Misinformace o potravinových inovacích: lekce pro AI

V srpnu 2025 se ukázalo, jak křehká je důvěra v potravinové inovace: firma Apeel podala žalobu na influencerku, která měla dlouhodobě šířit tvrzení o „těžkých kovech“ v jejich povlaku na ovoce a zeleninu. Nejde jen o jeden spor na internetu. Je to praktická ukázka toho, co se stane, když se technologie, veřejné obavy o zdraví a sociální sítě potkají bez společného jazyka pro ověřování faktů.

A teď to důležité pro naši sérii „Umělá inteligence v zemědělství a potravinářství“: boj s misinformacemi je v praxi stejný problém, jako když se AI trénuje na nekvalitních datech. Výsledkem jsou chybná rozhodnutí, ztráta důvěry, a nakonec i to, že se dobrá technologie přestane používat – i když má reálný přínos pro snížení plýtvání potravinami.

Co se děje kolem Apeel (a proč to není jen americká kulturní válka)

Apeel vyvinul netoxický, rostlinný povlak, který prodlužuje trvanlivost některých druhů ovoce a zeleniny (často se zmiňují avokáda). Z pohledu udržitelnosti je logika jednoduchá: pokud se méně produktu zkazí v distribuci a u spotřebitele, klesá potravinový odpad, a tím i tlak na půdu, vodu, energii a logistiku.

Jenže od roku 2023 narůstal na sociálních sítích šum, který se postupně změnil v tvrdé narativy: že produkt obsahuje „chemikálie jako benzín“, že je plný těžkých kovů, že za ním stojí tajní vlastníci, případně že „něco skrývá“. Firma teď udělala krok, který bývá pro technologické firmy krajní: žalobu pro pomluvu a nekalou soutěž na konkrétní influencerku (Robyn Openshaw, „Green Smoothie Girl“), která měla publikovat desítky příspěvků napříč platformami.

Zajímavé je, že se do příběhu připletla i „klasika“ moderních dezinformačních vln: záměna názvu. Část obsahu měla vycházet z ingrediencí jiného produktu, průmyslového čističe se stejným názvem „Apeel“. Tohle je přesně ten typ chyby, který se na sociálních sítích šíří rychleji než opravy.

Proč to řešit v Česku

Protože stejné mechanismy uvidíte i u nás, jen s jinými značkami: „chemie na potravinách“, „tajné postřiky“, „skryté příměsi“, „výrobce to nechce říct“.

A v prosinci 2025 je téma ještě ostřejší: před Vánoci se zvyšuje nákup čerstvých potravin, roste tlak na logistiku a trvanlivost, a lidé tráví více času na sociálních sítích. Kombinace, která nahrává rychlým soudům.

Proč jsou misinformace pro agro a potravinářské AI tak nebezpečné

Misinformace fungují jako „datová kontaminace“ ekosystému. U AI je to přímočařejší: špatná data → špatný model → špatné rozhodnutí. U potravinových inovací je řetězec podobný: špatná informace → panika nebo bojkot → obchodní tlak → stažení technologie z trhu.

Tohle se podle popisu situace děje i zde: někteří maloobchodníci raději požádali distributory, aby produkty s danou technologií nesourcingovali. Ne nutně proto, že by věřili obviněním. Často prostě proto, že vysvětlovat zákazníkům nuance na prodejně je prohraná bitva.

Důvěra je infrastruktura, ne PR kampaň

V potravinách je důvěra tvrdá měna. A u technologií, které „sahají“ na jídlo, se očekává:

• transparentnost (co přesně to je, jak se to používá)
• dohledatelnost (kdo to kontroluje, podle jakých pravidel)
• jednoduché vysvětlení (ne marketingové slogany)
• rychlá reakce na mýty (ne až ve chvíli, kdy to hoří)

Firmy často sázejí na to, že „když je to vědecky v pořádku, lidé to přijmou“. Ne. Lidé přijímají to, čemu rozumí a co je v souladu s jejich pocitem bezpečí.

Paralela s AI v precizním zemědělství

V precizním zemědělství se AI používá pro:

• predikci výnosů
• optimalizaci zavlažování a hnojení
• monitoring chorob a škůdců
• řízení skladování a logistiky

A teď si představte, že se kolem takového systému rozšíří jednoduchá, emočně silná lež: „satelity vás špehují“, „AI vám tajně zvýší pesticidy“, „data se prodávají“. Ve chvíli, kdy tomu uvěří část veřejnosti nebo odběratelů, může to zastavit adopci i dobrého řešení.

Co kauza Apeel ukazuje o transparentnosti: nestačí „mít pravdu“, musíte být srozumitelní

Z pohledu brandu a inovace je na příběhu cenné jedno: firma tvrdí, že o složení mluví otevřeně, přesto se mýty uchytily. To je tvrdá lekce.

