Koji „uzeniny“: jak AI urychlí mycelium v praxi

V květnu 2023 získala firma Prime Roots 30 milionů dolarů v Series B na rozšíření výroby „lahůdkových“ plátků a slaniny z mycelia koji. Peníze nejsou jen zpráva pro investory. Jsou signálem, že fermentace a práce s houbovými kulturami se posouvá z hipsterských podniků do běžných pultů s uzeninami.

A teď to důležité pro náš seriál „Umělá inteligence v zemědělství a potravinářství“: mycelium a fermentace jsou skvělé téma, protože ukazují, jak se dá potravinový systém „optimalizovat“ podobně jako v precizním zemědělství. Jen místo dronů nad polem řešíte senzory ve fermentoru, digitální dvojče procesu a algoritmy, které hlídají chuť, texturu i bezpečnost.

Prime Roots sází na jednoduchou, ale tvrdou disciplínu: chuť a textura jako první, až potom ideologie. A to je přesně přístup, který v alternativních proteinech často chyběl.

Proč se zrovna mycelium (a proč zrovna koji)

Mycelium je výrobní „tělo“ hub – síť vláken, která umí přirozeně tvořit strukturu. Když se dobře vede, výsledkem není kaše, ale materiál s vláknitostí, která se dá krájet, žvýkat a „tahat“ podobně jako maso.

Koji je konkrétní kmen mikroskopické houby (tradičně používaný v kuchyních pro miso, mirin nebo saké). V kontextu „uzenin“ je zajímavý hlavně tím, že:

• podporuje fermentaci a tvorbu aromat,
• dává přirozené umami,
• pomáhá vytvářet přesvědčivou mikrotexturu (to, co poznáte na řezu plátkem).

V praxi to znamená, že se nevyrábí jen „rostlinná šunka“, ale produkt, který může obstát u lahůdkového kráječe. Prime Roots právě tohle zdůrazňuje: plátky drží tvar, řežou se a působí „deli“ dojmem.

Čistší složení jako konkurenční výhoda

Uzeninový pult bývá technologicky fascinující… a nutričně často problematický. Prime Roots staví argument na tom, že jejich alternativa (např. „krůta“ a „šunka“) má být:

• bez nitrátů a konzervantů,
• bez cholesterolu,
• bez sóji, pšenice,
• a se sníženým obsahem sodíku oproti běžným značkám.

I když český trh má jiné standardy než USA, trend je podobný: spotřebitelé chtějí kratší složení a průhlednější výrobu. A to je prostor pro fermentaci.

Co nám investice 30 milionů dolarů říká o trhu

Když investor pošle desítky milionů do výroby z mycelia, sází na škálování, ne na laboratorní demo. Prime Roots uvedla, že finance použije na rozšíření do restaurací a na delikatesní pulty (v době článku byli hlavně v oblasti San Francisco Bay Area).

A to je zlom. Alternativní proteiny totiž často narazí na tři bariéry:

1. Cena: výroba je drahá, dokud nejede ve velkém.
2. Konzistence: jedna šarže je výborná, druhá průměrná.
3. Distribuce: produkt se nedostane tam, kde lidé běžně nakupují.

Series B typicky znamená: firma už něco umí vyrobit a prodat, teď musí ukázat, že to umí vyrábět stabilně a ve velkém.

Deli test jako realita, ne marketing

Zakladatelka a CEO Kimberlie Le v rozhovoru popisuje, že jezdili s prototypy do ikonických delikates v New Yorku – „mekky“ pastrami a corned beef – a nechali si to dát na kráječ.

Tohle beru jako správný druh odvahy. U alternativních produktů se dá leccos schovat do burgeru nebo omáčky. U plátků je pravda vidět okamžitě: řez, pružnost, aroma, „mastnost“, dochuť.

Dobrá alternativa masa se pozná podle toho, jestli obstojí v kuchyňské rutině – ne podle toho, jak vypadá na fotce.

Kde do toho vstupuje AI: fermentace jako řízený proces

Fermentace je řízení živého systému. A živé systémy jsou proměnlivé: teplota, pH, aktivita kultury, kvalita vstupní suroviny, kyslík, čas. Tady AI dává smysl, protože umí spojit spoustu signálů do jednoho rozhodnutí.

V praxi se v „myceliových uzeninách“ dá AI využít v několika vrstvách:

1) Predikce a řízení kvality šarží

Zkušený technolog pozná problém podle vůně nebo vizuálu. AI to může dělat dřív a konzistentněji – z dat.

• modely z historických šarží hledají vzory, které vedou k odchylce (chuť, textura, výtěžnost),
• predikují, kdy šarže „utíká“ mimo cílový profil,
• doporučí zásah: upravit teplotu, dobu fermentace, ventilaci, míchání.

Výsledek není „robot kuchař“. Výsledek je méně odpadu a stabilnější produkt.

