Proteinová sladkost: jak AI mění sladké nápoje

40 gramů cukru v jedné lahvičce sladkého čaje není výjimka, ale běžný standard. A když se člověk v prosinci (po všech firemních večírcích a cukroví) podívá na svůj denní příjem cukru, bývá to docela rychlé vystřízlivění. Výrobci nápojů to vědí už roky – jenže snížit cukr bez ztráty chuti je tvrdý oříšek.

Teď se do toho opřely dvě věci najednou: precizní fermentace (výroba specifických molekul pomocí mikroorganismů) a umělá inteligence v potravinářství (AI modely pro návrh receptur, senzorická data a optimalizaci chuti). A výsledkem nejsou laboratorní „dietní“ chutě, ale produkty, které chutnají překvapivě normálně.

Jedním z nejzajímavějších signálů posledních let je nástup nápojů slazených sladkými proteiny – konkrétně proteinu brazzein. Startup Oobli ukázal, že to nemusí být jen science projekt: sladké čaje s 7 g cukru na porci a cca 60 kcal, přitom s chutí, která u ochutnávek obstála vedle klasiky.

Sladký protein místo cukru: co to přesně znamená

Sladké proteiny jsou bílkoviny, které na našem jazyku aktivují receptory sladké chuti podobně jako cukr, ale v jiných koncentracích a bez stejné kalorické „nálože“. To je zásadní rozdíl oproti běžným sladidlům.

Brazzein v kostce

Brazzein pochází z ovoce z oblasti západní Afriky. V přírodě je ho ale málo a extrakce je nepraktická. Oobli (dříve Joywell Foods) proto vyrábí chemicky identickou verzi brazzeinu pomocí mikrobiální fermentace:

• identifikují se geny odpovědné za tvorbu proteinu,
• vloží se do kvasinek,
• kvasinky ve fermentoru „vyrobí“ protein,
• protein se následně používá k doslazení výrobku.

Prakticky to znamená: sladkost nevzniká z cukru ani ze syntetického sladidla, ale z proteinu vyrobeného procesem podobným tomu, jak se v biotechnologiích vyrábí enzymy, vitaminy nebo některé potravinářské složky.

Proč to lidi řeší zrovna teď

Zdravotní motivace je jasná: nižší cukr = menší kalorická zátěž a často lepší kontrola glykemie. Jenže „bez cukru“ poslední roky naráží na dvě bariéry:

1. Chuť a pachuť (umělá sladidla, cukerné alkoholy).
2. Důvěra spotřebitelů – část lidí se umělým sladidlům vyhýbá a chce „přirozenější“ varianty.

Sladký protein tuhle debatu posouvá: je to biotechnologická ingredience, ale chuťově se může blížit cukru bez typické pachuti.

Proč nápoje bez cukru často nefungují (a co s tím má společného AI)

Největší mýtus: stačí nahradit cukr sladidlem. V praxi cukr dělá v nápoji víc než jen sladí. Přidává tělo, zakulacuje kyselost, ovlivňuje aroma a dozvuk.

Senzorická rovnice je složitější než „sladkost“

Výrobce, který sníží cukr, obvykle narazí na:

• „vodovější“ pocit v puse,
• agresivnější kyselost,
• horší nosné aroma (některé aromatické složky se chovají jinak),
• nepříjemný dozvuk sladidel.

A tady začíná být AI opravdu užitečná.

Jak AI pomáhá ladit chuť – konkrétně

AI v potravinářství dnes nejčastěji pomáhá v optimalizaci receptur a predikci senzoriky. Nejde o magii, ale o práci s daty:

• Modely pro predikci chuti: kombinují laboratorní parametry (pH, brix, profil aromat) se senzorickými testy a hledají vzorce.
• Multi-objektivní optimalizace: cílem není jen „co nejméně cukru“, ale zároveň „co nejvyšší preference“, stabilita, cena a dostupnost ingrediencí.
• Rychlejší iterace: místo 50 slepých prototypů se jich vyrobí třeba 12 – ale lépe zacílených.

V mém pohledu je tohle přesně ten typ aplikace, kde AI dává největší smysl: zkrátit cestu mezi nápadem a chutným produktem, který obstojí v reálném regálu.

Sladkost je jen jedna osa. Úspěch rozhoduje kombinace sladkosti, kyselosti, aromatu a dozvuku – a to se bez dat ladí naslepo.

Precizní fermentace jako most mezi zemědělstvím a potravinářstvím

Precizní fermentace je praktický příklad toho, jak se biotechnologie stává „novou zemědělskou výrobní linkou“ – jen v nádržích a s řízením procesu. Do našeho seriálu „Umělá inteligence v zemědělství a potravinářství“ to zapadá dokonale, protože v praxi se propojuje:

• biologie (kmeny, genetika, metabolismus),
• procesní inženýrství (fermentory, separace, čištění),
• a AI (řízení procesu, predikce výtěžnosti, kvalita šarží).

Kde konkrétně AI zlepšuje fermentaci

U výroby sladkých proteinů (stejně jako u jiných fermentačních produktů) jsou zásadní tři oblasti:

1. Predikce výtěžnosti a kvality

   • AI modely umí z průběžných dat (teplota, pH, rozpuštěný kyslík, spotřeba substrátu) odhadnout, jestli šarže „jede“ správným směrem.

2. Optimalizace krmné strategie (feed)

   • Kvasinky se krmí tak, aby produkovaly co nejvíc cílového proteinu a co nejméně vedlejších produktů.

