AI v supermarketu: místo, kde se láme potravinový systém

Většina lidí si „potravinový systém“ představí jako pole, kravín nebo velký sklad někde za městem. Jenže realita se odehrává jinde: v supermarketu. Tam se potkává zemědělství, logistika, regulace, marketing i naše každodenní rozhodování mezi rohlíky a jogurty. A pokud hledáte místo, kde může umělá inteligence v zemědělství a potravinářství přinést nejrychlejší a nejviditelnější výsledky, je to právě regál.

Prosinec 2025 je pro tohle téma ideální. V čase vánočních nákupů se naplno ukáže paradox moderního prodeje: pocit hojnosti vs. křehkost dodavatelských řetězců, „nekonečný výběr“ vs. skrytá jednotvárnost surovin, a taky nerovnost v dostupnosti kvalitních potravin napříč regiony. Supermarket není jen prodejna. Je to zmenšenina potravinového systému – a zároveň jeho řídicí pult.

A teď to podstatné: AI dokáže z tohohle řídicího pultu udělat něco chytřejšího, transparentnějšího a spravedlivějšího – pokud se použije správně.

Supermarket jako „živý“ model potravinového systému

Supermarket je nejpřímější místo, kde se střetává nabídka s poptávkou. Každý produkt v regálu je výsledkem dlouhého řetězce rozhodnutí: co se zaselo, jak se to zpracovalo, jak to prošlo kontrolami, jak to někdo nacenil, jak to dojalo k nákupnímu košíku.

Z pohledu zemědělství je důležité jedno: regál je zpětná vazba. Když se nějaké zboží prodává, signál putuje zpátky: k nákupčím, výrobcům, zpracovatelům a nakonec i k farmářům. V tradičním světě je tahle zpětná vazba pomalá a zkreslená. V digitálním světě – a hlavně s AI – může být rychlá a přesná.

Co přesně může AI v retailu „přeložit“ do praxe

AI tady není jen o tom, že „něco spočítá“. Dobře nasazená umělá inteligence umí:

• předpovídat poptávku na úrovni prodejny, dne a počasí (ano, u některých kategorií je vliv počasí měřitelný)
• optimalizovat objednávky tak, aby se minimalizovalo vyprodání i přebytky
• odhalovat rizika v dodávkách (zpoždění, nedostatek surovin, výpadek dopravy)
• zlepšovat trasování původu (traceability) a dávat mu smysl i pro zákazníka

Výsledek je jednoduchý na pochopení: méně prázdných míst v regálu, méně odpadu, lepší informace o původu a férovější šance pro regionální dodavatele.

Paradox hojnosti: tisíce produktů, pár plodin

Regál vypadá jako oslava rozmanitosti, ale často stojí na velmi úzké surovinové základně. Velká část ultra-zpracovaných potravin se v Evropě i USA opírá o několik komodit (typicky obiloviny, kukuřice, sója, řepka, cukr). To vytváří dojem nekonečných možností, ale zároveň zvyšuje systémové riziko: pokud selže jedna komodita, otřese to desítkami kategorií.

Tohle není morální selhání. Je to logika systému, který byl desítky let laděn na měřítko, cenu a stabilitu dodávek.

Jak do toho vstupuje AI: od „efektivity“ k odolnosti

Největší chyba, kterou firmy dělají, je použití AI jen k tomu, aby „ještě víc zefektivnily“ to, co už dnes funguje. Efektivita bez odolnosti je past. Stačí pár šoků (energie, sucho, geopolitika, nemocnost pracovní síly v logistice) a ideálně vyladěný systém začne zadrhávat.

AI může pomoct posunout rozhodování z pouhé ceny na riziko a diverzitu:

• Modely rizik komodit: predikce dopadů sucha či výkyvů cen na dostupnost surovin
• Simulace portfolia: co se stane s kategorií, když vypadne jedna surovina nebo jeden velký dodavatel
• Doporučení alternativ: náhrady surovin (v rámci legislativy a alergenních omezení), které sníží závislost

V praxi to znamená třeba to, že řetězec začne cíleně podporovat více dodavatelů z regionu, nebo dá prostor produktům z alternativních plodin – ne jako PR, ale jako řízení rizika.

„Příběh na obalu“ vs. realita: tady nuance prohrává

V prodejně máte zhruba dvě sekundy na rozhodnutí. A to je důvod, proč se složité věci smrsknou do slov jako „farmářské“, „tradiční“, „přírodní“, „z lokálních surovin“. Tohle prostředí nuance ničí.

Jenže pro potravinový systém je nuance klíčová. Rozdíl mezi „udržitelným“ a skutečně udržitelným často leží v detailech: osevní postupy, práce s půdou, spotřeba vody, welfare, sezónnost, férovost smluv.

Jak může AI zlepšit transparentnost bez toho, aby zdržovala

AI umí překládat komplexní data do jednoduchých, srozumitelných signálů – a to je přesně to, co regál potřebuje.

