AI v potravinářství po boomu: pragmatická fáze

První věc, kterou si z konference Future Food Tech 2025 odnesete, je překvapivě prostá: éra „stačí vyrobit alternativní protein a svět se přidá“ skončila. Investoři i velké značky se vrací k tomu, co potraviny vždycky byly — tvrdý byznys s regulací, maržemi, logistikou, chutí a hlavně s návyky lidí.

A právě v tomhle „novém realismu“ se otevírá prostor pro téma, které v našem seriálu Umělá inteligence v zemědělství a potravinářství řešíme dlouhodobě: AI už není efektní doplněk na pitch decku, ale podmínka, aby inovace vůbec škálovala. Nejen v laboratoři nebo ve výrobě, ale už na poli, ve skladu i v nákupu surovin.

Níže rozebírám, co se na Future Food Tech 2025 reálně změnilo, proč se potravinářství přestalo upínat na jeden zázračný směr, a hlavně: jak z toho mohou těžit firmy v Česku — od zemědělských podniků přes zpracovatele až po CPG značky.

Alternativní proteiny už nejsou „jediný příběh“. A je to dobře.

Klíčový posun je jednoduchý: alt-protein zůstal důležitý, ale přestal být jediným magnetem na kapitál a pozornost. Zmizeli „turističtí investoři“, kteří v letech 2019–2022 přišli s očekáváním rychlé technologické pohádky. Zůstali ti, kteří chtějí vidět výrobní plán, náklady, regulační strategii a reálnou cestu k zákazníkovi.

Tohle je zdravé. Potraviny nejsou aplikace. U potravin se:

• špatně „iteruje“ (změna receptury = nové testy, nové schvalování, nový nákup),
• draze škáluje (linka, pilotní provoz, HACCP, audity),
• pomalu mění chování (lidi si nekoupí něco jen proto, že je to „budoucnost“).

Co si z toho vzít v Česku

České firmy často hledají „velký trend“, který je vystřelí. Realita potravinářství je ale spíš o tisíci malých zlepšení, která dají dohromady konkurenceschopnost.

A přesně tady nastupuje umělá inteligence v potravinářství: ne jako marketing, ale jako nástroj pro měřitelné výsledky — snížení odpadu, stabilnější kvalitu, lepší plánování, vyšší výtěžnost, predikce poruch a chytřejší nákup.

Kultivované maso se nevzdává — ale bez dat a procesů to nepůjde

Kultivované maso nezmizelo, jen se o něm mluví střízlivěji. Na konferenci byly vidět firmy, které pokračují a umí ukázat konkrétní pokrok (například specializace na konkrétní produkt, zlepšení textury, regulatorní milníky).

Problém? Nejde jen o to „umět to vyrobit“. Jde o to umět to vyrábět:

• konzistentně,
• bezpečně,
• levněji každým dalším cyklem,
• a v režimu, který regulátor i retail akceptují.

Kde AI pomáhá se škálováním (a není to sci‑fi)

V praxi se dnes nejvíc vyplácí AI v oblastech, které zní nudně — a proto fungují:

1. Řízení procesu a kvality v reálném čase (anomalie, drift v parametrech, predikce odchylek).
2. Optimalizace receptur a výživových profilů (multi‑objective optimalizace: chuť × cena × výživová hodnota × stabilita).
3. Prediktivní údržba zařízení (menší prostoje, stabilnější plán).
4. Modelování výtěžnosti a energetické náročnosti (kde mizí peníze a kde se dá ušetřit).

V českém kontextu se velmi podobná logika dá použít i bez kultivovaného masa: ve fermentaci, mlékárenství, pivovarnictví, masném průmyslu nebo v pekárnách. AI neřeší „nový produkt“, ale „nový výkon“.

Z udržitelnosti se stává zdraví. A to mění zadání inovací

Nejsilnější změna tónu konference: udržitelnost zůstává, ale primárním motorem se stává zdravější složení, čistší etiketa a měřitelný zdravotní přínos. Firmy si uvědomují, že „zelené“ argumenty samy o sobě často nestačí, pokud zákazník nevidí osobní benefit.

Na scéně se objevuje koncept, který mi dává smysl i pro český trh: „stealth health“ — tedy zdravější potraviny, které chutnají a vypadají jako běžné. Ne „dietní kompromis“, ale normální produkt s lepším profilem.

Co to znamená pro vývoj produktů u nás

V Česku je citlivost na cenu vysoká. Zdravé potraviny mají růst, ale jen tehdy, když:

• chuť drží standard,
• příprava je jednoduchá,
• a benefit je srozumitelný (např. více vlákniny, méně soli, lepší sytivost).

AI v potravinářském vývoji pomáhá zkrátit cestu k receptuře, která splní několik cílů najednou. Typicky jde o práci s:

• senzorikou (panelová data + modelování preference),
• nutričními parametry,
• dostupností surovin (a jejich kolísající kvalitou),
• a nákladovou strukturou.

Tohle není „robot, co vymyslí jídlo“. Je to systém, který vám rychleji ukáže, které varianty mají šanci uspět — a které jsou slepá ulička.

AI je dnes povinná výbava. Pozor na AI‑washing

Na Future Food Tech 2025 bylo AI „všude“. A to je dvojsečné.

