigidních linek. Směr je jasný: více adaptivity, více práce vedle lidí, více dat o procesu. Největší přínos bude v úkolech, které jsou pro člověka únavné a pro provoz drahé.

Pokud řešíte automatizaci v potravinářství, gastronomii nebo ve skladové logistice, začněte jedním procesem: mycí zóna, kompletace porcí, interní přesuny nebo kontrola kvality. A od začátku si hlídejte metriky – bez nich se z AI stane jen drahá hračka.

Kam se to posune do konce roku 2026? Uvidíme první provozy, kde se jeden robot během dne přepíná mezi 3–5 úkoly podle toho, kde zrovna hoří kapacita. A to je přesně ten moment, kdy AI v potravinách začne měnit i plánování a standardy v zemědělství.