3. Detekce odchylek a prevence zmetků

   • Včasné upozornění na kontaminaci nebo drift procesu šetří peníze i čas.

Jasně, Oobli v článku popisuje hlavně produkt. Ale pod kapotou je to typický moderní „food biotech“ problém, kde data a automatizace rozhodují o tom, jestli se inovace dostane z laboratoře do průmyslové výroby.

Je to zdravější? Realita je praktičtější než marketing

Nižší cukr je jednoznačné plus, ale „zdravější“ produkt musí obstát ve více bodech než v kaloriích. U sladkých proteinů a podobných inovací bych se díval na tyto otázky:

1) Co přesně se mění v nutričním profilu

U Oobli je srovnání jednoduché a uchopitelné:

• sladký čaj s brazzeinem: cca 7 g cukru a 60 kcal,
• typický sladký čaj: klidně kolem 40 g cukru a cca 150 kcal na podobný objem.

Tohle je rozdíl, který v průměrném denním příjmu udělá znatelný posun.

2) Co se stane s chutí a následnou spotřebou

Lidé často „dohoní“ ušetřené kalorie jinde, pokud je produkt neuspokojí. Proto je senzorika tak důležitá: chutný nápoj s méně cukrem má vyšší šanci, že skutečně sníží celkový příjem cukru – ne jen na etiketě.

3) Jaká je tolerance a individuální reakce

U umělých sladidel a některých cukerných alkoholů se řeší individuální reakce (trávení, vnímání chuti, někdy i vliv na mikrobiom). Sladké proteiny se profilují jako alternativa, která se části spotřebitelů bude zdát přijatelnější. Přesto platí: klíčová je transparentnost a dobrá regulace, ne marketingové nálepky.

Proč je cena problém – a zároveň test trhu

Největší brzda pro masový trh je zatím cena. Oobli prodává 12pack zhruba za 39 dolarů, tedy násobně víc než běžné značky. Ale tenhle fakt má dvě interpretace:

• Negativní: vysoká cena omezuje objem, a bez objemu cena neklesne.
• Pozitivní: pokud i při vyšší ceně existuje poptávka, je to důkaz, že chuť + „méně cukru“ je kombinace, za kterou část lidí zaplatí.

V prosinci 2025 navíc vidíme dlouhodobý trend: „better-for-you“ nápoje (funkční limonády, prebiotické nápoje, proteinové varianty) si zvykly na prémiové cenovky. Pokud produkt chutná a má jasný benefit, není to automaticky stopka.

Co by muselo nastat, aby to šlo do mainstreamu

Za mě jsou to tři věci:

1. Zlevnění výroby fermentací (škálování, vyšší výtěžnost, levnější downstream processing).
2. Lepší formulace (aby nebylo potřeba tolik „berliček“ v aromatech a stabilizátorech).
3. Důvěra a srozumitelnost: lidi musí chápat, co pijí – bez pocitu, že jde o chemii schovanou za hezké slovo.

A ve všech třech bodech může AI urychlit vývoj: od řízení fermentace po rychlejší návrh receptur a testování variant.

Praktické tipy pro výrobce a inovátory v Česku

Pokud vyvíjíte potraviny nebo nápoje, sladké proteiny a AI nejsou jen „trend ze Silicon Valley“. Jde o konkrétní příležitost, jak snížit cukr bez toho, aby zákazník utrpěl na chuti.

Checklist: kde začít během 30 dnů

• Zmapujte cukr v portfoliu: které produkty mají nejvyšší přidaný cukr na porci a zároveň největší prodeje.
• Definujte senzorické cíle: ne „méně cukru“, ale konkrétně „stejná sladkost“, „kratší dozvuk“, „plnější tělo“.
• Nastavte sběr dat z testů: i jednoduchý senzorický panel + standardizované škály vytvoří dataset, který AI dokáže využít.
• Vytvořte 8–15 prototypů, ne 50: s AI asistovaným návrhem kombinací sladkost/kyselost/aroma.
• Počítejte ekonomiku: cílová cena ingredience, dávkování, dopad na COGS a marži.

Jak poznat, že AI používáte správně

• Neptáte se „co je nejlepší recept“, ale „jaké kombinace splní naše cíle při dané ceně“.
• Měříte výsledky: preference, opakovaný nákup (nebo aspoň záměr), stabilita a reklamace.
• Model není černá skříňka bez kontroly – umíte vysvětlit, proč doporučuje konkrétní změnu.

Kam se posune „sladké“ v příštích 2–3 letech

Sladké proteiny naznačují, že budoucnost nebude jen o zakazování cukru, ale o chytřejší formulaci potravin. A to je pro zemědělství i potravinářství důležité: poptávka po surovinách, fermentačních substrátech a nových výrobních kapacitách se bude měnit.

V rámci série „Umělá inteligence v zemědělství a potravinářství“ je tohle dobrý příklad, že AI není jen o dronech nad polem. Je i o tom, co se děje na konci řetězce – v receptuře, ve fermentoru a v rozhodnutí spotřebitele.

Pokud chcete snižovat cukr a přitom udržet chuť, stojí za to dívat se na sladké proteiny vážně. Ne jako módní vlnu, ale jako technologii, která bude buď škálovat, nebo zmizí. A upřímně? Pokud chuť opravdu drží krok s cukrem, spíš bude škálovat.

Chcete, aby vaše další receptura měla méně cukru, ale zákazník to nepoznal? To je přesně typ problému, kde se vyplatí spojit potravinářskou technologii, fermentaci a AI modely pro senzoriku – a začít s malým, dobře měřitelným pilotem.