Samsung Food ukazuje, kam míří AI v potravinách

Většina lidí pořád bere „chytrou kuchyň“ jako hezký doplněk – něco mezi receptovou aplikací a lednicí s displejem. Jenže právě tady se v praxi potkává to, o co se v potravinářství a zemědělství snažíme už roky: data o potravinách převést do lepších rozhodnutí. A Samsung Food je zajímavý signál, že velcí hráči se pokoušejí udělat z kuchyně datový uzel celého potravinového ekosystému.

Samsung při uvedení Samsung Food spojil roky budované funkce (chytré lednice Family Hub, akvizici Whisk, SmartThings Cooking a další) do jedné platformy a začal otevřeně stavět na „Food AI“ – tedy umělé inteligenci zaměřené na recepty, plánování jídelníčku, nákupy a nově i napojení na zdravotní data.

Pro naši sérii „Umělá inteligence v zemědělství a potravinářství“ je to výborná případová studie: ukazuje, jak se AI přesouvá z pole a výrobních linek až k talíři – a proč to může reálně snížit plýtvání, zlepšit kvalitu stravy a v ideálním případě zefektivnit i část dodavatelského řetězce.

Proč Samsung Food není „jen“ receptová appka

Samsung Food je v jádru konsolidace: místo několika oddělených funkcí a značek vzniká jedno místo, které má řídit domácí „food flow“ – od inspirace přes nákup až po vaření.

Tohle spojení je klíčové. Samotné recepty jsou komodita. Hodnota vzniká až ve chvíli, kdy aplikace:

• ví, co máte doma (inventář),
• ví, co chcete nebo potřebujete jíst (cíle, preference, alergie),
• umí to převést na konkrétní nákupní seznam,
• a ideálně dokáže pomoci i s přípravou (napojené spotřebiče, vedené vaření).

Samsung popsal čtyři pilíře: objevování receptů a personalizace, plánování jídelníčku s podporou AI, propojená kuchyň a sdílení. Z nich jsou pro praxi potravinářství nejdůležitější první tři.

Co je na tom „AI“ a co je prostě produktový design

Ne všechno, co vypadá jako AI, je skutečně AI. U Samsung Food ale AI dává smysl tam, kde jde o:

1. Personalizaci (doporučování receptů podle chování, preference chutí, dietních omezení).
2. Optimalizaci (plán jídelníčku, který sedí rozpočtu, času, cílům a zásobám).
3. Počítačové vidění (rozpoznání potravin z fotky a doplnění nutričních informací).

Jinými slovy: AI je tu užitečná hlavně ve chvíli, kdy musí najít kompromis mezi více omezeními najednou. Přesně to je situace, kterou známe i z precizního zemědělství – taky optimalizujete výsledek (výnos, kvalitu, náklady) pod tlakem omezení (počasí, půda, pracovní síla, termíny).

Od chytré lednice k datům o spotřebě: co se Samsung snaží postavit

Samsung s Family Hub lednicemi začal už v roce 2016. Dnes je důležité, že lednice s kamerami a inventářem nejsou jen „cool gadget“. Jsou to senzory spotřeby.

Pokud kuchyň ví, co se opravdu snědlo (ne jen co se nakoupilo), vzniká datová vrstva, která má pro potravinový sektor obrovský význam.

Inventář jako základ proti plýtvání

Nejrychlejší praktický přínos chytrého inventáře je jednoduchý: méně věcí propadne v lednici. V Česku se plýtvání v domácnostech pořád točí kolem špatného plánování, přebytků a zapomenutých potravin. Aplikace, která spojí zásoby, recepty a nákupní seznam, dokáže přirozeně tlačit na:

• využití surovin „na hraně“ trvanlivosti,
• lepší nákupní disciplínu,
• rozumnější porce.

V praxi často stačí i malé „nudné“ funkce: upozornění na potraviny s blížící se spotřebou, recepty „z toho, co doma je“, nebo automatické škálování porcí.

Když se spotřebiče stanou API pro vaření

Connected Cooking (navazující na SmartThings Cooking) dává smysl hlavně tam, kde se propojí:

• recept (čas, teplota, režim),
• trouba / varná deska (realizace),
• a uživatel (zpětná vazba, preference).

Tohle je zajímavé i pro výrobce potravin: pokud víte, jak lidé opravdu vaří (ne jak říkají, že vaří), můžete lépe navrhovat produkty, velikosti balení, návody i celé produktové řady.

Samsung Health + jídelníček: personalizace, která má i stinné stránky

Samsung avizoval integraci se Samsung Health, která má brát v úvahu například BMI, složení těla a kalorický příjem. Z pohledu uživatele je to lákavé: aplikace navrhne recepty a plán jídelníčku tak, aby seděl cíli.

Tady si ale stojím za jedním postojem: personalizace stravy je užitečná jen tehdy, když je transparentní.

Co by měl uživatel (a firma) chtít po „AI jídelníčku“

Aby to fungovalo dlouhodobě, musí systém umět vysvětlit:

• Proč doporučil konkrétní recept (např. bílkoviny, vláknina, alergeny, čas přípravy).
• Jaké parametry upřednostnil (zdraví vs. rozpočet vs. zásoby).
• Jak pracuje s nejistotou (např. když inventář není přesný).

Pro firmy v potravinářství je to zároveň upozornění: AI doporučování je nové „regálové místo“. Kdo se dostane do doporučení, vyhrává pozornost. To otevírá téma férovosti, obchodních pobídek a důvěry.

