AI ve food tech: co nám CES ukázal pro agrifood

Na veletrzích typu CES se dá poznat, kam se technologie reálně posouvají. Ne podle tiskových zpráv, ale podle toho, co firmy skutečně vystavují, demonstrují a co návštěvníci řeší u stánků. A právě CES 2023 byl pro food tech nezvykle „hustý“: vznikla samostatná food tech expozice, běžely doprovodné konference a do Las Vegas dorazila vlna startupů od agtechu přes kuchyňské technologie až po potravinářskou robotiku.

Pro náš seriál „Umělá inteligence v zemědělství a potravinářství“ je to dobrý lakmusový papírek. CES sice není agrární výstava, ale přesto je to místo, kde se setkává AI, automatizace, senzory, data a výroba – tedy přesně to, co dnes rozhoduje o efektivitě zemědělství i potravinářských provozů. V prosinci 2025 to navíc dává extra smysl: tlak na náklady, energie a pracovní sílu neklesá a firmy hledají rychle nasaditelné zlepšení.

Jedna věta, kterou si z CES odnáším: AI v agrifood už není „cool funkce“, ale způsob, jak udržet provoz předvídatelný a ziskový.

Proč je CES relevantní pro české zemědělství a potravinářství

CES není o traktorech. Je o komponentách budoucího potravinového systému: strojovém vidění, edge výpočtech, robotických manipulátorech, chytrých senzorech, digitálních platformách a automatizaci kuchyní i továren. To jsou stavebnice, ze kterých se skládá precizní zemědělství, chytrá výroba a kontrola kvality.

Pro české firmy má podobný přehled dvě praktické výhody:

• Zkracuje rozhodování: vidíte, které směry jsou „živé“ a kde už existují funkční produkty, ne jen prototypy.
• Pomáhá s prioritami: v agrifood AI typicky nevyhrává ten, kdo má nejvíc modelů, ale ten, kdo má nejčistší data, nejméně výpadků a nejrychlejší návratnost.

Ať jste zemědělec, technolog ve výrobě, nebo manažer kvality, CES ukazuje, že trh se dělí na dvě velké skupiny: (1) AI pro rozhodování a (2) AI pro vykonávání práce (robotika/automatizace).

Co říká CES 2023 o směru: od „smart“ k „autonomní“

Hlavní posun, který je vidět napříč kategoriemi, je přechod od „chytrého monitoringu“ k „autonomnímu zásahu“. Monitorování plodin, skladů nebo výrobních linek je užitečné, ale samo o sobě často jen vytváří další dashboard. Vítězí řešení, která umí udělat tři kroky po sobě: změřit → vyhodnotit → zasáhnout.

AgTech: data z pole mají smysl teprve, když z nich je akce

V agtechu se typicky kombinuje:

• senzorika (vlhkost, teplota, vodní stres, živiny),
• drony / satelitní snímky,
• strojové vidění (detekce plevelů, chorob, nerovnoměrného porostu),
• predikce výnosu a modely rizik (škůdci, plísně, počasí).

Jenže realita na farmě je jednoduchá: pokud z toho nevznikne doporučení typu „tady má smysl přihnojit“, „tady se vyplatí cílený postřik“, „tady zastav zavlažování“, tak je to drahá hračka.

Praktický test pro jakékoli AI agtech řešení (funguje spolehlivě):

1. Umí systém říct, co mám udělat zítra ráno?
2. Umí vysvětlit, proč to doporučuje (aspoň na úrovni pravidel a dat)?
3. Umí měřit, jestli zásah pomohl (zpětná vazba)?

Pokud odpověď není 3× ano, čeká vás spíš projekt než přínos.

Food robotics: když není lidí, nastupuje automatizace

Robotika v potravinářství (a obecně food tech) na CES tradičně „táhne“, protože má okamžitě srozumitelný přínos: stabilní výkon, menší chybovost, méně zranění, lepší hygiena, provoz 24/7. V potravinářství je robotika navíc často jediná cesta, jak škálovat bez toho, aby firma narazila na limity trhu práce.

AI tu neznamená jen „robotická ruka“. Nejčastěji jde o kombinaci:

• počítačového vidění (rozpoznání tvaru/velikosti surovin),
• plánování pohybu (aby robot uměl brát nepravidelné kusy),
• detekce anomálií (vadné kusy, kontaminace, špatná etiketa),
• optimalizace toku práce (kde vzniká úzké hrdlo).

V praxi je největší hodnota v tom, že robotika zavádí měřitelnost. Když máte každou manipulaci logovanou, snáz hledáte ztráty a stabilizujete kvalitu.

Kitchen tech a „poslední metr“: automatizace není jen pro továrny

CES tradičně ukazuje i kuchyňské technologie: od zařízení pro přípravu jídel po systémy pro řízení provozu. Pro agrifood je to důležité kvůli „poslednímu metru“ – tam často zmizí marže.

