Tuky z pilin: jak AI urychluje udržitelné oleje

Některé problémy potravinářství jsou nepříjemně „neviditelné“. Palmový olej a kokosový olej se často tváří jako obyčejná surovina v tabulce receptury, ale ve skutečnosti patří mezi ingredience s největší ekologickou stopou v celém dodavatelském řetězci. A když v prosinci 2025 firmy řeší zároveň ceny surovin, tlak na ESG i kolísající kvalitu dodávek, začíná být jasné: tuky jsou úzké hrdlo inovací.

Právě proto dává smysl sledovat estonský startup ÄIO, který získal 1 milion eur na vývoj alternativních jedlých tuků a olejů vyráběných fermentací z vedlejších proudů (včetně dřevního průmyslu – ano, včetně pilin). Nejde jen o „bizarní“ nápad. Je to ukázka, jak se biotechnologie a umělá inteligence v potravinářství potkávají v praxi: AI zkracuje cestu od laboratorní kultury k průmyslovému produktu, pomáhá držet kvalitu a zvyšuje výtěžnost.

V rámci naší série „Umělá inteligence v zemědělství a potravinářství“ si na tomhle příběhu ukážeme tři věci: proč se trh s alternativními tuky tak rozjíždí, kde přesně do toho vstupuje AI a co z toho mohou vytěžit výrobci potravin, zemědělci i zpracovatelský průmysl ve střední Evropě.

Proč jsou palmový a kokosový olej tak velký problém

Jednoduchá odpověď: protože jsou levné, funkční a dostupné… dokud nejsou. Potravinářství je používá kvůli stabilitě, textuře a bodu tání, což je klíčové pro pečivo, cukrovinky, rostlinné alternativy masa i hotová jídla. Jenže s tím přichází dlouhodobé riziko.

Palmový olej je dlouhodobě spojovaný s odlesňováním a ztrátou biodiverzity. Kokosový olej má zase problém v tom, že se pěstuje v tropických regionech s omezeným prostorem, a jeho dodavatelský řetězec je citlivý na výkyvy počasí i geopolitiku. Výsledek? Cenová volatilita a reputační tlak, který se přenáší na značky i výrobce privátních značek.

Z pohledu inovací platí jedna nepříjemná věta: bez dobrého tuku nevznikne dobrý „alternativní“ produkt. A to se netýká jen plant-based segmentu. Tuk je nosič chuti, textury i „šťavnatosti“. Kdo to podcení, vyrobí produkt, který sice projde tabulkami, ale neprojde zákazníkem.

„Tuk je poslední míle“ u alternativních potravin

U alternativních proteinů už se hodně posunulo: izoláty, extruze, zlepšování aminokyselinového profilu. Jenže spotřebitel hodnotí hlavně:

• chuť (aroma + dochuť)
• texturu (křupnutí, šťavnatost, vláčnost)
• chování při tepelné úpravě (tání, smažení, pečení)

A právě tuk často rozhoduje, jestli produkt „funguje“.

Piliny jako surovina: co to ve skutečnosti znamená

Klíčové sdělení: ÄIO nestaví výrobu na „jídle z odpadu“ ve smyslu nízké kvality. Staví ji na principu cirkulární ekonomiky, kde se vedlejší proudy (agro a dřevo) stávají vstupem pro fermentaci. Firma popisuje proces jako podobný vaření piva nebo kynutí s kvasnicemi – jen místo tradičních kvasinek používá vlastní mikroorganismus.

ÄIO využívá fermentaci a mikrobiální kulturu, kterou spoluzakladatelé (bioinženýři z TalTech) vyvinuli a patentovali. V článku se objevuje jejich „red bug“ – mikroorganismus, který umí přeměnit nízkohodnotné proudy na jedlé tuky.

„Náš ‚red bug‘ neumí proměnit vodu ve víno, ale umí proměnit piliny v jídlo.“

Co je na tom podstatné pro praxi?

1. Vstupní surovina není v konkurenci s potravinami (nejde o kukuřici nebo řepku určenou pro potravinářství).
2. Výroba může být lokálnější – vedlejší proudy ze dřeva a zemědělství máme i v regionu CEE.
3. Výstup lze ladit – fermentace dovoluje cílit na konkrétní profil mastných kyselin, stabilitu a funkčnost.

Kde jsou největší technologické výzvy

Aby „tuky z pilin“ dávaly obchodní smysl, musí sedět tři parametry:

• škálování (z laboratorního měřítka do průmyslu)
• konzistentní kvalita (šarže za šarží)
• regulace (v EU často režim „novel food“)

ÄIO uvádí, že chce testovat produkty s potravinářskými firmami a žádat o povolení pro vstup na evropský trh, přičemž průmyslovou výrobu cílí na rok 2026. To je realistická časová osa pro firmy, které jdou cestou fermentace a nových surovin.

Kde do toho vstupuje umělá inteligence (a proč bez ní škálování bolí)

Přímá odpověď: AI zrychluje vývoj fermentačního procesu, stabilizuje výrobu a snižuje náklady na pokusy. Fermentace je ve skutečnosti datově náročná disciplína. Záleží na teplotě, pH, kyslíku, složení živin, rychlosti míchání, kontaminaci, délce kultivace… a také na tom, že vstupní vedlejší proudy nikdy nejsou úplně stejné.

Tady jsou tři nejpraktičtější místa, kde se dnes AI v podobných projektech typicky používá.

1) Optimalizace receptury a parametrů fermentace

Klasická cesta je „pokus–omyl“: změním pH, změním teplotu, změním krmení, změřím výsledek. Jenže kombinací je obrovské množství. Strojové učení umí z historických dat odhadovat, které kombinace povedou k vyšší výtěžnosti lipidů, lepší stabilitě nebo rychlejšímu růstu.

