Automatyzacja eCommerce: co zautomatyzować bez AI, a gdzie AI faktycznie dokłada
Większość pracy, którą da się zdjąć z zespołu sklepu, nie wymaga żadnego modelu. Wymaga reguły albo integracji. Przegląd procesów w sklepie z podziałem na trzy warstwy automatyzacji i zasadą, która mówi, po którą sięgnąć najpierw.
Większość pracy, którą realnie da się zdjąć z zespołu sklepu, nie wymaga żadnego modelu językowego. Wymaga reguły albo połączenia dwóch systemów, które dziś nie rozmawiają. Rozmowa o automatyzacji zaczyna się dziś od AI, a powinna od pytania, gdzie w Twoim sklepie człowiek przepisuje dane z jednego ekranu na drugi.
Kluczowe wnioski
- Automatyzacja i AI to nie to samo, a rynek myli te pojęcia nagminnie. Większość zapytań o „automatyzację AI" w sklepie to w rzeczywistości zapytania o integrację: dwa systemy, które nie rozmawiają, i człowiek, który przepisuje dane między nimi.
- Są trzy warstwy: reguły, integracje i modele. Sięgaj po najtańszą, która rozwiązuje problem. Reguła działa tak samo za każdym razem i da się ją sprawdzić; model dopiero wtedy, gdy wejście jest nieprzewidywalne.
- Automatyzacja obsługi zamówień zwraca się najszybciej, bo zadanie jest powtarzalne, wejście ustrukturyzowane, a błąd widoczny od razu. W naszej realizacji dla DrillStom faktura i list przewozowy powstają z zamówienia, więc nikt nie przepisuje kodów produktów z ekranu.
- Nie automatyzuj procesu, którego nie umiesz opisać. Jeśli dwie osoby w firmie robią to samo zadanie inaczej, automatyzacja utrwali jedną z wersji i nikt nie będzie wiedział, którą.
Ten tekst jest przeglądem procesów, nie narzędzi. Jeżeli szukasz kalkulacji, ile godzin konkretnie to oszczędza i od czego zacząć w pierwszym tygodniu, mamy to osobno, w tekście o automatyzacji sklepu internetowego i liczeniu godzin.
Trzy warstwy automatyzacji i zasada, która ustawia kolejność
To rozróżnienie jest w tym tekście najważniejsze, bo przesądza o koszcie, o ryzyku i o tym, czy w ogóle potrzebujesz AI.
| Warstwa | Czym jest | Kiedy wystarcza | Koszt i ryzyko |
|---|---|---|---|
| 1. Reguła | Jeśli A, to B. Ustawienie w systemie, który już masz. | Wejście jest przewidywalne i skończone. Statusy, progi, powiadomienia, reguły cenowe. | Najtańsza. Działa tak samo za każdym razem, więc da się ją sprawdzić i odtworzyć. |
| 2. Integracja | Dwa systemy wymieniają dane bez człowieka pośrodku. | Dane istnieją, tylko w dwóch miejscach naraz. Magazyn, księgowość, przewoźnik, marketplace. | Średnia. Ryzyko leży w rozbieżności: trzeba ustalić, który system ma rację. |
| 3. Model | AI przetwarza wejście, którego nie da się opisać regułą. | Wejście jest nieprzewidywalne: tekst, pytanie klienta, nieustandaryzowany opis od dostawcy. | Najwyższa. Model bywa niedeterministyczny, więc potrzebuje przeglądu i pomiaru. |
Warstwy ułożone od najtańszej. Większość zapytań o „automatyzację AI" kończy się na warstwie drugiej.
Zasada, której trzymamy się w Blueprincie: sięgaj po najtańszą warstwę, która rozwiązuje problem. Model postawiony tam, gdzie wystarczyłaby reguła, kosztuje więcej, działa mniej przewidywalnie i trudniej go sprawdzić. To nie jest argument przeciw AI, tylko przeciw używaniu go jako domyślnej odpowiedzi.
Praktyczny test warstwy zajmuje minutę. Zapytaj, czy dwie osoby wykonujące to zadanie zrobiłyby je identycznie. Jeśli tak, to jest reguła albo integracja. Jeśli nie, bo trzeba coś zinterpretować, dopiero wtedy wchodzi model.
Gdzie w sklepie powstaje praca powtarzalna
Mapa procesów, nie lista narzędzi. Przy każdym podajemy warstwę, od której warto zacząć.
