AI v potravinách: proč sledovat The Tomorrow Today Show

Když se řekne „AI v zemědělství“, většina lidí si vybaví drony nad polem nebo chytré senzory v půdě. Jenže největší změna často přichází o pár kroků dál – v tom, jak se rozhoduje o jídle, které má vzniknout, pro koho má být, a jak se má dostat z farmy přes výrobu až na talíř. A právě tady má smysl zbystřit.

V dubnu 2025 odstartoval nový pořad The Tomorrow Today Show s Mikem Leem. Není to další technologický „přehled novinek“. Jde o formát, který staví na dlouhých rozhovorech, scénářích budoucnosti a konkrétních signálech z praxe – od restaurací přes zemědělství až po personalizovanou výživu. V rámci naší série „Umělá inteligence v zemědělství a potravinářství“ je to přesně ten typ zdroje, který pomáhá přemýšlet o AI ne jako o nástroji, ale jako o novém operačním systému potravinového řetězce.

Proč jsou potravinové podcasty pro AI v agri-food důležité

O budoucnosti potravin nerozhodují jen agronomové a technologové. Rozhodují o ní i lidé, kteří umí propojit trendy, chování zákazníků a ekonomiku provozu. A to je přesně prostor, kde dlouhé konverzace dávají víc než stručné zprávy.

U AI v potravinářství je totiž běžná chyba: firmy řeší model, ale neřeší systém. Model může předpovědět poptávku, ale pokud nemáte data ze skladu, kuchyně, dodavatelů a logistiky ve stejném jazyce, predikce nevede k akci. Diskusní formáty typu The Tomorrow Today Show jsou cenné tím, že otevírají:

• datovou stránku (co se musí měřit a sdílet, aby AI fungovala),
• lidskou stránku (kdo s AI skutečně pracuje a kde vzniká odpor),
• business stránku (kde se AI zaplatí a kde je to jen hračka).

Co si z toho odnést do českého prostředí

V Česku teď (prosinec 2025) vidím rostoucí tlak na efektivitu: drahá energie, citlivost zákazníků na ceny a zároveň vyšší očekávání kvality. V tomhle kontextu AI není „nice to have“, ale často jediná cesta, jak držet marži bez snižování kvality – ať už jde o výrobce potravin, gastro provoz, nebo zemědělský podnik.

„Food passport“ a personalizace: trend, který dopadá i na farmu

Personalizovaná výživa je v praxi datový problém. Mike Lee dlouhodobě pracuje s myšlenkou „food passportu“ – profilu, který by přenášel preference, alergie, dietní omezení a cíle (hubnutí, sportovní výkon, diabetická dieta…) mezi restauracemi, obchody a službami.

Z pohledu AI v zemědělství to není vzdálená sci‑fi. Je to signál, že poptávka se může posouvat od „komodit“ k mikro-segmentům:

• více produktů bez alergenů,
• vyšší důraz na obsah bílkovin nebo vlákniny,
• preference konkrétních odrůd,
• původ, udržitelnost, způsob pěstování.

Kde do toho vstupuje umělá inteligence

Aby personalizace fungovala ve velkém, musí AI zvládnout tři věci najednou:

1. Sběr a sjednocení dat: ingredience, šarže, nutriční hodnoty, alergeny, původ.
2. Doporučování a predikce: co člověk pravděpodobně koupí/sní, co mu sedne a co mu škodí.
3. Orchestrace dodavatelského řetězce: přenést signál poptávky zpět k výrobě a zemědělci.

Jinými slovy: personalizace není jen aplikace pro zákazníka. Je to tlak na precizní zemědělství, plánování výsevů, sklizeň, skladování i receptury ve výrobě.

„Personalizovaná výživa je jen tak silná, jak silná jsou data o tom, co je skutečně v jídle.“

Budoucnost restaurací jako lakmusový papírek pro AI

První epizoda pořadu se věnuje budoucnosti restaurací. Proč to řešit v seriálu o AI v zemědělství a potravinářství? Protože restaurace jsou extrémně citlivé na:

• výkyvy poptávky,
• dostupnost surovin,
• cenu práce,
• plýtvání.

A to z nich dělá ideální prostředí, kde se rychle ukáže, co AI umí a co ne.

