Kultivované ryby a AI: co se děje „od labu k talíři“

V roce 2023 měl trh s mořskými plody ve Velké Británii hodnotu 10 miliard liber. To je částka, která vysvětluje, proč se dnes kolem ryb neřeší jen lodě a sítě, ale také bioreaktory, sterilní filtrace vzduchu a datové modely. Když se navíc podíváme na tlak na udržitelnost a na dlouhodobé vyčerpávání některých populací ryb (typicky tuňák), je jasné, že „ryba jako vždy“ je ekonomicky i ekologicky čím dál křehčí.

Koncem jara 2025 se v londýnském East Endu konala malá degustace kultivovaných mořských plodů. Nešlo o PR show pro stovky lidí. Spíš o tichý signál, že se buněčné zemědělství (cellular agriculture) posouvá z laboratorních prototypů k jídlu, které už připomíná běžnou kuchyni. A pro náš seriál Umělá inteligence v zemědělství a potravinářství je to důležité z jednoho prostého důvodu: kultivované potraviny jsou z velké části problém řízení procesu – a procesy se dnes nejlépe řídí daty a AI.

Co přesně jsme se z londýnské degustace naučili

Kultivované ryby už chutnají jako ryby, ale škobrtají na textuře a transparentnosti. To je za mě nejpoctivější shrnutí.

Na degustaci se podávaly dvě kategorie:

• kultivovaná „bílá ryba“ ve stylu fish & chips,
• kultivovaný kaviár mířený do prémiového segmentu.

Fish & chips: „chuť sedí, pocit v puse ještě ne“

Filet v těstíčku chutnal, voněl i vypadal jako ryba. Přesně ten moment, kdy si uvědomíte, že technologická bariéra „nebude to divné?“ se začíná drolit. Jenže pak přijde realita: textura. V popisu degustace zaznělo, že sousto bylo o něco tužší a „želatinovější“, méně vločkovité než typická bílá ryba.

Tohle není detail pro fajnšmekry. Textura je u ryb klíčový signál kvality. A zároveň je to výrobní parametr, ne estetika. Jinými slovy: dá se ladit, ale potřebujete k tomu měření, modelování a opakovatelnost.

Kaviár: logický první produkt, ale musí vyhrát „smyslově“

Kultivovaný kaviár dává obchodně smysl: v prvních letech budou kultivované potraviny dražší, takže prémiový produkt snese cenu líp než „levná ryba na pátek“. Degustátoři ale popisovali slabší chuť a konzistenci, která byla spíš rozpustná než „tání v puse“.

Zajímavý moment je psychologický: u luxusních potravin část hodnoty často vychází z příběhu původu. U kaviáru obzvlášť. Pokud se „exotičnost zdroje“ vytratí, musí ji nahradit jiná hodnota: konzistence, čistota, trasovatelnost, udržitelnost, etika.

Kultivované mořské plody nejsou jen o tom „udělat rybu“. Jsou o tom vyrobit rybu stabilně, bezpečně a za cenu, kterou trh přijme.

Regulace: proč to zatím ochutnáte jen na pozvánku

Největší brzda dnes není chuť. Je to schvalování a důvěra.

V roce 2025 se stalo zásadní, že se ve světě objevily první jasné regulační průlomy u kultivovaných mořských plodů. V USA se například podařilo dostat na trh první kultivovaný losos (v rámci tamního schvalovacího procesu). Na druhé straně mnoho firem v Evropě a UK stále čeká na finální zelenou, takže degustace probíhají „uzavřeně“ – se souhlasem, deklarací alergií a jasně popsaným účelem testování smyslových vlastností.

Pro potravináře je to důležité i z praktického hlediska: regulační proces vyžaduje důkazy. A důkazy vznikají systematickým sběrem dat – od stability buněčných linií po kontrolu kontaminace.

Co se bude regulatorně řešit nejvíc

Pokud si to přeložíme do „potravinářské reality“, budou se točit otázky hlavně kolem:

• bezpečnosti média a složek (co přesně „krmí“ buňky),
• kontaminace (mikrobiologie, endotoxiny, křížové kontaminace),
• opakovatelnosti šarží (konzistence výrobku),
• značení a transparentnosti (aby se předešlo krizím důvěry),
• alergenů a stopových látek.

A tady se dostáváme k AI: u tak komplexní výroby nelze spoléhat jen na ruční kontrolní listy a intuici.

Kde do toho vstupuje AI: kultivované ryby jsou datový problém

AI v buněčném zemědělství není „marketingová nálepka“. Je to nástroj, jak udržet proces v tolerancích.

Kultivace v bioreaktoru je podobná jako jiné biologické výroby: máte živý systém, který reaguje na teplotu, pH, kyslík, míchání, živiny, stres, hustotu buněk… a drobné změny se umí projevit až na talíři.