Dobrá zpráva: umělá inteligence v zemědělství a potravinářství už není okrajový experiment. Používá se v detekci toxinů, sledování kvality, personalizaci výživy i v dodavatelských řetězcích.

Špatná zpráva: přichází AI‑washing — firmy tvrdí „děláme AI“, ale ve skutečnosti mají jen jednoduchou automatizaci, pár pravidel nebo externí model bez datové disciplíny.

„Přehánět AI schopnosti je krátkodobá lež. AI‑washing vás dožene stejně jako greenwashing.“

Jak poznat, že AI projekt je reálný (a ne prezentace)

Když hodnotím AI projekty v potravinářství, držím se tří kontrolních otázek:

1. Jaká data už existují a kdo je vlastní? (výroba, laboratorní výsledky, senzory, ERP, LIMS)
2. Jak se bude měřit přínos v korunách? (odpad, reklamace, OEE, energie, prostoje)
3. Kdo bude model „provozovat“ po nasazení? (monitoring, drift, změny procesu)

Pokud odpověď zní „nějak se to udělá“, projekt se obvykle zadrhne do 3 měsíců.

Vláknina, GLP‑1 a „kompatibilní“ potraviny: nový tlak na reformulace

Trend, který v USA silně rezonuje, je dopad léků typu GLP‑1 (v médiích často zmiňovaných v souvislosti s hubnutím) na chování spotřebitelů i na strategii značek. Potravinářství přechází od paniky k adaptaci: produkty mají být sytější, nutričně smysluplnější a často s vyšším obsahem vlákniny.

U nás se tahle vlna může projevit o něco pomaleji, ale směr je podobný: vláknina se vrací do hry nejen jako „zdravé slovo“, ale jako konkrétní funkční komponenta.

Proč je vláknina i české téma

V praxi jde o tři věci:

• sytivost (menší potřeba „dojídat“),
• zdraví střev (dlouhodobý trend),
• reformulace bez ztráty chuti (největší výzva).

A znovu: AI tu není o tom, že „vymyslí vlákninu“. Je o tom, že pomůže:

• najít vhodné zdroje (včetně vedlejších toků),
• ohlídat funkčnost ve výrobě,
• a modelovat dopad na texturu a chuť.

Zajímavý směr je také upcyklace vedlejších toků (např. zpracování surovin, které by jinak šly do krmiv). Pro české zpracovatele to může být cesta, jak současně zlepšit výživový profil i ekonomiku surovin — pokud se to udělá technologicky čistě a s dobrým QC.

Jak převést „nový realismus“ do praxe: 90denní plán pro firmy

Realismus investorů i trhu má jednu výhodu: konečně se vyplácí dělat věci, které přinášejí výsledky do kvartálu, ne do pěti let.

Tady je postup, který jsem viděl fungovat u potravinářů i u zemědělských podniků, když chtějí AI posunout z nápadu do provozu.

1) Vyberte proces, kde unikají peníze každý den

Typické „rychlé výhry“ pro AI v potravinářství:

• kolísání kvality suroviny a následné přenastavování výroby,
• zmetkovitost a přepracování,
• zbytečné bezpečnostní zásoby,
• energetické špičky,
• reklamace a nestabilní parametry.

2) Udělejte datovou inventuru (a buďte k sobě tvrdí)

Seznamte, co máte: laboratorní výsledky, senzoriku, váhy, dávkování, teplotní křivky, vlhkost, skladové pohyby.

Cíl není „mít big data“. Cíl je mít použitelná data: konzistentní, časově sladěná, s jasnou definicí metrik.

3) Postavte pilot s metrikou úspěchu

Příklad metrik, které dávají smysl:

• snížení odpadu o X %,
• zkrácení seřizování o Y minut na šarži,
• snížení reklamací o Z případů měsíčně,
• zvýšení OEE o X bodů.

4) Nasazení je produkt, ne projekt

Po pilotu začíná ta „pravá“ práce: monitoring, výjimky, vysvětlitelnost, školení lidí na směně. AI je dobrá jen tehdy, když ji někdo používá v 6:00 ráno u linky.

Kam to celé míří v roce 2026: potravinářství bude chtít důkazy

Future Food Tech 2025 ukázala posun od velkých slibů k tvrdé exekuci. Alt-proteiny už nejsou jediný střed vesmíru. Zdraví je silnější argument než abstraktní udržitelnost. A umělá inteligence se dostala do fáze, kdy už nevyhrává „kdo ji má v prezentaci“, ale kdo ji umí napojit na data, proces a odpovědnost.

V našem seriálu Umělá inteligence v zemědělství a potravinářství to znamená jediné: největší příležitosti nejsou v tom „vymyslet potravinu budoucnosti“, ale zefektivnit celý potravinový systém od pole po regál. Přesnější predikce výnosů, lepší třídění a kontrola kvality, chytřejší plánování výroby, méně odpadu a stabilnější produkty.

Pokud máte pocit, že „AI je pro velké hráče“, realita je opačná: menší a střední firmy mají často kratší rozhodovací řetězec, a když si vyberou správný use case, dokážou se posunout rychleji než korporát.

Co je teď vaše nejdražší „tichá ztráta“ — odpad, energie, reklamace, nebo neplánované prostoje — a jak by vypadalo, kdyby vám ji AI pomohla zkrotit během 90 dnů?