Sladidla bez cukru: jak AI urychlí vývoj receptur

Průmysl náhrad cukru už není okrajová záležitost pro „fitness“ regály. Je to trh, který má podle odhadů vyrůst z 18 miliard USD (2022) na více než 28,5 miliardy USD do roku 2032. To je jasný signál: lidé chtějí sladkou chuť, ale nechtějí platit zdravotní daň navíc.

Jenže většina firem pořád řeší sladkost zkratkou: „vyměň cukr za něco jiného“. A pak se diví, že to nefunguje – chuťově, technologicky nebo zdravotně. Realita? Nová generace sladidel nevznikne jen v laboratoři. Vznikne v kombinaci biotechnologií, dat a umělé inteligence, která dokáže zrychlit hledání funkčních receptur a odhalit slepé uličky dřív, než stojí miliony.

Tento článek je součástí série „Umělá inteligence v zemědělství a potravinářství“. Dnes se podíváme na to, proč se „sladká“ inovace přesouvá od chemie k biovýrobě a proč právě AI může rozhodnout, kdo v příštích letech vyhraje.

Proč jsou náhrady cukru pořád problém (i když mají 0 kcal)

Klíčový problém je jednoduchý: sladkost není jen chuť, je to fyzika, metabolismus a psychologie zároveň. A když změníte jednu věc (kalorie), často rozbijete tři další (texturu, aftertaste, reakci těla).

Tradiční syntetická sladidla (typicky některé „klasiky“ z minulých dekád) sice řeší kalorie, ale u části spotřebitelů vyvolávají nedůvěru a některé studie zmiňují rizika typu narušení metabolických reakcí nebo vlivu na střevní mikrobiom. U „přírodních“ alternativ se zase ukázalo, že ani přírodní původ automaticky neznamená bezproblémové použití.

Proč se výrobci vrací k otázce „co vlastně chceme vyrobit“

Dřív se vývoj často točil kolem jedné metriky: „kolik sladké chuti za co nejméně kalorií“. Dnes je zadání širší:

• Chuťový profil (nástup sladkosti, dozvuk, hořkost, „kovovost“)
• Textura (cukr dělá objem, váže vodu, ovlivňuje krystalizaci)
• Stabilita při teple (pečení, pasterace, UHT)
• Metabolická odezva (glykemie, inzulinová odezva)
• Vliv na mikrobiom a toleranci (např. u některých polyolů)

A tady se ukazuje, proč se z toho stává ideální úloha pro AI ve vývoji potravin: je to vícerozměrná optimalizace s obrovským prostorem kombinací.

Dva směry nové vlny sladidel: protein a „chytřejší cukr“

Novinka posledních let není jen jiné sladidlo. Je to jiný princip. Z aktuálních trendů vystupují dva směry, které stojí za pozornost.

Sladké proteiny (příklad: brazzein) a fermentační výroba

Jedna cesta vede přes sladké proteiny – látky, které jsou sladké samy o sobě a mohou mít velmi nízkou kalorickou stopu v dávkách potřebných pro dochucení. Typický příklad je brazzein, protein známý z ovoce z oblasti západní Afriky.

Praktický háček? Získávat takovou molekulu z přírodního zdroje je drahé, nestabilní v dodávkách a škálování je problém. Proto přichází na řadu mikrobiální fermentace: vyrobíte molekulu „stejnou“, ale v řízeném procesu.

Pro potravinářství je to důležité i z pohledu zemědělství: část hodnoty se přesouvá z hektarů na bioprodukční kapacity, kde hrají roli data, senzory a řízení procesu.

Inženýrské snížení cukru bez náhrady (příklad: zvýraznění sladkosti)

Druhá cesta je pragmatičtější: cukr se úplně nevyhazuje, ale využije se efektivněji. Principem je upravit způsob, jak se cukr „prezentuje“ chuťovým receptorům na jazyku. V praxi to znamená technologii, která dokáže dosáhnout stejného vjemu sladkosti s nižší dávkou cukru.

Z pohledu výrobců je to atraktivní, protože:

• nemusíte kompletně měnit recepturu,
• často se snáz udrží textura,
• „čistý štítek“ (clean label) může být jednodušší než u některých náhrad.

U řešení tohoto typu se v praxi mluví o redukci přidaného cukru v řádu 30–50 % u vybraných aplikací.

Kde do toho vstupuje umělá inteligence (a proč ji dobré týmy berou vážně)

AI dnes není jen marketingová nálepka na obalu. Ve vývoji potravin dokáže zkrátit cyklus pokus–omyl z měsíců na týdny. Největší přínos vidím ve třech bodech: formulace, proces výroby a predikce přijetí zákazníkem.

1) AI pro návrh receptur: méně slepých uliček

Vývoj sladké receptury je typický „problém kombinací“: různé sladidlo, kyselost, aroma, vláknina, stabilizátory, teplota zpracování… a každá změna ovlivní chuť i strukturu.

