Kakao bez kakaa: jak AI pomáhá vyrábět čokoládu jinak

Ceny kakaa v posledních dvou letech skáčou nahoru a dolů tak nepříjemně, že to z čokolády dělá učebnicový příklad „rizikové suroviny“. K tomu přidejte tlak na odlesňování, vyšší nároky na dohledatelnost původu a stále přísnější ESG požadavky v potravinářství. A najednou dává smysl, proč se na trhu objevují produkty, které se snaží chuť čokolády napodobit bez jediné kakaové boby.

Jedním z nejzajímavějších signálů tohohle posunu byl nápad britského startupu WNWN: velikonoční vejce „Wegg“ vyrobené z čokolády bez kakaa pomocí řízené fermentace obilovin a luštěnin. Zní to jako marketingový trik? Já to čtu jinak: jako ukázku, že se potravinářský vývoj přesouvá od intuice k datům – a že umělá inteligence (AI) začíná hrát roli i tam, kde bychom ji dřív nečekali.

Tento článek patří do série „Umělá inteligence v zemědělství a potravinářství“ a používá Wegg jako konkrétní případ: co znamená „kakao-free“, proč se fermentace stává strategickou technologií a kde přesně může AI zrychlit R&D, zlepšit chuť i snížit rizika v dodavatelském řetězci.

Proč se potravináři vůbec snaží nahradit kakao

Odpověď na rovinu: protože kakao je čím dál dražší, rizikovější a náročnější na udržitelnost – a to se promítá do marží, plánování výroby i reputace značek.

Kakao není jen „ingredience do tabulky“. Je to komodita citlivá na počasí, choroby, geopolitiku i sociální problémy v dodavatelském řetězci. V praxi to pro výrobce znamená tři věci:

1. Rozkolísané nákupní ceny a dostupnost – výroba se plánuje hůř, zásoby jsou dražší.
2. Tlak na uhlíkovou stopu a odlesňování – retail i regulace tlačí na transparentnost.
3. Rizika spojená s lidskými právy – značky musí umět doložit původ a podmínky.

Tohle není „téma pro korporáty“. Dopad to má i na menší výrobce a privátní značky: když surovina zdraží nebo vypadne, menší hráč nemá stejnou vyjednávací sílu ani alternativní zdroje.

Alternativy nejsou jen „náhražky“. Jsou to nové receptury

Když se řekne náhrada kakaa, většina lidí si představí levnou kakaovou polevu. Realita roku 2025 je jinde: cílem je vytvořit novou surovinovou platformu, která poskytne chuťový profil podobný čokoládě, ale:

• bude mít stabilnější dodávky,
• dá se vyrábět lokálněji (např. z obilovin a luštěnin),
• umožní přesněji řídit senzoriku.

A tady se fermentace a AI potkávají způsobem, který je pro potravinářství překvapivě praktický.

WNWN a Wegg: co přesně znamená „čokoláda bez kakaa“

Odpověď: jde o produkt, který se chuťově a funkčně snaží připomínat čokoládu, ale chuťové molekuly nevznikají z kakaových bobů – vznikají fermentací a následným zpracováním jiných rostlinných surovin.

WNWN (čte se „win-win“) popisuje vlastní fermentační proces, který pracuje s rostlinnými ingrediencemi typu obiloviny a luštěniny. Výsledkem má být produkt deklarovaný jako:

• veganský,
• bez kofeinu,
• bez lepku,
• bez palmového oleje,
• s přibližně o 80 % nižší uhlíkovou stopou než běžná čokoláda.

Samotné velikonoční vejce má podle dostupných informací zhruba 15 cm na výšku, 10 cm na šířku a cca 100 g. Chuťově se popisuje jako „oříšková, sladová, s karamelovým dojezdem typu dulce de leche“ a uvnitř je plněné „kakao-free“ náplní.

Největší problém: chuť a textura musí projít dětským testem

Tady jsem nekompromisní: u čokolády rozhoduje zvyk a očekávání. Pokud produkt slibuje „čokoládu“, lidé budou měřit proti klasice. A první recenze podobných výrobků bývají rozporuplné: někomu přijdou skvělé, jinému „to prostě není ono“ – často kvůli textuře, tání v puse a dozvuku.

Právě tohle je místo, kde AI může reálně ušetřit měsíce práce.

Kde do toho vstupuje AI: chuť se dá modelovat, ne hádat

Odpověď: AI pomáhá najít kombinace surovin, fermentačních kultur a procesních parametrů, které vedou k požadovanému chuťovému profilu a konzistentní textuře – rychleji a s menším množstvím „slepých“ pokusů.

Fermentace je citlivá na desítky proměnných: teplota, čas, pH, obsah vody, přístup kyslíku, druh mikroorganismů, předúprava surovin, způsob sušení… V klasickém R&D to znamená spoustu iterací.

AI (a obecně strojové učení) je v tomhle praktická ze tří důvodů:

1) Prediktivní vývoj receptur (ingredient discovery)

Model se dá trénovat na datech, která propojují:

• chemické složení surovin,
• výsledné aroma molekuly,
• senzorické hodnocení panelu,
• procesní parametry.

Výsledkem není „dokonalý recept na první dobrou“, ale zúžení prostoru možností. Místo 200 experimentů jich uděláte 40, ale smysluplných.