V praxi to znamená:

• méně experimentů na stejný výsledek,
• rychlejší přenos know-how mezi šaržemi,
• snazší plánování výrobních kampaní.

2) Prediktivní řízení kvality (PAT a digitální dvojče)

Ve výrobě je drahé zjistit problém až na konci. Moderní bioprocesy se proto opírají o průběžná měření (Process Analytical Technology) a jejich vyhodnocení.

AI zde pomáhá:

• včas rozpoznat odchylku (např. jiná dynamika růstu),
• předpovědět, jak dopadne šarže, když se nic nezmění,
• doporučit zásah operátorovi (např. změna přísunu živin).

Pokročilejší varianta je digitální dvojče fermentoru: model, který „simuluje“ proces a dává výrobcům bezpečný prostor zkoušet scénáře bez rizika zničení šarže.

3) Práce s proměnlivými vstupy z agro a dřevozpracování

Vedlejší proudy jsou skvělé ekonomicky i ekologicky, ale mají jednu vlastnost: proměnlivost. Jiný typ pilin, jiná vlhkost, jiné složení, jiný zdroj.

AI se dá použít na:

• klasifikaci vstupních materiálů (podle analýz a senzoriky),
• predikci, jak se konkrétní vstup chová ve fermentaci,
• automatické „doladění“ procesu na základě vstupu.

Tohle je přesně ten bod, kde se série „AI v zemědělství a potravinářství“ spojuje do jednoho příběhu: data ze suroviny → data z procesu → data z produktu.

Co to znamená pro české a slovenské potravináře a agrár

Jednoduchá odpověď: připravte se na to, že tuky budou víc „inženýrská“ surovina než komodita. A kdo se naučí s novými tuky pracovat dřív, bude mít náskok.

Konkrétní příležitosti v regionu

• Zpracovatelé dřeva a celulózy: vedlejší proudy jako stabilní vstup pro vyšší hodnotu.
• Agro podniky: sláma, výlisky, vedlejší proudy z rostlinné výroby jako potenciální feedstock (podle vhodnosti a předúpravy).
• Výrobci potravin: možnost nahradit palmový/kokosový olej v části portfolia bez ztráty funkčnosti.
• R&D týmy: prostor pro společné piloty – testování v reálných aplikacích (pečivo, krémy, náplně, alternativy masa).

Jak poznat, že je alternativní tuk připravený na výrobu

V praxi doporučuju hodnotit ne marketing, ale tyhle parametry:

1. Bod tání a chování při tepelné úpravě (smažení/pečení)
2. Oxidační stabilita (žluknutí, trvanlivost)
3. Senzorika (neutrálnost, dochuť)
4. Deklarace a legislativa (novel food, alergeny, značení)
5. Cena a dostupnost v čase (ne jen v pilotu)

Pokud dodavatel neumí dodat datový list, aplikační podporu a plán škálování, je to spíš experiment než surovina.

„Přeplněné hřiště“ alternativních tuků: proč to je dobrá zpráva

Trh s alternativními tuky rychle houstne. Vedle ÄIO se objevují další firmy, které zkouší různé přístupy: kultivované tuky, mikroenkapsulaci rostlinných olejů nebo přesnou fermentaci.

Pro odběratele je to paradoxně výhoda. Konkurence tlačí na funkčnost, cenu a průmyslovou připravenost. A současně se postupně standardizuje jazyk: jak se měří „masitost“ v plant-based, jak se testuje tání, jaké parametry zajímají technologické oddělení.

Z pohledu AI je to navíc ideální prostředí: více pilotů znamená více dat, více dat znamená lepší modely, lepší modely znamenají méně zmetků.

Praktické kroky: jak s AI a novými tuky začít už v roce 2026

Jestli pracujete v potravinářství, nejhorší strategie je čekat, až bude vše „hotové“. Lepší je připravit si interně proces, jak nové suroviny rychle a bezpečně otestovat.

1. Vyberte 1–2 produkty, kde tuk dělá největší rozdíl
   • typicky náplně, krémy, alternativy masa, pečivo s tukovou složkou
2. Nastavte jednoduchý testovací protokol
   • senzorika, stabilita, procesní chování, trvanlivost
3. Zaveďte sběr dat už v pilotu
   • teploty, časy, výtěžnosti, reklamace, senzorické skóre
4. Použijte AI/ML aspoň na úrovni predikce a porovnávání šarží
   • i jednoduchý model často odhalí, co lidské oko přehlédne
5. Plánujte regulaci dopředu
   • novel food a interní compliance nejsou „papíry navíc“, ale kritická cesta

Osobně jsem viděl, jak firmám pomůže už to, že sjednotí datové struktury mezi kvalitou, výrobou a R&D. AI pak není sci-fi, ale logický další krok.

Co si z příběhu „tuků z pilin“ odnést

Alternativní tuky z vedlejších proudů nejsou bizarní kuriozita. Jsou to praktická odpověď na tlak na udržitelnost, stabilitu dodávek a funkčnost surovin. A AI je v tomhle směru víc než doplněk: je to nástroj, který dělá fermentační výrobu řiditelnou, škálovatelnou a ekonomicky obhajitelnou.

Pokud má mít potravinářství v Evropě v roce 2026–2028 menší závislost na tropických olejích, bude to díky kombinaci: cirkulárních vstupů + biotechnologie + umělé inteligence. Přesně sem míří i naše série o AI v zemědělství a potravinářství: od pole a vedlejších proudů až po recepturu a kvalitu na lince.

A teď ten nejpraktičtější posun v myšlení: od „jak levně nakoupit tuk“ k „jak navrhnout tuk pro konkrétní produkt“. Které výrobky ve vašem portfoliu by na tom vydělaly nejvíc?