2) Digitální dvojče fermentoru

Ve velkovýrobě se vyplatí udělat si „virtuální kopii“ procesu:

• simulujete, co udělá změna vstupní suroviny (např. jiná šarže rostlinného základu),
• testujete scénáře bez rizika,
• zkrátíte čas mezi nápadem a ověřením.

Tohle je blízké tomu, co známe z precizního zemědělství: stejně jako modelujete výnosy podle počasí a půdy, modelujete tady výsledek podle mikrobiologie a fyziky procesu.

3) AI pro „chuť“: mapování senzoriky na data

Senzorika bývá subjektivní. Přitom se dá částečně „zdatařit“:

• elektronické nosy / spektrální senzory,
• analýza těkavých látek,
• korelace s panelovým hodnocením.

Cíl je jednoduchý: dělat chuť opakovatelně. A to je u deli stylu zásadní.

Co si z mycelia může vzít české zemědělství a potravinářství

Nejde jen o náhradu salámu. Jde o výrobní logiku. Mycelium je příklad, jak se dá protein vyrábět s menší závislostí na živočišné produkci – a jak může digitální řízení zvednout efektivitu.

V českém kontextu (konec roku 2025) vidím tři praktické směry, kde se potkává AI, agro a potravinářství:

1) Využití vedlejších proudů jako krmiva pro fermentaci

Fermentace může zpracovávat suroviny, které by jinak skončily jako nízkohodnotné krmivo nebo odpad (samozřejmě při splnění bezpečnosti a legislativy).

AI tu pomůže:

• predikovat variabilitu vstupů,
• navrhnout recepturu podle dostupnosti,
• hlídat rizika kontaminace.

2) Stabilita výroby v malých a středních provozech

ČR má hodně menších výrobců. U nich je největší bolest „když to jeden technolog umí, ale nejde to přenést“.

• sběr dat ze zařízení (teplota, vlhkost, pH),
• jednoduché dashboardy,
• model pro doporučení zásahů.

Ne každý potřebuje velký AI tým. Často stačí dobře postavená datová disciplína a jeden rozumný model.

3) Transparentnost a auditovatelnost

U alternativních proteinů se bude víc řešit původ, bezpečnost a deklarace.

• sledovatelnost šarží,
• automatické protokoly HACCP,
• rychlé dohledání odchylky.

To je „nudná“ část digitalizace, která ale ve finále rozhoduje o tom, jestli se produkt dostane do řetězců.

Praktický checklist: když chcete v podniku zkusit „AI + fermentaci“

Pokud jste výrobce, R&D tým, nebo inovátor v potravinářství, tohle je postup, který se mi v praxi osvědčuje:

1. Vyberte jeden měřitelný cíl: výtěžnost, stabilita textury, snížení zmetkovitosti, zkrácení času fermentace.
2. Zaveďte minimální sadu senzorů: teplota, pH, čas, případně CO₂/O₂ podle procesu.
3. Standardizujte zápisy šarží: stejné názvy, stejné jednotky, žádné „poznámky bokem“.
4. Udělejte baseline: 4–8 týdnů sběru dat bez „AI kouzel“.
5. Postavte první model: klidně jednoduchá regrese nebo klasifikace „OK vs. riziko“.
6. Zaveďte rozhodovací pravidla: model má radit, ale člověk potvrzuje.
7. Vyhodnoťte dopad v Kč: úspora odpadu, energie, času, reklamací.

Tenhle přístup funguje i mimo mycelium: u mléčných fermentací, pečiva, piva nebo třeba při zrání.

Kam to míří v roce 2026: deli pult jako technologická disciplína

Prime Roots není jediná firma, která pracuje s koji; v alternativních proteinech se objevuje víc hráčů využívajících mycelium. Pro mě je ale zajímavé hlavně to, že deli formát (plátky, šunka, salám, slanina) je náročný na texturu a opakovatelnost.

A právě tady bude AI čím dál víc vidět – ne jako marketingové slovo, ale jako vrstva řízení:

• méně rozkolísané šarže,
• rychlejší vývoj receptur,
• lepší predikce trvanlivosti,
• nižší plýtvání.

Tohle je velmi podobný příběh jako v precizním zemědělství: nejdřív sbíráte data, pak z nich děláte rozhodnutí, a nakonec máte systém, který je levnější a stabilnější.

Na závěr si nechám jednu jasnou větu: alternativní protein uspěje tehdy, když ho kuchař bez řečí vezme do rutiny. A pokud má být mycelium běžnou součástí potravinového systému, bude potřebovat stejnou věc jako moderní farma: měření, kontrolu a chytré modely.

Pokud ve vašem podniku řešíte fermentaci, kvalitu šarží nebo vývoj nových proteinových produktů, napište si o rámec pilotu – typicky jde začít malým projektem během 6–10 týdnů a rychle zjistit, jestli data přinesou reálné úspory. Co by pro vás bylo důležitější: stabilní chuť, nižší náklady, nebo zrychlení vývoje?