AI a transparentní dodavatelské řetězce: lekce z Mt. Joy

Většina firem se dnes chlubí „udržitelností“. Jenže když přijde na detaily typu odkud přesně je surovina, kolik ujela kilometrů a jak se chovala farma k půdě, začnou odpovědi mlžit. A přesně tady je vidět, proč se v zemědělství a potravinářství tolik řeší transparentnost, data a umělá inteligence: bez nich se regenerativní příběh snadno změní v marketing.

V americkém Seattlu teď otevřel druhou pobočku podnik Mt. Joy – kuřecí „sandwich shop“, který stojí na dvou pilířích: regenerativní suroviny z lokálních zdrojů a digitální zákaznická zkušenost (objednávky přes aplikaci, notifikace, práce s preferencemi). Na první pohled to vypadá jako další moderní fast-casual podnik. Mně ale na tom přijde důležité něco jiného: Mt. Joy ukazuje, jak může kombinace dat, AI a chytré logistiky reálně posunout model „z farmy na stůl“ – a kde jsou naopak limity.

Proč právě transparentnost rozhoduje o tom, jestli regenerativní funguje

Regenerativní zemědělství je užitečné jen tehdy, když se dá ověřit. Bod.

V praxi totiž „regenerativní“ může znamenat všechno možné: pestřejší osevní postupy, omezení orby, pokryvné plodiny, pastvu, práci s biodiverzitou, zlepšování půdní organické hmoty. Pro spotřebitele (a často ani pro odběratele) je to ale neviditelné. Když pak velké řetězce udělají malé „udržitelné“ závazky bez detailů, vzniká prostor pro to, čemu se dnes běžně říká greenwashing.

Mt. Joy je zajímavý tím, že jde opačným směrem: u surovin zdůrazňuje původ a vzdálenost (kolik ujely kilometrů) a staví na myšlence, že transparentnost je součást produktu, ne jen poznámka na webu.

Co si z toho odnést pro české potravinářství

Pro výrobce a gastro v Česku má transparentnost velmi praktický dopad: když ji děláte dobře, dá se proměnit v konkurenční výhodu i v lepší řízení nákladů.

• Méně reklamací a „překvapení“ v kvalitě: když víte, od koho surovina je a jaké mívá parametry, umíte předcházet výkyvům.
• Lepší vyjednávací pozice: data o stabilitě dodávek, kvalitě a sezónnosti se dají promítnout do smluv.
• Důvěra zákazníka: ne slibem, ale konkrétností (šarže, farma, vzdálenost, datum).

A teď to podstatné: tohle nejde škálovat „ručně“ v Excelu. Ve chvíli, kdy přibydou pobočky, dodavatelé a šarže, nastupuje AI v potravinářství a automatizace práce s daty.

Kde v tom reálně pomáhá AI (a kde je to jen hezké UI)

Objednávky přes QR kód a SMS notifikace už dnes nikoho neohromí. Zlom nastane ve chvíli, kdy digitální kanál není jen „pokladna v mobilu“, ale sběr a využití dat.

Mt. Joy staví na myšlence, že restaurace by měla zákazníka poznat: co si dává, kdy chodí, jaké má preference. To může znít trochu „big tech“, ale v gastronomii je to překvapivě nevyužitý prostor – a zároveň užitečný i pro udržitelnost.

1) Predikce poptávky a omezení plýtvání

Nejrychlejší návratnost AI v gastro obvykle není v marketingu, ale v plánování výroby a zásob.

AI modely (klidně jednoduché, bez „sci-fi“) umí spojit:

• historické prodeje,
• den v týdnu,
• lokální akce (koncerty, sport, svátky),
• počasí,
• sezónnost (v prosinci jiné chování než v květnu),

…a vytvořit predikci: kolik se zítra prodá kuřete, příloh, omáček. Výsledek?

• méně vyhozených surovin,
• menší tlak na „levné náhrady“, když něco dojde,
• stabilnější objednávky směrem k farmám.

V českém kontextu je tohle extrémně relevantní před Vánoci a po nich: v prosinci 2025 se gastru vyplatí plánovat nejen na základě minulého týdne, ale i s ohledem na firemní večírky, svátky a prázdniny.

2) Inteligentní nákup: lokální, ale bez chaosu

Mt. Joy sám říká, že škálování do dalších měst znamená „znovu postavit“ lokální dodavatelský řetězec. To je přesně moment, kde AI dává smysl:

• doporučení dodavatelů podle parametrů (vzdálenost, certifikace, kapacita, cena, stabilita),
• simulace scénářů (co když vypadne farma A? jak rychle nahradím surovinu bez ztráty kvality?),
• vyhodnocení rizik (sezónní výpadky, logistická úzká místa).

Regenerativní dodavatelský řetězec není jen morální volba. Je to logistická disciplína. A disciplína se řídí daty.