| Proces | Co zdejmuje automatyzacja | Warstwa | Czego wymaga |
|---|---|---|---|
| Obsługa zamówień | Wystawianie dokumentów, nadawanie przesyłek, statusy do klienta. | Integracja | Księgowość i przewoźnik z dostępem przez API. |
| Stany magazynowe | Synchronizacja między sklepem, magazynem i kanałami sprzedaży. | Integracja | Jedno źródło prawdy o stanie. To zwykle najtrudniejsza część. |
| Pytania „gdzie moja paczka" | Najliczniejsze i najnudniejsze zgłoszenie w obsłudze. | Reguła plus integracja | Status przesyłki dostępny automatycznie. Rozkładamy to w tekście o obsłudze pytań o status. |
| Ceny i promocje | Progi, rabaty per grupa klientów, reakcja na zmianę kosztu. | Reguła | Zapisana polityka cenowa. Bez niej automatyzujesz czyjeś nawyki. |
| Opisy produktów | Pierwsza wersja opisu dla całej kategorii naraz. | Model | Komplet parametrów. Jak to robić dobrze: opisy produktów AI. |
| Dane produktowe i feedy | Normalizacja atrybutów, mapowanie na słowniki, walidacja przed wysyłką. | Reguła plus model | Docelowy słownik. Praktyka: czyszczenie katalogu i feedy marketplace. |
| Tłumaczenia katalogu | Wejście na nowy rynek bez przepisywania wszystkiego ręcznie. | Model | Poprawne źródło. Szczegóły: tłumaczenie katalogu AI. |
| Rutyna w panelu sklepu | Analizy, raporty, powtarzalne operacje na danych. | Model | Dane w jednym systemie. Opisaliśmy to przy agentach w panelu sklepu. |
Automatyzacja obsługi zamówień zwraca się najszybciej
Powód jest strukturalny, nie technologiczny. Zadanie jest powtarzalne, wejście ustrukturyzowane, a błąd widać od razu, więc nie zdąży narosnąć.
Typowy stan wyjściowy wygląda tak: zamówienie przychodzi do sklepu, ktoś przepisuje pozycje i dane firmy do programu księgowego, wystawia fakturę, potem przepisuje adres do systemu przewoźnika i nadaje przesyłkę. Przy kilkunastu pozycjach na zamówienie to nie jest niedogodność, to jest etat.
W naszej realizacji dla hurtowni stomatologicznej DrillStom ten łańcuch zniknął: zamówienie trafia do Fakturowni z pozycjami, kodami i danymi firmy, a przesyłka do Apaczki. Obie integracje pracują na tych samych danych zamówienia, więc nie ma miejsca, w którym ktoś przepisuje kod produktu z ekranu na papier. Całość opisaliśmy w case study DrillStom.
Zwróć uwagę, czego w tym nie ma: modelu językowego. To czysta warstwa druga.
Obsługa klienta: automatyzacja kończy się przy decyzji
W obsłudze klienta warstwy mieszają się najmocniej i dlatego najłatwiej tu o kosztowny błąd.
- Fakty idą do automatu. Status przesyłki, dostępność, parametr z karty produktu, termin zwrotu. Odpowiedź jest sprawdzalna, więc błąd wychodzi natychmiast.
- Powtarzalne pytania przed zakupem idą do modelu, ale ostrożnie. Doradca powtórzy dokładnie to, co znajdzie w karcie produktu, razem z jej luką. Najpierw karta, potem doradca.
- Decyzje zostają u człowieka. Reklamacja, odstępstwo od regulaminu, niezadowolony klient stałego kontrahenta. To rozmowy o wyjątkach, a automat dobrze obsługuje regułę.
- Eskalacja musi działać od pierwszego dnia. Automat, który nie umie oddać rozmowy człowiekowi, kosztuje więcej, niż oszczędza, i wychodzi to dopiero przy trudnym kliencie.
Czego nie automatyzować
Ta sekcja oszczędza najwięcej pieniędzy ze wszystkich, bo każda z tych sytuacji kończy się wdrożeniem, które potem ktoś wyłącza.
- Procesu, którego nie umiesz opisać. Jeśli dwie osoby robią to samo zadanie inaczej, automatyzacja utrwali jedną wersję i nikt nie będzie wiedział, którą ani dlaczego.
- Zadania, które wykonujesz raz na kwartał. Koszt utrzymania automatu przewyższy oszczędność, a przy czwartym uruchomieniu okaże się, że przestał działać po aktualizacji.
- Procesu opartego na danych, które są nieaktualne. Automatyzacja nie naprawia danych. Rozprowadza je szybciej i w więcej miejsc, razem z błędem.
- Czegokolwiek bez pomiaru przed i po. Bez niego za pół roku zostanie Ci wrażenie zamiast odpowiedzi, czy to się opłaciło. Gdzie te wdrożenia się wykrzaczają, opisaliśmy w tekście o tym, dlaczego automatyzacje AI zawodzą po cichu.
Kolejność na najbliższy kwartał
Pierwsze dwa punkty warunkują sens pozostałych, więc kolejność nie jest kosmetyczna.
- Znajdź miejsca, w których ktoś przepisuje dane między systemami. To jest lista kandydatów i prawie zawsze jest krótsza, niż się wydaje, za to każdy wpis na niej jest wart pieniądze.
- Dla każdego ustal warstwę. Czy dwie osoby zrobiłyby to identycznie? Jeśli tak, to reguła albo integracja, czyli taniej i pewniej.
- Zacznij od obsługi zamówień. Najkrótsza droga do efektu, bo wejście jest ustrukturyzowane, a błąd widoczny.