1) Transparentnost není PDF na webu

Praktická transparentnost znamená, že klíčové informace existují v několika „vrstvách“:

• pro regulátora (detailní dokumentace)
• pro obchodní partnery (jasné specifikace a procesy)
• pro zákazníka (stručný, lidský popis)

Pokud máte jen první dvě vrstvy, sociální sítě vám vyrobí tu třetí – a často špatně.

2) Opravy se šíří pomaleji než mýty

V článku zazněl příklad, kdy známá osobnost nejdřív sdílela nepřesné informace a až později publikovala opravu. To je typický vzorec. Pro značku je problém v tom, že „první dojem“ už udělal práci.

Tady se vyplatí mít připravené:

• krátké odpovědi na nejčastější obavy
• vizuálně srozumitelný „proces od A do Z“ (od aplikace po kontrolu)
• kontaktní bod pro média a partnery

3) Regulace a označování: když se diskuse zpolitizuje

Když se do tématu vloží politici s návrhy na povinné zveřejňování, není to automaticky špatně. U potravin bývá vyšší míra informovanosti přínos.

Ale pozor na vedlejší efekt: v momentě, kdy se z technologické otázky stane kulturní symbol, přestává fungovat racionální argumentace. Pro firmy i pro startupy v agro-tech to znamená: nečekat, až přijde tlak na označování, ale připravit se na něj dopředu.

Jak si z toho vzít konkrétní postupy pro AI projekty v zemědělství a potravinářství

Nejužitečnější část: co dělat, aby se vám „Apeel moment“ nestal u AI řešení pro farmy, sklady nebo výrobu.

Kontrolní seznam: „antimisinformační“ design produktu

1. Vysvětlení na jednu větu

   • Co to dělá, pro koho, a jaký je přímý přínos (např. méně zkaženého zboží).

2. Zveřejněný datový původ a limity

   • U AI popsat zdroje dat (senzory, satelit, ERP), frekvenci, a hlavně limity: kdy to nefunguje.

3. Auditovatelnost

   • Logy rozhodnutí, možnost dohledat, proč systém doporučil konkrétní krok.

4. Bezpečnost a „food safety“ jazykem laiků

   • Pokud AI ovlivňuje procesy kolem potravin, napište lidsky: co se měří, kdo to kontroluje, co se děje při odchylce.

5. Předem připravené reakce na 5 nejpravděpodobnějších mýtů

   • Nečekat, až se to rozjede. Napsat odpovědi a otestovat je na lidech mimo obor.

Co funguje v praxi: komunikace bez arogance

Mnoho technologických týmů komunikuje stylem „tady jsou fakta, hotovo“. Jenže lidé neřeší jen fakta, řeší i pocit, že je někdo neposlouchá.

Tři věty, které v krizové komunikaci fungují lépe než deset odrážek:

• „Rozumíme, proč to zní znepokojivě.“
• „Tady je přesně, co v produktu je a proč.“
• „Tady je, jak to může kdokoli nezávisle ověřit.“

Tohle je mimochodem dobrý standard i pro AI: vysvětlete, proč se lidé bojí, co systém dělá, a jak se dá ověřit, že nepřekračuje hranice.

Proč právní kroky samy o sobě nestačí (a kdy dávají smysl)

Žaloba může zastavit jednoho hlasitého aktéra. Nezastaví ale mechanismus, který misinformace vyrábí: algoritmy platforem, ekonomiku pozornosti a komunitní sdílení.

Právní kroky dávají smysl, když:

• jde o opakované a konkrétní nepravdy (ne „názor“)
• je prokazatelný dopad na obchod (bojkot, ztráta kontraktů)
• druhá strana monetizuje paniku (prodej „návodů“, „karet“, „seznamů“)

Zároveň platí tvrdá realita: soud může vyhrát firma, ale důvěru musí vyhrát produkt. A to se dělá transparentností, partnerstvími v dodavatelském řetězci a srozumitelnou komunikací.

„V agro-tech platí jednoduché pravidlo: když neřídíte svůj příběh, sociální sítě ho řídí za vás.“

Co si z případu odnést, pokud zavádíte AI v zemědělství nebo potravinářství

Pokud pracujete na AI pro farmy, sklady, zpracování nebo retail, berte kauzu jako varování i návod.

• Technologie, která snižuje plýtvání, je jen polovina úspěchu. Druhá polovina je důvěra.
• Misinformace jsou provozní riziko, podobně jako výpadek dodávek nebo kyberútok.
• Data a transparentnost se musí „přeložit“ do řeči lidí. Ne jednou za rok, ale průběžně.

Jestli chcete, aby AI v zemědělství a potravinářství měla reálný dopad, musíme být stejně přísní na kvalitu veřejných informací, jako jsme přísní na kvalitu dat pro modely. Jedno bez druhého se dřív nebo později sesype.

Co bude další velký test důvěry: AI řízení postřiků, predikce kvality v dodávkách, nebo automatizované rozhodování v retailu o tom, co se ještě prodá a co se odepisuje? A kdo si vezme odpovědnost za to, aby lidé rozuměli, co se děje?