AI ve vertikálních farmách: jak pěstovat špičkové odrůdy

Cena za krabičku jahod za 350–1 200 Kč zní pro většinu lidí jako přestřelený luxus. Jenže u vertikálních farem je tahle cenovka často signál, že firma pochopila ekonomiku řízeného prostředí: nevyděláváte na „komoditě“, ale na konzistentní kvalitě, chuti a dostupnosti 365 dní v roce.

Přesně tímhle směrem jde i Oishii, která staví strategii na vzácných japonských odrůdách jahod. Po známější Omakase Berry přidala další kultivar – Koyo – původně zimní odrůdu pěstovanou v okolí Tokia. Pro naši sérii „Umělá inteligence v zemědělství a potravinářství“ je to zajímavé hlavně z jednoho důvodu: specializované odrůdy jsou „citlivé nástroje“ a bez AI, senzoriky a precizního řízení se jejich potenciál těžko škáluje.

Níže beru příběh Koyo jako praktickou ukázku: co přesně musí vertikální farma umět, aby dokázala opakovat ideální podmínky pro konkrétní odrůdu, jak do toho vstupuje umělá inteligence v zemědělství a co si z toho může odnést český agribusiness – od skleníků po potravinářské značky.

Proč jsou unikátní odrůdy pro vertikální farmy tak důležité

Unikátní odrůda není marketingový detail, ale finanční model. Vertikální farma platí za elektřinu, chlazení, LED osvětlení, logistiku a kvalifikovanou obsluhu. Pokud pěstuje „běžnou“ jahodu, soupeří cenou s polní produkcí z velkých oblastí – a to je většinou prohra.

Naopak vzácné odrůdy, které lidé kupují kvůli chuti, vůni a textuře, dovolují:

• držet vyšší marži bez toho, aby to působilo neobhajitelně,
• budovat značku (a tedy i opakované nákupy),
• prodávat stabilně i mimo sezónu – což je v prosinci a lednu zásadní,
• lépe plánovat produkci, protože poptávka není tak cenově citlivá.

Oishii jde přesně touto cestou: pěstuje odrůdy, které nejsou běžně dostupné, a prodává je jako zážitek. Koyo má navíc silnou „zimní“ DNA (původní pěstování mimo Tokio v zimě), což dobře zapadá do kontextu konce roku 2025: spotřebitelé hledají lokálnější a čerstvější alternativy k dovozu a zároveň chtějí něco „svátečního“.

Co to znamená pro české prostředí

Česko nemá problém vypěstovat jahody v sezóně. Problém je stabilita: chuť, velikost, pevnost a dostupnost v měsících, kdy se vše vozí přes půl Evropy. Pokud chcete prémiový produkt v zimě, řízené prostředí (skleník/CEA/vertikální farma) a AI řízení se stávají realistickou cestou – ne pro každého, ale pro ty, kdo cíli na vyšší segment.

Koyo jako případ: pěstovat odrůdu znamená pěstovat mikroklima

Odrůda je soubor požadavků. U jahod to nejsou jen teplota a světlo. Jde o kombinaci faktorů, které spolu interagují a ovlivňují cukernatost (Brix), aroma, křehkost dužiny, barvu i trvanlivost.

Oishii staví svůj přístup na myšlence „replikovat perfektní den v Japonsku“ uvnitř farmy. V praxi to znamená modelovat a stabilizovat:

• relativní vlhkost a její denní průběh,
• spektrum a intenzitu světla (a fotoperiodu),
• teplotní gradienty (nejen průměr),
• proudění vzduchu kolem listů a květů,
• dávkování vody a živin (EC/pH),
• opylení a manipulaci s květy/plody,
• prevenci stresu (teplotního, vodního, světelného).

Tady přichází okamžik, kdy „ruční“ řízení naráží na strop. Zvlášť u více farem (Oishii provozuje několik zařízení na východním pobřeží USA a v Los Angeles) se bez automatizace a datové vrstvy rychle dostanete do režimu: hodně lidí, hodně tabulek, hodně variability.

Kde konkrétně dává AI ve vertikálním zemědělství největší smysl

AI v vertikální farmě není jeden algoritmus, ale sada nástrojů pro rozhodování. Největší přínos bývá tam, kde je mnoho vstupů, rychlá dynamika a drahé chyby.

1) „Recepty růstu“ pro každou odrůdu (a každou fázi)

Nejde o jeden recept na jahodu. Koyo bude mít jiné optimum než Omakase a jiné optimum bude pro:

• zakořeňování,
• vegetativní růst,
• kvetení,
• nasazování plodů,
• dozrávání.

AI (typicky kombinace predikčních modelů a optimalizace) umí z dat vyvodit: když v týdnu 6 snížíme noční teplotu o X a upravíme světlo o Y, zvedne se Brix o Z bez propadu výnosu. To je přesně typ know-how, který se v komoditním zemědělství získává roky, ale v CEA se dá urychlit.

2) Počítačové vidění: kvalita, růst, stres

Kamera je v CEA nejlevnější „laboratoř“. Počítačové vidění umí průběžně:

• měřit velikost plodů a jejich zabarvení,
• odhadovat fenologickou fázi,
• detekovat stres (kroucení listů, skvrny, nerovnoměrný růst),
• odhadnout výnos a čas sklizně.