2) Optimalizace fermentace jako řízení procesu

Z pohledu výroby je fermentace řízení procesu v čase. AI se dá použít pro:

• predikci, kdy se proces „láme“ do nežádoucích tónů (příliš kyselé, příliš obilné),
• hlídání variability šarží,
• návrh úprav parametrů v reálném čase.

Tohle je přesně ta část, kde se potkává potravinářství a průmyslová AI: méně zmetků, vyšší stabilita, lepší plánování.

3) Modelování spotřebitelských preferencí

Pro velikonoční produkt je typické, že cílovka není jen „foodie“. Je to rodina, děti, prarodiče, dárkový nákup. AI tu umí pomoci analýzou:

• recenzí a textové zpětné vazby (co lidem vadí: „moc sladké“, „moc oříškové“, „netaje“),
• preferencí podle segmentů (děti vs. dospělí),
• pravděpodobnosti opakovaného nákupu.

Jedna věta, kterou bych si dal na zeď v každém R&D týmu: „Chuť není názor. Chuť je distribuční křivka.“

Praktický rámec: jak AI-driven R&D v potravinách vypadá krok za krokem

Odpověď: nejde o magii, ale o disciplínu práce s daty – od senzoriky až po výrobu.

Pokud jste výrobce, startup nebo i vývojové oddělení značky, tenhle postup funguje v praxi:

1. Definujte cílový profil – ne vágně („jako čokoláda“), ale konkrétně: intenzita kakaa, hořkost, sladkost, tání, délka dozvuku.
2. Sbírejte strukturovaná data ze šarží – parametry fermentace, suroviny, výsledná měření (pH, vlhkost, barva), senzorické skóre.
3. Postavte jednoduchý prediktivní model – klidně nejdřív baseline: regresní modely, random forest. Nezačínejte tím, že „musí být deep learning“.
4. Iterujte s designem experimentů – AI doporučí další pokusy, vy je fyzicky uvaříte.
5. Uzavřete smyčku do výroby – monitoring, kontrolní limity, včasné varování před odchylkou.

Co se nejčastěji pokazí

• Chybí kvalitní senzorická data. Pokud hodnotíte „podle dojmu“, model nemá z čeho učit.
• Tým nemá společný slovník. „Oříškové“ pro jednoho znamená lískové, pro druhého pražené obilí.
• Neřeší se textura. U „čokolády“ je textura půlka zážitku: tání, křehkost, voskovitost.

Co to znamená pro zemědělství a dodavatelské řetězce v Česku

Odpověď: vzniká šance převést část hodnoty z tropických komodit do regionálních surovin a zpracování – ale jen pokud se zvládne kvalita a škálování.

Když se „čokoládové“ tóny začnou vyrábět z obilovin/luštěnin, otevírá to zajímavé možnosti i pro evropské zemědělství:

• větší poptávka po specifických odrůdách (škrob, protein, aromatický profil),
• důraz na konzistenci suroviny (vlhkost, skladování, mykotoxiny),
• nové fermentační kapacity a know-how ve zpracování.

V českém kontextu to zapadá do trendu, který vidíme napříč oborem: AI v zemědělství už dávno není jen o dronech nad polem. Je i o tom, jak predikovat kvalitu vstupní suroviny pro potravinářskou výrobu a jak ji „dovést“ do stabilního produktu.

Mini-FAQ: otázky, které si lidé u kakao-free čokolády kladou

Je to zdravější než klasická čokoláda?

Ne automaticky. Záleží na receptuře (cukr, tuky, vláknina). Kakao-free znamená hlavně jiný původ aromat a surovin, ne nutně nižší energetickou hodnotu.

Proč se to dělá fermentací?

Protože fermentace umí vytvářet komplexní aromatické profily (pražené, karamelové, oříškové), které připomínají čokoládu. A hlavně: dá se procesně ladit.

Bude to chutnat „jako čokoláda“?

Část lidí řekne ano, část ne. Klíč je v tom, jestli produkt slibuje „identickou čokoládu“, nebo spíš novou kategorii s podobným zážitkem. Já bych značkám radil druhou cestu.

Co si z toho odnést (a co udělat dál)

Kakao-free velikonoční vejce není jen sezónní kuriozita. Je to signál, že potravinářské inovace se posouvají k fermentaci, alternativním ingrediencím a AI-driven vývoji. A že tlak na udržitelnost už není oddělené oddělení v prezentaci, ale konkrétní parametr receptury, výroby a nákupu.

Pokud pracujete v potravinářství nebo agri-byznysu, tohle jsou tři rozumné další kroky:

• Zmapujte, kde ve vašem portfoliu hrozí komoditní riziko (cena, dostupnost, reputace).
• Začněte sbírat data z vývoje a výroby tak, aby byla použitelná pro modelování (senzorika + procesní parametry).
• Otestujte AI na jednom úzkém use-casu: predikce šarže, optimalizace fermentace, nebo analýza preferencí z recenzí.

A jedna poslední myšlenka do série „Umělá inteligence v zemědělství a potravinářství“: AI sama o sobě nic nevyrobí. Ale dokáže výrazně zkrátit cestu od nápadu k produktu, který lidé opravdu chtějí jíst. Která surovina bude příští na řadě po kakau – káva, vanilka, nebo třeba olivový olej?