3) Ověřitelnost: od marketingu k auditu

Transparentnost, která má obstát, potřebuje alespoň tři vrstvy:

1. Identita šarže (co to je a odkud to je)
2. Důkaz o cestě (kdy to bylo sklizeno / poraženo, kdy dorazilo, v jakých podmínkách)
3. Důkaz o praxi (co farma dělá regenerativně a jak se to kontroluje)

AI tady nepřináší „pravdu sama o sobě“. Přináší schopnost:

• automaticky párovat dokumenty,
• odhalovat nesrovnalosti,
• sledovat vývoj kvality v čase.

Když se tohle udělá dobře, greenwashing se dělá hůř – protože systém umí klást nepříjemné otázky za vás.

„Jídlo musí být skvělé“: proč technologie sama nestačí

Zakladatel Mt. Joy (technologický podnikatel) narazil na zásadní věc: v gastru nejde vyhrát jen příběhem. Pokud produkt nechutná, je konec. A tohle je dobrá brzda i pro AI projekty v zemědělství.

V praxi často vídám, že firmy investují do dashboardů, ale:

• nemají sjednocená data,
• nemají standardy kvality,
• neumí rozhodnutí „dostat do provozu“.

Technologie v potravinářství má smysl jen tehdy, když zlepší jednu z těchto věcí:

• Chuť a konzistenci (řízení procesů, kontrola kvality, stabilní suroviny)
• Ekonomiku (méně odpadu, lepší plánování, nižší logistické náklady)
• Důvěru (ověřitelnost, dohledatelnost, transparentní komunikace)

Mt. Joy to intuitivně chápe tím, že spojil šéfkuchařské know-how s farmářským a technologickým.

Jak postavit „regenerativní“ model tak, aby byl škálovatelný

Škálování je nejtvrdší test. Pokud zvládnete jednu pobočku s lokálním sourcingem, super. Pokud otevřete další a pořád držíte standard, teprve pak je to systém.

Tady je postup, který dává smysl i pro české značky (od malého výrobce po řetězec bister):

1) Definujte regenerativní standard jako sadu měřitelných pravidel

Ne „chceme být udržitelní“, ale třeba:

• maximální vzdálenost klíčových surovin (např. 150 km, s výjimkami),
• povinné minimum údajů k šarži,
• seznam povolených postupů/indikátorů u farmy.

2) Udělejte z dodavatelů datové partnery

Když dodavatel nedokáže dodat data, často to znamená, že procesy nejsou pod kontrolou. Ne vždy je to jeho vina; někdy jen chybí nástroje.

Co funguje:

• jednoduché digitální formuláře pro šarže,
• sdílené standardy (co přesně se vyplňuje),
• postupné zpřísňování požadavků, ne „šokem“.

3) Nasazujte AI tam, kde je jasný dopad do 90 dnů

Nejlepší první projekty bývají:

• predikce prodejů (a tedy nákupu),
• optimalizace objednávek a zásob,
• detekce odchylek v kvalitě (např. reklamace vs. šarže).

Až potom dává smysl personalizace v aplikaci.

Silná věta pro praxi: Nejdřív vyřešte odpad a stabilitu kvality. Teprve pak řešte „personalizovaný zážitek“.

Praktické „People Also Ask“: co si firmy typicky chtějí ujasnit

Je AI nutná, abych byl transparentní?

Není. Ale bez automatizace se transparentnost po překročení určitého rozsahu stává drahá a křehká. AI (nebo aspoň chytrá analytika) zlevňuje kontrolu a zrychluje rozhodování.

Neodradí zákazníky přílišná transparentnost?

Když je podaná srozumitelně, spíš pomůže. Lidé nechtějí tabulky. Chtějí vědět „proč tomu mám věřit“ a „co to znamená pro chuť a cenu“.

Jak poznám, že regenerativní dodavatelský řetězec není jen marketing?

Podle toho, jestli umíte ukázat: původ šarže, auditovatelná data a konzistenci v čase. Když to nejde ověřit, je to příběh, ne systém.

Co si odnést z Mt. Joy pro naši sérii o AI v zemědělství a potravinářství

Mt. Joy je dobrý příklad jedné věci: transparentnost a lokální sourcing nejsou „romantika“, ale operace řízená daty. Jakmile chcete růst, bez chytrého plánování, sledování šarží a predikcí poptávky to začne drhnout – a regenerativní sliby se rozpadnou na výjimky.

Pokud jste zemědělec, zpracovatel, výrobce, nebo provozujete gastro, mám jednoduchý návrh na další krok: vyberte jednu produktovou řadu nebo jednu provozovnu a udělejte z ní pilot transparentního řetězce. Změřte odpad, stabilitu kvality a schopnost dohledat šarže. A teprve potom přidávejte další vrstvy.

Budoucnost jídla nebude o nejhlasitějších tvrzeních. Bude o tom, kdo dokáže spojit regenerativní praxi s daty a důvěryhodným důkazem. Kterou část svého řetězce máte dnes nejméně pod kontrolou – nákup, plánování, nebo dohledatelnost?