Misinformace o potravinách brzdí inovace. Co s tím?

Když firma s technologií na prodloužení trvanlivosti ovoce a zeleniny sáhne po žalobě na influencera, není to jen „americká senzace ze sociálních sítí“. Je to lakmusový papírek důvěry v potravinářské inovace – a upřímně i varování pro všechny, kdo dnes zavádějí AI v zemědělství a potravinářství.

Příběh společnosti Apeel z 09/2025 ukazuje jednoduchou pravdu: největší riziko inovací často není technické, ale komunikační. Pokud se v online prostoru ujme narativ o „toxických chemikáliích“ nebo „tajných ingrediencích“, může se i rozumná technologie stát obchodně neprodejnou – protože maloobchodníci a dodavatelé se raději stáhnou, než aby zákazníkům vysvětlovali nuance.

A to se netýká jen jedlých povlaků na avokádo. Stejnou dynamiku zažívají projekty jako AI predikce výnosů, počítačové vidění pro třídění plodin, digitální pasy potravin, nebo třeba optimalizace logistiky pomocí strojového učení. Důvěra je podmínka adopce.

Co nám případ Apeel říká o důvěře v potravinové technologie

Klíčové sdělení: Jakmile se inovace dotkne jídla, lidé reagují emotivně. A sociální sítě odměňují emoce, ne přesnost.

Apeel se proslavil rostlinným, netoxickým povlakem, který pomáhá prodloužit trvanlivost vybraných druhů ovoce a zeleniny (typicky avokádo). Z hlediska potravinového řetězce je to atraktivní: delší čerstvost znamená méně odpadu, méně ztrát v logistice a často i stabilnější dodávky.

Jenže v posledních letech se kolem podobných technologií zvedla vlna tvrzení, že produkt „obsahuje těžké kovy“, „je to jako benzín“ nebo že je „napojený na tajné financování“. V popsaném případě firma v USA podala 29.08.2025 žalobu na online influencerku, která měla publikovat desítky příspěvků s obviněními o palladiu, rtuti, arsenu a dalších látkách a současně vyzývat k bojkotu.

Z pohledu inovací je podstatné něco jiného než právní spor: i když je technologie bezpečná, reputační riziko může být pro retail a značky větší než přínos technologie. A obchodní rozhodnutí pak bývá pragmatické: „raději to nekupujme, ať nehasíme požár u pokladen“.

Proč se podobné kauzy šíří tak snadno

Mechanismus je předvídatelný:

• Potraviny jsou osobní. Lidé je dávají dětem, rodičům, řeší zdraví.
• Vysvětlit technologii je složité. „Jedlý povlak z rostlinných lipidů“ prohraje proti „je to chemie“.
• Sociální sítě tlačí na jednoduché příběhy: viník, oběť, zkratka, strach.
• Do hry vstupuje „přenos důvěry“: když to řekne celebrita nebo influencer, část publika to bere jako fakt.

V článku zazněl i příklad, kdy známá herečka sdílela nepřesné informace a později zveřejnila opravu. Problém? Oprava má téměř vždy menší dosah než původní poplašná zpráva.

Kde se to potkává s AI v zemědělství a potravinářství

Odpověď na otázku „proč to řešit v AI sérii“ je přímočará: AI projekty stojí a padají na datech, transparentnosti a vysvětlitelnosti. A právě to jsou oblasti, které misinformace napadají.

V praxi dnes vidím dvě paralely:

1. AI jako „neviditelná vrstva“ rozhodování – farmář nebo výrobce často používá doporučení modelu, ale spotřebitel to nevidí. Pokud se objeví fáma („algoritmus rozhoduje o chemii“, „AI manipuluje kvalitu“), je těžké ji rychle vyvrátit.
2. AI mění procesy, ne jen produkty – a tím se hůř komunikuje. U jedlého povlaku aspoň „něco viditelného“ existuje. U AI predikce ztrát v řetězci jde o software. Lidé mají tendenci věřit, že software je „černá skříňka“.

Konkrétní příklady, kde důvěra rozhoduje

• Počítačové vidění při třídění ovoce a zeleniny: když AI vyhodnocuje otlaky a zralost, musí být jasné, kdo nese odpovědnost za chyby a jak se model testuje.
• Predikce výnosů a chorob (ML modely): bez srozumitelného vysvětlení vstupních dat (meteorologie, satelitní snímky, senzory) vzniká prostor pro fámy.
• Optimalizace post-harvest logistiky: pokud AI „doporučí“ delší skladování nebo jiné teplotní režimy, je nutné mít auditovatelný záznam, proč.
• Digitální pas potravin (traceability): tady AI může pomoci data čistit a detekovat anomálie, ale zároveň se musí hlídat, aby byla data sdílená srozumitelně.

Všimněte si společného jmenovatele: transparentní důkazy jsou důležitější než marketingové slogany.

Transparentnost: co funguje v praxi (a co je slepá ulička)

Jedna věta, kterou bych dal na zeď každému potravinářskému inovátorovi: Když zákazník cítí, že něco tajíte, doplní si zbytek sám – a obvykle v nejhorší možné verzi.