Pro prémiové jahody je důležité i třídění: ne každý plod má jít do „top“ balení. AI může navrhnout segmentaci kvality tak, aby se maximum hodnoty prodalo za správnou cenu a minimum skončilo jako odpad.

3) Prediktivní řízení klimatu: méně energie bez ztráty kvality

Oishii uvádí, že jejich novější farma (Mugen, cca 74 000 čtverečních stop) používá o 60 % méně energie a o 40 % méně vody než první generace vertikálních farem. Taková čísla obvykle nevzniknou jen výměnou světel.

Největší úspory přináší schopnost řídit klima „dopředu“:

• předvídat špičky teploty a vlhkosti,
• plánovat odvlhčování a výměnu vzduchu,
• sladit osvětlení s chlazením,
• vyhnout se režimu „přetopím–přechladím“.

AI tady funguje jako mozek pro kompromisy: stejná kvalita, nižší náklady. A pokud chcete pěstovat odrůdu jako Koyo stabilně celý rok, bez tohohle se rozpočet rozpadne.

4) Robotika a práce s květy/plody

U jahod je práce náročná: opylení, selektivní sklizeň, manipulace bez otlaků. Robotika dává smysl nejen kvůli mzdám, ale i kvůli standardizaci – stejná jemnost, stejný timing, méně variability.

AI navíc může robotům říkat co dělat a kde: z kamerových dat vytvoří mapu „zralé plody v řadě 3, patro 5“ a naplánuje trasu.

Proč některé vertikální farmy padají a jiné drží směr

Většina vertikálních farem neprohrává na technologii, ale na ekonomice a řízení rizik. Pokud nemáte jasnou odpověď na otázku „proč si to někdo koupí za tuto cenu“, technologie vás nezachrání.

Oishii jde proti proudu v několika bodech, které jsou pro leady (a rozhodování) praktické:

• Produktová strategie: raritní odrůdy + chuť jako hlavní hodnota, ne „lokální salát“.
• Distribuce: nejdřív vybrané trhy a kanály, které umí prodat prémii.
• Škálování procesů: robotika a řízení prostředí jako způsob, jak držet kvalitu mezi farmami.
• Značka: virální efekt a jasná identita (u prémiových potravin je to často polovina úspěchu).

Moje zkušenost z projektů kolem dat v zemědělství je taková: firmy často podcení, že AI není jen „přidat dashboard“. Pokud data nejsou čistá, senzory nekalibrované a rozhodovací proces není nastavený, AI jen elegantně vizualizuje chaos.

Co si z toho vzít: checklist pro pěstování specialit s AI

Pokud uvažujete o CEA/vertikále nebo o skleníku s vyšší mírou automatizace, začněte od hodnoty produktu a teprve pak řešte modely. Tohle je praktický checklist, který funguje i mimo jahody (bylinky, listová zelenina, microgreens, rajčata):

1. Definujte metriky kvality (Brix, aroma profil, pevnost, velikost, barva, trvanlivost). Bez toho AI neoptimalizuje nic smysluplného.
2. Zaveďte senzorickou mapu: teplota, RH, CO₂, VPD, PAR, EC, pH. Důležité je rozmístění – jeden senzor „někde u dveří“ je k ničemu.
3. Vytvořte datový deník plodiny (fáze, zásahy, šarže, sklizeň). Bez šarží nemáte učení.
4. Nasazujte AI tam, kde je ROI jasné: predikce sklizně, detekce stresu, optimalizace energie, třídění kvality.
5. Ověřujte recepty A/B testy (malé bloky, kontrolní skupina). Bez experimentů budete jen věřit pocitům.
6. Propojte pěstování s odbytem: predikce výnosu má cenu jen tehdy, když umíte upravit objednávky, logistiku a ceny.

Jedna věta, kterou bych si vytiskl na zeď: „V řízeném prostředí je nejdražší nejistota.“ AI má hodnotu hlavně tím, že nejistotu mění na rozhodnutí.

Kam to směřuje v roce 2026: od „pěstujeme jahody“ k „pěstujeme odrůdy“

Vertikální farma, která chce dlouhodobě vydělávat, bude čím dál víc připomínat kombinaci potravinářské značky a softwarové firmy. Ne proto, že by to bylo módní, ale protože:

• každá odrůda potřebuje svůj „provozní systém“ (recepty, senzory, řízení),
• spotřebitelé platí za konzistentní chuť, ne za slib,
• náklady na energii a vodu nutí optimalizovat do detailu,
• tlak na udržitelnost se promítá do nákupních politik retailu.

Pro české zemědělství a potravinářství je na tom nejzajímavější, že AI a precizní zemědělství už dávno nejsou jen o traktorech a satelitech. U CEA jde o mikroklima, kvalitu a predikci – a to jsou témata, která dokážou posunout i menší producenty směrem k vyšší přidané hodnotě.

Pokud přemýšlíte, jak AI využít ve skleníku, indoor pěstírně nebo v potravinářské výrobě navázané na vlastní surovinu, nejrychlejší start je vždy stejný: vyberte jednu metodu měření kvality, jednu bolest (energie, odpad, nestabilní výnos) a jeden pilot. Odtud se dá růst.

A teď ta otázka, která rozhoduje o strategii: budete v roce 2026 prodávat „jahody“, nebo konkrétní odrůdu s garantovaným chuťovým profilem – podpořenou daty a AI řízením?