Start / Podmioty / E-commerce

Podmioty — Handel internetowy

E-commerce — AI, które zna Twój asortyment. I nie zna go Twoja konkurencja.

Baza klientów, historia zakupów i marże to najcenniejsze aktywa sklepu — i jednocześnie dane osobowe w rozumieniu RODO. Lokalna jednostka AI w serwerowni sklepu generuje opisy, drafty BOK i analizy bez wysyłania czegokolwiek na zewnątrz. A przy masowych, powtarzalnych operacjach na tekście koszt krańcowy to prąd, nie licznik tokenów.

Nocne centrum logistyczne sklepu internetowego: regały z paczkami i strumień kart produktowych porządkowany przez kompaktową jednostkę obliczeniową, na zewnątrz przekreślona chmura

Problem

E-commerce to masowe, powtarzalne operacje na tekście: tysiące opisów produktów, maili od klientów, opinii, powodów zwrotów. W modelu chmurowego API płacisz za każdy token — przy tej skali opłaty rosną liniowo z ruchem i asortymentem, a rachunek za „AI w abonamencie" zaczyna przypominać drugi koszt logistyki.

Drugi problem jest poważniejszy: żeby chmurowe AI analizowało Twoją sprzedaż, musisz mu wysłać historię zakupów, dane klientów i marże. Oznacza to umowy powierzenia, ryzyko transferu poza EOG i — co często pomijane — przekazanie wzorców zakupowych Twoich klientów podmiotowi, który obsługuje także Twoją konkurencję.

Rozwiązanie: cztery silniki na jednej jednostce

Pojedynczy ASUS GX10 w serwerowni sklepu obsługuje wszystkie cztery scenariusze — dokładane po kolei, w miarę potrzeb:

Opisy produktów hurtowo

50 000 SKU? Lokalny model generuje unikalne, zoptymalizowane pod SEO opisy z surowych parametrów technicznych — w pojedyncze noce, w wielu wersjach językowych, z hurtową aktualizacją przy zmianie asortymentu. Bez licznika tokenów w tle.

Drafty BOK zamiast kolejki

Lokalny agent monitoruje skrzynkę BOK, sprawdza status zamówienia w Twoim systemie i odkłada gotowy szkic odpowiedzi do akceptacji pracownika. Wdrożony wariant opisujemy krok po kroku w case study Agent BOK: Automatyczne Drafty Email; architektura kanałów w integracji Komunikacja i Poczta.

Analityka ludzkim językiem

Zamiast klikać po dashboardach, pytasz: „które kategorie traciły marżę w ostatnim kwartale i dlaczego?". Model tłumaczy pytanie na zapytanie do bazy (integracja SQL), analizuje wynik i odpowiada po polsku — z liczbami i samym zapytaniem do wglądu. Pełny opis: Analiza Baz Danych.

Opinie, zwroty, rekomendacje

Tysiące recenzji i powodów zwrotu streszczane tematycznie: „w tym modelu butów klienci od marca masowo zgłaszają zbyt wąski przód" — zanim zobaczysz to w słupku zwrotów. W erze cookieless rekomendacje budujemy na wektorowym dopasowaniu semantycznym po stronie serwera, nie na śledzeniu użytkownika.

Nocna zmiana lokalnego AI

22:00 → 6:00

Opisy nowych produktów (1 240 SKU) chmura: ~130 złprąd: ~0,90 zł

API: ~0,75 mln tok. wejścia + ~0,55 mln wyjścia ≈ 35 USD · lokalnie: ~5 h × 150 W = 0,75 kWh

Streszczenie opinii i powodów zwrotów z tygodnia chmura: ~9 złprąd: ~0,12 zł

API: ~0,20 mln tok. wejścia + ~0,01 mln wyjścia ≈ 2,50 USD · lokalnie: ~40 min × 150 W = 0,10 kWh

Raport anomalii sprzedaży dla porannej odprawy chmura: ~5,50 złprąd: ~0,06 zł

API: ~0,12 mln tok. wejścia + ~6 tys. wyjścia ≈ 1,50 USD · lokalnie: ~20 min × 150 W = 0,05 kWh

Wartości szacunkowe. Założenia: chmura liczona wg cennika najdroższego modelu API (Claude Fable 5: 10 USD/mln tokenów wejściowych, 50 USD/mln wyjściowych), kurs ~3,70 zł/USD; lokalnie: zmierzony pobór jednostki 150 W × czas operacji, energia 1,20 zł/kWh. Tańsze modele API zmieniają skalę, nie wniosek: koszt chmury rośnie liniowo z asortymentem, koszt lokalny — nie. Jedna taka noc dziennie to w API ~4 300 zł/mies., lokalnie ~30 zł prądu.

Schemat czterech silników AI sklepu wokół jednej jednostki obliczeniowej: opisy produktów, drafty BOK, analityka SQL, analiza opinii — wszystko wewnątrz obrysu magazynu sklepu

Cztery silniki, jedna jednostka, zero danych na zewnątrz.