Konkrétně:

1. Chytré štítky a personalizované filtry

   • místo 20 ikon na obalu nabídnout v aplikaci nebo na e-účtence „co je pro mě relevantní“ (alergeny, původ, způsob chovu, uhlíková stopa)

2. Ověřování tvrzení značek

   • AI může porovnávat deklarace s daty z dodavatelského řetězce (certifikace, šarže, logistika) a upozornit na nesoulady

3. Traceability, která není jen pro audit

   • trasování původu často existuje, ale zákazník z něj nic nemá. AI z něj může udělat krátké vysvětlení „odkud to je“ a „co to znamená“.

Důležitý detail: transparentnost má smysl jen tehdy, když je srovnatelná. Pokud každý dodavatel měří něco jiného, zákazník dostane zmatek. Proto je pro rok 2026 klíčové zavádět společné datové standardy napříč dodavateli.

Geografie dostupnosti: proč někde koupíte vše a jinde skoro nic

Dostupnost kvalitních potravin není rovnoměrná. Ve velkých městech a bohatších čtvrtích roste nabídka „bio“, „farmářského“ a specialit. Jinde je výběr omezený, čerstvé zboží dražší a logistika méně spolehlivá.

Tohle není jen sociální problém. Z pohledu potravinářství je to i problém efektivity: horší dostupnost čerstvých potravin často znamená vyšší zdravotní náklady a dlouhodobě vyšší tlak na veřejné rozpočty.

AI jako nástroj pro chytřejší síť prodejen a zásobování

AI dokáže odhalit, kde systém selhává, a navrhnout ekonomicky udržitelnou nápravu. Příklady použití:

• mikro-poptávkové modely pro malé obce a okrajové části měst (aby se čerstvé zboží objednávalo přesněji)
• optimalizace poslední míle (kombinace výdejních míst, rozvozových oken, tras)
• dynamické doplňování čerstvých kategorií (ovoce/zelenina, pečivo) podle reálného prodeje

Tady je dobré říct nahlas jednu věc: AI sama o sobě nerovnost nevyřeší. Ale umí snížit náklady na obsluhu „méně výnosných“ lokalit natolik, že se z toho stane reálná obchodní možnost – a ne jen charita.

„Jsem jen jeden člověk“: omyl, který řídí regál

Jednotlivý nákup nic nezmění. Ale vzorec nákupů mění všechno. Retail má oproti politice jednu zvláštnost: zpětná vazba je rychlá. Když se změní poptávka, prodejna přeuspořádá regál během týdnů.

Zároveň ale platí, že regál slyší hlavně ty, kteří mají peníze a čas řešit složitější volby. A to je důvod, proč potřebujeme nejen „uvědomělé nakupování“, ale i systémové nástroje.

Praktický režim „potravinového občanství“ pro rok 2026

Pokud chcete, aby vaše rozhodování mělo reálný dopad, funguje tenhle minimalistický postup:

1. Rozdělte nákupy na tři koše

   • základ v supermarketu
   • 1–2 položky pravidelně přímo od farmáře/ze dvora/CSA
   • pár dlouhodobých položek od férových a ověřitelných značek (káva, čokoláda, vejce)

2. Ptejte se na jednu věc, která je měřitelná

   • původ masa, sezónnost ovoce, způsob chovu vajec, konkrétní region mléka… Čím konkrétnější dotaz, tím větší šance na změnu v nákupu.

3. Upřednostněte čerstvé kategorie, kde je nejvíc odpadu

   • u ovoce/zeleniny, pečiva a chlazených výrobků dává smysl tlačit na lepší plánování a lokálnější dodávky.

A teď most k AI: čím více se budou zákazníci rozhodovat na základě skutečných informací, tím větší tlak bude na to, aby se data o původu, šaržích a kvalitě stala standardem. Bez dat AI nepomůže. S daty umí změnit hru.

Co si z toho má odnést zemědělec, potravinář i retailer

Supermarket je místo, kde se dá potravinový systém řídit rychleji než „od pole“. To je důvod, proč se v naší sérii Umělá inteligence v zemědělství a potravinářství vyplatí dívat i na retail: právě tady se rozhoduje o škále, o ceně, o tom, co se bude příští sezonu pěstovat a zpracovávat.

Moje zkušenost je, že největší přínos AI vzniká, když se propojí tři věci:

• data z výroby a zemědělství (výnosy, kvalita, sezónnost, vstupy)
• data z logistiky (lead time, teplotní řetězec, zpoždění)
• data z prodeje (skutečný sell-out, ne jen objednávky)

Kdo tohle propojí, nebude jen „přesněji objednávat“. Bude méně vyhazovat, lépe plánovat výrobu, rychleji reagovat na šoky a současně nabídne zákazníkům informace, které nejsou jen marketing.

Regál je zrcadlo i tvůrce systému. Pokud ho necháme řídit pouze cenou a obalem, dostaneme přesně takový potravinový systém, jaký dnes vidíme. Pokud do něj pustíme AI s jasnými pravidly (transparentnost, odolnost, méně odpadu), může to být jedna z nejpraktičtějších cest, jak zlepšit potraviny bez velkých gest.

A teď otázka, která stojí za to si položit při příštím nákupu: které tři informace by vám v regálu nejvíc pomohly rozhodnout se líp – a kdo je dnes v řetězci vlastně má?