Praktický dopad pro potravinářství

Napojení na zdravotní cíle může změnit poptávku po kategoriích:

• vyšší zájem o potraviny s jasnými nutričními profily,
• tlak na srozumitelné značení a konzistentní data,
• růst segmentů jako „high protein“, „low sugar“, „bez lepku“ – ale s větším důrazem na skutečný přínos, ne marketing.

Co Samsung Food naznačuje pro zemědělství: data od talíře zpět na pole

Zemědělství a kuchyně se zdají daleko. Ve skutečnosti se přibližují. Jakmile se data o spotřebě a preferencích z domácností agregují (a anonymizují), může to zpětně ovlivnit:

• plánování výroby potravin,
• predikci poptávky,
• řízení zásob v retailu,
• a v delším horizontu i strukturu pěstovaných plodin.

„Food AI“ jako most v dodavatelském řetězci

V našem oboru se často mluví o AI v zemědělství ve smyslu dronů, satelitů a predikce výnosu. To je správně. Jenže optimalizace spotřeby je druhá strana mince.

Pokud domácnosti díky AI plánují efektivněji, snižuje se:

• tlak na nadprodukci některých položek,
• logistické ztráty (protože poptávka je stabilnější),
• a hlavně plýtvání u koncového článku.

A tady je častý paradox: firmy investují miliony do optimalizace polí a továren, ale ignorují domácnosti, kde vzniká obrovský podíl zbytečných ztrát. Když se tohle podaří propojit, je to praktický přínos pro celý systém.

Co si z toho odnést: doporučení pro firmy a inovátory

Samsung Food je užitečný „maják“, ale nejde ho kopírovat. Dá se z něj ale vytěžit několik konkrétních lekcí pro české potravinářství, retail, agri-tech i startupy.

1) Bez kvalitních dat o produktech AI nefunguje

Doporučování receptů a plánování nákupu stojí na datech: ingredience, alergeny, nutriční hodnoty, gramáže, alternativy. Pokud jsou data nekonzistentní, AI bude nepřesná a uživatel odejde.

Praktický krok:

• udělejte si audit produktových dat (nutriční tabulky, alergeny, jednotky, varianty balení),
• zaveďte jednotný datový model,
• řešte „data governance“ stejně vážně jako marketing.

2) Vítězí „use case“, ne technologie

Uživatel nechce AI. Chce rychle vyřešit večeři v pondělí 18:30. To je moment pravdy.

Tři use-casy, které v Česku typicky fungují:

1. „Uvař z toho, co mám doma“ (minimalizace plýtvání).
2. „Levný jídelníček na 5 dní“ (rozpočet, sezónnost, akce).
3. „Jídlo podle cíle“ (zdraví, sport, intolerance).

3) Integrace je těžší než modely

Samsung ukazuje, že největší práce je spojit:

• recepty,
• nákupy,
• inventář,
• spotřebiče,
• a ideálně zdravotní data.

Pro B2B platí totéž: pokud dodáváte AI do zemědělství nebo potravinářství, připravte se, že klíčová bude integrace do ERP, skladů, plánování výroby nebo e-commerce.

4) Transparentnost doporučení je konkurenční výhoda

Kdo dnes umí vysvětlit „proč to doporučuji“, získá důvěru. A důvěra je v oblasti jídla a zdraví tvrdá měna.

Praktický krok:

• u doporučení vždy zobrazte 2–3 důvody (nutriční cíl, čas, zásoby),
• umožněte uživateli preference snadno upravit,
• dejte možnost vypnout citlivé signály (zdravotní metriky).

Jednovětá definice pro praxi: Food AI je systém, který převádí data o potravinách, zásobách a cílech na konkrétní rozhodnutí „co koupit a co uvařit“ s minimem tření.

Co čekat dál v roce 2026: počítačové vidění a „pasivní“ kuchyň

Samsung naznačil rozšíření počítačového vidění: rozpoznání jídla z fotky a doplnění nutričních informací. To posouvá kuchyň do režimu „pasivního sběru“ – uživatel méně zapisuje, systém více odhaduje.

V praxi to bude boj o přesnost. Počítačové vidění v kuchyni naráží na:

• různá osvětlení,
• zakryté obaly,
• směsná jídla (guláš, rizoto),
• odlišné porce.

I tak to dává smysl: už 70% přesnost může být pro plánování nákupu a orientační výživové doporučení dost dobrá, pokud je systém navržen tak, aby se uměl učit z oprav uživatele.

Co to znamená pro AI v zemědělství a potravinářství (a co dělat teď)

Samsung Food připomíná jednoduchou věc: AI v potravinách není jen o vyšším výnosu na hektar. Je i o lepší spotřebě, menším odpadu a přesnější poptávce. A tohle je oblast, kde se v příštích letech bude rozhodovat o maržích i udržitelnosti.

Pokud jste výrobce potravin, retailer, agri-tech firma nebo inovátor, dává smysl začít hned:

1. Zmapujte, jaká data o produktech a ingrediencích máte a jak jsou kvalitní.
2. Vyberte jeden konkrétní use-case (např. snížení plýtvání u domácností nebo personalizace nabídky) a změřte ho.
3. Připravte se na svět, kde „doporučovací algoritmus“ bude nová výloha.

Až se za pár let budeme bavit o tom, proč některé potravinářské značky rostly a jiné stagnovaly, často to nebude jen o ceně. Bude to o tom, kdo dokázal dostat svůj produkt do kontextu – do jídelníčku, do cíle a do konkrétního okamžiku rozhodnutí.

Jakou část řetězce chcete mít pod kontrolou vy: pole, výrobu, nebo právě to poslední rozhodnutí v kuchyni?