AI v kuchyni: trouby s kamerou mění práci s jídlem

V roce 2025 už je AI v potravinách všude — a nejde jen o pole, sklady a výrobní linky. Nejviditelnější „AI na očích“ se teď přesouvá do domácností: trouby s kamerou poznávají jídlo, aplikace tvoří recepty z fotek a lednice si (aspoň na papíře) hlídají zásoby. Na veletrhu IFA se z toho stal skoro povinný bod programu: výrobci spotřebičů chtějí ukázat, že umí „AI“, i když nejde o žádnou magii.

Tohle téma ale stojí za pozornost i v našem seriálu Umělá inteligence v zemědělství a potravinářství. Domácí kuchyně se totiž stává dalším uzlem potravinového řetězce: tam, kde se rozhoduje o spotřebě, plýtvání, nákupních zvyklostech i tom, jaké produkty budou výrobci vůbec vyvíjet a prodávat.

Co přesně znamená „AI rozpoznání jídla“ a proč na tom záleží

AI rozpoznání jídla v troubě nebo v aplikaci je prakticky počítačové vidění: kamera vyfotí pokrm a model odhadne, co to je a jak s tím zacházet. Není to totéž co „chytré pečení“ obecně. Klíčová je schopnost vyhodnotit situaci bez toho, aby člověk ručně zadával režim, teplotu a čas.

Na IFA se ukázalo několik typických směrů:

• Trouby s kamerou (Siemens, Hisense, Beko): rozpoznání pokrmu, návrh programu, případně automatická úprava.
• AI asistence receptů bez kamery (Electrolux/AEG): import receptu z internetu a „přepsání“ kroků tak, aby seděly na konkrétní schopnosti trouby (např. pára).
• Foto → seznam surovin / recept (SideChef, Samsung Food): uživatel vyfotí jídlo nebo ingredience a systém navrhne recepty a nákup.

Pro potravinářství je důležité jedno: standardizace rozhodování. Jakmile se lidé začnou spoléhat na automatické programy a doporučení, spotřebič a aplikace reálně ovlivňují, co a jak se bude vařit. A to se promítá zpátky do poptávky po surovinách, polotovarech a baleních.

IFA a „AI v troubě“: co umí Siemens, Hisense a Beko (a kde jsou limity)

Výrobci se shodli na jednoduchém slibu: vložte jídlo, zmáčkněte Start, zbytek udělá systém. Je to srozumitelné a prodává se to snadno — podobně jako autopilot v autě. Jenže v kuchyni je realita špinavější (doslova).

Siemens iQ 700: rozpoznání 80+ jídel a automatické nastavení

Siemens ukazuje vestavnou kameru a rozpoznání více než 80 pokrmů, které má vést k automatickému nastavení optimálních parametrů. Typický scénář: mražená pizza, „start“ a hotovo. Zajímavý detail je volitelná pára pro lepší kůrku u pečiva.

Co je na tom praktické? Snižuje se variabilita výsledku, což je pro mnoho domácností (a i menších gastro provozů) reálná hodnota. U pečení je „přesnost opakování“ často větší problém než samotný recept.

Hisense Hi9: 140+ předprogramovaných receptů a chytrá lednice

Hisense přichází s troubou s „InCamera“ a více než 140 předprogramovanými recepty. To už je spíš katalog než rozpoznání v pravém slova smyslu, ale pro uživatele to může fungovat dobře.

Vedle toho ukázali i „smart“ lednici, která má umět:

• vzdálené nastavení teploty přes aplikaci,
• a údajně i AI tracking zásob.

Tady je potřeba být přísný: pokud výrobce neřekne, jak se inventář sleduje (kamera? váhy? ruční potvrzení?), bývá to často funkce, kterou lidi přestanou používat do dvou týdnů.

Beko: 30+ typů jídel a „personalizované dopečení“

Beko tlačí koncept „autonomního vaření“ s rozpoznáním více než 30 typů potravin a možností personalizace propečení (např. úroveň zhnědnutí). To je přesně ta část, kde AI může mít smysl:

• nejde jen o „poznat kuře“,
• ale o řízení cílového výsledku (barva, křupavost, šťavnatost).

Tvrdá pravda: kamera v troubě není novinka, rozdíl dělá software a data

Opravdu důležité je, kolik situací systém zvládne mimo demo:

• různé velikosti porcí,
• jiné nádobí (sklo/plech/litina),
• špinavé dvířko,
• odlišné osvětlení,
• kombinace surovin.

AI, která „pozná 80 jídel“, se může v praxi chovat jako AI, která pozná 15. A to je v pořádku — pokud to výrobce komunikuje férově a uživatel ví, kdy se má spolehnout na automatiku a kdy radši zkontrolovat teplotní sondu.

AI Taste Assist od Electrolux/AEG: méně kamer, víc smysluplné podpory

Nejpraktičtější směr je podle mě ten, který nepotřebuje kameru, ale řeší reálný problém: recepty z internetu jsou často nepřesné pro moderní trouby. Electrolux to na IFA popsal jako „cooking gap“ — mezeru mezi tradičními recepty a schopnostmi spotřebičů.

„Recept z webu“ jako vstup, optimalizace jako výstup

Taste Assist má umět:

1. vzít recept z internetu,
2. importovat ho,
3. upravit doporučení (např. přidat páru),
4. poslat instrukce do trouby.

Tohle je přenositelná logika i do potravinářství: AI překládá neurčité instrukce do měřitelných parametrů procesu. V továrně je to rozdíl mezi „pečte dozlatova“ a „cílová barva Lab* v toleranci X“.