Przykładowe pytania właściciela sklepu (najedź lub wybierz kartę, aby zobaczyć ilustracyjny przykład odpowiedzi)

„Które kategorie traciły marżę w Q2 i dlaczego?"

3 największe spadki: elektronika drobna (−4,1 p.p., wzrost kosztów dostawcy X), AGD (−2,3 p.p., promocje), zabawki (−1,8 p.p., zwroty). SQL do wglądu.

źródło: baza sprzedaży, zapytanie #Q2-17

„Co klienci piszą w powodach zwrotu butów model R-12?"

68% zwrotów: „za wąski przód" (od marca, po zmianie dostawcy). Rekomendacja: dopisek o rozmiarówce na karcie produktu + weryfikacja partii.

źródło: 412 formularzy zwrotu

„Którzy klienci hurtowi wyraźnie zmniejszyli zamówienia?"

7 kontrahentów z zamówieniami poniżej połowy średniej z 4 kwartałów — lista z wartościami i datą ostatniego zamówienia dla działu handlowego.

źródło: baza zamówień B2B

„Przygotuj czeskie wersje opisów dla nowej kategorii"

380 opisów w wersji cs-CZ wygenerowanych z tych samych parametrów źródłowych, z zachowaniem szablonu kategorii — do wyrywkowej korekty przed publikacją.

czas: jedna noc, koszt: prąd

Treści na kartach są ilustracyjne — pokazują format odpowiedzi systemu, nie rzeczywisty sklep.

Dzień z życia — scenariusz użycia

Poniedziałek, 7:50. W skrzynce BOK czeka 46 maili z weekendu — przy każdym gotowy draft: status zamówienia sprawdzony w systemie, numer przesyłki wklejony, ton zgodny z marką. Pracownica przegląda, poprawia dwa, wysyła wszystkie przed 9:00. W tym samym czasie na biurku właściciela ląduje nocny raport: anomalia w zwrotach jednej partii obuwia i trzy kategorie z topniejącą marżą — z zapytaniami SQL do wglądu. Decyzje podejmuje człowiek; AI wykonało czytanie, liczenie i pisanie wersji roboczych.

W e-commerce AI nie musi być „wow". Musi być tanie w skali, przewidywalne i nie wynosić danych klientów. Lokalna architektura daje dokładnie to.

Dane klientów zostają w firmie

Zero transferu

Historia zakupów, adresy i marże nie opuszczają serwerowni sklepu — bez umów powierzenia z dostawcą AI, bez transferu poza EOG.

Przewaga konkurencyjna

Wzorce zakupowe Twoich klientów nie zasilają infrastruktury, z której korzysta także Twoja konkurencja.

Koszt bez licznika

Jednorazowy koszt sprzętu zamiast opłat per token. Przy masowych operacjach na tekście różnica rośnie z każdym miesiącem.

Fragmenty korespondencji, które muszą trafić do narzędzia zewnętrznego (np. zgłoszenie do producenta), można najpierw zanonimizować przez AI Privacy Gateway.

Od czego zacząć

Typowy start to pojedynczy ASUS GX10 i jeden proces — najczęściej opisy produktów albo drafty BOK, bo tam zwrot widać w tygodnie. Kolejne silniki (analityka, opinie, rekomendacje) dokładamy na tym samym sprzęcie. Etapy i pakiety: wdrożenie.

Zobacz to na własnym asortymencie. Pilotaż na jednej kategorii produktów pokazuje jakość, zanim zdecydujesz o całości.

Umów demonstrację

Najczęstsze pytania

Mamy 50 000 SKU. Ile potrwa wygenerowanie opisów?

Lokalna jednostka pracuje bez licznika tokenów, więc ograniczeniem jest tylko czas obliczeń — typowo pojedyncze noce, nie tygodnie. Zaczynamy od pilotażu na jednej kategorii, żeby ustalić szablon i ton marki.

Czy opisy generowane hurtowo nie zaszkodzą nam w SEO?

Ryzykiem są opisy duplikowane i puste treściowo — dlatego generujemy z parametrów technicznych i danych o produkcie, z unikalną strukturą per kategoria. Rekomendujemy też wyrywkową redakcję próbki przez człowieka przed publikacją całości.

Czy bot odpowiada klientom samodzielnie?

Domyślnie nie — przygotowuje drafty do akceptacji pracownika BOK (human-in-the-loop). Autonomiczne odpowiedzi włączamy wyłącznie dla wąskich, w pełni przewidywalnych scenariuszy, jeśli sklep tego chce.

Co z integracją z naszą platformą sklepową?

Pracujemy na standardowych interfejsach: baza danych sklepu (odczyt przez replikę), API platformy, eksporty CSV/XML oraz skrzynki IMAP/SMTP dla BOK. Zakres integracji ustalamy w pilotażu.

Powiązane: Agent BOK — automatyczne drafty email · Analiza Baz Danych · Integracja SQL/DB · Komunikacja i poczta