- Zmierz czas przed i po, na jednym procesie, przez dwa tygodnie.
- Dopiero potem modele. Co z nich wyciągnąć i w jakiej kolejności, zebraliśmy w przeglądzie AI w eCommerce.
Gotowe prompty do zadań z warstwy trzeciej, czyli opisy, listingi, normalizacja atrybutów i analiza recenzji, leżą w bibliotece AI dla eCommerce, do skopiowania i bez logowania.
Jak podchodzimy do tego my
Automatyzacje wdrażamy jako etap frameworka BEAM, opisany przy AI Automation, i zaczynamy od mapy przepisywania danych, a nie od wyboru narzędzia. W praktyce połowa rozmów o automatyzacji AI kończy się wnioskiem, że potrzebna jest integracja, i mówimy to przed wyceną, a nie po. Zakres pracy opisujemy przy automatyzacjach AI, a model wyceny stoi w cenniku.
Zastrzeżenie: nie podajemy procentów oszczędności ani czasu zwrotu z inwestycji. Zależą od tego, ile razy dziennie wykonujecie dane zadanie i w jakim stanie są dane, a to dwie rzeczy, których nie znamy przed zajrzeniem do systemu. Mierzymy czas na konkretnym procesie, przed i po.
Nie wiesz, czy Twój przypadek to reguła, integracja czy model? Umów Blueprint albo napisz, gdzie u Was ktoś przepisuje dane z ekranu na ekran. Odpowiemy, która warstwa to rozwiązuje, także wtedy, gdy odpowiedź brzmi „to ustawienie w systemie, który już macie, i nie potrzebujecie do tego nikogo z zewnątrz".
FAQ
Czym automatyzacja eCommerce różni się od wdrożenia AI?
Automatyzacja to szersze pojęcie i w większości przypadków nie ma w niej żadnego modelu. Reguła („jeśli status zmieni się na wysłane, wyślij powiadomienie") i integracja („zamówienie trafia do księgowości bez człowieka") to automatyzacja bez AI. Model dokłada się dopiero tam, gdzie wejścia nie da się opisać regułą, czyli przy tekście i interpretacji. Co w tej warstwie realnie działa, zebraliśmy w przeglądzie AI w eCommerce.
Od czego zacząć automatyzację w sklepie internetowym?
Od miejsca, w którym ktoś przepisuje dane z jednego systemu do drugiego. Najczęściej jest to obsługa zamówień: pozycje i dane firmy wędrują do księgowości, adres do przewoźnika. To zadanie powtarzalne, wejście ustrukturyzowane, a błąd widać od razu, więc zwraca się najszybciej. Kalkulację godzin rozkładamy w tekście o automatyzacji sklepu internetowego.
Czy automatyzacja obsługi klienta w eCommerce ma sens?
Ma, ale tylko po właściwej stronie granicy. Fakty automatyzuj bez wahania: status przesyłki, dostępność, parametr z karty produktu, termin zwrotu. Decyzje zostaw ludziom: reklamacje, odstępstwa od regulaminu, trudne rozmowy ze stałym klientem. I zbuduj eskalację do człowieka od pierwszego dnia, bo automat, który nie umie oddać rozmowy, kosztuje więcej, niż oszczędza.
Ile kosztuje automatyzacja procesów w eCommerce?
Pojedyncze automatyzacje wyceniamy od 6 000 zł za workflow, a większe wdrożenia platformowe od 60 000 zł netto; cały model stoi w cenniku. Koszt zależy jednak przede wszystkim od warstwy: reguła bywa ustawieniem w systemie, który już masz, integracja to projekt, a wdrożenie modelu wymaga jeszcze przeglądu wyników i pomiaru. Dlatego pierwsze pytanie brzmi, której warstwy potrzebujesz, a nie ile kosztuje automatyzacja.
Czy muszę zmienić platformę, żeby cokolwiek zautomatyzować?
Nie, o ile Twoja platforma wypuszcza dane przez API i przyjmuje je z powrotem. Jeśli nie, to problemem nie jest automatyzacja, tylko platforma, a każde wdrożenie będzie objazdem wokół ograniczenia. Sygnały, że ten moment nadszedł, zebraliśmy w tekście o tym, kiedy zmienić platformę sklepu.
Czego nie warto automatyzować?
Procesu, którego nie umiesz opisać, bo automatyzacja utrwali jedną z kilku wersji i nikt nie będzie wiedział, którą. Zadania wykonywanego raz na kwartał, bo utrzymanie automatu przewyższy oszczędność. I czegokolwiek, czego nie zmierzysz przed i po, bo zostanie Ci wrażenie zamiast odpowiedzi.
Dziennik
Współzałożyciel Seedlight · platformy eCommerce, AI, SEO i GEO
Newsletter
Dziennik prosto na skrzynkę
Nowe wpisy i wnioski z realnych wdrożeń, co jakiś czas. Zero spamu, wypisujesz się jednym kliknięciem.
