AI v restauracích: co si vzít z modelu Wow Bao

Restaurace se často tváří jako „low-tech“ byznys. Realita je opačná: kdo dnes neřídí provoz daty, platí to na odpadech, mzdách i nespokojenosti hostů. A nejde jen o velké řetězce. V prosinci 2025, kdy se dál zvedají náklady na energie a suroviny a lidé jsou citliví na cenu i konzistenci, je umělá inteligence v potravinářství a gastru jednou z mála cest, jak držet kvalitu a zároveň nerozbít marži.

Impulsem k tomuhle tématu je nový podcast o moderním provozu restaurací a první díl s Geoffem Alexanderem, šéfem značky Wow Bao. V jeho příběhu mě baví jedna věc: nevychází z „máme obří rozpočet, tak koupíme technologii“, ale z „nemáme kapitál, tak musíme být chytří“. Tohle je mindset, který se skvěle překlápí i do našeho seriálu Umělá inteligence v zemědělství a potravinářství – protože stejná logika platí od farmy až po výdejní okénko.

Níže najdete praktický rozbor: co přesně si z Wow Bao modelu vzít, jak to převést do českých podmínek a jaké AI nástroje pro restaurace dávají nejrychlejší návratnost.

Proč je „restaurační AI“ vlastně potravinářská AI

Restaurace je poslední článek potravinového řetězce a zároveň nejcitlivější na chyby. Když se na poli „netrefíte“ do hnojení, projeví se to ve výnosu. Když se v kuchyni „netrefíte“ do předpovědi poptávky, projeví se to ještě dnes večer: vyprodané položky, přebytky, stres personálu.

Z pohledu potravinářství je AI v restauracích hlavně o třech disciplínách:

• Predikce poptávky a plánování výroby (kolik čeho připravit a kdy)
• Kontrola kvality a konzistence (aby „stejné jídlo“ bylo opravdu stejné)
• Optimalizace logistiky a zásob (aby se nevyhazovalo a nechybělo)

A právě to je silná linka na zemědělství: stejné principy, jen jiné „senzory“. Na farmě drony a satelit, v restauraci POS data, objednávky z aplikací, teploty a časy, skladová pohyblivost.

Jedna věta, která se vyplatí zarámovat: AI není o tom dělat z restaurace IT firmu. Je to o tom z restaurace udělat předvídatelný provoz.

Lekce z Wow Bao: růst bez kapitálu díky standardizaci

Wow Bao vyrostlo na kombinaci technologií, standardizace a chytrého modelu výroby. V příběhu Geoffa Alexandera je klíčové, že firma brzy vsadila na samoobslužné kiosky, mobilní objednávky a včasnou spolupráci s rozvozovými platformami. To zní banálně, ale ve správném pořadí to vytváří řetězec efektů: více dat → lepší plánování → nižší odpad → lepší marže → prostor pro růst.

Centralizovaná výroba jako „potravinářská páteř“

Nejzajímavější část modelu je centralizovaná produkce a distribuce, která drží náklady na uzdě a pomáhá konzistenci. V českém prostředí to není jen hra pro velké řetězce. V malém se to dá dělat jako:

• centrální přípravna pro 2–5 poboček,
• sdílená výrobna pro více značek (dark kitchen / virtuální koncepty),
• spolupráce s lokálním výrobcem polotovarů s garantovanými parametry.

AI do toho vstupuje ve chvíli, kdy centralizaci začnete řídit predikcí a kvalitou: plán výroby podle objednávek, dynamické doplňování, řízení trvanlivosti.

Virtuální kuchyně a „digitální realita“ provozu

Wow Bao pracuje s mixem virtuálních kuchyní a distribuční sítě. To je relevantní i u nás: virtuální značky jsou často první krok, jak testovat menu bez velkého CAPEX. Jenže virtuální model je nemilosrdný: když nemáte data, nemáte řízení.

Prakticky to znamená:

• menu musí být navržené na konzistenci (málo proměnných, jasné gramáže),
• receptury se musí chovat „strojově“ (opakovatelně),
• objednávková data musí téct do plánování směn, výroby a nákupu.

Tohle je přesně moment, kde AI v gastronomii přestává být buzzword a stává se operativní výhodou.

5 oblastí, kde AI v restauraci šetří peníze během 60–90 dnů

Nejrychlejší návratnost má AI tam, kde snižuje variabilitu a odpad. Nemusíte začínat roboty ani futuristickým „metaversem“. Začněte tím, co každý měsíc bolí ve výsledovce.

1) Predikce poptávky (forecasting) podle hodin a dnů

AI modely umí predikovat prodej na úroveň hodin (např. pátek 18:00–21:00), když mají vstupy jako:

• historické prodeje z POS,
• svátky a sezónnost (v prosinci typicky firemní večírky, víkendy „na pohodu“),
• počasí (u některých konceptů zásadní),
• lokální akce (hokej, koncert, trhy).

Výsledek: přesnější příprava mise-en-place, méně vyhozených surovin a méně „vyprodáno“.

2) Optimalizace zásob a expirací

AI v potravinářství v praxi často znamená jednoduchou věc: systém hlídá, co se kazí, a doporučí akci.