Případ Apeel ukazuje, že firmy často investují miliony do PR, ale přesto narazí. Proč? Protože „PR“ bez operativní transparentnosti je kosmetika.

Co zavést dřív, než přijde první krize

1. Jednostránkový „product facts“ dokument pro veřejnost

   • Co přesně je produkt/proces, k čemu slouží, co v něm je a není.
   • Jednoduchý jazyk. Žádné právnické věty.

2. Auditovatelná data a testy bezpečnosti (interně i pro partnery)

   • Ne každý spotřebitel bude číst protokoly, ale retail a B2B partneři ano.

3. Jednotné značení a odpovědi pro zákaznickou podporu

   • Nejhorší je, když obchod řekne A, distributor B a výrobce C.

4. „Rychlá reakční jednotka“ pro sociální sítě

   • Ne jako hádka v komentářích.
   • Spíš: stručné vyvrácení, odkaz na fakta, opakování klíčové věty.

Slepá ulička: bojovat s internetem jen právníky

Právní kroky mohou být namístě (pomluva, klamavá reklama), ale samy o sobě nevyřeší základní problém: lidé chtějí rozumět tomu, co jedí. A pokud to nepochopí z oficiálních zdrojů, pochopí to z virálního videa.

Zároveň je fér říct: žaloba může mít i pozitivní efekt – nastaví hranici, že vědomé šíření konkrétních nepravd není „názor“, ale potenciálně škodlivé jednání.

Jak může AI pomoct proti misinformacím (bez cenzury)

AI není jen zdroj rizika. Je i nástroj, jak důvěru budovat. Ne přes „kontrolu pravdy“, ale přes lepší data, vysvětlitelnost a konzistenci.

1) AI pro transparentnost v dodavatelském řetězci

• Automatické párování šarží, teplotních záznamů a skladových událostí.
• Detekce anomálií (např. porušení chladového řetězce).
• Srozumitelný výstup pro retail: „Tato šarže byla skladována mezi 3–5 °C, bez výpadků.“

Tohle je přesně typ „důkazu“, který pomáhá, když se objeví fáma.

2) Vysvětlitelná AI (XAI) jako standard, ne bonus

Pokud používáte modely pro:

• doporučení ochranných zásahů,
• plánování sklizně,
• třídění kvality,

…měli byste umět říct proč model doporučil právě tohle. Ne akademicky. Prakticky.

„Model označil šarži jako rizikovou, protože kombinace vlhkosti, teploty a historie výskytu plísně překročila interní práh.“

Taková věta je citovatelná, srozumitelná a hlavně kontrolovatelná.

3) Monitoring narativů: včasné varování

AI umí analyzovat trendy na sociálních sítích a fórech (sentiment, klíčová slova, rychlost šíření). Pro potravinářské firmy je to praktický nástroj:

• zachytit vznikající hoax v prvních dnech,
• připravit jednotnou odpověď,
• informovat B2B partnery dřív, než se „poplach“ dostane k jejich zákazníkům.

To není cenzura. To je krizová připravenost.

Co si z toho odnést: checklist pro firmy v agri/food

Největší chyba je čekat, až se něco stane. Pokud zavádíte AI nebo jinou potravinovou technologii, připravte se na komunikaci stejně pečlivě jako na technickou implementaci.

Praktický checklist, který se mi osvědčil:

1. Mapujte riziková tvrzení: „Je to chemie“, „je to tajné“, „je to nebezpečné“ – a mějte hotové odpovědi.
2. Mějte jeden zdroj pravdy: stejná fakta pro web, retail, zákaznickou linku i obchodníky.
3. Zaveďte auditní stopu dat: u AI projektů je to povinnost. U potravin inovace je to konkurenční výhoda.
4. Trénujte partnery: retail nechce školení na hodinu. Chce 5 vět, které obstojí u pokladny.
5. Komunikujte přínos konkrétně: „méně zkaženého ovoce“ je silnější než „udržitelnost“.

A jedna věc navíc: pokud vám jde o LEADS, nejrychlejší cesta vede přes důvěru. V B2B agri/food světě dnes zákazník často nekupuje „AI“. Kupuje jistotu, že se mu zítra nerozpadne reputace.

Kam se to posune v roce 2026

Do roku 2026 očekávám, že tlak na transparentnost potravin ještě zesílí – a to jak ze strany zákazníků, tak regulace i retailu. Firmy, které mají „papíry v šuplíku“ a data v nesourodých systémech, budou pořád dokola vysvětlovat, proč jim má někdo věřit. Firmy, které mají data připravená, auditovatelná a srozumitelně podaná, budou mít náskok.

Případ Apeel je ostrá připomínka: technologická inovace bez komunikační strategie je poloviční produkt. A v sérii „Umělá inteligence v zemědělství a potravinářství“ to platí dvojnásob – protože AI přináší velkou hodnotu, ale jen tehdy, když je přijatá.

Co teď uděláte vy: zkontrolujete, jestli vaše AI řešení umí dát jednoduchou, ověřitelnou odpověď na otázku „proč tomu mám věřit“?