1) Prediktivní řízení bioreaktoru (kvalita šarže dopředu)

Nejužitečnější přístup je „vidět problém dřív, než vznikne“. Modely strojového učení umí z historických šarží a senzorů odhadovat:

• kdy se kultura začne chovat nestandardně,
• jak se bude vyvíjet výtěžnost,
• co udělá změna složení média s růstem a texturou.

V praxi to znamená méně vyhozených šarží a méně situací, kdy produkt „chutná dobře, ale žvýká se divně“.

2) Optimalizace textury: „mouth-feel“ se dá inženýrsky řídit

Textura není kouzlo. Je to struktura: velikost vláken, obsah tuku, vazba vody, „scaffold“ nebo podpůrná matrice, mechanické zatížení během růstu.

AI pomáhá v tom, že:

• vyhodnocuje výsledky senzoriky vs. výrobní parametry,
• hledá kombinace proměnných, které člověk ručně netrefí,
• zrychluje iterace (méně pokus–omyl).

3) Detekce kontaminace a anomálií v reálném čase

Ve výrobách tohoto typu je kontaminace katastrofa: stojí peníze, čas a často i reputaci. Proto je trend jasný:

• více inline měření,
• více automatických alarmů,
• více „anomaly detection“ nad daty ze senzorů a laboratorních testů.

4) Trasovatelnost a audit: data jako základ důvěry

Evropský spotřebitel (a český zvlášť) není na „jídlo z bioreaktoru“ automaticky naladěný. Důvěra vznikne, když bude jasné:

• co to je,
• jak to vzniklo,
• kdo to kontroluje,
• jak se hlídá bezpečnost.

Tady se AI potkává s digitální výrobou: šaržové záznamy, digitální dvojčata výroby, auditní stopy.

Proč to zajímá zemědělství: nejde o „nahrazení farmářů“

Kultivované mořské plody nevymažou rybáře ani akvakultury, ale změní mapu rizik a příležitostí.

V českém kontextu se může zdát téma vzdálené, jenže potravinový systém je propojený. Jakmile se objeví nová stabilní nabídka proteinu, začne hýbat:

• cenami surovin,
• zpracováním,
• obchodními maržemi,
• spotřebitelskými očekáváními.

A hlavně: technologie pěstování buněk v řízeném prostředí je příbuzná s tím, co už dnes řeší precizní zemědělství:

• řízení variability,
• predikce výnosu,
• optimalizace vstupů,
• minimalizace odpadu.

Co si z toho může vzít potravinář v ČR už teď

Pokud pracujete ve výrobě, R&D, kvalitě nebo nákupu, praktické kroky jsou překvapivě „ne-sci-fi“:

1. Zaveďte disciplínu dat: jasné definice parametrů, jednotná data o šaržích, dohledatelnost změn.
2. Začněte s prediktivní kvalitou: i jednoduchý model nad historií reklamací a výrobních dat udělá rozdíl.
3. Trénujte senzoriku jako dataset: strukturované hodnocení chuti/textury (panel) je zlato pro optimalizaci.
4. Připravte komunikaci pro zákazníky: transparentní a klidná, žádné „laboratorní zázraky“.

„Londýn dnes, Evropa zítra“: kam se to může posunout v roce 2026

Nejpravděpodobnější scénář je postupný náběh přes prémiové a hybridní produkty.

Zkušenost z jiných kategorií naznačuje, že první vlnu potáhnou výrobky, kde:

• vyšší cena tolik nebolí,
• konzistence je důležitější než „romantika původu“,
• a kde je silný argument udržitelnosti (např. ohrožené nebo přelovené druhy).

Hybridní přístup (část kultivovaná, část rostlinná či jiná) bude pro mnoho firem pragmatický, protože:

• snižuje náklady,
• pomáhá s texturou,
• a zjednodušuje škálování.

Za mě je ale klíčové něco jiného: vyhraje ten, kdo zvládne výrobu jako software – s měřením, kontrolou, predikcí a rychlým učením z dat.

Co si odnést pro seriál „AI v zemědělství a potravinářství“

Kultivované mořské plody jsou viditelný příklad toho, jak se potraviny mění na kombinaci biologie a průmyslového řízení. A to je přesně prostor, kde AI dává smysl: optimalizuje proces, hlídá kvalitu, snižuje odpad a zrychluje vývoj.

Pokud vás zajímá, jak AI prakticky nasadit ve výrobě potravin (od prediktivní kvality po plánování výroby a senzorickou analytiku), dává mi smysl navázat právě na tuto logiku: začít tam, kde data už existují, a postupně přidávat modely, které mění rozhodování v reálném čase.

A teď ta otázka, která bude v roce 2026 padat čím dál častěji: Budeme kultivované ryby brát jako „alternativu“, nebo prostě jako další standardní způsob výroby – podobně jako dnes bereme jogurt z fermentoru?