• návrh „spotřebuj dnes“ pro položky s krátkou trvanlivostí,
• automatické přepočty minimálních zásob podle reálné poptávky,
• upozornění na neobvyklou spotřebu (možná chyba ve výdeji, krádež, špatná gramáž).

Tohle je často nejrychlejší finanční win, protože odpad je přímá ztráta.

3) Dynamické plánování směn

Mzdové náklady jsou pro restaurace citlivé a fluktuace personálu realita. AI pomáhá tím, že propojí očekávanou poptávku s kapacitami:

• kolik lidí na kuchyň, výdej, rozvoz,
• kdy posílit a kdy zkrátit,
• jak plánovat směny tak, aby nevznikaly hluché hodiny.

Dobře nastavené plánování zlepší i zkušenost hosta: kratší čekání, méně chyb, klidnější tým.

4) Kontrola kvality pomocí kamer a senzorů (bez paranoie)

Pořád platí: co nezměříte, neřídíte. AI může vyhodnocovat:

• dodržení postupů (např. čas na grilu, teplotní okna),
• podezřelé odchylky v porcování,
• teplotní záznamy v chlazení a při výdeji.

Důležité je nastavit to eticky a transparentně: cílem není „špehovat lidi“, ale držet standard a bezpečnost potravin.

5) Automatizace objednávek a upsell bez otravování hosta

Kiosky a mobilní objednávky nejsou jen o zrychlení. Jsou o datech a o průměrné útratě.

AI doporučení (např. příloha, nápoj, extra) funguje, když:

• respektuje kontext objednávky,
• nenutí nesmysly,
• učí se z toho, co lidé reálně kupují.

V českém prostředí to často znamená: „nabídni rozumný upgrade“, ne agresivní prodej.

Jak to propojit s výrobou potravin a zemědělstvím (od pole po talíř)

Největší potenciál má AI ve chvíli, kdy propojí dodavatelský řetězec. Restaurace obvykle vidí jen „objednáno–dovezeno–spotřebováno“. Potravinářství a zemědělství umí přidat vrstvy:

• stabilita a kvalita surovin (odrůda, šarže, sklizeň),
• predikce výnosů a cen (zlepšuje nákupní strategii),
• sledovatelnost (traceability) pro bezpečnost a důvěru.

Praktický scénář pro rok 2026: restaurace s více pobočkami si bere data o prodejích a sdílí je s výrobnou polotovarů; výrobna zase posílá data o šaržích, trvanlivosti a kapacitě. AI pak:

1. doporučí výrobu na příští týden,
2. upraví nákup podle očekávaných cen,
3. sníží odpad skrze přesnější distribuci.

To je „nudná“ inovace. A právě ta vydělává.

Nejčastější otázky, které dostávám (a jasné odpovědi)

„Má AI smysl i pro jednu restauraci?“

Ano, pokud máte aspoň základní digitální data (POS, sklad, objednávky). Začněte forecastingem a zásobami. Roboty si nechte na později.

„Co je první krok, aby to neskončilo v šuplíku?“

Vyberte jednu metriku, kterou chcete pohnout do 8 týdnů: odpad v Kč, počet vyprodaných položek, mzdové % z obratu, průměrná útrata.

„Kde se dělají největší chyby?“

Ne v AI modelu. V procesu.

• špatně zadané receptury a gramáže,
• nekonzistentní skladové příjemky,
• data rozházená v pěti systémech.

Praktický plán na 30 dní: AI pilot bez dramatu

Cíl: ověřit přínos AI v provozu a připravit se na škálování.

1. Týden 1 – Data a disciplína

   • zkontrolujte receptury a jednotky (g/ml/ks)
   • nastavte „pravdu“ v jedné tabulce: prodeje, odpady, vyprodané položky

2. Týden 2 – Forecasting v jednoduché verzi

   • vytvořte predikci na 7 dní dopředu (po hodinách, pokud to jde)
   • porovnávejte predikci vs. realitu každý den

3. Týden 3 – Zásoby a expirace

   • zaveďte pravidla pro minimální zásoby a FIFO
   • identifikujte 10 položek, které tvoří největší odpad

4. Týden 4 – Vyhodnocení a rozhodnutí

   • spočítejte úsporu odpadu a dopad na dostupnost menu
   • rozhodněte, zda rozšířit na směny, kvalitu nebo personalizaci objednávek

Když to uděláte poctivě, uvidíte změnu dřív, než se stihne vyčerpat trpělivost týmu.

Kam to celé míří v roce 2026

Podcasty o restauračním podnikání jsou užitečné hlavně tehdy, když je berete jako „laboratoř nápadů“ a pak si je přeložíte do vlastního provozu. Příběh Wow Bao ukazuje, že technologie není ozdoba. Je to způsob, jak přežít a růst, i když nemáte kapitál na chyby.

A pro náš seriál Umělá inteligence v zemědělství a potravinářství je to důležitá připomínka: AI nekončí u sklizně nebo ve výrobní hale. Skutečná hodnota se často objeví až v místě, kde se potkají poptávka, logistika a kvalita – tedy v gastronomii.

Pokud dnes řešíte, kde začít, berte AI jako „nástroj na méně chaosu“. Která část vašeho provozu by se nejvíc zlepšila, kdybyste dokázali s jistotou říct, co se bude prodávat zítra v 19:00?