AI a plýtvání: nejrychlejší návratnost

V gastro i ve výrobě potravin bývá nejrychleji měřitelný přínos AI v oblasti predikcí a zásob:

• predikce prodejů po dnech a hodinách,
• doporučení objednávek surovin,
• detekce „tichých“ ztrát (překročené expirace, nadměrné porce, chybné plánování směn).

Pokud tohle zvládne restaurace s chaotickou poptávkou, tím spíš to může fungovat u výrobce, který má stabilnější procesy – za předpokladu, že má čistá data.

Komfortní jídlo místo molekulární kuchyně: signál pro výrobce

V debatách o budoucnosti jídla se často přeceňují „wow“ technologie. Mnohem častěji ale vyhrává jednoduchost: chuť, konzistence, cena, dostupnost. Posun šéfkuchařů od efektních experimentů ke komfortním jídlům (typově „poctivé“ pokrmy) je signál pro:

• výrobce polotovarů a ingrediencí,
• zemědělce pěstující odrůdy pro stabilní kvalitu,
• značky, které staví na důvěře.

AI tady pomáhá hlavně v tom, že stabilizuje kvalitu: od kontroly surovin po řízení výroby a detekci odchylek.

Jak si z podcastu udělat praktický nástroj (ne jen inspiraci)

Největší hodnota podobných pořadů je v tom, že vám zkrátí dobu hledání. Místo tří měsíců čtení reportů dostanete během hodiny jasné teze a protinázory.

Tři způsoby, jak to využít v praxi v agri-food firmě:

1) Zaveďte si „trendový backlog“

Po poslechu si sepište 5–10 tvrzení, která se opakují (např. personalizace, datové standardy, predikce poptávky, automatizace). Každému dejte štítek:

• teď (0–6 měsíců),
• brzy (6–18 měsíců),
• později (18+ měsíců).

Pak je převeďte do backlogu projektů – i kdyby to měly být jen malé piloty.

2) Přeložte „hezkou myšlenku“ do datové otázky

Když uslyšíte něco jako „personalizovaná výživa poroste“, přeložte to:

• Jaká data o produktu dnes nemáme, ale budeme je potřebovat?
• Umíme dohledat původ šarže do 2 minut?
• Máme alergeny, nutriční hodnoty a receptury v jednotném formátu?

AI v potravinářství se nerozbíjí na algoritmech. Rozbíjí se na tom, že data nejsou připravená.

3) Vyberte jednu oblast s jasnou metrikou

Pokud chcete AI projekt, který generuje leady a důvěru uvnitř firmy, začněte tam, kde jde dopad rychle spočítat:

• snížení odpadu (%),
• přesnost plánování výroby (%),
• zkrácení času inventur (hodiny/týden),
• reklamace a odchylky kvality (počet/měsíc).

Jedna dobře změřená změna je lepší než pět prezentací o strategii.

Co bude v roce 2026 rozhodovat o úspěchu AI v potravinách

Vyhrají ti, kteří zvládnou propojit data napříč řetězcem – od pole po talíř. Ne nutně ti, kteří mají nejkomplexnější model.

Z mojí zkušenosti se budou nejčastěji opakovat čtyři „tvrdé“ otázky:

1. Data a standardy: Máme jednotné číselníky surovin, šarží, alergenů a nutričních hodnot?
2. Integrace: Teče nám provozní realita z ERP/MES/WMS do analytiky bez ručních exportů?
3. Odpovědnost: Kdo je „owner“ datové kvality a kdo schvaluje změny?
4. Důvěra lidí: Je AI asistent, nebo kontrolor? V tom je obrovský rozdíl.

Podcasty jako The Tomorrow Today Show jsou užitečné právě proto, že tyhle otázky vrací do hry pořád dokola – z různých úhlů, s různými hosty.

A pokud hledáte přímé napojení na naši sérii „Umělá inteligence v zemědělství a potravinářství“: precizní zemědělství, predikce výnosů a monitorování plodin dávají největší smysl ve chvíli, kdy jsou napojené na reálnou poptávku a výrobu. Budoucnost není jen „lepší výnos“. Je to lepší rozhodování v celém systému.

Co si z toho vzít ještě dnes (21.12.2025)? Vyberte si jeden proces, kde vám AI ušetří peníze do 90 dnů, a jeden trend, který bude měnit poptávku do 24 měsíců. A pak to propojte.

Který signál je pro vás největší: personalizace, predikce poptávky, nebo tlak na dohledatelnost a data o původu?