AI se tu používá jako:

• model pro predikci senzoriky (pravděpodobnost hořkosti, délka dozvuku),
• optimalizátor receptur (najde kombinace s cílovými parametry),
• nástroj pro rychlé A/B testy (co má největší vliv na vnímání sladkosti).

Praktický výstup pro R&D tým: místo 200 prototypů vyrobíte třeba 40 – ale těch správných.

2) AI ve fermentaci: stabilní kvalita, nižší náklady

U sladkých proteinů a dalších fermentovaných ingrediencí rozhoduje ekonomika procesu. Výnos, čistota, stabilita šarží – to je rozdíl mezi „funguje v laborce“ a „funguje v továrně“.

AI pomáhá řídit fermentaci v reálném čase:

• detekuje odchylky (kontaminace, posun pH, změna spotřeby substrátu),
• predikuje optimální čas sklizně,
• navrhuje parametry pro zvýšení výtěžnosti.

Tohle je přímé napojení na naši tematickou osu série: data-driven výroba potravin je stejně důležitá jako data-driven pěstování.

3) AI a poptávka: sladkost se prodává emocemi, ne tabulkou

Spotřebitelé nehodnotí sladidlo podle chemického vzorce. Hodnotí ho podle:

• chuti,
• důvěry,
• „přirozenosti“,
• a často i podle toho, co zrovna rezonuje ve veřejném prostoru.

AI v marketingové a produktové analytice dokáže:

• sledovat trendy ve vyhledávání a na sociálních sítích,
• odhadovat, které claimy budou fungovat (např. „méně cukru“ vs. „bez cukru“),
• segmentovat zákazníky podle tolerance na chuťové kompromisy.

Jestli dnes něco platí, tak tohle: lepší receptura bez pochopení trhu je drahá slepá ulička.

Co si z toho vzít v praxi: kontrolní seznam pro výrobce a inovátory

Nejrychlejší cesta k lepší sladké receptuře není hledat jedno „zázračné sladidlo“, ale postavit systém testování a rozhodování. Pokud pracujete ve vývoji potravin, nákupu surovin nebo inovacích, tohle jsou otázky, které bych si položil jako první.

1. Jaký je cíl? „Bez cukru“ a „o 30 % méně cukru“ jsou dvě úplně jiné strategie.
2. Co je kritická aplikace? Nápoj, čokoláda, jogurt, pečivo – každé má jiné limity tepla, pH a textury.
3. Jak měříte chuť? Nestačí interní ochutnávka. Chce to strukturovaná data (panel, atributy, opakovatelnost).
4. Máte data o procesu? Pokud vyrábíte fermentované ingredience nebo pracujete s citlivými směsmi, bez online dat budete „hasit“.
5. Jak řešíte důvěru? Transparentní komunikace a testování bezpečnosti jsou součást produktu, ne dodatek.

„Sladkost je nejdražší tehdy, když ji řešíte až na konci vývoje.“

Časté otázky, které dnes padají (a jasné odpovědi)

Je reálné snížit cukr bez zhoršení chuti?

Ano, ale obvykle ne jedním krokem. Funguje to jako kombinace: část redukce udělá technologie zvýraznění sladkosti, část správně postavené aroma a kyselost, část práce s texturou.

Budou fermentované sladké proteiny „přirozené“ pro spotřebitele?

V Česku a EU bude rozhodovat hlavně komunikace, regulace a důvěra značky. Z technologického pohledu jde o standardní trend potravinářství: fermentace je dávno běžná, jen se mění cílové molekuly.

Kde se vyplatí AI nejrychleji?

Nejrychlejší návratnost mívá:

• optimalizace receptur (méně prototypů),
• predikce senzoriky a stability,
• řízení výrobních parametrů u fermentace.

Co bude rozhodovat v roce 2026: zdraví, chuť a škálování

V prosinci 2025 je vidět jasný posun: trh chce sladké, ale netoleruje kompromisy jako dřív. A zároveň roste tlak na transparentnost a zdravotní dopady. Vítězit budou týmy, které zvládnou tři věci naráz: chuťový zážitek, prokazatelnou bezpečnost a ekonomiku výroby.

A právě tady se série „Umělá inteligence v zemědělství a potravinářství“ potkává s tématem sladidel nejvíc. AI dokáže propojit data ze surovin, vývoje receptur, senzoriky i výroby do jednoho rozhodovacího systému. Kdo to zvládne, bude uvádět nové produkty rychleji a s menším rizikem.

Pokud řešíte vývoj „méně cukru“ produktů, fermentační ingredience nebo chcete postavit datový systém pro R&D a výrobu, dává smysl začít u jednoduché věci: jaká data už máte – a jaká vám chybí, abyste mohli rozhodovat bez dojmologie?