Proč pára zní nudně, ale v praxi vyhrává

Pára je přesně ta technologie, která dokáže zvýšit konzistenci a snížit počet zkažených pokusů (vysušené maso, tvrdé okraje, rozteklý sýr). Pokud AI hlavně pomůže lidem správně používat existující funkce, je to často lepší než přidávat další senzory.

Foto → recept → nákup: SideChef a Samsung Food jako „domácí logistika“

Největší dopad na potravinový řetězec může mít paradoxně ne trouba, ale aplikace, která řídí nákup a spotřebu. Proto dávám velkou váhu tomu, co ukázaly SideChef a Samsung Food.

SideChef RecipeGen AI: inspirace z fotek, ale pozor na „domýšlení“

SideChef představil beta funkci, která z fotky jídla vytvoří postup a „shoppable“ recept. Testy ukazují typický problém generativní AI:

• často trefí základní suroviny,
• ale u nuance (typ pečiva, specifická omáčka) tápe,
• někdy si přidá ingredience, které na talíři nebyly.

Praktické doporučení pro uživatele i firmy, které takové funkce zavádějí: považujte výstup za návrh, ne za pravdu. V domácnosti to znamená „zkontroluj seznam“. V potravinářství to znamená „zaveď schvalování a audit“.

Samsung Food: fotka ingrediencí → seznam → recepty → méně odpadu

Samsung posouvá funkci „Vision AI“: vyfotíte ingredience a přidáte je do seznamu. Nad tím pak běží:

• návrhy receptů,
• prioritizace toho, co se blíží expiraci,
• aktualizace seznamu po vaření nebo nákupu.

A navíc nabízí Samsung Food+ za 7 USD měsíčně, s týdenními plány a sledováním makroživin.

Tady už nejde jen o pohodlí. Jde o řízení domácí poptávky. A to je přímá paralela k tomu, co řeší AI v zemědělství: plánování, predikce a optimalizace zdrojů.

Jak to souvisí s AI v zemědělství a potravinářství: stejný princip, jiné prostředí

AI v kuchyni kopíruje stejné vzorce jako AI na farmě: pozorování → rozhodnutí → akce → zpětná vazba. Jen se dívá na pizzu místo na porost.

Bridge point 1: rozpoznání jídla = rozpoznání stavu plodin

Na poli AI z fotek poznává stres z sucha, choroby nebo zralost. V troubě poznává typ jídla a fázi propečení. V obou případech platí:

• kvalita dat rozhoduje,
• okrajové případy bolí,
• a úspěch je o robustnosti v reálných podmínkách.

Bridge point 2: personalizace pečení = optimalizace výnosů

„Chci křupavou kůrku“ je kuchyňský ekvivalent „chci vyšší podíl tržních plodů“. AI má optimalizovat proces podle cílové metriky. V zemědělství to může být výnos a kvalita; v kuchyni konzistence a preference.

Bridge point 3: inventář v lednici = logistika a řízení zásob

Sledování zásob doma je malý model toho, co potravinářství řeší ve velkém:

• predikce spotřeby,
• rotace skladových zásob,
• snižování expirací,
• automatizované objednávky.

Pokud se domácí aplikace stanou „pravdou o tom, co došlo“, budou mít vliv na to, jaké velikosti balení se prodávají a jak se optimalizuje poslední míle.

Co si z toho odnést: kontrolní seznam pro firmy i domácnosti

AI ve spotřebičích dává smysl tehdy, když snižuje chybovost a plýtvání, ne když jen přidává další aplikaci. Tady je praktický checklist, který používám, když hodnotím „AI funkce“ v kuchyni (a překvapivě dobře funguje i pro agro/food projekty).

Pro domácnosti: 6 rychlých otázek před nákupem

1. Co se stane, když AI selže? Umím vařit i ručně, nebo je to slepá ulička?
2. Potřebuje to předplatné? A co přestane fungovat bez něj?
3. Kolik jídel to reálně pozná v češtině a v našich zvyklostech? (knedlíky, nákypy, bábovka…)
4. Můžu výsledky upravit podle sebe? (propečení, křupavost, alergeny)
5. Jak se řeší soukromí? Kde končí fotky z kamery a jak dlouho se drží?
6. Je úspora času nebo menší plýtvání měřitelná? Aspoň orientačně.

Pro potravinářské firmy a inovátory: kde hledat leady a piloty

• Data z kuchyní jako signál poptávky: co lidé vaří, kdy a z čeho.
• Spolupráce na „AI-ready“ produktech: polotovary navržené pro automatické programy (čas, teplota, pára).
• Snižování food waste: propojení expirací, receptů a nákupu.
• Standardizace kvality: stejné jídlo, stejný výsledek — doma i v malém gastro.

Jedna věta, kterou si klidně vytiskněte: Kdo bude vlastnit „doporučení k vaření“, bude nepřímo vlastnit i část nákupního košíku.

Kam se to posune v roce 2026: méně marketingu, víc integrace

AI v kuchyni teď prochází fází, kdy se všichni snaží „mít AI“. V dalším kroku vyhrají ti, kdo to propojí do smysluplného toku:

• fotka ingrediencí → plán jídel → nákup → vaření → automatická aktualizace zásob,
• a k tomu jasné režimy pro alergie, diety a udržitelnost.

Pro náš seriál o umělé inteligenci v zemědělství a potravinářství to znamená jediné: AI se už nedá brát jen jako nástroj pro primární produkci. Stává se systémem, který řídí spotřebu — a tím zpětně ovlivňuje, co se bude pěstovat, vyrábět a distribuovat.

Až budete příště hodnotit AI projekt na farmě nebo ve výrobě, zkuste si položit jednoduchou otázku: kde je v tom všem poslední článek — domácí kuchyně — a kdo ho dnes ovládá?