AI v kuchyňských provozech nejčastěji řeší:

• predikci poptávky (aby se méně vyhazovalo),
• řízení zásob (kdy objednat, kdy spotřebovat),
• standardizaci receptur a porcí,
• kontrolu kvality výdeje.

Tady je dobré si přiznat jednu nepříjemnou věc: spousta firem chce „AI“, ale ve skutečnosti potřebuje nejdřív základní disciplínu v datech (přesné skladové pohyby, receptury, jednotky, šarže).

Jak si z CES vybrat technologie, které dávají ROI i v Česku

Nejčastější chyba je vybírat podle toho, co vypadá nejvíc futuristicky. Lepší je vybírat podle toho, kde dnes nejvíc „teče“ čas a peníze.

1) Začněte nejdražší chybou, ne nejhezčí funkcí

V agrifood typicky vyhrávají tyto use-casy:

• Snížení zmetkovitosti a reklamací (AI kontrola kvality, detekce vad)
• Úspora energie ve výrobě (optimalizace teplotních režimů, kompresorů, chlazení)
• Cílené dávkování vstupů v zemědělství (voda, hnojiva, postřiky)
• Prediktivní údržba (méně odstávek na linkách)
• Snížení plýtvání (přesnější plánování výroby a poptávky)

Pokud se trefíte do jedné z těchto oblastí, AI se obvykle obhájí i finančně.

2) Ptejte se na „špinavou realitu“: data, integrace, provoz

Na papíře umí skoro každý systém všechno. Rozhoduje, co umí v reálu:

• Jaký je minimální potřebný objem dat pro první výsledky?
• Poběží model na místě (edge), nebo posílá data do cloudu? (V potravinářství často rozhoduje latence a bezpečnost.)
• Jaké jsou integrační body: ERP, MES, SCADA, sklad, laboratorní systém?
• Co se stane při výpadku internetu/senzoru?
• Kdo to bude spravovat: dodavatel, interní IT, technolog?

Osobně jsem zjistil, že nejrychlejší návratnost mají řešení, která se umí zapojit do existujícího provozu bez „přestavby světa“.

3) Trvejte na měřitelné pilotní fázi (a na definici úspěchu)

Pilot bez metrik je jen placené demo. Nastavte si dopředu:

• cílovou metriku (např. zmetkovitost v %, spotřeba energie na jednotku, hodinová produktivita),
• výchozí stav (baseline),
• dobu měření (typicky 6–12 týdnů podle sezónnosti a cyklu výroby),
• odpovědnosti (kdo mění proces, kdo sbírá data, kdo schvaluje zásah).

V zemědělství přidejte ještě jednu podmínku: pilot musí počítat s tím, že počasí „zničí“ krásné grafy. To je normální. Důležité je, aby systém dával lepší rozhodnutí i v horších podmínkách, ne jen v ideálním týdnu.

„People also ask“: nejčastější otázky, které slýchám v agrifood AI

Přinese AI výnosy i na menší farmě?

Ano, ale jen když je nasazení jednoduché a náklady odpovídají. Menším farmám často dává větší smysl služba (outsourcované vyhodnocení dat, sdílené snímkování, pronájem) než velký vlastní systém.

Je lepší začít robotikou, nebo analýzou dat?

Pokud vás pálí personál a stabilita výkonu, začněte robotikou. Pokud vás pálí zmetky, plýtvání a neznalost příčin, začněte analýzou dat a kontrolou kvality. Nejrychlejší efekt bývá tam, kde už dnes máte data, jen je nikdo systematicky nevyužívá.

Co je největší riziko projektů AI v potravinářství?

Kvalita a konzistence dat plus změna procesů. AI často odhalí, že stejný produkt se „dělá pokaždé trochu jinak“. A to je organizační problém, ne technologický.

Co si odnést do roku 2026: AI jako nervový systém potravin

CES 2023 ukázal šíři kategorií (agtech, kitchen tech, food robotics) a také to, jak se trh profesionalizuje: firmy už nepředvádějí jen jednotlivé „vychytávky“, ale celé bloky řešení včetně videí, postupů a jasného zařazení do systému. Pro agrifood to znamená jediné: AI se posouvá z experimentu do provozní rutiny.

Pokud máte letos v plánu investice do digitalizace, vyplatí se postupovat opačně, než velí intuice. Nezačínejte softwarem. Začněte otázkou: kde přesně vzniká ztráta – na poli, ve skladu, na lince, v logistice, nebo v plánování? A teprve pak vybírejte technologie.

Další krok, který dává smysl udělat ještě před sezónou 2026: sepište si 3 konkrétní use-casy, u každého definujte metriku úspěchu a zhodnoťte, jaká data už máte. Kdo tohle zvládne, bude mít při výběru dodavatele obrovskou výhodu.

A jedna otázka na konec, která stojí za to si ji v týmu položit: Které rozhodnutí dnes děláte „od oka“, ale přitom vás stojí nejvíc peněz? Právě tam má AI v zemědělství a potravinářství nejrychlejší návratnost.